Question

ejemplo de la diferentes formas de distribución espacial especie vegetal ​

Answer 1

Respuesta:

Existe un gran número de modelos sencillos propuestos por varios autores para

determinar el tipo de dispersión espacial de las poblaciones; éstos métodos han sido

utilizados en manejo integral de plagas (Binns & Nyrop, 1992, Badii et al., 1995, 1996b),

en agricultura para las plagas insectiles (Badii & Moreno, 1992, Badii & Ortiz, 1992),

ácaros plaga (Badii et al., 1994a, 1994b, Badii et al., 1996a,1998), los depredadores (Badii

& Flores, 1990, Badii & McMurtry, 1990), aquí se citan algunos de los modelos de uso más

común en la literatura.

Índice de razón varianza-media

Esta prueba está basada en la igualdad entre la variaza y la media. La razón

varianza-media o índice de dispersión (I = v/m) se aproxima a la unidad cuando la

distribución es Poisson. Este índice frecuentemente se desvía de la unidad y la significancia

de esta desviación se estima vía una prueba de X2

= (v/m) (n-1). Valores de I menor, igual o

mayor de la unidad indican patrones de dispersión de tipo uniforme, Poisson o agregada,

respectivamente. El parámetro de la dispersión o la K de binomial negativa se estima por

medio de K = m

2

/ (v – m), y de aquí se despeja la v de forma siguiente: v = m

2

/ (K + m).

Ahora bien la relación entre la K y el I es la siguiente: I = v/m = [m

2

/ (K + m)] / m = m/K

+1. Puesto que P = m/K, por tanto, I = P +1.

Índice de David & Moore

El índice de David & Moore (1954) se mide por: ID&M = (v/m) - 1. Valores de ID&M

menor, igual o mayor de cero indican patrones de dispersión de tipo uniforme, Poisson o

agregada, respectivamente. En término de la relación con el parámetro de dispersión de

binomial negativa o K, y en base a lo descrito arriba, ID&M = p + 1 – 1 = p, en otras palabras,

(ID&M = m/K). Se utiliza el índica de David & Moore en dos casos siguientes:

1. Para comparar el grado de agregación entre dos poblaciones o para la misma

población en dos localidades o tiempos distintos. Para esto hay que calcular las I1 & I2

según la ecuación ID&M = (v/m) -1. Luego realizar una prueba de significancia para cada uno

de estas dos índices para comprobar el grado de concordancia o diferencia entre las 2

índices.

Prueba de significancia: W = - ½ ln (v1/m1 / v2/m2)

Explicación:

Razonamiento

Un factor de mortalidad de tipo DI (denso-independiente) no altera el grado de

agregación de una población cuya distribución es de tipo agregada y lo cual esta descrita via

el modelo de binomial negativa (BN), esto significa que el valor del parámetro de

dispersión de BN (K) debe quedar igual para la población inicial (antes del impacto de

factor de mortalidad) y la población final, es decir, después del efecto de factor de

mortalidad. Por el contrario, un factor de mortalidad de tipo DDD (directamente denso-

dependiente) que apoya al balance natural, reduce el grado de contagio de una distribución

agragada. Por tanto, vamos a comparar el ID&M (y la ´K´ a partir de ID&M: K=m/ID&M) y la K

de BN calculada por el tercer método del modelo de binomial negativa para este propósito

según el ejemplo siguiente (Tabla 11).

Los datos (Tabla 11) indican que el factor de mortalidad destruye el 50% de la

población (∑ fiX = 610 versus ∑ ffX = 305.02) y de hecho reduce la media poblacional y

también el valor de ID&M a la mitad (3.05 vs 1.525, y 0.557 vs 0.278).

Tabla 11. Uso de K a partir de ID&M y la K de BN.

X fi ff

0 40 63.59

1 30 44.06

2 10 40.78

3 20 31.88

4 30 15.16

5 40 4.06

6 30 0.47

∑ fi = 200 ∑ ff = 200

∑ fiX = 610 ∑ ffX = 305.02

Media (m) m1 = 3.05 m2 = 1.525

Varianza (v) V1 = 4.7475 V2 = 1.9494

ID&M =(v/m) -1 (4.7575/3.05)-1=0.557 (1.9494/1.525) - 1 = 0.278

K=m/ID&M 3.05 / 0.557 = 5.4757 1.525 / 0.278 = 5.4856

K: 3

er método 2.912 4.224

X = clase

fi

= frecuencia inicial de la población

ff

= frecuencia final después del impacto del factor de mortalidad