Precisiones estadísticas sobre el muestreo

En este documento hago más precisiones sobre los muestreos, más profundamente a lo explicado en clase y doy
algunas sugerencias para cada uno de los muestreos que van a emprender. En primer lugar, se debe asegurar en lo
posible la presencia de un individuo en el muestreo, para ello se elige entre un muestreo para áreas homogéneas
(parcelas) o para áreas heterogéneas (transectos). En ambos tipos de muestreo, se estima la presencia o ausencia de
un individuo y luego se cuenta la abundancia. La población a ser examinada es la que nos dice como debe ser el
muestreo, puede que los individuos sean escasos o que la población sea rara, que es lo mismo a decir que la densidad
es baja y en este caso se utilizan transectos y si la densidad es alta, por el contrario, entonces recurrimos a las parcelas.
Analicemos desde el punto de vista ecológico esta afirmación, si las condiciones no cambian o son constantes, los
individuos se disponen homogéneamente en el espacio o el hábitat, ya que van a encontrar mayor probabilidad de
encontrar un hábitat adecuado y así eliminan la competencia entre los individuos y encuentran un hábitat adecuado con
mayor probabilidad. Por el contrario, si el hábitat es heterogéneo indica que las condiciones óptimas de espacio se
reducen y así mismo afecta la presencia de los individuos que se vuelven menos frecuentes. Espero comentarios para
la próxima clase.

Conteo en baja alta Conteo en

transectos La densidad es parcelas

Si la distribución es al azar y la presencia de un individuo no afecta la presencia de otro individuo, existe una probabilidad
uniforme (igual) de que un individuo ocupe cualquier lugar en el espacio. Si se toma una muestra de esta población
seleccionando pequeñas parcelas o cuadrados, la distribución del número de individuos por cuadrado seguirá una
distribución de Poisson teórica, cuya principal característica es que la media es igual a la varianza. Por lo tanto, el
cociente varianza/media = 1. Aprendamos un poco de la distribución de Poisson y como resulta ser la distribución que
se utiliza para definir el éxito de los muestreos.
Primero, se deben suponer que la especie se distribuye al azar en un área fija de muestreo o un intervalo de tiempo fijo
y que el conteo de un individuo es independiente de otro. Otro aspecto importante a tener en cuenta en el uso de las
variables aleatorias de Poisson es que son muy útiles cuando los individuos o los eventos muestreados, por ejemplo la
floración, son muy raros o poco frecuentes en un área determinada. Esto se observa cuando los eventos reportados o
los conteos más probables son el cero o la ausencia. Es así como en la figura 1 se observa que los eventos o conteos
aleatorios muestreados se comportan de acuerdo con el parámetro λ, que es la frecuencia promedio de los conteos o
eventos raros en un tiempo o un área fija.
El valor de λ es el valor promedio del número de ocurrencias de un evento o de individuos en un conjunto de muestras
o en intervalos de tiempo específicos. En el eje X se grafican estos eventos o número de individuos contados y en el
eje Y se grafica la probabilidad con que cada evento es muestreado o cada individuo es contado, esta probabilidad de
Poisson se calcula mediante la ecuación, P(x) = (λx / x!) e-λ. Entre más pequeña sea λ, es más probable que se
encuentren conteos de cero individuos o que hayan muchas ausencias, mientras que a valores altos de λ la forma de la
distribución se acerca a una curva normal, que si se grafica solo una cola de la curva en forma de línea se obtiene una
curva de abundancia óptima obtenida a un tamaño de muestreo adecuado.
La ecuación de probabilidad de Poisson es muy fácil de aprender puesto que solo depende de un parámetro, la λ, la
media del número de individuos contados en varias parcelas. Resulta muy útil para conocer la distribución de frecuencias
de varios muestreos, ya que cuenta con la propiedad de individualizar las frecuencias y así crear un diagrama de
distribución, si se tiene en cuenta la siguiente propiedad:
La probabilidad de encontrar cero individuos en una La probabilidad de encontrar un individuo en una
parcela = e-λ parcela = e-λ

La probabilidad de encontrar dos individuos en una La probabilidad de encontrar tres individuos en una
parcela = e-λ parcela = e-λ

En la figura 1 se muestra la distribución de Poisson, para comparar estadísticamente varios valores de λ, cuando es
pequeña se alcanza una forma en J inversa (línea roja) que representa la mayor ocurrencia de ceros o unos en las
muestras y con una cola que se dirige hacia la derecha correspondiente a las muestras que contienen muchos eventos
o conteos raros. Si λ se incrementa, el centro de la distribución de Poisson se mueve hacia la derecha de la gráfica y se
convierte en una forma más asimétrica, resemblando una distribución normal. Esta forma asemejando una curva normal,
es la más adecuada para representar que el muestreo fue efectivo en la estimación del tamaño poblacional real.
Recuerden que por la forma de la distribución se conoce si se realizó un buen muestreo, que si toma esta forma simétrica
se controla que el muestreo fue efectivo.
En la figura 2, se presenta un ejemplo de estimación de la curva utilizando la ecuación de probabilidad de Poisson. λ se
estima a partir del valor promedio de los conteos realizados en 10 parcelas, si los conteos fueron los siguientes: 5, 18,
0, 10, 8, 3, 5, 12, 6 y 5, entonces λ se calcula como el valor promedio de estos 10 valores = la probabilidad para este
conteo es de: 7,2. Se pregunta, ¿cuál es la probabilidad de que en un muestreo se obtengan 15 individuos? Se aplica
la ecuación: P(x) = (7,215/15!)e-7,2 = 0,004. La probabilidad de encontrar 15 individuos en un muestreo (parcela o punto
del transecto) es muy baja. Hagamos lo mismo para estimar la probabilidad de encontrar de 0 a 14 individuos, como se
muestra en la tabla 1. El número de individuos más probable de encontrar fue 7 individuos, con una probabilidad de
0,149.

Figura 1. Distribución de Poisson teórica para varios valores de λ.

Tabla 1. Ejemplo de cálculo de probabilidades

para varios conteos
Figura 2. Ejemplo del cálculo de la distribución de Poisson
Probabilidad
Conteo Probabilidad
acumulada
0 0,001 0,001
Probabilidad de Poisson, (λ = 7,2)
1 0,005 0,006
0.16
2 0,019 0,025
3 0,046 0,072 0.14
4 0,084 0,156 0.12
Probabilidad P(x)

5 0,120 0,276 0.10

6 0,144 0,420
0.08
7 0,149 0,569
8 0,134 0,703 0.06
9 0,107 0,810 0.04
10 0,077 0,887 0.02
11 0,050 0,937
0.00
12 0,030 0,967 0 5 10 15 20
13 0,017 0,984 Conteos
14 0,009 0,993
15 0,004 0,997
En el siguiente ejemplo se grafica la probabilidad de encontrar un conteo de 0 a 15, teniendo como número de muestras,
10 parcelas, en cada una de las cuales se obtuvieron los siguientes conteos de individuos: 0, 2, 3, 1, 0, 2, 0, 0, 2, 1. El
promedio de estos 10 conteos es de 1,1. Es decir que λ = 1,1. Ahora se calculan las probabilidades de obtener un conteo
cualquiera que, por ejemplo, pueden ir de 0 a 15, tal y como se hizo en la figura 2. En este ejemplo, la probabilidad más
alta correspondió a encontrar un individuo en cada muestreo (P = 0,366).
Tabla 1. Ejemplo de cálculo de probabilidades
para varios conteos
Probabilidad Figura 3. Ejemplo del cálculo de la distribución de Poisson
Conteo Probabilidad acumulada
0 0,333 0,333
1 0,366 0,699 Probabilidad de Poisson, (λ = 1,1)
2 0,201 0,900
0.40
3 0,074 0,974
4 0,020 0,995 0.35
0,999 0.30

Probabilidad P(x)
5 0,004
6 0,001 1,000 0.25
7 0,000 1,000 0.20
8 0,000 1,000
0.15
9 0,000 1,000
0.10
10 0,000 1,000
11 0,000 1,000 0.05
12 0,000 1,000 0.00
13 0,000 1,000 0 5 10 15 20
14 0,000 1,000 Conteos
15 0,000 1,000

Figura 4. Modelos de dispersión espacial de los organismos

Otra aplicación de la distribución de Poisson es para conocer los modelos de dispersión de las poblaciones (figura 4),
agregado, uniforme o aleatorio, a través de un índice de dispersión que se obtiene por la siguiente relación:

La anterior ecuación muestra que para una distribución de Poisson teórica, la varianza iguala la media, así que el valor
esperado de I es de 1,0. Una prueba estadística chi-cuadrado se utiliza para fijar estadísticamente este índice, según el
siguiente procedimiento.
 2 = I (n-1), donde n es el número de parcelas o eventos muestreados. La expresión n-1 son los grados de libertad
en que trabaja  2. En una tabla de chi cuadrado, se busca el valor observado de  2 con los grados de libertad y si
está contenido dentro de los valores de las dos colas, entonces no se puede rechazar estadísticamente la hipótesis
nula que el índice de dispersión ( I ) es 1,0. Si no se rechaza la hipótesis nula, entonces el modelo de dispersión es
de tipo aleatorio.

Si se logra rechazar la hipótesis nula, entonces se pueden encontrar dos casos. Si los organismos se dispersan
uniformemente en su hábitat, la varianza será más pequeña que su media y entonces la relación I será menor que 1.
Si los organismos son agregados, la varianza será mayor que su media y entonces la relación I será mayor que 1.

Si el valor observado cae dentro de los rangos teóricos se falla en rechazar la hipótesis nula.

Metodología de trabajo con Transectos

Los métodos de medición de la abundancia utilizando transectos, fueron ideados en un principio por los botánicos
para estimar la cobertura de distintos tipos de vegetación. ¿Cómo se realiza el muestreo?

Captura de ejemplares: Para el registro de los ejemplares herpetologicos se implementó la técnica de Inspección por
encuentro visual (VES), consistente en realizar recorridos por un área en busca de individuos (Heyer et al, 1994), que
se encuentren asociados a la vegetación, borde de los cuerpos de agua, bajo de piedras, troncos del suelo y
hojarasca; los muestreos se efectuaron tanto en horas del día como en la noche en diferentes tipos de coberturas que
incluyeron áreas abiertas y cerradas; los individuos fueron capturados manualmente, anotando para cada individuo
sus respectivos datos de campo (Altura, sustrato de la percha, hora del día, y asociación a cuerpos de aguas), y
debido a que todas las especies colectadas fueron comunes y de fácil identificación no se prepararon individuos con
fines de conservación.
y cerradas; los individuos fueron capturados manualmente, anotando para cada individuo sus respectivos datos de
campo (Altura, sustrato de la percha, hora del día, y asociación a cuerpos de aguas), y debido a que todas las
especies colectadas fueron comunes y de fácil identificación no se prepararon individuos con fines de conservación.