Professional Documents
Culture Documents
ISSN 1870-557X
97
Introduccin
Capturar individuos, marcarlos, liberarlos, despus hacer muestreos para ver qu
fraccin de los individuos en la muestra llevan marcas. Graunt (1662), citado en White et
al., (1982) fue primero quien uso tcnicas de pronstico para estimar poblacin humana en
Londres. Peterson (Peterson-Lincon, 1896 citado en White et al., 1982) fue primero que us
esta tcnica con peces para estudiar la migracin pero despus para estimar tamao de la
poblacin y la tasa de mortalidad (Lincoln, 1930). Tambin se utiliz esta tcnica para
estimar poblacin de aves (patos). Jackson (1933) fue primero que empleo la tcnica para
estimar poblacin de insectos. Los fundamentos de muestreo incluyendo las tcnicas de
captura-recaptura han sido descritos e explicados (Badii & Castillo, 2009; Badii et al.,
2011).
Ventajas del mtodo
1.
2.
3.
Estimar natalidad
Estimar mortalidad
Estimar movimiento
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X
4.
98
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X
99
1.
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 100
Para muestras grandes y un grande se eliminan (1-f) y (1/2C) y por tanto, tendremos:
R/C { (1-f)(R/C)(1-R/C)/(C-1)}
Ejemplo
Si marcamos 1,800 individuos (M), y capturamos en la segunda muestra 800
individuos (C) de los cuales 73 (R) tienen marcas, entonces, en base a la frmula
tendremos:
73/800{1.96[(1-73/800)(73/800)(1-73/800)/(800-1)]+(800)}
= 0.09125 0.020176 que resulta en 0.07107 a 0.111426
Ahora: = C/R(M)
95% L.I. de LC sobre = 800/0.111426 (1800) = 16,154
95% L.S. de LC sobre 800/0.07107 (1800) = 25,326
IC en base a la distribucin binomial
Se marcan 50 (M) aves, y despus capturan 22 (C) aves de las cuales 14 (R) tienen
marcas, la fraccin de R/C = 14/22 = 0.64 es ms de 0.5, por tanto, de la distribucin
binomial arrojamos 1-R/C=1-0.64=0.36. En base de esto, llegamos con la proporcin de la
poblacin igual a 0.16 que es el lmite inferior para (1 - R/C).
Ahora repetir el mismo procedimiento y llegamos con la proporcin de poblacin =
0.60 (L.S. de 95% de LC para (1 - R/C).
Debido a que los lmites son: 95% de LC para (1 - R/C) = 0.17 y 0.60. Entonces los
lmites de confianza (LC) correspondientes deseados para R/C son: 0.83 y 0.40.
Ahora estos LC para R/C se pueden convertir en LC para : = C/R (M)
L.I. de 95% de LC sobre = C/R (M) = 1/0.83(50) = 60.24
L.S. de 95% de LC sobre = C/R (M) = 1/0.4(50) = 125
Ejemplo
Liebres en Lake Alexander, Minnesota (1932-1973).
Datos:
M = 948
C = 421
R = 167
Estimador sesgado: = C/R(M) = (421)(948)/167 = 2,390
Y sin sesgo: =[(M+1)(C+1)/(R+1)]-1=[949*422/(167+1)]-1= 2,383
R/C = 167/421 = 0.3967, por tanto, estimamos un IC de la distribucin binomial, y debido a
que C>50 tenemos un muestreo grande y por tanto, podemos usar aproximacin normal.
R/C {Z[(1-f)(R/C)(1-R/C)/(C-1)] + 1/2C}
Para 95% LC, Z = 1.96:
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 101
167/421{1.96(1-167/948)(167/421)(1-167/421)/(421-1)] + 1/ 2(421) }=
0.35302 a 0.44033
0.3967
Media ponderada
La ecuacin es: = Mini / (mi + 1). Es importante recalcar que aqu se marcan
los individuos en todas las fechas, pero con el mismo marcaje.
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 102
Ejemplo. Captura del ratn del campo por trampeo (Tabla 1).
Tabla 1. Captura de individuos por trampeo.
da (i)
1
2
3
6
4
Ni
1
2
Mi
8
6
4
Ri
8
13
Mi
48
52
Mi*ni
Mini = 48 +52+105 = 205
Parmetro
4
7
2
15
105
6
1798
11
0.0061
-5.099
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 103
La poblacin marcada
La poblacin no marcada
2a.
2b.
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 104
Parmetro
Capturado (ni)
Marcados el da 1 (mi1)
Marcados el da 2 (mi2)
Liberados (ri)
Da
1
42r1
2
50(n 2 )
11(m 21 )
50(r2)
3
38(n 3 )
5(m 31 )
9(m 32 )
-
M 21 = [m 31 (r 2 + 1)/(m 32 + 1)] + m 21
Donde,
Mi = Nmero de marcas en riesgo en da i
2 = (n 2 + 1)M 21 /(m 21 + 1)
Mij = Nmero de individuos con marcaje j en riesgo en da i.
1 = M 21 /r 1
i = Proporcin de la poblacin del da i que sobrevive a un da posterior.
b 2 = 1 [(m 31 + 1)n 2 / (n 3 + 1)m 21 ]
3 = 2 2 / (1-b 2 )
Donde,
b i = Proporcin de la poblacin del da i + 1 que fue agregado entre el da i y el da i +
1.
1 = (1- b 1 ) 2 / 1
M 21 = [(50 +1)5 / (9 + 1)] + 11 = 36.5
2 = ((50 + 1)36.5 / (11 + 1) = 155.1
1 = 36.5/42 = 0.87
b 2 = 1 [(5 + 1)50 / (38 + 1)11] = 0.30
3 = [(155.1*0.87) / (1 0.30)] = 192.8
1 = (1 - 0.30)155.1 / 0.87 = 124.8
Suponer que la tasa de la natalidad (b) y la tasa de la sobrevivencia () son
constantes, es decir, 1 = 2 y b 1 = b 2 , Esto si t 1 = t 2 [el intervalo entre das 1 y 2 es
igual al intervalo entre das 2 y 3], pero si t 1 t 2 , tendremos, 2 = 1 (t2 / t1) y b 1 = 1 [
(m 31 + 1)n 2 / (n 3 + 1)m 21 ](t2 / t1).
Si t 2 = 5
Por lo tanto,
2 = 0.87 (5/3) = 0.79
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 105
Si t 1 = 3
Por lo tanto,
b 1 = 0.44
3 = 176
1 = 99.7
Ahora se puede afirmar lo siguiente. De la poblacin del da 2, N 2 2 sobreviven
hasta el da 3. Puesto que b 2 es la proporcin de N 3 que se aadi entre das 2 y 3, entonces,
(1 b 2 ) debe ser la proporcin que no se aadi a la poblacin.
Por tanto,
N 2 2 representa 1 b 2 de N 3 , es decir, N 2 2 = (1 b 2 )N 3 .
De este modo, 3 = 2 2 /(1 b 2 )
Por razonamiento anlogo tendremos los siguientes:
1 1 = (1 b 1 ) 2
1 = (1 b 1 ) 2 / 1
EE 2 = [ 2 ( 2 n 2 ) {(M 21 m 21 +r 2 /M 21 ) [(1/m 32 1/r 2 )+(1/m 21 )(1/n 2 )]}]1/2 = 64.7
EE 1 = [( 1 2 (M 21 m 21 ) (M 21 m 21 +r 2 )/M 21 ) {(1/m 32 1/r 2 )+(1/M 21 )(1/r 2 )}]1/2 = 0.32
En resumen, se concluye lo siguiente:
1.
2.
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 106
Tabla 4. Datos de base para el mtodo de Fisher - Ford.
ni
ri
mi
1
2
4
5
6
8
9
12
13
14
43
13
52
56
52
50
15
20
7
40
40
12
50
51
52
50
15
20
-
0
5
3
16
39
47
40
17
30
13
j*
1
(1)
5
0
3
6
4
4
1
1
0
2
3
4
5
6
Marcas recapturadas = m ij
(2)
3
(4)
8
5 (5)
12 6
15 (6)
10 3
16 14 (8)
5
1
11 5
14
1
1
3
1
5
1
2
3
2
7
0
0
2
2
4
(9)
5
(12)
8
6
(13)
1
0
4
Frmulas
i = [(n i + 1) / (m i + 1)] (Mi)
m i = j m ij
i m ij (i j) = Edad total de todas las marcas
(A i M i + 0) / (m i + r i ) = Edad media de todas las marcas
A i+1 = [A i M i /(M i + r i )] + 1
M i+1 = (M i + r i )
i = (1 ) i
B i = i+1 - i
A i = Edad media de las marcas del da i
L i = Nmero de prdidas de la poblacin entre i y i + 1
B i = Nmero de adiciones a la poblacin entre i y i + 1
M i = Nmero de marcas en riesgo en fecha i
m i = Nmero de individuos marcados que fueron recapturados en i
m ij = Nmero de individuos capturados en i con una marca de j
Pasos
1.
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 107
Tabla 5. Das de sobrevivencia observados a partir de la tabla anterior.
i
1
2
4
5
6
8
9
12
13
14
mi
0
5
3
16
39
47
40
17
30
13
i m ij (i j)
0
5 [5*(2 (1))] = 5 * 1= 5
6 [0*(4 (1))] + [3*(4 (2))] = 0 * [3*2] = 6
41 [3*(5 (1))] + [8* (5 (2))] + [5*(5 (4))] = 12 + 24 + 5 = 41
105
176
145
91
152
67
788 = jimij (i j) = Total de Das de Sobrevivencia (TDS)
2.
Da (i)
1
2
4
5
6
8
9
12
13
14
Mi
0
32.0
46.1
46.5
77.2
82.0
107.2
80.5
76.4
77.1
Ai
1
2.44
2.94
2.42
3.46
3.14
5.12
5.32
5.22
AiMi
5
7.33
47.2
94.38
162.62
124.40
87.04
159.57
67.73
755. 11 = tasa de sobrevivencia estimados
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 108
Tabla 7. Das de sobrevivencia calculados de los datos de Tabla 4 y = 0.828.
Da (i)
1
2
4
5
6
8
9
12
13
14
Mi
0
33.1
50.2
51.5
84.1
92.7
119.8
96.5
92.4
93.1
Ai
1
2.45
2.98
2.51
3.56
3.28
5.32
5.60
5.60
AiMi
5
7.36
47.66
97.97
167.46
131.32
90.37
168.03
72.85
788.02
A (i+1) = [A i M i / (M i + r i )] + 1
A1 = 0
A 2 = [A 1 M 1 /(M 1 + r 1 )] + 1 = [0 / (0 + 40)] + 1 = 1
A 3 = [A 2 M 2 / (M 2 + r 2 )] + 1 = [(1*32) / (32 + 40)] + 1 = 1.44
A 4 = A 3 + 1 = 1.44 + 1 = 2.44
A 5 = (A 4 M 4 )/(M 4 + r 4 )] + 1 = [(2.44 x 46.1) / (46.1 + 0.12)] + 1 = 2.94
De modo similar:
A2 = 1
A 3 = [(1 * 32) /(32 + 40)] + 1 = 1.44
A 4 = 1.44 + 1 = 2.44
Total de das de sobrevivencia (TDS) observado es igual a 788 y TDS estimada con
= 0.8 es igual a 755.02, por lo tanto, igual a 0.8 es una subestimacin. Ahora, al probar
con un = 0.9, llegamos con el resultado de TDS igual a 872.9 lo cual esta superior a la
TDS observada (788). Por consiguiente, la adecuada debe estar entre 0.8 y 0.9.
Aadimos dos puntos ms de (0.75 y 0.85), y con esto generamos, en base a
iteracin el valor correcto de (Tabla 8).
Tabla 8. Datos extras de para conseguir el valor correcto.
0.75
0.85
A i M i
698.04
813.62
Finalmente, por iteracin llegamos con un = 0.828 que nos lleva a una A i M i
igual a 788.
Ahora a partir de las siguientes formulas se puede calcular la i,
i y Bi:
i = [(ni + 1) / (mi + 1)] (Mi)
i = (1 ) i
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 109
Bi = (i+1) - i
Los resultados se indican en la siguiente tabla (Tabla 9).
I
1
2
4
5
6
8
9
12
13
14
Por tanto, se concluye que el tamao poblacional correspondiente entre los das 2 y
14 es de 243 a 53 con un (tasa de sobrevivencia diaria) de 0.828.
Mtodo Schnabel (Schnabel, 1938)
Es una extensin del mtodo de Peterson, donde se toman hasta n muestras de
forma siguiente:
1.
2.
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 110
Mt = Ui
Por ejemplo, M 6 = U 1 + U 2 + U 3 + U 4 + U 5
Si hay muertos accidentales durante el manipuleo debemos restar estos de U t . A
medida que agregamos ms individuos en las muestras; nmeros de individuos con marcaje
se aumenta.
Existen dos mtodos relacionados con respecto al modelo Schnabel: Mtodos A y B.
1.
Mtodo A de Schnabel
Este mtodo utiliza una serie de muestras y obtiene una estimacin poblacional
como un medio ponderado de tipo Peterson:
= (C t M t )/R t
Si la fraccin de la poblacin total capturada en cada muestra C t / y la fraccin
de la poblacin total con marcaje M t /, son siempre <0.1, entonces, una mejor
estimacin sera:
= (C t M t )/(R t + 1)
La varianza y EE sern:
V (1/N) = R t / (C t M t )2
EE = V/ (1/N)
2.
Mtodo B de Schnabel
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 111
2.
Formula:
1/ t EE
EE = Error Estndar (EE (1/N) = V (1/N) /C t M t 2)
T = valor de la tabla t para (100 ) % lmite de IC
Se usa para Schnabel (Mtodo A) los grados de libertad igual a S 1. Los grados
de libertad para Schnabel (Mtodo B) = S 2, donde, S es la suma de nmero de las
muestras (Tabla 10).
Tabla 10. Captura-recaptura de un pez en un lago en Indiana, USA.
Fecha
T
Ct
Rt # marcados recientes Mt
menos muertos
Junio
2
10
0
10
0
Junio
3
27
0
27
10
Junio
4
17
0
17
37
Junio
5
7
0
7
54
Junio
6
1
0
1
61
Junio
7
5
0
5
62
Junio
8
6
2
4
67
Junio
9
15
1
14
71
Junio
10
9
5
4
85
Junio
11
18
5
13
89
Junio
12
16
4
10
102
Junio
13
5
2
3
112
Junio
14
7
2
4
115
Junio
15
19
3
119
Totales
162 24 119
984
De la Tabla 10 obtenemos:
CtMt = 10,740
(CtMt2) = 970,296
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 112
RtMt = 2,294
(Rt/Ct) = 7.7452
Estimacin por Schnabel: Mtodo A (datos de la Tabla 10)
= (CtMt)/Rt = 10,740 / 24 = 447.5
V (1/n ) = 24/10,740 = 2.0807*10-7
EE(1/N) = 2.0807*10-7 = .0004561
Se obtiene IC de la tabla Poisson.
Con R = 24: 95% de IC llegamos con:
14.921 lmite superior
34.665 lmite inferior.
Lmite inferior al 95% = (CtMt)/Rt = 10.740/34.665 = 309.8
Lmite superior al 95% = (CtMt)/Rt = 10.740/14.921 = 719.8
Concluimos que 95% de IC son casi 310 y 720 para datos de la Tabla 19.
Estimacin por Schnabel: Mtodo B (datos de la Tabla 10)
= (C t M2 1 )/R t M t )
= 970,296/2,294 = 423
V (1/) = (R t 2/C t ) [(R t M t )2/(C t M2 t )]/(S 2)
V (1/) = 7.7745 [(2,294)2/970,296]/(14 2) = 0.1934719
EE (1/) = V (1/ ) /(C t M2 t ) = 0.1934719/970,296 = .0004465364
Los IC de la ecuacin 1/ tEE: 1/423 (2.179)(0.0004465364)
Resultados:
0.0013912 = lmite superior
0 .0033372 = lmite inferior
Tomar recprocos: 95% de IC Para Schnabel Mtodo B:
1/0.0013912 = 718.8 = 719 = lmite superior
1/0.0033372 = 299.65 = 300 = lmite inferior
Estos datos son muy similares a los obtenidos por mtodo de Schnabel: Mtodo A.
Conclusin: La poblacin estimada es entre 300 y 719 individuos.
Otro ejemplo de Schnabel: Mtodo B
Datos de las capturas de la poblacin de una especie de rana (Tabla 11).
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 113
Tabla 11. Capturas de la poblacin de rana sobre 5 aos.
Muestra # capturados
(Ct)
1
2
3
4
5
0
18
31
47
36
2Rt = 132
32
54
37
60
41
32
36
6
13
5
0
32
68
74
87
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 114
2.
3.
4.
Rt
nt
54
146
169
209
220
209
250
176
172
127
123
120
142
54
143
164
202
214
207
243
175
169
126
120
120
----
rt
0
10
37
56
53
77
112
86
110
84
77
72
95
Da de ltimo marcaje
1
10
3
5
2
2
1
0
0
0
1
0
0
2
34
18
8
4
6
4
2
0
2
1
1
80
R2
3
33
13
8
5
0
4
1
3
3
0
70
R3
4
30
20
10
3
2
2
1
1
2
71
R4
5
43
34
14
11
3
0
1
3
109
R5
6
56
19
12
5
4
2
3
101
R6
7
46
28
17
8
7
2
108
R7
8
51
22
12
4
10
99
R8
9
34
16
11
9
70
R9
10
30
16
12
58
R 10
11
26
18
44
R 11
12
35
35
R 12
13
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 115
T
1
2
3
4
5
6
7
8
9
10
11
12
13
Da t 1"
1
10
3
5
2
2
1
0
0
0
1
0
0
14
Z2
2
37
23
10
6
7
4
2
0
3
1
1
57
Z3
3
56
23
14
12
4
6
1
4
6
1
71
Z4
4
53
34
22
7
8
3
7
5
3
89
Z5
5
77
56
21
19
6
7
6
6
121
Z6
6
112
40
31
11
11
8
9
110
Z7
7
86
59
28
19
15
11
132
Z8
8
110
50
31
19
21
121
Z9
9
84
47
30
30
107
Z 10
10
77
46
42
88
Z 11
11
72 12
60 95 13
60
Z 12
Debemos aclarar que no hay Z 1 y Z 13 , debido a que para Z 1 ningn individuo fue
marcado antes del da 1 y en caso de Z 13 ningn individuo fue recapturado despus del
da 13.
Pasos
Los pasos para el modelo de JollySeber son los siguientes:
1.
2.
3.
Los datos del campo estn tabulados en la Tabla 12 segn la fecha de la captura (o
da inicial del marcaje = t). Nmero de individuos liberados con marcaje ( t ), y
nmero de individuos que se recapturan por fecha (r t )
Para calcular los valores de R t , se suman los datos de cada columna de da de
ltimo marcaje, es decir, nmero de individuos que fueron recapturados, marcados
y liberados en la fecha t y fueron capturados posterior a la fecha t (Tabla 12).
No hay R 1 para la fecha inicial ni R 13 para la fecha final.
Estimar valores de Z t : nmero de individuos marcados antes de t, no recapturados
durante t sino despus de t. Se calculan los valores de Z t va sumar los
valores de cada fila para la fecha t de izquierda a la derecha (Tabla 12) y llegar
con un total acumulado que se coloca a la altura de la fecha t y de esta manera
para las fechas posteriores a la t (Tabla 13), y as formando las columnas de la
Tabla 13. Ahora se suman los datos de cada columna de la Tabla 13, con la
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 116
4.
5.
6.
7.
excepcin del primer dato superior de la columna, para de este modo llegar con los
valores de Z t , por ejemplo, Z 7 = 110.
Estimar M t : M t = ( t Z t /R t ) + r t , por ejemplo, M 7 = (243*110/108) + 112 = 359.5.
M t y otros parmetros poblacionales se presentan en la Tabla 3.
Estimar t : t = r t /n t , por ejemplo, t = 112/243 = 0.448.
Estimar t : t = M t / t , por ejemplo, N 7 = 359.5/0.448 = 802.5.
Estimar t : t = M t+1 /(M t r t + t ), por ejemplo, 7 = M 8 /(M 7 r 7 + 7 ) =
319.33/ 359.5 112 + 243 = 0.651.
Hay que tomar en cuente los siguientes dos puntos (a & b):
a.
b.
8.
9.
10.
t puede llegar ligeramente arriba del 1 pero si queda muy arriba del 1
hay error.
Si se pierden muchas marcas, se puede convertir la tasa de sobrevivencia t
a la tasa de peredida t (combinacin de mortalidad e emigracin) por
medio de t = 1 - t .
V (t) = ( t )2[{(M t+1 /(M t+1 r t+1 )( M t+1 /(M t+1 r t+1 + t+1 )/(M t+1 )2}{(1/R t+1 )(1/ t+1 ) t )} +
{(M t r t )/(M t r t + t )}{1/R t ) - (1/ t )} + {(1- t )/M t+1 }]
EE (t) = V (t)
En caso de la varianza y error estndar para el tiempo 2:
a. La varianza:
V (t/Nt) = t ( t - n t ){(M t r t + t )/M t (1/R t ) - (1/ t ) + (1 t )/r t }}
V (2/N2) = 2 ( 2 - n 2 ){(M 2 r 2 + 2 )/M 2 (1/R 2 ) - (1/ 2 ) + (1 1 )/r 2 }
V (2 /N2) = 511.2 (511.2-146){(35.0210 + 143)/35.02(1/80)-(1/143) + (1 0.06849)/10}
V (2 /N2) = 22,406.3161
b. El error estndar:
EE (t/Nt) = V (t /Nt)
EE (2/N2) = V (2 /N2) = 22,406.3161 150
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 117
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 118
IC para
Transformar la estimacin de t como sigue:
T 2 ( t ) = ln[(1 - 1 - A t t )/(1 + 1 - A t t )]
Donde,
A t = C t / (B t + C t )
B t =[(M t+1 -r t+1 )(M t+1 -r t+1 + t+1 +1)/(M t+1 )2][(1/(R t+1 +1)-1/( t+1 +1)]+[(M t rt+1)/
(M t r t + t +1)][(1/(R t +1)(1/( t +1)]
C t = 1/(M t+1 + 1)
Los lmites superior e inferior de 95% de LC para T 2 estn dados por:
T 2 L.I. = T 2 ( t ) 1.9 Var(T 2 t )
T 2L.S. = T 2 ( t ) + 2.1Var(T 2 t )
LC para t
[(1/A t )[1(-L)2/(1+L)2] < t < [1 (1U)2/(1+U)2]
Donde,
L = eT2L.I.
U = eT2L.S.
A t = C t / (B t + C t )
No hay IC para 1/.
Probar los supuestos del mtodo de Captura-recaptura
Segn Eberhardt (Eberhardt & Thomas, 1991) captura desigual se debe a los
siguientes factores.
1.
2.
3.
1.
2.
Intuicin del investigador es que en muchos vertebrados el acceso a las trampas esta
controlado por los rangos sociales de los organismos, es decir los individuos
subordinados y juveniles son los ltimos capturados (Boonstra & Krebs, 1978).
Forma estadstica (tcnicas estadsticas) en donde destacan los siguientes asuntos.
2a.
Cambios en tcnicas de captura.
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 119
2b.
2c.
3. Si: Chapman
3a.No:Altatasadesobrevivencia:
4. Si: Leslie
4a.No:Leslietal.
Figura 1. Secuencia de decisiones para seleccionar una prueba estadstica para captura igual.
De todos modos hay que recordar que la captura desigual es ms una regla que una
excepcin (Coughley, 1977).
Existe un diagrama de flujo para seleccionar el mtodo adecuado para toda captura
desigual (Figura 1).
Probar el supuesto siguiente
Todos los individuos tienen la misma probabilidad de la captura. Este supone que
cada individuo tiene una caracterstica llamada capturabilidad y que esta caracterstica no
est afectada por la historia previa de la captura del individuo.
Mtodo de Cormack (Cormack, 1966)
Cormack (Cormack, 1966) ofrece dos mtodos para las tcnicas de tipo Peterson.
Segn este autor debe haber tres ocasiones (tiempos) de muestreo y los individuos
deben estar marcados con diferentes tipos de marcas en estas dos ocasiones. En el mtodo 1
se usan diferentes tcnicas de muestreo para muestras 1, 2, y 3, y en el mtodo 2 se usan
similar equipos (tcnicas) de muestreo para tcnicas 1, 2 y 3.
Suponer:
n 1 = # de individuos capturados y marcados en tiempo1
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 120
m 10 = 94
m 12 = 19
m 13 = 12
m 123 = 75
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 121
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 122
Pasos
1.
M = fxX/fx
M = (184*1)+(55*2)+(14*3)+(4*4)+(4*5) / (184+55+14+4+4)= 1.4253
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 123
2.
M = m / (1 - e-m)
Seleccionar m = 1.3
M = m / (1-e-m) = 1.3/ (1 e-1.3) = 1.787
Nuestra estimacin (1.787) es muy alto, y despus de una serie de ensayos llegamos con m
= 0.7563
0. 7563 / (1- e-0.7563) = 1.42537
3.
Frecuencia esperada de individuos capturados una vez, es decir,
Para X = 1:
fe1 = fx(e-m/(1- e-m ) mX/X!) = 261 (e-.7563/(1- e-.7563)(.75631/1!) = 174.6
Para X = 2:
fe2 = fx(e-m/(1- e-m ) mX/X!) = 261 (e-.7563/1- e-.7563)(.75632/2!) = 66
Para X = 3:
fe3 = fx(e-m/(1- e-m ) mX/X!) = 261 (e-.7563/1- e-.7563)(.75633/3!) = 16.7
Hasta ahora de 261 liebres totales, hemos contabilizado 257.3, lo cual es la suma de
174.6, 66 y 16.72. Por tanto, el resto de poblacin tiene 3.7, es decir, 261 257.3 = 3.7
individuos.
4.
X2 = [(O-E)2/E] = 7.77, gl = 4 2 = 2 X2 tab. = 5.99
5.
Conclusin Ho se rechaza, es decir, no se puede usar el mtodo de captura-recaptura.
Mtodo de Chapman (Chapman, 1951)
Se usa el mtodo de Chapman cuando no hay reclutamiento (natalidad o
inmigracin) en la poblacin. El dato ms importante para este mtodo es el tiempo de la
primera captura de cada individuo marcado en una serie de muestras.
Definir
b ij = # de individuos capturados en muestreo j, marcados y capturados por vez primera en
la muestreo i
n i = # de todos los individuos capturados en muestreo i
Ui = # de individuos no marcados en muestreo i
S = # total de muestras tomadas
Ahora arreglamos las siguientes ecuaciones:
b 12 /U 1 n 2 b 13 /U 1 n 3 b 14 /U 1 n 4 b 1S /U 1 n s
b 23 /U 2 n 3 b 24 /U 2 n 4 b 2S /U 2 n s
....................................
b (s1) S / U (s1) n s
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 124
Notar
1.
2.
3.
4.
Definir
La estadstica del test (X) es:
X = D 1 + D 2 +....D (s-2)
Donde, D i = diferencia negativa en la la fila i
Valores significativos de X se encuentran en la tabla siguiente (Tabla 16)
Tabla 16. Valores criticos para prueba de captura igual de Chapman (1951)*.
Nmero de diferencias negativas X
0
1
2
3
4
5
6
7
0.0035
0.0590 0.3056 0.6944 0.9410 0.9965 1
1
5
0.0012 0.0172 0.1052 0.3392 0.6608 0.8948 0.9828
6
0.0001 0.0020 0.0166 0.0627 0.2010 7
0.0001 0.0009 0.0323 0.1103
8
*: S = # de muestras.
S
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 125
Tabla 17. Datos de de un roedor en Gales en invierno sin reproduccin*.
Tiempo de 1 captura
Tiempo de captura
(b ij )
1
2
3
4
5
6
1
2
3
4
5
193
# de marcados (Ui)
193
Total capturados (n i )
*: Datos de Leslie et al. (1953) de
ausencia de reproduccin.
14
8
7
4
2
5
4
2
1
3
2
4
14
7
12
25
29 38 34
21
39
42 52 56
47
un roedor en Gales durante el invierno en
2
0.00186
-
3
0.00099
0.00476
-
4
0.00070
0.00308
0.00199
-
5
0.00037
0.00143
0.00123
0.00658
-
6
0.00022
0.00085
0.00293
0.00392
0.00751
A lo largo de hileras (filas) restamos los elementos sucesivos y registrar solo los
signos positivos y negativos de las diferencias:
1 fila:
1er Elemento - 2 Elemento = 0.00186 0.00099 = + 0.00087
2 Elemento - 3 Elemento = 0.00099 0.00070 = + 0.00029
3 Elemento - 4 Elemento = 0.00070 - 0.00037 = + 0.00033
4 Elemento - 5 Elemento = 0.00037 - 0.00022 = + 0.00015
Registramos 4 positivas y cero negativas para 1 Fila, por tanto, D 1 = 0 diferencia negativa.
De este modo para otras filas, arrojamos los valores siguientes:
D 2 = 0: (3+, 0-)
D 3 = 1: (1+, 1-)
D 4 = 0: (1+, 0-)
No se puede obtener D5, porque solo hay un elemento en esta fila de # 5.
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 126
Por lo tanto,
X = de diferencias negativas = D 1 + D 2 + D 3 + D 4 = 0 + 0 +1 + 0 = 1.
Referir a la Tabla 1, vemos que para 6 muestras, la probabilidad es igual a 0.0012.
Esto se lea de manera siguiente: la probabilidad de obtener 1 signo negativo bajo Ho
cuando S = 6, es igual a 0.0012.
Resultado
La probabilidad de obtener una diferencia negativa es 0.0021 (bajo la hiptesis
nula) que es una probabilidad muy pequea, por tanto, Ho se rechaza a nivel de = 0.01.
Aplicacin
Individuos marcados y no marcados difieren en probabilidad de capturabilidad y
esto conlleva a un aumento de individuos no marcados en el invierno como si hubiera
ocurrido reproduccin o inmigracin.
Mtodo de Leslie (Leslie, 1952)
Hay que recordar los siguientes puntos:
1.
2.
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 127
m = g i / G
= 31 / 32 = 0.9687
X2 = fx(X - m)2 / {m (g i 2/g2)}
g i 2 = 72 + 72 + 62 + 42 + 72 = 199
={15(0.9687)2+7(1.9687)2++0(4-.9687)2}/{.9687(199/322)}=38.97/0.77436=50.32
gl = (32 1) = 31
X2 tab , 31 = 44.98
Se rechaza la hiptesis nula (Ho), es decir, no hay captura igual. Una desventaja del
modelo es que utiliza una fraccin pequea de los datos colectados.
Un ejemplo del mtodo de Leslie
Segn Manly (1992), se marcaron y liberaron una palomilla (Zigaema filipndula)
durante 5 das. Para la marca, ellos usaron un cdigo de pinturas sobre las alas de
palomillas de manera siguiente:
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 128
Da
gi
2
3
4
5 (4gw, 1gwbo)
8 (2gb, 5gbo, 1gwbo)
8 (2go, 5gbo, 1gwbo)
g i = 21
X
0
1
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 129
Definir
Z t = # de nuevo individuos en la poblacin con marcaje del tiempo t
Z t = S t - m t
m t = # de nuevo individuos marcado capturados en muestra t
S t = Total de individuos (con marca) liberados despus de t
S t = n t - muertos accidentales
n t = Suma de individuos capturados en tiempo t
U t = # de nuevos individuos no marcados capturados en muestra t
m rt = # de individuos marcados, capturados en t, ltima vez capturados en tiempo r
R t = # de S t individuos liberados en t y recapturados en muestras posteriores a t
Z t = # de individuos marcados antes de t, no capturados en t, pero s en muestras
posteriores a t
Z t = {(M t - m t + S t ) / t+1 } (S t / t ) + d t
Donde, d t = # de individuos capturados en t y que no fueron retornados a la poblacin
(debido a muertos accidentales)
M t = Poblacin marcada estimada justo antes de t
M t = [{(S t +1) Z t } / (R t +1)] + m t
N t = Poblacin estimada justo antes de t
Se obtienen las estimaciones siguientes y se construye una tabla de recapturas
(Tabla 22), y los parmetros poblacionales (Tabla 23).
Tabla 22. Datos de Microtus pennsylvanicus en el sur de Yukon, USA.
Fecha de ltima Tiempo de captura de muestras
captura
1
2
3
4
5
6
7
8
9
1
2
5
0 1
3
12 1
4
30 2
3
1
5
55 62 4
6
57 0
7
8
8
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 130
0
-
mt
Ut
nt
St
0
15
15
15
5
11
16
16
12
25
37
37
32
32
64
64
57
22
79
78
65
16
81
80
62
14
76
75
8
0
8
8
N
2
3
4
5
6
7
8
9
t
0
0.3529
0.3421
0.5077
0.7250
0.8049
0.8182
1
Mt
6.21
14.30
34.20
61.72
72.0
62.00
-
Z t
32.7
35.6
24.0
18.6
17.9
0.2
-
EE (Zt)
13.4
13.8
10.5
8.2
7.6
4.1
-
Daena: International Journal of Good Conscience. 7(1) 97-131. Marzo 2012. ISSN 1870-557X 131
Referencias
Badii, M.H. & J. Castillo. 2009. Muestreo Estadstico: Conceptos y Aplicaciones. UANL,
Monterrey, 225 pp.
Badii, M.H., A. Guillen, E. Cerna & J. Valenzuela. 2011. Nociones introductorias de muestreo
estadstico. Daena, 6(1): 89-105.
Bailey, N.T.J. 1951. On estimationg the size of mobile populations from capture data. Biometrika,
38: 293-306.
Boonstra, R. & C.J. Krebs. 1978. Pitfall trapping of Microtus townsendii. Ecology, 60: 567-573.
Chapman, D.G. 1951. Some properties of hypergeometric distribution with applications to zoological
sample censuses. University of California publ. Stat. 1(17): 131-160.
Cormack. R.M. 1966. A test of equal catchability. Biometrika, 22(2): 330-342.
Coughley, G. 1977. Analysis of Vertebrate Populations. Chichester, Wiley, N.Y.
Eberhardt, L.L. & J.M. Thomas. 1991. Designinig Environmental Field Studies. Ecolo. Mono. 61:
53-73.
Fisher, R.A. & E.B. Ford. 1947. The spread of a gene in natural populations in a colony of the moth
Panaxia dominula (L). Heredity, 1: 143-174.
Jackson, C.H.N. 1933. On a method of marking testse flies. J. Anim. Ecol. 2: 204-209.
Jackson, C.H.N. 1937. Some new methods en the study of Glossina morsitans. J. Anim. Ecol. 2:
289-290.
Jolly, G.M. 1965. Explicit estimates from captur-recapture data with both death and immigrationstochastic model. Biomtrica, 52: 225-247.
Leslie, P.H. 1952. The estimation of population parameters from data obtained by means of capturerecapture method: II. The estimation of total numbers. Biometrika. 38(3/4): 368-388.
Leslie, P.H., D. Chitty & H. Chitty. 1953. The estimation of population parameters from data
obtained by means of capture-recapture method: II. An example of practical application of
the method. Biometrika, 40(1/2): 137-169.
Lincoln, F.C. 1930. Calculating waterfowl abundance on the basis of banding returns. U.S.D.A. Circ.
118: 1-4.
Manly, B.F.J. 1971. A simulation study of Jollys method for analysing capture-recapture data.
Biometrica, 27(2): 415-524.
Manly, B.F.J. 1992. The Design and Analysis of Research Studies. Cambridge, CUP.
Manly, B.F.J. & M.J. Parr. 1968. A new method of estimating population size, survivorship, and
birth rate from capture-recapture data. Trans. Soc. Br. Entomol. 189: 81-89.
Robson, D.S. & H.A. Regier. 1964. Sample size in Peterson mark-recapture experiments. Trans. Am.
Fish. Soc. 93: 215-216.
Schnabel, Z.E. 1938. The estimation of the total fish population of a lake. Amer. Math. Mon. 45(6):
348-352.
Seber, G.A.F. 1982. The Estimation of Animal Abundanceand Related Parameters. Macmillan, N.Y.
White, G.C., D.R. Anderson, K.P. Burnham & D.L. Otis. 1982. Capture-Recapture and Removal
Methods for Sampling Closed Populations. Los Alamos National Laboratory. Los Alamos,
N.M.