UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE CIENCIAS NATURALES

CARRERA DE BIOLOGÍA

ECOLOGÍA EXPERIMENTAL

RESUMEN EJECUTIVO:
ESTIMACIÓN DE DENSIDAD Y TAMAÑO
POBLACIONAL DE Ocypode gaudichaudii EN
PLAYA LA TIÑOSA, MANABÍ- ECUADOR

ESTUDIANTE
CASTRO DANIELA

DOCENTE
RENÉ ZAMBRANO, MSc.

2022-2023
GUAYAQUIL – ECUADOR
 RESUMEN EJECUTIVO
El presente resumen aborda el análisis y procesamiento de los datos obtenidos del
muestreo por método indirecto de la especie Ocypode gaudichaudii en la playa La
tiñosa, ubicada en la provincia de Manabí.

El cangrejo fantasma, Ocypode gaudichaudii, es una especie que presenta una

amplitud de estudios de estimación de tamaño poblacional y densidad mediante el
método de detección indirecta. Tiene gran importancia en el monitoreo o estudio
del grado/ nivel de perturbación de los ecosistemas costeros de playa, en
especial, la perturbación producida por la actividad antropogénica.

Los datos en campo fueron registrados según la zona en dónde se obtuvieron (zona
intermareal/ zona supramareal). Para el respectivo análisis, la zona de recolección
fue la categoría de estratificación. Los datos, separados en Estrato A (z. supramareal)
y Estrato B (z. intermareal), fueron procesados mediante el software Distance.

Para determinar la función de detección de mejor ajuste, han sido considerados los
modelos Uniform (cosine), Half-normal (hermite polynomial) y Hazard-rate
(simple polynomial); usando el criterio de información de Akaike para su
selección (Miller et al., 2017).

De esta forma, el ancho de banda efectivo, la densidad y el tamaño poblacional de

Ocypode gaudichaudii fueron estimados independientemente para cada estrato. La
densidad global fue estimada usando la media de las estimaciones de densidad por
estrato ponderadas por el área (m2) de cada uno.

A continuación, se presentan los modelos de función de detección y función de

distribución acumulativa de la probabilidad de detección. Cada modelo propuesto ha
sido validado mediante pruebas de Bondad de Ajuste (Kolmogorov- Smirnov y Chi-
Cuadrado). El truncamiento fue configurado para descartar el 2% de las distancias
más largas.
A) FUNCIÓN DE DISTRIBUCIÓN ACUMULATIVA (CDF)

Un indicador del buen ajuste del modelo es la concordancia entre la función de

Distribución Acumulativa (CDF) y la función de Distribución empírica (EDF), es decir,
su comparación debería resultar en una línea recta donde y=x (Schnupp Consulting,
s. f.).

Los puntos por encima de la EDF indican que el modelo considera que debería haber
más observaciones de las que se registraron. Siguiendo esto, los puntos por debajo
de la CDF sugieren que hubo más observaciones de las que el modelo predijo
(Schnupp Consulting, s. f.).

Gráfico 1: Q-Q plot. Función de Distribución Acumulativa (CDF) para estrato A (zona
supramareal)

CDF: evalúa la probabilidad de

observar un animal a una
distancia inferior o igual a un
valor dado

EDF (función de distribución

empírica): proporción de
observaciones cuya CDF es
inferior o igual al de una
distancia observada.

En el gráfico 1, es posible observar desviaciones menores de la EDF con respecto a

la CDF. Sin embargo, existe una desviación mayor entre los puntos 0.3 y 0.6, que
podría sugerir que las observaciones registradas fueron menores a las esperadas en
este intervalo.
Gráfico 2: Q-Q plot. Función de Distribución Acumulativa (CDF) para estrato B (zona
intermareal)

EDF

CDF

En el gráfico 2, se observan desviaciones menos pronunciadas que en el gráfico 1.

La mayor desviación es visible entre los puntos 0.1 y 0.3. Gráficamente, esto sugiere
que las observaciones registradas fueron mayores a las esperadas en este intervalo.
Además, se evidencia que, en las desviaciones, la mayoría de los puntos de la EDF
están por encima de la CDF.

La Bondad de Ajuste (GOF) de los modelos presentados en los gráficos 1 y 2 es

evaluada mediante la Prueba de Kolmogorov- Smirnov GOF.

Prueba de Bondad de ajuste de Kolmogorov- Smirnov

La prueba de Kolmogorov- Smirnov calcula la mayor distancia vertical que existe entre
un punto y la recta y = x (D_n). Este valor es usado como estadístico de contraste
para evaluar la hipótesis nula.
La hipótesis nula indica que las funciones de EDF y CDF tienen una distribución
similar. Por tanto, la hipótesis nula a la aceptación del modelo estimado, ya que se
evidencia un buen ajuste (Schnupp Consulting, s. f.).

Cuanto mayor sea la discrepancia entre la distribución empírica y la distribución

estimada, mayor será el valor de D_n. El criterio para la aceptación o rechazo de la
hipótesis nula (Carollo, 2012) será de la forma:

H0 = Hipótesis nula

Si D_d ≤ Dα; Aceptar H0

Si D_d > Dα; Rechazar H0

En donde, los valores críticos (Dα) son calculados según las siguientes fórmulas
asintóticas (Wicklin, 2019), desarrolladas por Smirnov en 1948, que dependen sólo
de α:

Por lo tanto, para el modelo de CDF de los estratos A y B, considerando un Alpha

de 0.05, se obtiene lo siguiente:

Estrato A: zona supramareal

D_d = 0.12 Dα = 0.24

D_d ≤ Dα; aceptar H0
D_d > Dα; Rechazar H0

0.12 ≤ 0.24; Hipótesis nula aceptada

 Estrato B: zona intermareal

D = 0.04 Dα = 0.07

D_d ≤ Dα; aceptar H0

D_d > Dα; Rechazar H0

0.04 ≤ 0.07; Hipótesis nula aceptada

Según el estadístico de Kolmogorov- Smirnov, las distribuciones de la función

empírica y la función estimada son similares tanto en el modelo del Estrato A, como
en el modelo del Estrato B. Debido a esto, se concluye que los modelos tienen un
buen ajuste y las estimaciones de CDF son adecuadas.

B) FUNCIÓN DE DETECCIÓN (PDF)

Gráfico 3. Histogramas: Función de detección para estrato A (zona supramareal).

Modelo Half-normal (Hermite polynomial).

PDF resultante de las distancias de

detección para transectos lineales

Selección del modelo:

Gráfico 4. Histogramas: Función de detección para estrato B (zona intermareal).
Modelo Hazard- Rate (Simple polynomial)

PDF resultante de las distancias de

detección de los transectos lineales

Selección de modelo:

Prueba de Bondad de ajuste de Chi-Cuadrado

La prueba de Chi-cuadrado se basa en la función de densidad de probabilidad (PDF)

de la distribución supuesta (azul). Los valores del eje X se denominan datos
"observados" y corresponden a las distancias perpendiculares en que fueron
detectadas las madrigueras (Romeu, 2002).

El número de valores “esperados” es calculado según en el modelo PDF. La prueba

Chi-cuadrado requiere al menos cinco datos esperados en cada intervalo. Si los datos
observados y los datos esperados son estadísticamente similares, la hipótesis nula
es aceptada y se concluye que el modelo tiene un buen ajuste (Romeu, 2002).

Este modelo usa la distribución de Chi-Cuadrado para estimar las diferencias entre
los datos esperados y observados, lo cual explica su denominación.

Para determinar si los valores observados y los esperados de la distribución

especificada son estadísticamente diferentes, se compara el valor p con el nivel de
significación (α = 0,05) (Minitab Statistical Software, s. f.).
Valor p ≤ α: los datos observados son significativamente diferentes de los valores
esperados (Se rechaza H0).

Valor p > α: los datos observados no son significativamente diferentes de los valores
esperados (No se rechaza H0)

Estrato A

p = 0.51 α = 0.05
p ≤ α, se rechaza H0
p > a, no se rechaza H0

0.51 > 0.05

No se rechaza la hipótesis nula

Estrato B

p = 0.24 α = 0.05
p ≤ α, se rechaza H0
p > a, no se rechaza H0

0.24 > 0.05

No se rechaza la hipótesis nula

En los modelos de función de detección, tanto del Estrato A como del B, al aplicar la
prueba de Bondad de Ajuste Chi- Cuadrado se evidencia que el valor de p es mayor
que el nivel de significación establecido, esto indica que no existen diferencias
significativas entre las distribuciones y, por tanto, no hay evidencia para rechazar la
hipótesis nula.

Esto no significa que las distribuciones sean idénticas, puede haber diferencias no
detectadas por la prueba de Bondad de Ajuste de Chi- Cuadrado. Se concluye que el
ajuste de los modelos de Función de detección de los estratos A y B es adecuado.

C) ANCHO DE BANDA EFECTIVO, TAMAÑO POBLACIONAL Y

DENSIDAD
Ancho de banda efectivo

El ancho de banda efectivo (ESW) para la zona supramareal fue de 325,98. Mientras
que, en la zona intermareal el valor de ESW fue de 526,84, es decir, notablemente
mayor.

Tamaño poblacional y densidad por estrato

La densidad (flecha negra) en el Estrato A, correspondiente a la zona supramareal,
fue notablemente inferior a la densidad de la zona intermareal. En el primer estrato el
valor de densidad es igual a 0.25, mientras que, en el segundo el valor de densidad
es de 1.71. La densidad global presenta un valor de 1,13 y el tamaño poblacional
global es de 5627.

La comparación de los tamaño poblacionales (flechas rojas) de ambos estratos

también evidencia diferencias notorias. En el estrato A el valor del tamaño poblacional
es de 486, mientras que, en el estrato B el valor de abundancia (flecha naranja abajo)
es de 5141. Por su parte, la densidad global es un valor referencial, cuya
interpretación no es requerida, según los objetivos del análisis.

Estos resultados evidencian, en el estrato B, una tendencia a la alta densidad.

Para el estrato A, por el contrario, los resultados sugieren que la zona tiende a
ser de baja densidad. Sin embargo, no es posible realizar conclusiones, ya que,
estas diferencias pueden ser explicadas debido a la escases de datos observados
en el primer estrato, con un tamaño de muestra muy limitado (32 datos observados,
frente a 331 en el estrato B) y un área de menor extensión.

Puede considerarse también que las diferencias se deben a condiciones específicas,

fuentes de perturbación, del sitio de muestro. Las cuales no fueron registradas en
campo, y, por ende, tampoco tomadas en cuenta para este análisis.

D) RECOMENDACIONES

En una nueva recolección de datos se recomienda, conociendo las tendencias en

densidad de cada estrato, aumentar el número de transectos para la zona
supramareal, manteniendo las mismas distancias de separación. Y aumentar la
distancia entre transectos en la zona intermareal. En ambos casos, se recomienda
manejar un ancho de banda de entre 5 a 7 metros, según los resultados del Ancho de
Banda Efectivo.

Estas recomendaciones permitirán obtener una mayor cantidad de información

contrastable, y establecer un análisis de mayor fiabilidad y precisión sobre la densidad
y tamaño poblacional de Ocypode gaudichaudii.

En referencia a la densidad y tamaño poblacional global, si se desea hacer un análisis

global sin considerar la estratificación, se recomienda hacer modificaciones en el
método de muestreo, y omitir la división por estratos. Por el contrario, si se busca
contrastar la información proveniente de las zonas supramareal e intermareal, el
método de muestreo estratificado se considera adecuado.

REFERENCIAS BIBLIOGRÁFICAS

• Minitab Statistical Software. (s. f.). Interpret the key results for Chi-Square Goodness-of-
Fit Test - Minitab. Minitab. Recuperado 12 de marzo de 2023, de
https://support.minitab.com/en-us/minitab/21/help-and-how-to/statistics/tables/how-
to/chi-square-goodness-of-fit-test/interpret-the-results/key-results/
• Miller, D. L., Rexstad, E., Thomas, L., Marshall, L., & Laake, J. L. (2017). Distance
Sampling in R. BioRxiv. https://doi.org/10.1101/063891
• Wicklin, R. (2019, 20 mayo). Critical values of the Kolmogorov-Smirnov test. SAS.
Recuperado 11 de marzo de 2023, de
https://blogs.sas.com/content/iml/2019/05/20/critical-values-kolmogorov-test.html
• Romeu, J. (2002). The Chi-Square: a Large-Sample Goodness of Fit Test. Reliability
Analysis Center, 10(4). https://web.cortland.edu/matresearch/ChSqSTART.pdf
• Schnupp Consulting. (s. f.). CKWRI WILDLIFE SURVEY SOFTWARE BASIC WORSHOP
[Diapositivas; Online]. schnuppconsulting.com. http://schnuppconsulting.com/wp-
content/uploads/2017/01/8-Analysis-in-Program-DISTANCE.pdf
• Carollo, M. (2012). Contrastes de hipótesis [Diapositivas; Online]. Departamento de
Estadística, Análisis Matemático y Optimización- Universidad de Santiago de Compostela.
http://eio.usc.es/eipc1/BASE/BASEMASTER/FORMULARIOS-PHP-
DPTO/MATERIALES/Mat_50140115_Contrastes%20de%20hipótesis.pdf
• Centre for Research into Ecological and Environmental Modelling [CREEM] & University
of St Andrews. (s. f.). Assessment of model performance [Diapositivas; Online].
distancesampling.org. https://workshops.distancesampling.org/online-
course/lecturepdfs/Ch2/L2-1%20Assessment%20of%20Model%20Performance.pdf