Cuantificando la influencia de diferencias

individuales medidas y no medidas en

demografía
Floriane Plard, Jean-Michel Gaillard, Tim Coulson, Daniel Delorme, Claude Warnant, Jacques Michallet, Shripad
Tuljapurkar, Siddharth Krishnakumar, Christophe Bonenfant.
 Cuestionario

◉ Menciona los objetivos del estudio

◉ ¿Cuáles son las hipótesis planteadas ?
◉ ¿Concordaron sus resultados con las hipótesis?
 Poblaciones estructuradas
Consideran la heterogeneidad entre organismos de una población

◉ Se estructuran a través de una variable estática (sexo) o dinámica (masa).

◉ La variación inter e intra individual puede afectar a la dinámica de poblaciones.
◉ Factores de variación individual: tamaño (masa), edad, sexo, comportamiento,
genes, etc.
◉ Factores que generan variación individual pueden ser medidos o no.
 Poblaciones estructuradas
Consideran la heterogeneidad entre organismos de una población

◉ Análisis de la dinámica poblacional se lleva a cabo a través de diferentes

herramientas.
◉ Tasas vitales como la fecundidad, supervivencia y el crecimiento.
◉ Matrices de Leslie y Lefkovitch.
◉ Modelos integrales de proyección.
 Modelos integrales de proyección (IPM)

Describen como una población, estructurada a través de una

variable, cambia a través del tiempo.

◉ La construcción de un IPM se basa en modelos lineales generalizados de las

tasas vitales en función de una variable explicativa.

◉ Los parámetros obtenidos por el modelos permiten analizar la dinámica

poblacional (λ, Ro, y TG).
 Modelos integrales de proyección (IPM)

n(y, t + 1) = ∫Ω [s(x)g(x, y) + f(x, y)]n(x, t) dx

◉ Supervivencia, s(x).
◉ Crecimiento (probabilidad de un individuo de masa x en el tiempo t, de tener una
masa y en el tiempo t + 1), g(x,y).
◉ Reclutamiento, f1(x).
◉ Herencia (probabilidad de un individuo de masa x de producir un descendiente
con masa y en el tiempo t + 1), f2(x,y).
 Modelos lineales generalizados (GLM)

◉ Permiten modelar datos cuando su

error no es normal.
◉ Introducen funciones de enlace que
permiten acotar las predicciones del
modelo.
◉ Se utilizan para modelar las tasas
vitales de los IPM.
E(y) = g-1(β0+β1x) + ε
E(y) es el valor esperado de la
variable de respuesta, g es la
función de enlace y ε es el error.
Modelos lineales generalizados mixtos (GLMM)

Relacionan una variable explicativa con una variable de

respuesta

Efectos fijos
◉ Son una extensión de los GLM
Independientes entre
para tomar en cuenta
observaciones
dependencias entre
observaciones
◉ Introducen efectos aleatorios Efectos aleatorios
Dependientes entre observaciones
 Objetivos
◉ Comparar la influencia de la edad y la masa (caracteres medidos) en modelos con
y sin adición de las diferencias individuales (caracteres no medidos) a través de la
dinámica poblacional de Capreolus capreolus.

Hipótesis
◉ Las diferencias individuales tienen un impacto significativo en la tasa de
crecimiento poblacional, en la tasa neta reproductiva, en el tiempo generacional
y en la estructura demográfica.
◉ La variación en la masa corporal y en la edad impacta en mayor proporción que
los caracteres no medidos.
 Métodos
Población de estudio Obtención de datos
Corzo (Capreolus capreolus) Los organismos fueron marcados con números en
orejas y con collares.
◉ Noroeste de Francia
◉ Especie iterópara
Cada año se capturaron entre 120 y 300 corzos de
◉ Vida media = 8.5 años diciembre a marzo.

Los individuos capturados por primera vez son

marcados y se determina su sexo.

Todos los individuos fueron pesados y su edad se

determinó por su dentición.

*En algunos pudieron identificar a las madres por el

comportamiento.
Efecto de la edad y la masa
Construyen cuatro matrices
con diferentes
categorizaciones de edad.

Compararon
supervivencia,
reclutamiento, λ , R0, TG.

Seleccionaron el
modelo más
parsimonioso.
Efectos de la edad y la masa
 Efecto de la edad y la masa
Construyen cuatro matrices
con diferentes Realizaron un análisis de elasticidad
categorizaciones de edad. del IPM que incluye la edad y masa.

Compararon
supervivencia,
Compararon λ , R0,
reclutamiento, λ , R0, TG.
TG entre modelos.

Seleccionaron el Compararon un modelo matricial

modelo más con un IPM incluyendo el efecto
parsimonioso. de la masa
Efectos de la masa en la dinámica poblacional

Análisis de elasticidad del modelo 5.

Supervivencia en las hembras de 2 a 7 años tienen el mayor impacto en λ.
 Estimación de tasas vitales

Estimaron cuatro funciones tomando como efecto aleatorio el año y el individuo.

◉ Supervivencia (GLMM). No encontraron efectos significativos de las ID.

◉ Crecimiento (GLMM). Relación entre dos valores de masa consecutivos puede
cambiar con la edad.
◉ Reclutamiento (GLMM). Se dividió en dos partes: la probabilidad de procrear
una cría y la probabilidad de procrear dos.
◉ Herencia (GLMM).
 Influencia de los factores no medidos
Compararon los parámetros poblacionales de un IPM que involucra sola edad y
masa, con otro que incluye las diferencias no medidas,edad y masa).

Estimaron la influencia de los ID en cada función con un análisis de perturbación

mediante el promedio de la calidad individual (P ).

Introdujeron P para modificar el intercepto representando cambio en la media de

los caracteres no medibles.
Influencia de los factores no medidos

◉ Función de supervivencia. No
detectaron cambios significativos
al incluir heterogeneidad
individual.

◉ Fertilidad. Los cambios no fueron

muy marcados al incluir ID
Influencia de diferencias individuales no
medibles

La diferencia entre los parámetros

poblacionales (λ, Ro, y TG) del modelo con y
sin ID fue muy pequeña.

Barras negras. Valor alto de calidad individual (P)

Barras blancas. Valor bajo de P
Barras con rayas negras. Años favorables
Barras con rayas grises. Años no favorables
 Discusión

La influencia de la heterogeneidad debida a las variables no medidas en la

dinámica de la población puede ser insignificante si…

◉ Las diferencias individuales de las variables medidas capturan una gran

parte de la heterogeneidad existente.
◉ Si la distribución de la variable no medida no cambia mucho a lo largo
del tiempo.
◉ Solo se considera un cambio en el intercepto y no en la pendiente.
 Conclusión

◉ La heterogeneidad en masa y en edad es una importante fuente de

variación que influye en la dinámica poblacional.

◉ Las diferencias individuales no medidas son importantes en

algunos aspectos de las población, pero no en todos.