Etiqueta: ANOVA

Mejora de la gestión del paisaje en un puerto deportivo mediante la participación pública

Acaban de publicarnos un artículo en la revista Land, revista indexada en el JCR. En este caso se ha analizado la mejora de la gestión del paisaje en un puerto deportivo de Granada a través de la participación pública en la identificación y evaluación de valores paisajísticos. El trabajo se enmarca dentro del proyecto de investigación HYDELIFE que dirijo como investigador principal en la Universitat Politècnica de València.

Los valores paisajísticos se refieren a los atributos percibidos en un paisaje y son importantes para los usuarios de los puertos deportivos, pues reflejan sus percepciones y pueden ayudar a los gestores a medir su grado de satisfacción. Este estudio se centró en identificar y evaluar los valores paisajísticos de Marina del Este (Granada, España), utilizando entrevistas y un cuestionario para aumentar la participación de las partes interesadas y los usuarios.

Primero, se realizó un análisis DAFO de las entrevistas con la dirección para recopilar sus percepciones. Luego, se aplicó una encuesta que recibió 104 respuestas de visitantes y usuarios para recoger los valores paisajísticos del puerto deportivo. Se emplearon los métodos ANOVA y PCA para comprobar su adecuación.

Los resultados indicaron que el puerto deportivo debe transmitir una atmósfera de tranquilidad y bienestar, pero también se debe mejorar la hospitalidad y el mantenimiento relacionados con el turismo náutico. Se identificaron problemas relacionados con la falta de espacio y el exceso de urbanización del entorno. Los gestores deben analizar estos resultados para establecer las causas de las discrepancias y proponer soluciones al modelo de gestión establecido. La percepción de las partes interesadas y los usuarios puede ayudar a implementar políticas más consensuadas, con mayor aceptación e implicación.

Vista general de Marina del Este con el Peñón de las Caballas como elemento estructurante

Abstract:

Landscape values are related to people’s attributes of a perceived landscape. They reflect marina user perceptions, thus representing a feedback tool for marina managers to use to verify the degree of user satisfaction. This study focused on identifying and assessing a marina’s landscape values. We took Marina del Este (Granada, Spain) as a case study. We considered interviews and a questionnaire to devise methods to enhance the participation of stakeholders and users. First, the SWOT analysis from stakeholder interviews enabled us to collect management’s perceptions. Second, the survey gathered the marina’s landscape values, comprising 104 respondents from visitors and users. ANOVA and PCA methods were applied to check the suitability of the values. The results showed that the marina should be in keeping with an atmosphere of tranquility and well-being. Nevertheless, there was a need to improve values related to nautical tourism, such as hospitality and maintenance, dealing with the lack of space and an excess of urbanization in the surroundings. Marina managers should consider these outcomes and analyze the points of improvement to establish the causes of these disagreements and propose solutions for the established management model. The perception of stakeholders and users can enable more consensual policies with greater acceptance and involvement.

Keywords:

Landscape value; marina; management; SWOT; ANOVA; PCA.

Reference:

MARÍN, R.; YEPES, V. (2023). Landscape values in a marina in Granada (Spain): Enhancing landscape management through public participation. Land, 12(2):492. DOI:10.3390/land12020492

Descargar (PDF, 3.03MB)

Diseño de experimentos por bloques completos al azar

El diseño en bloques completos al azar trata de comparar tres fuentes de variabilidad: el factor de tratamientos, el factor de bloques y el error aleatorio. El adjetivo completo se refiere a que en cada bloque se prueban todos los tratamientos. La aleatorización se hace dentro de cada bloque.

Para ilustrar el diseño, supongamos que queremos determinar si cuatro laboratorios miden la misma resistencia característica del hormigón a compresión. Para ello se han considerado 5 amasadas diferentes que han sido analizadas por cada uno de los laboratorios. A los 28 días, se han roto las probetas a compresión simple y los resultados son los que hemos recogido en la tabla que sigue.

 

AMASADA
1 2 3 4 5
Laboratorio 1 63,5 63,2 62,3 65,6 65,0
Laboratorio 2 64,1 64,2 63,0 64,2 64,9
Laboratorio 3 65,9 65,0 63,9 66,0 65,8
Laboratorio 4 64,9 65,2 64,1 65,9 67,9

 

En este caso, la variable de respuesta es la resistencia característica del hormigón a compresión (MPa), el factor es el laboratorio (4 niveles), el bloque es la amasada (no son objeto directo de motivo del estudio). Por otra parte, se considera que no existe interacción entre el laboratorio y la amasada (factor y bloque).

En este tipo de experimento, la medición será el resultado del efecto del tratamiento (laboratorio) donde se encuentre, del efecto del bloque al que pertenece (amasada) y de cierto error que se espera que sea aleatorio. La hipótesis de que las medias son iguales se va a analizar con el análisis de la varianza (ANOVA), con dos criterios de clasificación.

A parte de los supuesto de normalidad, igualdad de varianzas y de independencia, aquí se añade otro que es que no existe interacción entre el factor y el bloque.

Para los curiosos, después de haber analizado los datos, diremos que en este caso, con una seguridad del 95%, se aprecian diferencias significativas entre las resistencias medidas por los laboratorios 1 y 3, entre los laboratorios 1 y 4,  y entre los laboratorios 2 y 4.

A continuación os dejo un vídeo donde os enseño cómo podemos analizar este problema con el programa estadístico SPSS. Espero que os sea útil.

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

 

Diseño completamente al azar y ANOVA

https://cientecinstrumentos.cl/

El diseño completamente al azar es el más sencillo de los diseños de experimentos que tratan de comparar dos o más tratamientos, puesto que sólo considera dos fuentes de variabilidad: los tratamientos y el error aleatorio.

Para ilustrar el diseño, supongamos que queremos determinar si cuatro dosificaciones de un hormigón A,B,C y D presentan una misma resistencia característica a compresión. Para ello se han elaborado 5 probetas para cada tipo de dosificación y, a los 28 días, se han roto las probetas a compresión simple y los resultados son los que hemos recogido en la tabla que sigue.

DOSIFICACIONES DE HORMIGÓN
A B C D
Resistencia característica a compresión fck (Mpa) 42 45 64 56
39 46 61 55
48 45 50 62
43 39 55 59
44 43 58 60

Para este caso, la variable de respuesta es la resistencia característica del hormigón a compresión (MPa), la unidad experimental es la probeta de hormigón y el factor es la dosificación de hormigón. En este caso se trata de un diseño balanceado porque hemos realizado el mismo número de repeticiones (5) para cada uno de los tratamientos (dosificaciones).

Este tipo de diseño se llama completamente al azar porque todas las repeticiones experimentales se realizan en orden aleatorio completo, pues no se han tenido en cuenta otros factores de interés. Si durante el estudio se hacen N pruebas, éstas se deben realizar al azar, de forma que los posibles efectos ambientales y temporales se vayan repartiendo equitativamente entre los tratamientos.

El número de repeticiones a realizar en cada tratamiento depende de la variabilidad que se espera observar en los datos, a la diferencia mínima que el experimentador considera que es importante detectar y al nivel de confianza que se desea tener en las conclusiones. Normalmente se recomiendan entre 10 y 30 mediciones en cada tratamiento. Con 10 mediciones se podrían detectar diferencias de medias mayores o iguales a  1,5 sigmas con una probabilidad alta, y con 30 mediciones se podrían detectar diferencias mayores o iguales a 0,7 sigmas.

Se utiliza el análisis de la varianza (ANOVA) para comprobar si existen diferencias en las medias. Fundamentalmente este análisis consiste en separar la contribución de cada fuente de variación en la variación total observada. Sin embargo, éste ANOVA está supeditado a los siguientes supuestos que deben verificarse:

  • Normalidad
  • Varianza constante (igual varianza en los tratamientos)
  • Indepedencia

Para los que queráis saber qué ha pasado con nuestro experimento con las amasadas, os diré que que el ANOVA dió como resultado el rechazo de la igualdad de medias, es decir, que la resistencia media se ve afectada por la dosificación. Sin embargo, las cuatro dosificaciones no son igual de efectivas, pues existen diferencias significativas entre las resistencias medias de cada una de ellas. De hecho, las dosificaciones A y B no presentan diferencias significativas entre sí, tampoco entre la C y la D, sin embargo, entre ambos grupos sí que hay diferencias significativas. Asimismo, se ha podido comprobar que se cumplieron los supuestos de normalidad, varianza constante e independencia.

Os dejo en el siguiente vídeo cómo se puede utilizar el software SPSS para realizar un diseño de experimentos completamente al azar.

Referencias:

  • Box, G.E.; Hunter, J.S.; Hunter, W.G. (2008). Estadística para investigadores. Diseño, innovación y descubrimiento. Segunda Edición, Ed. Reverté, Barcelona.
  • Gutiérrez, H.; de la Vara, R. (2003). Análisis y diseño de experimentos. McGraw-Hill, México.
  • Vicente, M.L.; Girón, P.; Nieto, C.; Pérez, T. (2005). Diseño de experimentos. Soluciones con SAS y SPSS. Pearson Educación, Madrid.

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.