Define el ensayo, la curva analítica, las unidades y el nivel de significancia.
Pega las observaciones desde Excel y revisa unidades, réplicas y trazabilidad.
Examina supuestos, compara rutas estadísticas y documenta la decisión aplicada.
Prepara figuras editables, integra respuestas y exporta resultados reproducibles.
01 · Configuración
0 filas
Define el ensayo
Curva y normalizaciónParámetros del cálculoy = m·C + b
Abs corregida = Abs muestra − Abs blancoC curva = (respuesta − b) / mConc. muestra = Peso ÷ Volumen · Resultado = C curva × DLS ÷ Conc. muestra
Revisa la curva de cada corrida. REDOX despeja la ecuación como C = (y − b) / m.
Proyecto multiparámetro
0 analizadas
Trabaja todas las respuestas en REDOX
Cada ensayo conserva su propia cuadrícula, curva y configuración. Abre una variable, pega sus datos y continúa con la siguiente.
Continuar después
Guarda y recupera todo el proyecto
Descarga un archivo .bioaox con los datos, curvas, unidades, opciones y resultados. Cuando regreses, cárgalo para reconstruir el trabajo.
La variable abierta se guarda automáticamente al cambiar de ensayo.
02 · Datos brutos
Hoja de trabajo
Haz clic en una celda y pega desde Excel. También puedes arrastrar el punto verde de una celda hacia abajo para copiar su valor.
Identificador es opcional: úsalo para distinguir réplicas, lotes o códigos. Los grupos del análisis siguen definidos por Muestra. Para pegar tablas con la nueva columna, incluye los encabezados.
03 · Diagnóstico y resultados
Resultados
Recomendación estadística
PendienteIngresa los datos y selecciona Analizar y recomendar pruebas.
- Prueba global
- —
- Comparaciones
- —
- Normalidad
- Shapiro–Wilk por grupo
- Varianzas
- Brown–Forsythe
Grupos—
Observaciones usadas—
Estadístico—
p global—
Base científica
Decisión explicada¿Por qué se recomienda esta prueba?
REDOX explicará aquí cómo la normalidad y las varianzas determinan la ruta estadística.
Diseño experimental e independencia
La muestra identifica la unidad experimental y el ensayo medido es la variable de respuesta. La asignación aleatoria, los controles y la independencia de las réplicas se definen antes de medir; ningún cálculo puede recuperarlos después. REDOX puede advertir esta limitación, pero debe confirmarse con la bitácora del experimento.
Descripción · media, DE, mediana y RIQ
La media y la desviación estándar resumen centro y dispersión cuando la distribución es aproximadamente simétrica. La mediana y el rango intercuartílico (RIQ) son complementos robustos ante asimetría o valores extremos. Por eso se informan juntos y se acompañan con el diagrama de caja y los datos individuales.
Normalidad · Shapiro–Wilk + revisión visual
Evalúa si los resultados de cada muestra son compatibles con una distribución normal. Un p menor que α aporta evidencia contra normalidad; un p mayor no demuestra normalidad. Se interpreta junto con el tamaño de muestra, la forma de los datos y las lecturas inusuales, porque ANOVA suele tolerar desviaciones moderadas.
Varianzas · Brown–Forsythe
Compara la dispersión de las muestras usando distancias respecto a la mediana. Es una versión robusta de Levene: si p < α, las varianzas no deben considerarse iguales.
ANOVA + Tukey
ANOVA compara la variación entre muestras con la variación interna. Se usa cuando hay normalidad compatible, independencia y varianzas semejantes. Si es significativo, Tukey identifica qué pares de medias difieren controlando el error por comparaciones múltiples.
Welch + Games–Howell
Welch ajusta el estadístico y los grados de libertad cuando las varianzas son diferentes. Games–Howell continúa las comparaciones por pares sin exigir varianzas ni tamaños iguales.
Kruskal–Wallis + Dunn–Holm
Compara rangos y no medias. Es útil ante datos ordinales o desviaciones graves de la forma de distribución; no corrige por sí solo varianzas diferentes. Dunn localiza los pares y Holm controla el error por comparaciones múltiples.
Correlación · Pearson y Spearman
Pearson describe una asociación lineal entre variables cuantitativas y permite informar r, R² y una recta de regresión. Spearman trabaja con rangos y describe asociaciones monótonas; se usa para variables ordenadas o como análisis de sensibilidad. Las observaciones deben estar correctamente emparejadas y ser independientes.
Datos inusuales
Cada lectura se revisa con dos criterios complementarios: z robusto basado en MAD (|z| > 3.5) y cercas de Tukey (menor que Q1 − 1.5×RIQ o mayor que Q3 + 1.5×RIQ). También se muestra su distancia al promedio. Una señal exige revisar trazabilidad y no autoriza eliminar el dato automáticamente.
Libros integrados: Casado, J. (2007), Manual básico de Estadística, Instituto Nacional de Estadística · Illowsky, B. y Dean, S. (2022), Introducción a la estadística, OpenStax. Referencias metodológicas complementarias: Handbook of Biological Statistics, McDonald · Shapiro–Wilk, NIST · Brown–Forsythe/Levene, NIST · detección robusta de atípicos, NIST.
Elección informada
PendientePrueba recomendada y análisis alternativos
La primera opción es la más compatible con los datos observados. Puedes seleccionar otra para ver cómo cambian la hipótesis, los supuestos, la prueba global, las comparaciones y la conclusión.
Normalidad por grupo
Shapiro–Wilk| Grupo | n | W | p | Conclusión |
|---|---|---|---|---|
| Sin resultados | ||||
Varianzas y ruta elegida
Brown–Forsythe| Diagnóstico | Estadístico | gl | p | Decisión |
|---|---|---|---|---|
| Sin resultados | ||||
Cálculos por lectura
La evaluación identifica lecturas alejadas y muestras con desviación de normalidad| Fila | Muestra | Identificador | Abs. corregida | Respuesta | C curva | Resultado | Evaluación de la lectura | Acción |
|---|---|---|---|---|---|---|---|---|
| Sin resultados | ||||||||
Formato de figuras
Edición tipográfica y de ejes
Los cambios se reflejan en las figuras individuales y en el estudio de figuras.
Media ± desviación estándar
Letras distintas: p < αSin resultados
Distribución de observaciones
Caja, mediana y datos individualesSin resultados
Estudio de figuras
Elige, combina y personaliza una figura
Puedes preparar una figura individual o reunir dos respuestas en una gráfica de barras con ejes independientes.
Selecciona una figura. Para el doble eje, analiza al menos dos respuestas del proyecto.
Sin figura preparada
Lectura responsable: en una figura de doble eje cada respuesta conserva su unidad y su escala. Úsala para comparar patrones entre muestras; no compares directamente la altura de barras pertenecientes a ejes distintos.
Resumen por grupo
| Grupo | n | Promedio | Desv. estándar | Mediana | RIQ | CV (%) | Letras |
|---|---|---|---|---|---|---|---|
| Sin resultados | |||||||
Prueba global seleccionada
| Prueba | Estadístico | gl 1 | gl 2 | p | Tamaño del efecto | Conclusión |
|---|---|---|---|---|---|---|
| Sin resultados | ||||||
Comparaciones múltiples
| Comparación | Diferencia | IC / estadístico | p ajustada | Resultado |
|---|---|---|---|---|
| Sin resultados | ||||
Interpretación
PendienteConclusión estadística
Analiza los datos para generar una conclusión.
01 · Resultados por respuesta
1 variableRevisa los resultados de cada ensayo
Cada variable conserva su prueba recomendada, comparaciones, figura y conclusión estadística.
Matriz de correlación entre respuestas
Compara las respuestas cargadas en tu proyecto. Cada columna es una respuesta y cada fila es una observación.
Cómo deben corresponder los datos
Conserva en cada fila los resultados de la misma unidad experimental. Las filas deben representar observaciones independientes, no réplicas técnicas contadas como observaciones distintas.
Selecciona los datos
Usa los resultados individuales de Fenoles, Flavonoides, DPPH, TEAC y otras respuestas ya cargadas. Se calculan con la configuración de cada ensayo. Las columnas se alinean por el número de fila original, sin buscar nombres de condición ni usar promedios. Revisa que la misma fila corresponda a la misma observación en cada ensayo.
O pegar otra tabla de respuestas
Hasta 30 columnas y 5000 filas. Usa tabulaciones o punto y coma entre columnas; coma o punto para los decimales. Deja vacías las celdas sin medición, sin desplazar los demás valores.
Revisa las columnas
Calcula la correlación
Matriz de resultados
Toma las respuestas del proyecto y selecciona al menos dos columnas.
03 · Comparación de tratamientos
Compara tratamientos según tus criterios
Esta sección compara tus tratamientos considerando varias respuestas al mismo tiempo, como fenoles, flavonoides, DPPH y TEAC. Su propósito es ayudarte a elegir según el objetivo de tu investigación.
¿Cuál es el criterio de comparación?
- Qué buscas en cada respuesta. Elige «Mayor valor» o «Menor valor» según tu objetivo. Por ejemplo, si buscas mayor capacidad antioxidante expresada en equivalentes de Trolox/g, selecciona «Mayor valor» para DPPH y TEAC.
- Qué importancia le das. Empieza con «Igual importancia» para todas las respuestas seleccionadas. Usa «Doble» o «Triple importancia» solo si existe una razón ligada al objetivo del estudio, definida antes de revisar qué tratamiento gana. El porcentaje mostrado indica cuánto aporta cada respuesta al puntaje.
- Qué datos se comparan. Se usan los promedios de cada tratamiento. Usa el mismo nombre para identificar un tratamiento en todos los ensayos. Solo se incluyen los tratamientos con resultados en todas las respuestas seleccionadas.
¿Cómo se obtiene y se interpreta el resultado?
Cada respuesta se lleva a una escala de 0 a 1 y se combina con las demás según la importancia elegida. Así se obtiene un puntaje relativo de 0 a 100. El tratamiento con mayor puntaje es el más favorecido por esos criterios y entre los tratamientos incluidos.
Si no tienes una razón previa para priorizar un ensayo, conserva igual importancia. Después revisa la sensibilidad: si el primer lugar cambia al modificar las prioridades, la elección depende de ellas. Si se mantiene, es consistente en los escenarios probados, sin que eso garantice una elección universal.
Ejemplo: con fenoles, DPPH y TEAC seleccionados e igual importancia, cada respuesta aporta aproximadamente 33.3 %. Si das doble importancia a DPPH, sus aportaciones son 25 %, 50 % y 25 %, respectivamente, siempre que las tres respuestas varíen entre tratamientos.
Puntaje orientativo. Esta comparación ayuda a decidir; no demuestra que un tratamiento sea estadísticamente superior.
- Selecciona las respuestasMarca los ensayos que ya analizaste.
- Define qué buscasElige mayor o menor valor. Empieza con igual importancia para todas.
- Compara los tratamientosRevisa el orden y cómo cambia con cada combinación de respuestas.
Para identificar cada tratamiento: usa el mismo nombre en todos los ensayos. Se comparan sus promedios.
Unidades y objetivos de las respuestas
Para DPPH y TEAC expresados en µg equivalentes de Trolox/g, el objetivo inicial es mayor valor. Fenoles y flavonoides se expresan en equivalentes de ácido gálico/g y quercetina/g. Comprueba las unidades de tus datos: la herramienta no convierte automáticamente entre unidades.
No se suman los valores originales de ensayos distintos. Cada respuesta se lleva primero a una escala relativa común.
Fundamento y límites del puntaje
Se utiliza un índice compuesto con normalización mínimo–máximo y suma ponderada. Para cada respuesta, el promedio mínimo recibe 0 y el máximo 1; si buscas menor valor, se invierte la escala. El puntaje final es el promedio ponderado de esas escalas, multiplicado por 100.
La importancia de cada respuesta se define según el objetivo del estudio; no se obtiene de los valores p. Empieza con igual importancia, salvo que tengas una razón previa para priorizar una respuesta. Doble importancia duplica su contribución relativa antes de recalcular los porcentajes. La suma permite compensar un resultado bajo en una respuesta con otro alto en una distinta.
Esta implementación es descriptiva: no incorpora la variabilidad de las réplicas, errores estándar ni intervalos de confianza del puntaje. Un tratamiento puede obtener más puntos sin diferir significativamente de otro. Un valor de 100 no significa 100 % de eficacia.
El orden puede cambiar con los tratamientos incluidos, las importancias y los objetivos. La tabla de sensibilidad comprueba escenarios de importancia igual, reducida a la mitad o duplicada para una respuesta a la vez. Mantiene fijos los datos y sus escalas, elimina escenarios equivalentes y conserva los empates. Describe la sensibilidad de la elección; no valida su superioridad ni sustituye un análisis de incertidumbre experimental. Respuestas correlacionadas pueden dar peso repetido a una misma propiedad.
El marco general de normalización, ponderación y evaluación de sensibilidad se describe en el manual de indicadores compuestos de OECD y JRC (2008). Esta referencia no constituye una validación específica de BioAOX ni de sus resultados.
| Respuesta | Objetivo | Importancia de la respuesta | Datos |
|---|
Selecciona al menos dos respuestas analizadas. Empieza con igual importancia; elige doble o triple solo cuando el objetivo de tu estudio lo justifique. Los porcentajes se actualizan al seleccionar las respuestas. Si una no varía entre tratamientos, se excluye del puntaje y se redistribuye su importancia.
05 · Informe
0 seleccionadosSelecciona los resultados que deseas guardar
El informe de resultados incluye para cada casilla marcada: resumen, prueba global, figura y conclusión estadística.
La normalidad describe a una muestra completa, no a una lectura aislada. Una marca de “posible atípico” es una señal para revisar trazabilidad, diluciones y lectura instrumental; no justifica borrar el dato automáticamente. La independencia de las réplicas debe confirmarse desde el diseño experimental.