Grafos en Etología 1

Grafos en Etología
CLAUDIO ANGEL ROMERO - Cátedra de Etología – FCNM – UNLP.

I Introducción

La teoría de grafos puede ser un instrumento extremadamente útil para un análisis

del comportamiento, por permitir la síntesis de una gran cantidad de información
en una figura de fácil inspección visual, que capta los patrones esenciales
escondidos bajo una gran diversidad de comportamientos. Además, permite un
análisis cuantitativo a partir de un pequeño universo muestral, lo que caracteriza
buena parte de los estudios etológicos, debido a las dificultades intrínsecas para la
obtención de datos observacionales.
Como los métodos estadísticos tradicionales, en general, no permiten un análisis
cuantitativo del papel social de cada individuo, o de la importancia de cada
relación diádica, dentro de la estructura social de un grupo, se propone utilizar el
método de la teoría de grafos (Ver por ejemplo, Carley y Prietula, 1994, citado en
Patricia Izar, Et al,), para un análisis, a través de la representación gráfica de las
relaciones diádicas establecidas entre los miembros de un grupo social.
Para los investigadores en el análisis de redes sociales o análisis estructural, 1 la
teoría de grafos ha sido muy útil porque: 1) tiene un vocabulario que puede ser
utilizado para analizar muchas propiedades de las estructuras sociales; 2) ofrece
operaciones matemáticas por las cuales esas propiedades pueden analizarse y
medirse; y 3) permite probar teoremas sobre grafos y, por tanto, deducir y someter
a test determinados enunciados.
De acuerdo con Hinde (1983) (citado en Patricia Izar, Et al,), la estructura social de
un grupo es un sistema emergente de las relaciones interindividuales establecidas
por los miembros del grupo. Una estructura social es considerada como una red
de relaciones diádicas, o interindividuales.
La importancia de este abordaje basado en las relaciones sociales reside en la
posibilidad de incorporar la influencia de características individuales de los
miembros del grupo, cambio de estatus reproductivo y/o de posición jerárquica,
introduciendo conceptos como papel social y estrategias alternativas que permitan
explicar los procesos próximos involucrados en el comportamiento social
(Fredigan 1992, Lee 1994, citado en Patricia Izar, Et al, ). 2

1
Basado en Iacobucci, en Wasserman y Faust (1994), citado en Menéndez, Luis Sanz, 2003,
Análisis de redes sociales: o como representar las estructuras sociales subyacentes. (CSIC-UPC-
SPRITTE).
2
Patricia Izar, Hilton F. Japyassú, Carlos C. Alberts. Pág. 249 –258. Métodos da teoria dos grafos
para análise quantitativa do comportamento
Grafos en Etología 2

II Qué es un grafo?

Un grafo, G = (V,A), es un conjunto de puntos, definido por el conjunto V de

vértices y por el conjunto A de arcos. Los vértices pueden ser individuos de un
grupo social, comportamientos, cosas, sectores de un recinto, posiciones en una
jerarquía, etc. Esto es, los vértices corresponden a los elementos de la teoría de
conjuntos. Los arcos representan relaciones del tipo golpear a, estar junto a, etc.
Esto es, los arcos corresponden a pares ordenados de una relación de teoría de
conjuntos. Todas las propiedades de las relaciones de la teoría de conjuntos
pueden ser usadas para los grafos (Sato, 1998, citado en Patricia Izar, Et al,). Un
árbol generador mínimo (AGM) y un árbol orientado de caminos más cortos
(AOCMC) son grafos parciales. Sea G = (V,A), Gp = (V,B) se dice un grafo parcial
de G si B Í A. Un objetivo importante de construir grafos parciales es simplificar el
grafo G de tal forma que una estructura resultante mantenga las informaciones
más importantes de G y a un mismo tiempo describa, de manera simple, una
estructura “subyacente” de G. El AGM es utilizado para el análisis de relaciones
simétricas, como espaciamiento interindividual o juego. Un AOCMC es utilizado
para el análisis de relaciones asimétricas, o sea, direccionales, tales como ataque,
agresión, etc.
Los árboles son construidos a partir de una matriz cuadrada, de n x n, en que los
individuos son representados en las columnas y filas, y las casillas representan los
valores de similaridad S (AB) entre cada par de individuos, por ejemplo, una
frecuencia en que aquel par fue observado en contacto. Una matriz de similitud es
convertida a una matriz de distancia, o disimilitud, a través de una transformación,
por ejemplo, recíproca:

___1___
S / (AB)

Una breve clasificación de grafos

Grafo no dirigido o grafo simple: Es

aquel grafo que entre nodos solo posee 1 2
lazos sin un sentido definido, no hay
flechas. Y representaría, para el caso,
relaciones de tipo simétricas.
3
Grafos en Etología 3

Grafo dirigido: Es aquel en que los

lazos sí van a marcar algún tipo de
direccionalidad, mediante el empleo de 1 2
puntas de flecha. De acuerdo a si el
lazo tiene un sentido o dos, vamos a
tener grafos dirigidos en el primer caso 3
y dígrafos en el segundo.

Dígrafo poligonal no plano: Es un digrafo porque contiene flechas que indican un

doble sentido en el flujo, y es poligonal no plano, y representa tanto relaciones
horizontales como verticales. Que el digrafo sea poligonal no plano puede
demostrarse usando la fórmula de Euler 2.A > 4.C 3, para un grafo plano, donde A
= Aristas y C = Caras. Para un grafo de este tipo se verifica que 2.A < 4.C, siendo
entonces, poligonal y no plano.

Un tipo particular de grafo, el árbol

Reciben este nombre de su parecido a la forma vegetal. Un árbol es un grafo

conexo (se puede ir de un nodo a cualquier otro) y simple, es decir sin lazos ni
aristas múltiples, que no contiene ciclos (Circuito en el que el vértice inicial y el
final, son el mismo nodo), y en el cual existe un único recorrido que vincula cada
par de vértices. 4

Tipos de árbol

Árbol generador mínimo (AGM): Un AGM es un grafo conexo con n vértices y (n –

1) arcos o conexiones, o sea, no representa circuitos. La construcción de árboles
es realizada de acuerdo con el algoritmo de Prim (1957): 1 - Se elige
arbitrariamente un vértice (individuo) como raíz; 2 – Se debe encontrar, entre
todos los otros vértices del grafo, aquel con un menor valor de distancia en
relación con la raíz, e incorporarlo al árbol; 3 – Se debe encontrar, entre todos los
otros vértices del grafo que todavía no pertenecen al árbol, aquellos que tienen un
menor valor de distancia en relación con cualquier vértice del árbol e incorporarlo
al árbol. Se procede de esa manera hasta que todos los vértices pertenezcan al
árbol. Así, una estructura gráfica de árboles generadores mínimos tiende a
representar las relaciones más fuertes de la matriz y permite una identificación,
por ejemplo, de subgrupos característicos de sexo y/o edades. O todavía,
suponiendo que ciertos miembros del grupo formen pequeños bandos distintos,
los miembros de un bando aparecerán en ramas próximas del árbol, ligados a otro
bando a través de una rama mayor.

3
Nottoli, H.1997. Grafos, pag, 36 y 37.
4
Idem anterior. Pag. 81.
Grafos en Etología 4

Una transformación recíproca no es métrica; o se que una vez que un árbol

generador es construido a partir de relaciones no métricas, una distancia entre dos
individuos ligados a través de un tercero no es necesariamente igual o menor que
la suma de las conexiones entre ellos. Un ejemplo, sea (A,B) = 20, (B,E) = 30 y
(A,E) = 100. En el árbol, A está ligado a B, por una distancia de 20, y B está ligado
a E, por una distancia de 30. Imagínense que A es un individuo distante en 50 o
menos de E, o que puede no corresponder a la realidad. En relación a esto, un
árbol tiende a representar apenas las relaciones más fuertes de cada individuo y
no permite una formación de circuitos. Por ejemplo, en un árbol, A está ligado a B
y el a C, lo que significa que B y C tienen los valores más bajos de distancia en
relación a A. Un árbol no permite mostrar la distancia entre B y C, si esta es mayor
que una distancia entre A y B y A y C (Fig. 1a).
Para perfilar estas condiciones se puede apelar a una matriz, para verificar
distancias entre individuos próximos en los árboles, o mejor, construir nuevos
árboles, eliminando ciertos árboles preexistentes. En el ejemplo citado más arriba,
B puede ser un individuo atractivo para otros miembros del grupo y, entonces,
estos otros individuos aparecerán ligados al árbol a través de B. Al eliminar B del
árbol, se puede observar una nueva estructura gráfica en que los otros individuos
estarían dispersos en el árbol.
Para cada árbol construido puede ser determinado un índice de organización (IO)
(Sato 1991, citado en Patricia Izar, Et al,) de ciertos subgrupos formados
hipotéticamente. Este índice es derivado de la teoría de la información, que dice
que cuanto mayor el grado de organización de una estructura, menor la
información que ella genera. Según Sato, el IO es calculado a través de la
ecuación;

IO =  ni Log ni
n log n

donde n es el número de individuos de

un subgrupo hipotético y ni es el
número de individuos de n que
aparecen agrupados en árboles. Este
índice, que varía de 0 a 1, es una
medida del grado de asociación entre
los individuos de aquel subgrupo.
También es posible determinar el
grado (GV) de los vértices. El grado es
una medida de importancia del vértice
de un grafo (Christophides, 1975). El
grado de un vértice está dado por el
número de arcos ligados a él.
Grafos en Etología 5

La longitud media de los arcos (L), esta dada por la suma de todos los arcos
pertenecientes al árbol (lij), donde l = distancia entre dos vértices del árbol, dividida
por el número de arcos del árbol (n – 1). La longitud media de los arcos de un
árbol generador permite inferir el grado de asociación entre dos vértices. Cuanto
menor el valor de L, mayor es la cohesión entre los vértices.
La utilización de AGM, permite la detección de patrones tales como: a) la
influencia de la disponibilidad de alimento sobre las relaciones espaciales de los
grupos estudiados; b) la importancia de los infantes como elementos de cohesión
entre individuos; c) la caracterización de un subgrupo típico de machos juveniles,
evidenciado por las relaciones de proximidad y juego.

Árbol orientado de caminos más cortos (AOCMC): Un camino en un grafo es una

secuencia de arcos que se inicia en un vértice y puede pasar por varios otros
vértices. La longitud de un camino esta dada por la suma de los arcos desde el
vértice inicial al vértice terminal.
Un árbol orientado con T = (V,A) con una raíz fuente r (Esto es, todos los caminos
parten de ella) es un grafo parcial de G, en que simplemente un subconjunto de
arcos de A está presente (Fig. 1b). La selección de la raíz obedece las siguientes
condiciones: r es el vértice inicial de todos los caminos máximos y hay una única
rama de r a cualquier otro vértice, cuya longitud es la menor posible. Lo mismo es
válido para la raíz destino siendo r la raíz terminal (Esto es, todos los caminos
llegan a ella). Para el análisis de relaciones asimétricas, se construye una matriz
Individuo x Individuo (n x n), asimétrica, cuyos valores representan una frecuencia
de interacciones entre cada par de individuos. En la fila son colocados los
emisores y en la columna los individuos receptores. Una matriz inicial es
convertida en una matriz de distancias a través de la transformación recíproca de
los datos.
Un AOCMC es una representación gráfica parsimoniosa de las asociaciones
diádicas más fuertes (Esto es, más frecuentes) de la estructura social. Individuos
que tienen compañeros en común, tienden a aparecer agrupados en el diagrama.
Los detalles de la estructura social pueden ser detectados por inspección visual de
los diagramas. Pero a veces solo algunos árboles pueden ser suficientes para
describir toda la estructura social.

Árbol Orientado de Caminos más Probables (Di Tree): El AOCMP Se puede

utilizar para el análisis de las secuencias comportamentales.
La concepción de la estructura social como una red de relaciones interindividuales
comprende un análisis de la motivación, de la ontogenia y de la filogenia de
comportamientos típicos de la especie (Fédigan 1992, citado en Patricia Izar, Et
al,). Ese tipo de estudios debe tomar en cuenta un análisis de secuencias
comportamentales, que pueden ser representadas por medio de una matriz de
transición de primer orden, matriz cuadrada, n x n, en que los valores de las
celdas representan la frecuencia con que un acto B (La columna) es precedido por
el acto A (La fila).
Las matrices de transición pueden ser analizadas como una asociación
secuencial, a través de la construcción de árboles orientados de caminos más
probables (Di Tree, del ingles directed tree), que también es un método basado en
Grafos en Etología 6

teoría de grafos y que produce un árbol orientado representando gráficamente una

secuencia comportamental.
Cada Di tree es un diagrama jerárquico con las siguientes características: (1)
Cada acto es representado solamente una vez; (2) Para N actos, el número de
transiciones representadas es a lo sumo (N – 1) y (3) las transiciones
representadas son aquellas que maximizan una probabilidad de caminos.
Un análisis Di Tree usa una matriz de transición en que las celdas de la diagonal
principal son consideradas como el cero estructural (Ver Hooff, 1982, citado en
Patricia Izar, Et al,). La frecuencia de las celdas se convierte en la probabilidad
condicional del acto de la columna dado el acto de la fila.
El método está basado en la enumeración de los caminos elementales más
probables entre dos actos comportamentales (U otro tipo de nodo, como veremos
más adelante). Podemos representar una transición de primer orden con una
dupla ordenada de actos en un camino por un arreglo ordenado de duplas, en que
un segundo acto de una dupla es el primero de la próxima. Por ejemplo, {
(A,B),(B,C),(C,D)} y {(A,B),(B,A),(A,D)}, son caminos diferentes de A a D. Una
representación más económica elimina una información redundante de actos
comunes entre dos duplas adyacentes, y entonces queda: (A,B,C,D),
representación resultante del primer camino del ejemplo, un camino elemental,
esto es, que atraviesa cada acto apenas una vez. El análisis Di Tree solo utiliza
caminos elementales.
Cuando una matriz de transición es convertida en probabilidad condicional c(i,j) es
la probabilidad condicional del acto j, dado el precedente acto i, esto es, c(i,j) =
p(j/i), y p(r) es la probabilidad del acto r. La probabilidad del (r,….,l)

P(r,…,l) = p(r)  (i,j) Î (r,...,i) c(i,j)

Se pueden enumerar todos los caminos más probables que parten de un acto (Di
Tree fuente) o que alcanzan ese acto (Di Tree destino).
De forma análoga a un AOCMC, un Di Tree permite una representación
parsimoniosa de las asociaciones secuenciales más importantes entre los actos
de la matriz de transición. Actos que tienen factores causales o funcionales en
común, tienden a aparecer agrupados en el diagrama.
Los árboles orientados pueden ser desglosados en todos los caminos máximos en
él presentes. En el ejemplo de la figura 1b, tenemos cuatro de estos caminos
direccionales: ABEDF, ABEG, ACH y ACI. Cada uno de estos caminos puede ser
considerado una secuencia comportamental de alta probabilidad. Estas
secuencias comportamentales obtenidas a partir del método de los árboles
orientados pueden ser utilizadas para el análisis de la amplitud de los repertorios
comportamentales o para el análisis evolutivo del comportamiento.

III Análisis de Redes Sociales (ARS) y grafos: Pequeña introducción.

En un grafo, los enlaces representan una relación entre los nodos (Los arcos del
grafo) Los enlaces pueden ser direccionales o bi direccionales (Los arcos de un
Grafos en Etología 7

grafo en forma de una flecha unidireccional en el primer caso, o de doble punta, bi

direccional, para el segundo caso). Los enlaces pueden además ser binarios
(existen o no existen) o tener un cierto peso, (Numérico, por ejemplo, representar
la intensidad de la relación).
“El material básico para el análisis es la construcción de la matriz que liga a los
nodos entre sí. Para llevar a cabo análisis de redes hay que transformar los datos
disponibles a una forma relacional, que tiene normalmente la forma de matriz”. 5.

1 2 3 1 2

1 0 1 1
2 1 0 1
3 0 0 0 3

La topología de la red (El grafo) nos daría nodos con diferentes características:
Conexión entre los nodos (\closeness"), que es un importante paso para el flujo de
información (\betweenness") etc. (Computacionalmente esto se traduce en
manipular la matriz de adyacencias)
En una generalización del ARS: Los nodos no tienen por que ser necesariamente
personas, pueden ser pautas de comportamientos, sectores de un recinto, etc.
Los enlaces pueden ser (casi) cualquier relación, y una vez definidos nodos y
enlaces, las técnicas de ARS se pueden aplicar de manera generalizada. 6

7
Propiedades básicas de las Redes Sociales y grafos

El estudio de redes implica tener en cuenta múltiples niveles de análisis. Las

diferencias entre los actores (nodos del grafo) son interpretadas en base a
limitaciones y oportunidades que surgen de la forma en que éstos están inmersos
en las redes; la estructura y el comportamiento de las redes está basado en y
activado por las interacciones entre los actores.

5
Menéndez, Luis Sanz, 2003, Análisis de redes sociales: o como representar las estructuras
sociales subyacentes. (CSIC-UPC-SPRITTE).
6
Robles, Gregorio. 2004. Introducción al análisis de redes (sociales)
Universidad Rey Juan Carlos. España. GS y C (Grupo de Sistemas y Comunicaciones)
grex@gsyc.escet.urjc.es
7
Hanneman, Robert A and Riddle, Mark, 2005. Introduction to social network methods. Riverside,
CA: University of California, Riverside. Este documento fue traducido de la versión electrónica
disponible en
http://wizard.ucr.edu/~rhannema/networks/text/textindex.html
Grafos en Etología 8

Veamos algunos de los métodos formales del análisis de redes.

Tanto para los individuos como para las estructuras una cuestión de fundamental
importancia es la de las conexiones (Arcos del grafo). Normalmente, algunos
actores tienen muchas conexiones mientras que otros tienen pocas,
especialmente cuando las poblaciones son grandes y no todas las conexiones
posibles están presentes, entonces existen
“agujeros estructurales”. Hasta qué punto los individuos están conectados unos
con otros y hasta qué punto la red en su conjunto está integrada, son las dos
preguntas del millón.
Las diferencias en cómo los individuos están conectados puede ser muy útil para
entender sus atributos y su comportamiento. Muchas conexiones pueden significar
que los individuos se exponen todavía a una más y más diversa información.
Individuos bien conectados pueden tener más influencia sobre otros y a su vez
estar más influenciados por otros. Las diferencias en el grado de conexión pueden
tener también importantes consecuencias. La información fluye muy rápidamente
donde hay altas tasas de conexiones. Entre individuo y grupo hay otro nivel de
análisis –el de la “composición”. Algunos grupos pueden estar compuestos de
individuos que son bastantes similares en la forma en la que están conectados, y
otros pueden mostrar claras diferencias, con un pequeño subgrupo de individuos
centrales y conectados y un gran grupo con pocas conexiones. Las diferencias en
las conexiones podrían explicar algo acerca de cómo están estratificados los
grupos sociales.
Como muchos individuos no están conectados directamente a la mayor parte de
otros individuos en un grupo, puede ser importante examinar las conexiones
inmediatas de los actores y la densidad media de las conexiones directas en el
grupo.
Un segundo análisis tiene que ver con la idea de distancia entre los actores, o
cuan cerca está uno del otro. Esta distancia puede ser abordada como algo más
que meramente una distancia física, como vamos a ver más adelante.
Un individuo puede estar bien conectado pero los individuos con los que se
relaciona no estar bien conectados y entonces el mensaje, o lo que sea que se
transmita entre los nodos, no llega muy lejos. Puede pasar también que si un nodo
1 está conectado a otro nodo 2 y a su vez a muchos otros nodos, la red entonces
esté bastante limitada, aunque haya muchos nodos. En cambio si los nodos a los
que está conectado aquel nodo 1 tienen conexiones no redundantes, el rango de
conexiones del nodo 2 se expande. Si los nodos difieren en su distancia al resto
de los otros nodos, entonces la posibilidad de estratificación a lo largo de esta
dimensión crece.
Lo jugoso de todo esto es que la diferencia no está tanto en el número de
conexiones que hay entre individuos, sino en cuales de estas conexiones se
superponen, y por ende, limiten o amplíen las oportunidades sociales entre los
individuos dentro del grupo.
Los grupos entonces, pueden diferir en cuanto a las distancias interindividuales..
Estas diferencias pueden ayudarnos a comprender la estructura de las relaciones
en los grupos sociales.
Los métodos de análisis de las redes sociales tienen un vocabulario para describir
la conectividad y la distancia, y muchas de las ideas están tomadas directamente
Grafos en Etología 9

de la teoría matemática de grafos. La utilización de sus definiciones nos permite

comunicar más claramente las propiedades relevantes de las estructuras sociales,
y nos lleva a perspectivas que no habrían sido abordadas si hubiésemos usado
otras aproximaciones.

A modo de ejemplo

Las propiedades básicas de las redes son fáciles de comprender mediante

ejemplos. Es interesante observar cuánta información puede ser “exprimida” de
una simple matriz binaria usando los conceptos básicos de grafos. Para redes
pequeñas, es útil examinar directamente el grafo, pues un ojo crítico debería
poder percibir inmediatamente unas cuantas cuestiones simplemente observando
el grafo. No todas las conexiones posibles están siempre presentes en el grafo y
puede haber algunos “agujeros estructurales” (o al menos pequeños agujeros en
la red).
Algunas conexiones entre los individuos son recíprocas (esto es, A comparte
información con B, B también comparte información con A).
La variación en cómo los individuos están conectados y si los lazos son
recíprocos, muestra que algunos individuos pueden estar a bastante “distancia” de
otros. Algunos serán más centrales y otros más periféricos.
A veces, con grandes grupos, con muchas conexiones, la cosa puede complicarse
y entonces los grafos no son de mucha ayuda. Observando el grafo podemos
disponer de una visión intuitiva de lo que está pasando, pero nuestras
descripciones serán bastante imprecisas. Para salvar estos problemas algunos
autores usan, programas de computadora que apliquen algoritmos para calcular
las medidas matemáticas de las propiedades de los grafos. Para esto, es
necesario trabajar con matrices de adyacencia en lugar de con grafos. Que es lo
mismo pero presentado de otra forma. En la matriz represento redes de
conexiones, la fila es tratada como la fuente de información y la columna como la
receptora. Haciendo algunas operaciones sobre esta matriz es posible desarrollar
un útil y sistemático índice de números o medidas de algunas de las propiedades
de la red que identificamos a simple vista en el grafo.

Las conexiones

Luego que las redes estén definidas por sus nodos y las conexiones entre ellos, se
pueden empezar a describir las redes examinando sus propiedades.
Viendo la red en su conjunto, uno podría estar interesado en el número de
individuos, de conexiones que son posibles y el de conexiones efectivamente
existentes.
Los individuos, al igual que las redes, difieren en características demográficas
básicas. Los individuos pueden tener pocos o muchos lazos, pueden ser “fuentes”
de relaciones, “agujeros” (nodos que reciben pero no emiten) o ambos.
El número de clase de lazos entre los individuos constituye la base para la
similitud o diferencia en relación a otros individuos y por tanto la posible
Grafos en Etología 10

diferenciación o estratificación (Establecimiento de jerarquías). El número y clase

de lazos que los individuos tienen son importantes a la hora de determinar hasta
qué punto su inclusión en la red limita su conducta y el rango de oportunidades, de
ellos y de otros, y su influencia.
Puede que una red no esté completamente conectada (accesibilidad), y pueden
existir dos o más grupos desconectados en la población. Si no es posible que
todos los nodos puedan alcanzar al resto de los otros nodos, entonces nuestro
grupo está formado por más de un grupo.
Los grupos pueden ocupar el mismo espacio pero no todos los miembros estar
conectados. Tales divisiones en los grupos pueden ser socialmente relevantes.
Desde el momento en que una red no está conectada pueden darse las
condiciones para estratificación y conflicto. Al nivel individual, el grado al cuál un
nodo puede alcanzar otros indica hasta qué punto los individuos están separados
del conjunto.
Otra forma de mirar las redes es examinar las estructuras locales. Las
aproximaciones más comunes se han centrado en las díadas (series de dos
nodos) y en las tríadas (series de tres nodos).
Con datos de grafos dirigidos, hay cuatro posibles relaciones diádicas: A y B no
están conectados, A emite a B, B emite a A o A y B emiten mutuamente (con
relaciones recíprocas sólo hay dos relaciones posibles –relación o ausencia de
relación).
Puede ser útil observar a cada nodo en términos de las clases de relaciones
diádicas en las cuáles está inmerso. Un nodo que emite pero no recibe puede ser
bastante diferente de uno que emite y recibe relaciones. Un interés común en el
análisis de las relaciones diádicas es hasta qué punto los lazos son recíprocos.
Algunos autores plantean que una red que tenga predominio de lazos nulos o
recíprocos por encima de conexiones asimétricas puede ser más “estable” que
otra en la que predominan las relaciones asimétricas (una jerarquía). Esto se
plantea principalmente para relaciones humanas, por cierto.
El análisis de tríadas permite un rango mucho mayor de relaciones posibles (con
relaciones dirigidas, 64 tipos posibles de relaciones entre tres nodos!), incluyendo
las relaciones que exhiben jerarquía, reciprocidad, y la formación de grupos
exclusivos (Por ejemplo, el caso en el que dos nodos se conectan y excluyen a un
tercero). Así algunos autores plantean realizar un “censo de tríadas” para cada
nodo y para la red en su conjunto. En particular podemos estar interesados en la
proporción de tríadas que son “transitivas” (Esto es, que exhiben un tipo de
equilibrio en el que si A dirige un lazo a B, y B dirige un lazo a C, entonces A
también dirige un lazo a C). Estas tríadas transitivas o equilibradas son propuestas
por algunos investigadores como el “equilibrio” o el estado natural hacia el cuál las
relaciones triádicas tienden (No todos estarían de acuerdo).
Por tanto, hay mucho que analizar acerca de cómo los nodos están inmersos en
las redes. y de cómo es la estructura de la red examinando las adyacencias.

Tamaño, densidad y grado

Grafos en Etología 11

El tamaño de una red es crítico para la estructura de las relaciones sociales.

Veamos con un ejemplo, supongamos un grupo de 12 estudiantes en un
seminario. No sería difícil que los doce estudiantes se conociesen entre sí
bastante bien y desarrollasen relaciones de intercambio (por ejemplo, compartir
apuntes). Ahora imaginemos una gran clase de 300 estudiantes. Sería muy difícil
para cualquier estudiante conocer a todos los otros y sería casi imposible una red
única para compartir apuntes. Por esto, el tamaño es crítico para la estructura de
las relaciones sociales a causa de los recursos limitados y las capacidades de que
cada individuo dispone para construir y mantener esos lazos.
Se piensa que a medida que el grupo crece, la proporción de todos lazos que
pudiesen darse (densidad) disminuirá y probablemente emergerían grupos y
facciones diferenciadas.
Usualmente el tamaño de la red se obtiene simplemente contando el número de
nodos.
Si en una red existen pares únicos de nodos ordenados (esto es, AB es diferente
de BA y se dejan de lado los lazos reflexivos, AA), donde k es el número de
actores, se puede intentar verificar que, por ejemplo, en una red de 10 nodos,
con datos dirigidos, existen 90 relaciones lógicamente posibles. Si tuviésemos
lazos recíprocos o simétricos el número sería de 45 desde el momento que la
relación AB es la misma que la BA. El número de relaciones lógicamente posibles
crece exponencialmente a medida que el número de nodos se incrementa
linealmente. Lo que es lo mismo que decir que el número posible de estructuras
sociales se incrementa (“complejidad”) exponencialmente con el tamaño.
Las redes completamente saturadas, como una en la cual todos los lazos
lógicamente posibles están de hecho presentes, son empíricamente raras.
Para saber hasta qué punto una red está a punto de alcanzar todo su potencial, se
puede examinar la densidad de los lazos, o proporción de relaciones existentes en
relación a las posibles. Para un valor de media de 0,54, para datos binarios,
significa que el 54% de todos los lazos posibles están presentes (o lo que es lo
mismo: la densidad de la matriz).
La desviación estándar es una medida de cuánta variación hay entre elementos.
Para el caso, si todos los elementos fuesen un 1, o un 0, la desviación estándar
seria 0 –no habría variación. Para una variabilidad media de un elemento a otro
de 0,50, casi tan grande como la media, hay relativamente una gran cantidad de
variación en las relaciones (Máxima incertidumbre).
A medida que la densidad se aproxima a uno o alternativamente a cero, la
desviación estándar y la varianza entre lazos se reducen. Dado que los datos del
ejemplo son asimétricos (Es decir, lazos o relaciones dirigidas), se puede distinguir
entre relaciones enviadas y relaciones recibidas.
Observando la densidad para cada fila y para cada columna, se puede saber
acerca de la manera en la cuál los nodos están inmersos en la densidad global.
La suma de las conexiones de un nodo con el resto (Por ejemplo, Un individuo
envía información a los otros) se llama grado nodal de salida (para los datos
simétricos, por supuesto, cada nodo tiene simplemente un grado nodal y no se
puede distinguir el grado nodal de entrada del grado nodal de salida). El grado
nodal es importante porque nos dice cuántas conexiones tiene un nodo. El grado
nodal de salida es una medida de cuan influyente puede ser ese nodo.
Grafos en Etología 12

Si un nodo envía lazos a todos los nodos restantes menos uno; los otros nodos
envían información a sólo tres de los nodos. Se sobreentiende que, los nodos
emisores son similares en el sentido de constituir fuentes de información para
porciones importante de la red. Los que no lo hacen son similares desde el punto
de vista que no constituyen fuentes de información. Los nodos del primer grupo
podrían tener un alto potencial de influencia; los nodos del “medio” serán
influyentes si están conectados con los nodos “correctos.
Otro modo de pensar acerca de cada nodo como fuente de información es mirar a
la varianza o la desviación estándar de las filas. Se ve que los nodos con muy
pocos lazos de salida, o muchos lazos de salida tienen menos variabilidad que
aquellos que con niveles intermedios de relaciones. Esto nos dice que aquellos
nodos con lazos hacia cualquier otro, o con lazos a casi nadie son más
"predecibles" en su conducta hacia otros que aquellos con números intermedios
de relaciones.
En un sentido, nodos con muchos lazos (en el centro de la red) y nodos en la
periferia de una red (pocos lazos) tienen patrones de conducta que están más
limitados y son más predecibles, dependiendo de con quiénes están conectados.
Viendo los datos de las columnas, estamos mirando a los nodos como receptores
de información. La suma de cada columna en la matriz de adyacencia es el grado
nodal de entrada. Esto es, cuántos nodos envían información o lazos al nodo que
estamos estudiando. Los nodos que reciben información de muchas fuentes
pueden ser exitosos (otros nodos quieren ser “conocidos” por este nodo y por lo
tanto le envían información). Los nodos que reciben información de muchas
fuentes pueden estar mostrando alguna forma de poder. Pero, los nodos que
reciben un montón de información podrían sufrir también de “sobrecarga de
información” o “ruido e interferencia” debida a los mensajes contradictorios de
muchas fuentes.

Accesibilidad

Un nodo es “accesible” por otro si existe un conjunto de conexiones mediante las

cuales podamos trazar un camino, desde la fuente hasta el destino, y sin tener en
cuenta cuántos otros nodos puedan estar entre ellos. Si los datos son asimétricos
o dirigidos, es posible que el nodo A pueda alcanzar al nodo B, pero que el nodo B
no pueda alcanzar al nodo A. Con lazos simétricos o recíprocos, por supuesto,
cada par de nodos es accesible si uno de ellos está conectado con el otro.

Si algunos nodos en una red no pueden alcanzar a otros, entonces existe una
división potencial de la red, que podría indicar que el grupo que estamos
estudiando está realmente compuesto de más de una sub. población separada.

Reciprocidad y transitividad

En algunos casos podría ser útil clasificar las relaciones diádicas de cada nodo y
para la red en general, como se ve en el ejemplo de la siguiente tabla:
Grafos en Etología 13

“Tamaño del vecindario”, para cada nodo es el número de otros nodos a los cuáles
son adyacentes. Algunos de los nodos son predominantemente “fuentes” (esto es,
tienen tendencia a enviar más que a recibir --nodos 3, 6, y 8). Algunos nodos
pueden ser predominantemente “receptores” (tienen tendencia a recibir más que a
enviar – nodos 1, 5). Otros nodos pueden ser “transmisores” que tanto envían
como reciben, pero a diferentes actores. Quizá lo más interesante es que los
nodos difieren de forma bastante marcada en su implicación en relaciones
recíprocas.
Los nodos 2 y 5 se diferencian especialmente por tener relaciones “simétricas” con
otros nodos.
Para la red en su conjunto, se ve que una proporción considerable de las
relaciones son recíprocas. Esta es una estructura en la cual una gran cantidad de
comunicaciones pueden ocurrir en los dos sentidos. Esto puede sugerir una
estructuración del campo en relaciones bastante poco jerárquicas.
Es también interesante examinar las conexiones en términos de relaciones
triádicas. El número de tríadas que existen con 10 nodos es muy grande; y, con
datos dirigidos, cada una de las tríadas podría clasificarse en uno de los 64 tipos.
Más comúnmente, el interés se centra en las tríadas transitivas. El principio de
transitividad significa que si A está enlazada a B y B está enlazada a C, entonces
A tendría que estar enlazada a C. La idea es que las relaciones triádicas (cuando
existen relaciones entre los nodos) deberían tender hacia la transitividad o el
equilibrio. Una forma especial de esta idea se conoce como la “teoría del
equilibrio”.
Grafos en Etología 14

Distancia

Las propiedades de la red que vimos hasta ahora tienen que ver con adyacencias
–las relaciones directas de uno nodo con el siguiente. Pero la manera en la que
los individuos están inmersos en las redes es más compleja. Dos individuos, A y
B, pueden cada una tener cinco conexiones a nodos. Pero supongamos que
ninguno de los nodos a que se conecta A tiene nodos excepto con A. En cambio,
cada uno de los cinco nodos conectados a B tiene cinco nodos conectados no a
B. La información disponible para B y el potencial de B para influir es mucho más
grande que el de A.
Para analizar este aspecto de cómo los individuos están inmersos en las redes,
una aproximación importante consiste en examinar la distancia a la que está
situado un nodo en relación a los demás. Si dos nodos son adyacentes, la
distancia entre ellos es una (esto es, una señal necesita un paso para llegar desde
el emisor hasta el receptor). Si A se conecta con B, B se conecta con C (y A no se
conecta con C), entonces los nodos A y C están a una distancia de dos. Saber a
que distancia se encuentran los nodos unos de otros puede ser importante para
entender las diferencias entre nodos en las limitaciones y oportunidades que
tienen como resultado de su posición.
Podemos además querer saber, de cuántas maneras se pueden conectar dos
nodos con una distancia dada. Esto es, puede el nodo A alcanzar al nodo B en
más de una forma?. A veces, conexiones múltiples pueden indicar una conexión
más fuerte entre dos nodos que una sola conexión.
Las distancias entre nodos en una red puede ser una importante característica
macro de una red en su conjunto. Cuando las distancias son grandes, puede
tomar un largo período de tiempo a una información difundirse a través de un
grupo. Puede ser también que algunos nodos sean poco conscientes de este
hecho y que estén influenciados por otros nodos –incluso si son accesibles, el
costo puede ser demasiado alto para comportar intercambios. La variabilidad en
las distancias que tienen con otros nodos puede constituir la base de la
diferenciación e incluso de la estratificación (Jerarquías). Esos nodos que están
próximos a muchos otros nodos pueden ser capaces de ejercer más poder que
aquellos que están más distantes.
Veamos ahora que significan los términos que se utilizan para describir las
distancias entre nodos: paseos, caminos y semi caminos.

Paseos, etc.

Para describir las distancias entre nodos en una red necesitamos definir algunas
de terminología de grafos. No es lo mismo hablar de un grafo simple que de un
grafo conectado. Si A y B son adyacentes en un grafo simple, entre ellos hay una
distancia de uno. En un grafo dirigido, sin embargo, A puede ser adyacente a B
mientras que B no es adyacente a A – la distancia de A a B es uno, pero no hay
distancia de B a A. A causa de esta diferencia necesitamos términos ligeramente
diferentes para describir las distancias entre nodos en grafos y dígrafos.
Grafos en Etología 15

Paseos y Grafos simples: La forma más general de conexión entre dos nodos en
un grafo se llama paseo, que es una secuencia de nodos y relaciones que
empiezan y terminan con nodos. Un paseo cerrado es uno en el cuál el principio y
el punto final del camino son el mismo nodo. Los paseos no están restringidos. Un
paseo puede implicar el mismo nodo o la misma relación (arco del grafo) múltiples
veces. Un ciclo es un paseo especialmente restringido que se usa a menudo para
examinar los vecindarios de los nodos (adyacentes). Un ciclo es un paseo cerrado
de tres o más nodos, todos los cuales son diferentes, excepto por lo que se refiere
al nodo de origen-destino. La longitud de un paseo es simplemente el número de
relaciones contenidas en él. Puede haber muchos paseos en un grafo.

A B

En la figura anterior tomemos el nodo A y vayamos al nodo C. Hay un paseo de

longitud 2 (A,B,C), uno de longitud tres (A,B,D,C). También hay algunos paseos de
longitud 4 (A,B,E,D,C; A,B,D,B,C; A,B,E,B,C). Pues los nodos y conexiones no
están restringidos y pueden usarse más de una vez en un camino dado. No hay
ciclos que comiencen y acaben en A. Hay algunos que empiezan y acaban en el
nodo B (B,D,C,B; B,E,D,B; B,C,D,E,B).
Puede ser útil restringir de alguna manera nuestra idea de conexión. Una
posibilidad es restringir el cómputo de los paseos solamente a los paseos que nos
interesen por alguna razón. Un sendero entre dos nodos podría ser así cualquier
paseo que incluya una relación dada solamente una vez. La longitud de un
sendero es el número de relaciones que contiene. Si el sendero empieza y acaba
con el mismo nodo, se dice que es un sendero cerrado. En el ejemplo anterior,
existen algunos senderos que van de A a C. Están excluidos trazados como
A,B,D,B,C (el cual es un paseo, pero no es un sendero porque la relación entre B
y D se usa más de una vez).
Quizá la definición más útil de una conexión entre dos nodos (o entre un nodo y él
mismo) sea la de camino. Un camino es un paseo en el cuál cada otro nodo y
cada otra relación en el grafo pueden usarse una sola vez. La única excepción la
constituye un camino cerrado, el cuál empieza y acaba con el mismo nodo. Todos
Grafos en Etología 16

los caminos son senderos y paseos, pero todos los paseos y senderos no son
caminos. En el ejemplo, hay un número limitado de caminos conectando A y C:
A,B,C; A,B,D,C; A,B,E,D,C.

Paseos y Grafos dirigidos: Paseos, senderos y caminos también pueden definirse

para los grafos dirigidos. Pero existen dos modalidades de cada, dependiendo si
queremos tomar en cuenta la dirección o no. Semi-paseos, semi-senderos, y semi-
caminos son los mismos que para los datos no dirigidos. Definiendo esas
distancias, la direccionalidad de las conexiones es simplemente ignorada (esto es,
flechas –o lazos dirigidos que son tratados como si fuesen líneas – lazos no
dirigidos). Como siempre, la longitud de esas distancias es el número de
relaciones en el paseo, sendero o camino. Si no queremos prestar atención a la
direccionalidad de las conexiones podemos definir paseos, senderos y caminos de
la misma manera que hicimos antes, pero con la restricción de que no podemos
“cambiar la dirección” a medida que nos movemos a través de las relaciones de
nodo a nodo.

C
A B
D

La figura anterior muestra un grafo dirigido: En este dígrafo existe un número de

paseos de A a C. Pero no existen paseos que partan de C (o de cualquier otro) a
A. Algunos de esos paseos de A a C son también senderos (Por ejemplo,
A,B,E,D,B,C). Hay si, solo tres caminos de A a C. Un camino es de longitud 2
(A,B,C); otro de longitud tres (A,B,D,C); y otro de longitud cuatro (A,B,E,D,C).
Las diferentes clases de conexiones (paseos, senderos, caminos) nos proveen de
diversas maneras de pensar acerca de las distancias entre nodos. La principal
razón es que estas distancias proveen luz sobre las características de los lazos o
relaciones. Los nodos que están conectados con distancias cortas o de poca
longitud pueden tener relaciones más fuertes; los nodos que están conectados
muchas veces (por ejemplo teniendo muchos caminos en lugar de uno sólo)
pueden tener lazos más fuertes. Su conexión puede también estar menos sujeta a
interrupciones y, por tanto, ser más estables.
Grafos en Etología 17

El inventario del total de conexiones entre nodos es útil principalmente para tener
una idea de cuán “cerca” está un par de nodos, y del grado de acoplamiento del
sistema en su conjunto. Aquí, podemos ver que usando solamente las conexiones
de dos pasos (Por ejemplo, ABC), hay una gran cantidad de conexión de
promedio en el grafo; también vemos que hay grandes diferencias entre nodos en
su grado de conectividad y a quién están conectados. Estas diferencias pueden
ser usadas para estimar cuánta información se mueve en la red y qué nodos
influirán probablemente a otros.

Diámetro y distancia geodésica

Una definición de la distancia entre nodos en una red es usada por muchos
algoritmos para definir propiedades más complejas de las posiciones de los
individuos y de la estructura de la red en su conjunto. Esta cantidad es la distancia
geodésica. Tanto para datos dirigidos como no dirigidos, la distancia geodésica es
el número de relaciones en el camino más corto posible de un nodo a otro (o de un
nodo a él mismo, aunque este se piensa no debe tenerse en cuenta).
La distancia geodésica es ampliamente usada en análisis de redes sociales.
Puede haber muchas conexiones entre dos nodos en una red. Si consideramos
cómo la relación entre dos nodos puede proveer a cada otro con oportunidades y
limitaciones, puede darse el caso que no todos los lazos importen. Por ejemplo, si
A quiere mandar un mensaje a C, pero resulta que B también puede alcanzar ese
mensaje a C, podría darse que A de el mensaje a B para que lo pase a C. Quizá,
ante la disyuntiva, A elija el camino geodésico (AB), que a menudo se considera
el más eficiente.
Muchos algoritmos en análisis de redes sociales asumen que los nodos usan los
caminos geodésicos cuando existen alternativas.
Grafos en Etología 18

Como la red es densa, el camino geodésico es

generalmente pequeño. Esto sugiere que la
información puede viajar bastante rápidamente
en esta red. Obsérvese también que hay una
distancia geodésica para cada unos de los pares
xy e yx -- esto es, el grafo está plenamente
conectado y los nodos son “accesibles” por
todos los otros (o lo que es lo mismo: existe un
camino de alguna longitud de cualquier nodo a
cualquier nodo). Cuando una red no está
plenamente conectada, no podemos definir las
distancias geodésicas entre los pares.

La aproximación estándar en estos casos es tratar la distancia geodésica entre

nodos desconectados como la longitud mayor de todas las presentes en las
distancias reales de los datos. Para cada nodo, calcularíamos la media y la
desviación estándar de sus distancias geodésicas para describir su grado de
cercanía al resto de nodos. Para cada nodo, esa distancia geodésica mayor se
llama excentricidad – una medida de cómo de lejos un nodo está del nodo más
alejado.
A causa de que la red está totalmente conectada, un mensaje que empieza en
algún lugar alcanzará eventualmente cualquier otro. Podría calcularse la media (o
mediana) de la distancia geodésica, y la desviación estándar de la matriz, y para
cada nodo desde las filas y desde las columnas. Esto nos daría idea de cuanto de
lejos está un nodo de otro. Esto también explicaría qué nodos tienen una
conducta más predecible y menos predecible.
Si miramos la red total, y vemos que está conectada y que la distancia geodésica
promedio es bastante pequeña, esto sugiere un sistema en el cual la información
probablemente alcanzará a cualquiera y que lo hará rápidamente.
Para obtener otra noción del tamaño de una red, podríamos analizar su diámetro.
El diámetro de una red es la distancia geodésica más larga existente en la red
(conectada). El diámetro de una red nos da idea de cuan “grande” ésta es en un
sentido (esto es, cuántos pasos son necesarios para ir de un sitio a otro). El
diámetro es también una medida útil que puede servirnos para marcar el límite
superior de las longitudes de los caminos que estamos estudiando. Muchos
investigadores limitan sus trabajos a las conexiones entre nodos que incluyan
conexiones que no son más largas que el diámetro de la red.
A veces la redundancia de la conexión es una importante característica de la
estructura de una red. Si hay muchos caminos eficientes conectando dos nodos,
las probabilidades de que una señal vaya de un sitio a otro mejorará. Si dos nodos
son adyacentes, solamente existiría este camino. A continuación pueden verse los
pares entre los que hay más de un camino geodésico:
Grafos en Etología 19

Podemos ver que muchas de las conexiones

geodésicas entre esos nodos no son solo de
corta distancia, sino que muchas veces hay
múltiples caminos más cortos de x a y. Esto
sugiere un par de cosas: el flujo de información
probablemente no se interrumpirá a causa de
los múltiples caminos; y será difícil para
cualquier individuo ser un “intermediario”
poderoso en esta estructura a causa de que
muchos nodos tienen caminos alternativos
eficientes de conexión a otros nodos que
pueden obviar el paso por un nodo
determinado.

Flujo, Cohesión e influencia

El uso de caminos geodésicos para examinar las propiedades de las distancias

entre individuos y para la red total a menudo tiene mucho sentido. Pero hay
muchos otros casos en los que la distancia entre dos nodos y la conectividad del
grafo en su conjunto se concibe mejor al implicar todas las relaciones y no sólo las
más eficientes.
Un determinado tipo de información (rumor) puede, por ejemplo, pasar a través de
la red por todos los caminos disponibles y, no necesariamente, sólo por los más
eficientes. El que esta información pase puede depender de cuántas veces se
haya escuchado por diferentes nodos y no lo rápido con que lo escucharon. Para
usos de la distancia como éste necesitamos tener en cuenta todas las conexiones
entre nodos.
Se han desarrollado algunas aproximaciones para contar la cantidad de
conexiones entre pares de nodos que tengan en cuenta todas las conexiones
entre ellos. Esas medidas han sido usadas para diferentes propósitos.
Examinemos esas tres ideas.

Flujo máximo

Una noción de cómo cuánto están dos nodos totalmente conectados se pregunta
cuantos nodos diferentes en el vecindario de un emisor llevan a caminos hacia el
destinatario. Si A necesita transmitirle un mensaje a B y sólo hay un nodo al que
pueda enviárselo para retransmitirlo, la conexión es débil. Si, por otro lado, hay
cuatro nodos a los cuales pueda enviar el mensaje, entonces la conexión es más
fuerte.
Esta aproximación al “flujo” sugiere que la fuerza de un lazo hacia otro nodo no es
más fuerte que el lazo más débil en las cadenas de conexiones, donde debilidad
significa carecer de alternativas.
Esta aproximación a la conexión entre nodos está relacionada con la noción de
grado de intermediación. También es lógicamente cercana a la idea de que el
número de caminos, y no su longitud, puede ser importante para conectar nodos.
Grafos en Etología 20

Cohesión (Hubbell y Katz)

La aproximación de flujo máximo se centra en la vulnerabilidad o redundancia de

la conexión entre pares de nodos. Como aproximación alternativa, podríamos
considerar la fuerza de todos los lazos al definir la conexión. Si estamos
interesados en cuánto dos nodos pueden influenciarse mutuamente, o compartir
un sentido de posición común, debería ser considerado el rango completo de sus
conexiones. Incluso si queremos incluir todas las conexiones entre dos nodos,
puede ser que en muchas ocasiones no tenga ningún sentido considerar un
camino de longitud 10 tan importante como uno de longitud 1. La aproximación de
Hubbell y Katz cuenta el total de conexiones entre los nodos (lazos para datos no
dirigidos, lazos que envían y reciben para datos dirigidos). Cada conexión, sin
embargo, es ponderada en relación a su longitud. Cuanto más grande sea la
longitud, más débil será la conexión. Nodos que están relativamente muy cerca de
otros pares tienen una alta cohesión.
Como todas las medidas de las propiedades de pares de nodos se podría analizar
mucho más la información obtenida. Podríamos ver qué individuos son similares a
qué otros (esto es, ¿a qué grupos o estratos definidos pertenecen por la
similaridad del total de sus conexiones al resto de nodos en la red?). Podríamos
examinar el grado de varianza y la forma de la distribución de las conexiones de
las díadas. Por ejemplo, una red en la cual todos los pares de nodos estuviesen
totalmente conectados podría suponerse que se comportaría de manera muy
diferente que una en la que hubiese diferencias radicales entre los nodos.

La influencia (Taylor)

La aproximación de Hubbell y Katz puede tener más sentido cuando se aplica a

datos simétricos (Grafos no dirigidos), a causa de que no presta atención a las
direcciones o a las conexiones (por ejemplo, los lazos de A dirigidos a B son tan
importantes como los de B dirigidos a A a la hora de definir la distancia –
cercanía—entre ellos). Si estamos interesados en la influencia de A sobre B en un
grafo dirigido, la aproximación a la influencia de Taylor propone una interesante
alternativa. La medida de Taylor, como las otras, usa todas las conexiones y aplica
un factor de atenuación. Más que estandarizar completamente la matriz resultante,
sin embargo, se adopta una aproximación diferente. Los marginales de las
columnas para cada nodo son sustraídos de los marginales de las filas y el
resultado es entonces normalizado. Traducido al español lo que hacemos es mirar
al equilibrio entre los nodos que envían conexiones (marginales de filas) y los
nodos que reciben conexiones (marginales de columnas). Los valores positivos
reflejan entonces una preponderancia en enviar sobre recibir de un actor de la
pareja – o un equilibrio de influencia entre los dos.
Como las muchas otras medidas las diferentes aproximaciones a la distancia entre
nodos y en la red en su conjunto proveen de un grupo de alternativas. Ninguna
definición para definir la distancia será la “correcta” para un propósito determinado.
Se hace camino al andar.
Grafos en Etología 21

IV Teoría de grafos aplicada al análisis de las trayectorias realizadas por los

animales en recintos en condiciones de cautiverio

Ya vimos la aplicación de la Teoría de

grafos relacionada al análisis de las
redes sociales humanas y al estudio del
comportamiento animal en general.
Ahora vamos a ver una aplicación más,
y que está íntimamente relacionada a
una metodología particular para el
estudio de la segregación espacio
temporal del comportamiento, que se
basa principalmente en la
segmentación del recinto, que ocupan
los animales, en un cierto número de
sectores o cubiles.
A partir de los métodos de observación
y registro, se obtienen valores de
transiciones entre los sectores, los que
luego son volcados a una matriz de
transición para su análisis. Con estos
datos podemos construir nuestro grafo,
el cual va a representar los caminos
utilizados por los individuos en la jaula.

Planilla utilizada para tomar los registros

Grafos en Etología 22

Análisis de las trayectorias (Transición entre sectores)

A partir de los datos obtenidos de las matrices de transición entre sectores se

obtiene información concerniente a frecuencias de transición entre sectores, las
que luego se vuelcan en una matríz sociométrica de transición con datos
observados de desplazamientos sector vs sector. Luego se construye una matriz
similar con datos esperados (Matríz de Marcov) (Frecuencias esperadas = Total
de la fila x Total de la columna /Gran total 8), con el fin de establecer, mediante el
uso de estadisticos (X2 )9, si las transiciones observadas representan algun tipo de
dependecia entre ellas o si se deben al azar. Una vez establecida esta
dependencia se procede, utilizando la metodología de la teoría de grafos 10,
combinados con el cálculo de probabilidades, 11a formular un modelo análitico
para las trayectorias. Este procedimiento es muy similar al visto en páginas
anteriores y que se conoce con el nombre de Di Tree.

Grafos y trayectorias en el recinto

Las secuencias entre sectores obtenidas (Trayectorias) pueden bien representarse

mediante la construcción de un grafo 12 (G = (V, A, phi)), no de un grafo
cualquiera, sino de un grafo muy particular, un digrafo geométricoi, poligonal y no
plano. Digrafo geométrico porque contiene flechas que indican un doble sentido en
el flujo, y poligonal no plano, porque representa tanto desplazamientos
horizontales como verticales. Esto último puede demostrarse fácilmente usando la
fórmula de Euler 2.A > 4.C 13 14, para un grafo plano, donde A = Aristas y C =
Caras. Para el grafo en cuestión se verifica 2.A < 4.C, siendo entonces, poligonal y
no plano.
Tomando cada sector en particular y la sumatoria de las frecuencias de transición
entre cada sector y sus sectores adyacentes y dividiendolas a cada una por la
frecuencia total para ese sector, se pueden establecer las proporciones o
probabilidades de que un individuo de la jaula se desplace de un sector A a otro B,
adyacente al primero 15.
Estos datos en combinación con la teoría de grafos permiten construir un modelo
descriptivo, explicativo y analítico para las trayectorias en un recinto (Ver grafo).

8
SYSTAT 11 for Windows, 2004.
9
idem
10
Toranzos, F.A. 1976. Introducción a la Teoría de grafos. Monografías de la OEA. Pp 7 y 8.
11
Nottoli, H.1997. Grafos, pag, 145.
12
Toranzos, F.A. 1976. Introducción a la Teoría de grafos. Monografías de la OEA. Pp 7 y 8.
13
Nottoli, H.1997. Grafos, pag, 36 y 37.
14
Bakeman, R. & Quera. V. GSW: GSEQ para Windows. Versión 4.1.2. Febrero 2004.
* Para una mayor aproximación a la teoría de grafos ver: Reinhard Diestel, 2000, Graph Theory,
Second Edition, Graduated Text in Mathematics, Electronic Edition, Springer-Verlag, New Cork.
Puede bajarse de http://www.math.uni-hamburg.de/home/diestel/books/graph.theory/ o
http://www.springer-ny.com/supplements/diestel/
15
Nottoli, H.1997. Grafos, pag, 145.
Grafos en Etología 23

Para establecer qué transiciones fueron más representativas a la hora de realizar

el grafo mencionado, puede utilizarse el programa GSW (GSEQ para Windows)16.
A continuación vemos el grafo con los caminos más probables.

Los datos presentados en este grafo, tanto como la segmentación del recinto de la
primera figura, corresponden a un trabajo realizado con monos Mirikiná en el
Zoológico de Florencio Varela17.

Grafos y secuencias de comportamiento

Este es el caso de un trabajo sobre patrones de interacción de comportamientos

de cortejo en Phalacrocórax aristotelis. 18 Del cual mostramos la matriz de
transición de pautas de comportamiento de cortejo, que los autores utilizan para
luego construir el grafo (ver grafo siguiente) que incluye los porcentajes, y de
hecho muestra las secuencias más probables o transiciones significativas de las
pautas de cortejo.

16
Bakeman, R. & Quera. V. GSW: GSEQ para Windows. Versión 4.1.2. Febrero 2004.
17
Romero, C.A. 2005. Segregación Espacio Temporal del Comportamiento de Primates (Cebus
apella y Aotus azarae) en cautiverio: Abordaje metodológico y propuesta de un modelo analítico
para los desplazamientos. XX Jornadas Mastozoología – Argentina.
18
Grave, J.A. Et al. 1994. Patterns in the courtship behaviour of shags (Phalacrocórax aristotelis).
School of Biological an Medical Sciences. Univ. Of St Andrews, U.K. Etología, Vol. 4, 1994.
Grafos en Etología 24
Grafos en Etología 25

Otro ejemplo

Ahora vemos el caso de un estudio sobre comportamiento social en gato

doméstico19. Vemos primero la matriz de transición individuo vs individuo, y en las
celdas la frecuencia de interacciones, en este caso, afiliativas. Luego observamos
el grafo correspondiente, donde se representa la magnitud de la interacción, como
diferencias en el grosor del arco (En este caso una flecha, por ser un grafo
dirigido) del grafo.

19
Van den Bos & Cock Buning, Tjard. 1994. Social Behaviour of Domestic Cats (Felis lybica f.
catus L.): a Study of Dominance in a Group of Female Laboratory Cats. Department of Ethics,
History and Alternatives of Animal Experiments, University of Leiden, Leiden. Ethology 98, 14-37
(1994).
Grafos en Etología 26

Conclusiones

Un árbol generador mínimo (AGM) es un instrumento adecuado para la

descripción de la estructura de las relaciones simétricas entre miembros de un
grupo social, en cuanto al árbol orientado de caminos más cortos (AOCMC)
permiten analizar la estructura de las relaciones direccionales. Vimos una
derivación de este último método, el árbol orientado más probable, o Di Tree, que
permite un análisis de la organización secuencial del comportamiento y el cual, de
alguna manera, usamos para representar la estructura de las trayectorias
seguidas por los animales en cautiverio.
Existe una gran cantidad de información sobre los individuos y el grupo en una
simple matriz de adyacencia. En un análisis de redes básico se suele focalizar en
el vecindario inmediato: las díadas y las tríadas en las cuales están inmersos los
individuos. El grado de un nodo, y el grado nodal de entrada y de salida (si los
datos son dirigidos) explican hasta qué punto un nodo puede estar limitado por o
limitar a otros (Limitación y facilitación). Este conocimiento puede ser útil para
describir la estructura de oportunidades (o limitaciones) de un nodo. Las
trayectorias en un recinto, por ejemplo, pueden estar fuertemente influenciadas
por este tipo de relaciones entre los individuos. Así, es posible describir “tipos” de
nodos que pueden formar grupos o estratos (Jerarquías) sobre la base de las
posiciones que ocupan en la estructura de oportunidades ("aislados" "emisores"
etc.).
La mayor parte del tiempo gastado por los nodos (individuos) sociales se invierte
en contextos locales, interactuando en díadas y tríadas. Viendo todas las
conexiones de los nodos, puede observarse el grado de “reciprocidad”, “equilibrio”
y “transitividad” en las relaciones, que puede ser entendido como un importante
indicador de estabilidad social. Las conexiones locales de los nodos son
importantes para comprender la conducta social del conjunto del grupo y también
para entender a cada individuo. El tamaño de la red, su densidad, como si las
relaciones tienden a ser recíprocas o transitivas (secuencias) y todas las otras
propiedades examinadas para las conexiones individuales también son
significativas para describir el conjunto del grupo. Tanto los niveles típicos de
características (grado nodal medio de los nodos) y la cantidad de diversidad en las
características (varianza en el grado nodal de los nodos) puede ser importante
para explicar la conducta.
Los grupos con alta densidad responden de forma diferente al contexto que
aquéllos que tienen una baja densidad; los grupos con una gran diversidad en las
densidades individuales pueden tender a desarrollar más diferenciación y
estratificación (Jerarquías).
La distancia geodésica es útil para describir la distancia mínima entre nodos. Las
distancias geodésicas entre pares de nodos es la más comúnmente usada medida
de grado de cercanía. La distancia geodésica media de un nodo al resto, la
variación en esas distancias y el número de distancias geodésicas al resto de
nodos puede describir importantes similitudes y diferencias entre los nodos, en
cómo y cuan cerca está conectado el grupo en su conjunto.
La distancia geodésica, sin embargo, examina sólo una simple conexión entre un
par de nodos (o en algunos casos algunas si hay múltiples geodésicos
Grafos en Etología 27

conectándolos). A veces la suma de todas las conexiones entre nodos, más que la
más corta conexión, puede ser relevante.
Vimos aproximaciones que miden la vulnerabilidad de la conexión entre los nodos
(flujo), la reciprocidad de los nodos por parejas (Hubbell y Katz), y la influencia
potencial de unos nodos en relación a otros (Taylor).
Las diferencias y las similitudes entre los individuos en el sentido de su distancia
a otros pueden ser la base estructural para la diferenciación y la estratificación. Y,
esos complejos patrones de distancias de individuos en relación a otros
constituyen también una característica del grupo en su conjunto – también para
describir las limitaciones y oportunidades a las que se enfrentan los individuos. Por
ejemplo, un grupo en el cual la mayor parte de los nodos tienen múltiples
distancias geodésicas a otros se comportará, muy probablemente, de manera
bastante diferente de uno en el cual hay poca redundancia de eficientes vínculos
de comunicación.
Existe una gran cantidad de información disponible en unas pocas simples
observaciones de una matriz de adyacencia. La vida, por supuesto, suele ser más
complicada.
Los métodos que vimos aquí proporcionan solo una introducción a lo que puede
hacerse con datos más complejos.