La preferencia de organismos por ciertos recursos es frecuentemente evaluada mediante pruebas de elección múltiple, sin tener en cuenta en los análisis la dependencia entre las observaciones. Este trabajo presenta distintos modelos estadísticos que permiten contemplar la falta de independencia de los datos y compara la ´performance´ de cada uno de ellos empleando datos reales no simulados. Se utilizaron cuatro tipos de modelos: Análisis de Devianza (Modelo Lineal Generalizado Mixto), Análisis de la Varianza a un factor, ANOVA a un factor con bloque al azar (ambos Modelos Lineales Generales Mixtos), y ANOVA no paramétrico con bloques (Test de Friedman). También se utilizaron una covariable y una variable compensadora (´offset´). Los resultados obtenidos sugieren que para la variable de tipo conteo (con distribución Poisson), el Modelo Lineal Generalizado Mixto fue el más potente, mientras que si se considera la medida relativizada (conteos/superficie), la mayor potencia la obtuvo el MLG con una variable compensadora.

Looking for the lost independence: using Mixed Generalized Linear Models in choice tests: The preference of organisms for resources is usually evaluated through multiple-choice tests, without accounting the lack of independence present in the data. This study presents several statistical models which explicitly consider such dependence structure comparing their performance by using real non-simulated data. Four types of models were used: Analysis of Deviance (Generalized Mixed Linear Model), Analysis of Variance with a factor, One-way ANOVA with random block effect (both General Mixed Linear Models) and Non-Parametric ANOVA with block effect (Friedman Test). A covariable and an offset variable were also added to the Mixed GLM model. Results suggest that the most powerful model for the counting-type variable (with Poisson distribution), is the Mixed GLM; whereas for the relativized variable (count/surface), is the Mixed GLM with an offset variable.

Fil: Mangeaud, Arnaldo. Universidad Nacional de Córdoba. Facultad de Cs.exactas Físicas y Naturales. Departamento de Matemáticas. Cátedra de Estadística y Biometria; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales. Centro de Investigaciones Entomológicas de Córdoba; Argentina

Fil: Videla, Martin. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Instituto Multidisciplinario de Biología Vegetal. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas Físicas y Naturales. Instituto Multidisciplinario de Biología Vegetal; Argentina