Saltos para atras, o como sacarle a los datos más información de la que supusimos al principio: Un caso de modelado de competencia entre parasitoides resuelto por medio de estadística Bayesiana y el algoritmo Reversible Jump para la selección de modelos

Abstract

Cuando hacemos un experimento, en general es para responder un o unas pocas preguntas, en relación con la biología de la especie que estamos estudiando. El diseño del experimento en general viene asociado a un método estadístico con el cual tratamos de cuantificar el resultado del experimento. La combinación más común es un diseño tipo factorial con estadística tipo paramétrica. Sin embargo dentro de los datos que tomamos suele estar dormida mucha más información que la que aprovechamos en el análisis de los datos. En este caso, partiendo de un experimento de competencia entre parasitoides que no podía ser analizado por métodos estadísticos clásicos, se demuestra cómo proponiendo modelos de complejidad creciente, se puede obtener no sólo la información que se buscaba en un principio (¿cual parasitoide es mejor competidor?), sino además datos acerca del comportamiento de las distintas especies de parasitoides utilizadas, como lo es el patrón de puesta de huevos. En este proceso se muestran asimismo las ventajas de los métodos Bayesianos de selección de modelos (como el algoritmo reversible jump) para resolver casos en los que se propone un gran número de estos y varios de los modelos propuestos muestran un poder explicativo similar.