Uso de Stata para analizar la frecuencia de tallas en el ciclo de vida de una araña de desierto...
-
Upload
demetrio-rogel -
Category
Documents
-
view
223 -
download
0
Transcript of Uso de Stata para analizar la frecuencia de tallas en el ciclo de vida de una araña de desierto...
Uso de Stata para analizar la frecuencia de tallas en el ciclo de vida de una araña
de desierto mexicana
Using Stata to analyze size frequency in the life cycle of a Mexican desert spider
Irma Gisela Nieto CastañedaIrma Gisela Nieto Castañeda
María Luisa Jiménez María Luisa Jiménez Isaías H. Salgado UgarteIsaías H. Salgado Ugarte
__Depredadores exitosos en los desierto __Depredadores exitosos en los desierto __Adaptación, evasión condiciones extremas__Adaptación, evasión condiciones extremas____ Se alimentan de cualquier animal que Se alimentan de cualquier animal que puedan cazarpuedan cazar
Syspira Syspira Simon, 1885Simon, 1885
• Exclusivas de Baja California
• Habitantes del suelo, nocturnas, vagas
• ≈ 50% BCS• Dieta roedores• Primera vez
utilizadas en estudios ecológicos
Syspira tigrina Simon, 1885
Estructura de tallas en la historia de vida
Ciclos de vida
• Patrones – desarrollo y reproducción
• Propia de cada especie
• Indispensable para entender procesos biológicos
• Métodos directos
• Métodos indirectos
EDKs
• Valores extraordinarios
• Sesgo• Multimodalidad
• Hay un ancho de banda para cada distribución
• Se pueden caracterizar los grupos de tallas
Objetivo• Describir las historias de vida de la especie de
estudio, que presenta estructura de tallas con distribución mezclada
Hipótesis• El uso de los estimadores de densidad por
kernel (EDKs) al ser un método eficiente para analizar distribuciones de datos, dará un mejor panorama de la historia de vida de la especie en estudio en cuanto a la frecuencia de sus tamaños
Recolecta de arañas
(estacionales / un año)
Trampas de caída
Transectos lineares (10 metros entre trampas)
Preservar en etanol al 70% y etiquetar
Método
Laboratorio
Limpieza
Separación
Identificación
Medir LTI
Juli
oA
go
sto
Oct
ub
reN
ovi
em
bre
Dic
iem
bre
En
ero
Feb
rero
Mar
zoA
bri
lM
ayo
Jun
ioJu
lio
Ab
un
dan
cia
Rel
ativ
a H
0
2
4
6
8
10
12
14
16
Ab
un
dac
ia R
elat
iva
M
0
5
10
15
20
25
30
35
Hembras Machos
Syspira tigrina
Juli
oA
go
sto
Oct
ub
reN
ovi
em
bre
Dic
iem
bre
En
ero
Feb
rero
Mar
zoA
bri
lM
ayo
Jun
ioJu
lio
Ab
un
dan
cia
Rel
ativ
a J
40
60
80
100
Ab
un
dac
ia R
elat
iva
PH
y P
M
0
2
4
6
8
10
12
14
16
JuvenilesPrehembrasPremachos
Juli
oA
go
sto
Oct
ub
reN
ovi
em
bre
Dic
iem
bre
En
ero
Feb
rero
Mar
zoA
bri
lM
ayo
Jun
ioJu
lio
Ab
un
dan
cia
Rel
ativ
a H
0
5
10
15
20
25
Ab
un
dac
ia R
elat
iva
M
0
5
10
15
20
25
30
35
Syspira longipes
Juli
oA
go
sto
Oct
ub
reN
ovi
em
bre
Dic
iem
bre
En
ero
Feb
rero
Mar
zoA
bri
lM
ayo
Jun
ioJu
lio
Ab
un
dan
cia
Rel
ativ
a J
40
60
80
100
Ab
un
dac
ia R
elat
iva
PH
y P
M
0
10
20
30
40
50
• La elección del ancho de banda se realizó por el método de Bootstrap suavizado de Silverman
• bandw (referencia de banda sobresuavizada y “optima”)
• critiband (localiza bandas críticas)
• silvtest (prueba de Silverman)
. bandw t
critiband t, bwh(0.192) bwl(.1260) st(.0001)m(40) nog...
Estimation number = 12 Bandwidth = .1909 Number of modes = 1
Estimation number = 13 Bandwidth = .1908 Number of modes = 1
Estimation number = 14 Bandwidth = .1907 Number of modes = 1
…
Estimation number = 21 Bandwidth = .129 Number of modes = 3
Estimation number = 22 Bandwidth = .1289 Number of modes = 3
Estimation number = 25 Bandwidth = .128 Number of modes = 3
Estimation number = 26 Bandwidth = .1279 Number of modes = 2
Estimation number = 27 Bandwidth = .1278 Number of modes = 2
Estimation number = 28 Bandwidth = .1277 Number of modes = 2
Estimation number = 29 Bandwidth = .1276 Number of modes = 3
Estimation number = 26 Bandwidth = .1275 Number of modes = 3
mid
frec sumgau
-.4127 3.21906
0
11.1073
Estadio Juveniles
FechaComponenteGaussiano
Amplitud del componente
MediaDesviación estándar
Tamaño delcomponente
26 Julio 2005 1 11-23 0.7710 0.2530 22
2 21-27 1.6270 0.4041 58
3 40-43 2.2967 0.1752 1
27 Agosto 2005 1 8-14 0.5874 0.2862 31
2 20-27 1.5863 0.4425 20
4 Octubre 2005 1 5-14 0.6051 0.1618 36
2 17-21 0.9644 0.1787 15
3 31-35 1.5241 0.3452 10
4 38-42 1.9755 0.1846 2
6 Noviembre 2005 1 10-17 0.6228 0.2343 78
2 27-33 1.8053 0.2804 9
Resumen de componentes gaussianos
EDK + histograma
Conclusiones
•Se recomienda analizar grupos de tallas en vez de estadios de desarrollo, ya que no siempre existe una relación directa entre la talla del organismo y su edad. Definir un grupo de organismos dentro del mismo grupo de talla, nos habla de que tienen requerimientos del nicho similares.
• En este sentido, los EDKs son estimadores apropiados de grupos de talla, ya que representan con mayor precisión los grupos de cualquier organismo; particularmente son útiles en organismos con distribuciones de frecuencias mezcladas como S. tigrina.
Agradecimientos
• CONACyT• Miguel Correa y Carlos Palacios apoyo en
campo• Comité tutorial
– Dra. Maria Luisa Jimenez– Dra. Carmen Blázquez – Dr. Guillermo Ibarra– Dr. Yann Henaut– Dr. Frederick A. Coyle