Introduccion al análisis multivariado

En este capítulo se describirán los conceptos básicos requeridos para entender la importancia de aplicar técnicas estadísticas multivariadas en ciencias naturales. En particular se demostrará por qué para estudios biológicos, ecológicos y ambientales los métodos basados en disimilitudes y distancias suelen ser más apropiados que los métodos estadísticos convencionales.

Este capítulo se divide en las siguientes secciones

  1. La primera sección retoma conceptos fundamentales de estadística inferencial: población objetivo, población estadística y variables. Específicamente, se describe la diferencia conceptual entre variables unidimensionales y variables multidimensionales.

  2. En la segunda sección se demuestra la importancia de usar estadística multivariada para abordar preguntas ambientales y cómo puede esto impactar sustancialmente en la construcción de conocimiento aplicable.

  3. La tercera sección es sobre estructura de datos biológicos, ecológicos y ambientales (en adelante BEA) multivariados. Se detallan las características peculiares según el tipo y las implicaciones matemáticas. Se explica la necesidad de explorar y aplicar transformaciones a los datos antes de cualquier método multivariado. Se describirán los tipos de tratamiento más comunes según la naturaleza de los datos. Se abordarán también algunos detalles técnicos sobre tipos de objetos en R que pueden albergar datos de estructura multivariada.

  4. La cuarta sección es sobre notación y algebra de matrices. Acá se describirán las principales propiedades para operar con matrices, así como las implicaciones en el contexto de datos biológicos, ecológicos y ambientales.

  5. En la quinta sección se describen los tipos de abordaje multivariado según el objetivo de investigación. Se describirán los principios de los análisis multivariados en modo Q y los análisis en modo R, así como las medidas de similitud y distancia más importantes para análisis de datos en ciencias naturales. Se describirán las propiedades de los índices más usados. También se presenta una clasificación de los métodos multivariados según el abordaje matemático, y se describen las implicaciones que tiene esto en la interpretación de resultados según sea el caso.