Saltar al contenido principal
LibreTexts Español

2.1: Introducción

  • Page ID
    53894
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    La evolución es producto de mil historias. Los organismos individuales nacen, se reproducen y mueren. El resultado neto de estas historias de vida individuales a lo largo de amplios periodos de tiempo es la evolución. A primera vista, puede parecer imposible modelar este proceso a lo largo de más de una o dos generaciones. Y sin embargo, el progreso científico se basa en crear modelos simples y enfrentarlos con datos. ¿Cómo podemos evaluar modelos que consideren la evolución a lo largo de millones de generaciones?

    Hay una solución: podemos confiar en las propiedades de los grandes números para crear modelos simples que representen, en pinceladas amplias, los tipos de cambios que se producen a lo largo del tiempo evolutivo. Luego podemos comparar estos modelos con datos de manera que nos permitan obtener información sobre la evolución.

    Este libro trata sobre la construcción y prueba de modelos matemáticos de evolución. En mi opinión, los mejores enfoques comparativos tienen dos características. Primero, los métodos más útiles enfatizan la estimación de parámetros sobre las estadísticas de prueba y los valores de P. Los métodos ideales se ajustan a modelos que nos importan y estiman parámetros que tienen una interpretación biológica clara. Para ser útiles, los métodos también deben reconocer y cuantificar la incertidumbre en nuestras estimaciones de parámetros. Segundo, muchos métodos útiles implican la selección de modelos, el proceso de usar datos para seleccionar objetivamente el mejor modelo de un conjunto de posibilidades. Cuando utilizamos un enfoque de selección de modelos, aprovechamos el hecho de que los patrones en conjuntos de datos empíricos rechazarán algunos modelos como inverosímiles y apoyarán las predicciones de otros. Este tipo de enfoque puede ser una buena manera de conectar los resultados de un análisis estadístico con una cuestión biológica particular.

    En este capítulo, primero daré una breve descripción de las pruebas de hipótesis estándar en el contexto de los métodos comparativos filogenéticos. Sin embargo, las pruebas de hipótesis estándar pueden ser limitadas en situaciones complejas del mundo real, como las que se encuentran comúnmente en la biología comparada. Luego revisaré otros dos enfoques estadísticos, máxima verosimilitud y análisis bayesiano, que a menudo son más útiles para métodos comparativos. Esta última discusión abarcará tanto la estimación de parámetros como la selección de modelos.

    Todos los enfoques estadísticos básicos que aquí se presentan serán aplicados a problemas evolutivos en capítulos posteriores. Puede ser difícil entender conceptos estadísticos abstractos sin ejemplos. Entonces, a lo largo de esta parte del capítulo, volveré a referirme a un ejemplo sencillo.

    Un ejemplo simple común en la estadística consiste en voltear monedas. Para encajar con el tema de este libro, sin embargo, voy a cambiar esto a voltear un lagarto (no hace falta decirlo, ¡no intentes esto en casa!). Supongamos que tienes un lagarto con dos lados, “cabezas” y “colas”. Quieres voltear al lagarto para que te ayude a tomar decisiones en tu vida. No obstante, no se sabe si se trata de una lagartija justa, donde la probabilidad de obtener cabezas es de 0.5, o no. Quizás, por ejemplo, los lagartos tienen una capacidad parecida a un gato para encordarse cuando se voltean. Como experimento, le das la vuelta al lagarto 100 veces, y obtienes cabezas 63 de esas veces. Así, 63 cabezas de cada 100 volteretas de lagarto son tus datos; usaremos comparaciones de modelos para tratar de ver qué nos dicen estos datos sobre los modelos de volteo de lagarto.


    This page titled 2.1: Introducción is shared under a CC BY 4.0 license and was authored, remixed, and/or curated by Luke J. Harmon via source content that was edited to the style and standards of the LibreTexts platform; a detailed edit history is available upon request.