Métodos para el análisis de datos: una aplicación para resultados ...

Mét

odos

par

a el

aná

lisis

de

dato

s: u

na a

plic

ació

n p

ara

resu

ltado

s pr

oven

ient

es d

e ca

ract

eriz

acio

nes

de b

iodi

vers

idad

Venado coliblanco del Parque Nacional Natural Chingaza (Odocoileus virginianus).

187INSTITUTO DE INVESTIGACIÓN DE RECURSOS BIOLÓGICOS ALEXANDER VON HUMBOLDT

Misión: promover, coordinar y realizar investigación que contribuya a la conservación y uso sostenible de la biodiversidad en Colombia

Métodos para el análisis de datos: una aplicación para resultados provenientes de caracterizaciones de biodiversidad

La estrategia de estudio de la biodiversidad del presente manual, involucra inventariosintensivos de múltiples taxa relativamente bien conocidos a nivel taxonómico y con abun-dante información disponible sobre su historia natural. El análisis y síntesis de la informa-ción obtenida de estos inventarios, debe permitir mostrar una fotografía de la biodiversidadlo más clara y precisa posible. Pero debemos tener en cuenta que corresponde a una solafotografía en un momento específico en el tiempo.

El propósito de este capítulo es proporcionar algunas pautas básicas para el análisis de lainformación de los inventarios, por ello se considera: primero, un contexto general paraanalizar la información; segundo, formas de analizar los datos considerando índices parala medición de la diversidad Alfa, Beta y Gamma; tercero, cómo evaluar la información delos inventarios por medio de curvas de acumulación de especies; y cuarto, la forma derealizar listas depuradas de las bases de datos mediante el uso del programa Excel®.

7. Métodos para el análisis de datos: una aplicaciónpara resultados provenientes de caracterizaciones

de biodiversidad

7.1 Contexto general del análisis de la información

· La escala de trabajo y el análisis

Para estudiar la biodiversidad se puedeconsiderar y separar en diferentes nivelespara obtener información más allá de sólolistados de especies. Algunos de estos ni-veles ya se han definido en esta guía y selos debe asociar a las escalas de trabajodefinidas por nuestro objetivo, es decir,es preciso definir qué es local y regionalpara asociar a éstos las medidas de ladiversidad alfa, beta y gamma.

La diversidad alfa es la riqueza de espe-cies de una comunidad determinada y quese considera homogénea, por lo tanto esa un nivel “local”. Una comunidad es de-pendiente de los objetivos y escala de tra-bajo. En nuestro caso, se propone quesea a nivel de una “unidad de paisaje”(ver definición en el Capítulo 3); sin em-bargo, podría ser tipo de bosque (p.e.bosques de robledales, mixtos, de galería,etc.), tipo de formación vegetal (páramo,bosque andino, subandino, etc.) o tipo

de asociación vegetal (ver las descripcio-nes dadas por Rangel y Velásquez 1997).

La diversidad beta es la medida del gra-do de cambio o reemplazo en la compo-sición de especies entre las comunidadesque se encuentran en un área mayor. Sepropone que se obtenga a partir de com-paraciones entre pares de unidades depaisaje; sin embargo, esto depende de loque se haya definido como comunidad.

Finalmente, la diversidad gamma es la ri-queza total de especies existente en unárea mayor, que podría ser nuestra áreade estudio. De acuerdo con nuestra pro-puesta, se definiría como la sumatoria dela diversidad alfa encontrada en todas lasunidades de paisaje en nuestra área deestudio. Este nivel de diversidad tambiénpuede ser un promedio de la riqueza alfao una relación entre la riqueza total y elpromedio de la diversidad beta.

188INSTITUTO DE INVESTIGACIÓN DE RECURSOS BIOLÓGICOS ALEXANDER VON HUMBOLDTMisión: promover, coordinar y realizar investigación que contribuya a la conservación y uso sostenible de la biodiversidad en Colombia

Manual de métodos para el desarrollo de inventarios de biodiversidad

· La naturaleza de los datos y el análisis

ción geográfica de las especies. Esto esvital al momento de generar recomenda-ciones para el uso de la biodiversidad.

En este contexto, los datos de cada gru-po deben interpretarse de manera dife-rencial, considerando que los análisisrealizados son complementarios. En nues-tro caso, todos los grupos suministran in-formación de la riqueza, y algunos pue-den tener mayor fortaleza al evaluar dife-rentes aspectos tales como recambio deespecies, en muestreos de Rubiaceae yMelastomataceae; estructura del bosque,en muestreos de plantas leñosas; nivelesde amenaza, en los de aves; y estado deconservación, en los de insectos.

Adicional a todo lo anterior, los datoscontienen información referente a la téc-nica de muestreo (como el número de re-peticiones, de lo que en este manual setrata como unidad de muestreo, variablerespuesta, tipo de unidad, etc.), que de-terminan el tipo de programas que pue-de aplicarse y el análisis de la efectividaddel muestreo. En general, técnicas queconsideran muchas repeticiones (de lasunidades de muestreo), dan mayor rigu-rosidad al momento de aplicar cualquierherramienta estadística.

La unidad de muestreo es muy importan-te para realizar análisis estadísticos y cur-vas de acumulación de especies, por loque convine tenerla bien definida. En al-gunos métodos, la unidad (de acuerdocon la definición dada en el Capítulo 1)está claramente definida, como por ejem-plo en plantas. Pero en aves, en donde elmétodo es a través de la captura o regis-tro de las especies como un proceso decaza, que en muchos casos depende dela experiencia del investigador, la unidadde muestreo es difícil de definir. Esto sedebe a que la unidad tiene el objetivo demedir de igual forma un atributo y si estamedida es subjetiva deja de ser útil. Eneste grupo se define un esfuerzo prome-dio que se debe aplicar en campo y la

La forma de analizar los datos depende decómo éstos se obtienen y de su naturaleza.

Cada grupo y técnica de muestro tieneparticularidades para generar datos detres tipos: de composición, geográficos yestructurales. Los datos de composicióncorresponden a los nombres de las espe-cies, es decir, la información taxonómica;los geográficos corresponden a toda lainformación de localización; y los estruc-turales comprenden toda la informaciónde un atributo poblacional, como abun-dancia (densidad o frecuencia de apari-ción), cobertura (área basal), datosmorfométricos (como en aves), de gre-mios (hábitos de crecimiento en plantas,grupos funcionales en insectos) y biomasa.

Dependiendo del tipo de datos estructu-rales (si se maneja número de individuoso datos de frecuencia de aparición) sepueden realizar diferentes análisis comose describe en el numeral 7.2. Igualmen-te, se deben aprovechar de forma com-plementaria los análisis específicos decada grupo. Por ejemplo, en plantas le-ñosas se utilizan las abundancias, la altu-ra de los individuos y el área basal paragraficar clases diamétricas o de altura, quenos permiten saber si en el sitio estudia-do el bosque es intervenido o prístino; eninsectos, el porcentaje de especies porgremio o grupo funcional (rodadores,cavadores en escarabajos; predadores,generalistas, en hormigas) el cual es útilal momento de definir un posible desequi-libro en la comunidad de insectos por dis-turbios antrópicos.

Por otro lado, algunos grupos cuentan coninformación adicional recogida de la li-teratura y que le dan valor agregado alos datos. Un ejemplo importante es lainformación de aves, cuyas listas de es-pecies siempre se asocian a informaciónproveniente de bases de datos, como lade Parker et al. (1996), en la cual se do-cumenta la capacidad de soportar distur-bios humanos y los rangos de distribu-




unidad de muestreo se determina poste-riormente una vez se obtienen los datos.Para aves se ha definido que la unidad

de muestreo son grupos de 20 registros yla forma de obtenerlas se documenta enel Capítulo 5.

7.2 Tratamiento de los datos: cómo estimar la diversidad alfa,beta y gamma

Para evaluar la diversidad en sus diferen-tes componentes y niveles o escalas, sepueden utilizar índices que finalmenteayudan a resumir información en un solovalor y permiten unificar cantidades pararealizar comparaciones. Sin embargo,para la aplicación de índices es necesa-rio conocer los supuestos en los que es-tán enmarcados para que la informacióngenerada a través de éstos pueda ser uti-lizada para interpretar correctamente elcomportamiento de la biodiversidad.

En este capítulo, se presentan los dife-rentes métodos para cuantificar la diver-sidad alfa, beta y gamma, basados prin-cipalmente en el trabajo realizado porMoreno (2000), y que buscan simplemen-te dar algunas pautas de qué índices ométodos aplicar de acuerdo con la natu-raleza de los datos. Si usted desea obte-ner información detallada de cada índicepuede consultar el texto citado o aMagurran, 1988 o Hawksworth, 1995,entre otros. Adicionalmente, en el Anexo7.1 se presentan las fórmulas específicasde algunos de estos índices.

7.2.1. Índices para medir la diversidad alfa

Existen varios índices para medir la diver-sidad alfa, cada uno ligado a el tipo deinformación que se desea analizar, esdecir, que algunas de los variables res-puesta tienen maneras diferentes de ana-lizarse. Si las dos variables respuesta quese están analizando son número de es-pecies (riqueza específica) y datos estruc-turales (por ejemplo abundancias), cadauno de ellos se podrá analizardiferencialmente para obtener más infor-mación complementaria.

Existen varios métodos para cuantificar ladiversidad a nivel local o alfa:

· De la riqueza específica (núme-ro de especies)

Índices directos. La forma más simple decuantificar la diversidad alfa.

Riqueza de especies: número de es-pecies por sitio de muestreo.

· La organización de los datos y el análisis

Las bases de datos son las tablas que con-tienen los datos originales, tal como seobtuvieron en campo, pero están organi-zados. Una base de datos bienestructurada y con un sistema demetadatos, agiliza el análisis de la infor-mación y garantiza su posterior uso oreinterpretación. Con una base de datoscomo se muestra en cada grupo biológi-co e información en los anexos 7.2 y 7.3de este capítulo, rápidamente se puedenhacer listas depuradas de especies, ma-trices para realizar curvas de acumulación

o para correr cualquier aplicación deprogramas estadísticos que tengamos adisposición.

Las aplicaciones y programas para al-macenar y manejar datos dependen desu disponibilidad en nuestro entorno la-boral y académico. Lo ideal es contarcon una aplicación de bases de datosrelacionales en Access®, sin embargo,Excel® es un programa básico con elcual podemos manipular un conjunto dedatos de forma conveniente.



Margalef: relaciona el número de es-pecies de acuerdo con número totalde individuos.

Rarefacción: se utiliza en caso de te-ner muestras de tamaño desigual. Si sedesea compararlas, este método cal-cula el número esperado de especiesde cada muestra al reducirlas a un ta-maño igual para todas, es decir, redu-ce el tamaño de la muestra mayor paraequipararla con la muestra menor.

Coleman (Cole en el programa Stimates):estima la riqueza de especies pormuestra del total de especies.

Michaelis-Menten (MMmeans y MMRunsen el programa Stimates): estima la ri-queza de especies por muestra deltotal de especies.

Curvas de acumulación de especies. Seutiliza para estimar el número de espe-cies esperadas a partir de un muestreo.Muestra cómo el número de especies seva acumulando en función del númeroacumulado de muestras. Es útil al momen-to de tener un problema de submuestreo,pues los valores extrapolados o la rique-za esperada se puede utilizar como unamedida de la diversidad alfa.

Modelos lineales: Cuando se asumeun tipo de distribución estadística/ma-temática conocida.

Logarítmico. A medida que la lista deespecies crece, la probabilidad de aña-dir una nueva disminuye de manera pro-porcional con el tamaño actual de lalista hasta que se llega a cero. Es utili-zada cuando los muestreos son en áreaspequeñas y eventualmente todas las es-pecies se van a registrar.

Exponencial. A medida que la lista deespecies crece, la probabilidad de aña-dir una especie disminuye de formaexponencial. Se utiliza cuando la re-gión o área estudiada es muy grandeo los grupos poco conocidos; hacien-do que la probabilidad de encontraruna nueva especie nunca sea cero.

De Clench. La probabilidad de encon-trar una nueva especie aumentará has-ta un máximo entre más tiempo se es-tudie en campo. Es recomendable uti-lizarlo cuando la intensidad de losmuestreos cambia en el tiempo y de-seamos conocer qué esfuerzo en tiem-po mínimo necesitamos para obtenerun número aceptable de especies.

Métodos no paramétricos: se utilizancuando no se asume una distribuciónestadística conocida o no se ajustan aningún modelo determinado. Se em-plean generalmente cuando no tene-mos datos del número de individuos,ya que no hay manera de conocercómo se comporta la distribución deindividuos por especie.

CHAO 2 (CHAO2 en el programaStimates): estima el número de espe-cies esperadas considerando la rela-ción entre el número de especies úni-cas (que sólo aparecen en una mues-tra) y el número de especies duplica-das (que aparecen compartidas en dosmuestras).

Jacknife (Jack 1 y 2 en el programaStimates). Estima el número de especiesesperadas: considera el número de es-pecies que solamente ocurren en unamuestra o/además de las que ocurrensolamente en dos muestras.

Bootstrap (Bootstrap en el programaStimates). Estima la riqueza de espe-cies a partir de la proporción de mues-tras que contienen a cada especie.

· De la estructura de lascomunidades (especies enrelación con su abundancia)

Índices de abundancia proporcional

Índices de dominancia: Tienen encuenta las especies que están mejorrepresentadas (dominan) sin tener encuenta las demás.

Simpson. Muestra la probabilidad deque dos individuos sacados al azar deuna muestra correspondan a la mis-ma especie.




Serie de Hill. Es una medida del nú-mero de especies cuando cada unaes ponderada por su abundancia re-lativa, a medida que aumenta el nú-mero de especies, las más raras sevuelven menos importantes.

Índices de equidad. Tienen en cuentala abundancia de cada especie y quétan uniformemente se encuentran dis-tribuidas.

Shannon-Wiener. Asume que todas lasespecies están representadas en lasmuestras; indica qué tan uniformesestán representadas las especies (enabundancia) teniendo en cuenta todaslas especies muestreadas.

Pielou. Con base en los valores de di-versidad del índice de Shannon-Weiner,expresa la equidad como la proporciónde la diversidad observada en relacióncon la máxima diversidad esperada.

Brillouin. Asume que toda la poblaciónha sido muestreada; predice cómo es-tán representadas las especies con baseen la relación entre el número total deindividuos de todas las especies y elnúmero de individuos de cada especie.

Modelos paramétricos: modelos ma-temáticos que describen de forma grá-fica la relación entre la abundancia ylas especies ordenadas en categoríasde la más a la menos abundante. Co-rresponden a las gráficas conocidascomo de Diversidad-Dominancia.

Series geométricas. Asume una pro-porcionalidad constante entre lasabundancias y las especies, de formatal que la serie se observa como unalínea recta en escala logarítmica.

Series logarítmicas. Asume que hayun número pequeño de especies abun-dantes y una gran proporción de es-pecies poco abundantes, lo que de-

termina que las curvas sean como unajota invertida.

Distribución Log-Normal. Expresa larelación de individuos por especie; alorganizar los rangos de abundanciade menor a mayor y graficarlos, la cur-va se comportará como una distribu-ción log normal.

Modelo de vara quebrada. Asume quelas especies se organizan en clases deabundancias definidas y estas clasesse pueden organizar para mostrarcómo está la comunidad.

Modelos no paramétricos

CHAO1 (CHAO1 en el programaStimates). Estima el número de espe-cies esperadas considerando la rela-ción entre el número de especies re-presentadas por un individuo(singletons) y el número de especiesrepresentadas por dos individuos enlas muestras (doubletons).

Uno de los grandes problemas de medir ladiversidad a través de la riqueza específi-ca, a pesar de ser la forma más sencilla deevaluar la diversidad de un lugar, es que elnúmero de especies está fuertementeinfluenciado por el tamaño de la muestra.Es muy posible que si se aumenta el esfuer-zo de muestreo, se obtenga un mayor nú-mero de especies, por lo que es difícil com-parar muestras de diferentes tamaños o es-fuerzos de muestreo.

Sin embargo, una forma de evaluar la di-versidad alfa a partir de inventarios con di-ferentes esfuerzos de muestreo, es a travésde curvas de acumulación, en los cualesse puede estimar el número de especiesesperadas para un tamaño de muestradeterminado. En este capítulo se presen-tan varios índices o estimadores para ob-tener valores esperados de la riqueza y laforma de realizar curvas de acumulación.

7.2.2 Índices para medir la diversidad beta

El grado de recambio de especies (di-versidad beta), ha sido evaluado prin-

cipalmente teniendo en cuenta propor-ciones o diferencias. Las proporciones



pueden evaluarse con ayuda de índi-ces, así como de coeficientes que nosindican qué tan similares/disímiles sondos comunidades o muestras. Muchasde estas similitudes y diferencias tam-bién se pueden expresar o visualizar pormedio de distancias. Estas similitudeso diferencias pueden ser tanto de ín-dole cualitativa (utilizando datos de pre-sencia-ausencia) como de caráctercuantitativo (utilizando datos de abun-dancia proporcional de cada especie ogrupo de estudio; por ejemplo: núme-ro de individuos, biomasa, densidadrelativa, cobertura, etc.).

Los métodos para cuantificar la diversi-dad beta se pueden dividir en dos cla-ses: de similitud-disimilitud y los de re-cambio/reemplazo de especies. Los di-ferentes índices considerados en losmétodos, se deben aplicar dependien-do de cómo son los datos (cualitativos/cuantitativos), y cuál es la relación en-tre las muestras, qué implica, cómo es-tán organizadas y cómo se han obteni-do, de acuerdo con la pregunta de in-terés.

La diversidad beta también se puedeanalizar a través de métodos de clasifi-cación o de ordenación, los cuales sebasan en análisis de matrices ya sea apartir de datos cualitativos o cuantitati-vos, en los que las muestras pueden serlas diferentes comunidades y se orde-nan según las especies encontradas encada una de ellas (aquí se incluyen losclásicos dendrogramas y análisis deagrupamiento).

Por lo tanto la diversidad beta o recam-bio/reemplazo de especies entre comu-nidades se puede analizar mediante:

Diversidad beta

Similitud o disimilitud. Expresa el gradode semejanza en composición de espe-cies y sus abundancias en dos muestras(comunidades).

Métodos cualitativos. Expresan la se-mejanza entre dos muestras sólo con-siderando la composición de especies.

Índice de Jaccard. Relaciona el núme-ro de especies compartidas con el nú-mero total de especies exclusivas.

Índice de Sorensen. Relaciona el nú-mero de especies compartidas conla media aritmética de las especiesde ambos sitios.

Métodos cuantitativos. Expresan la se-mejanza entre dos muestras conside-rando la composición de especies ysus abundancias.

Índice de Sorensen cuantitativo. Re-laciona la abundancia de las especiescompartidas con la abundancia totalen las dos muestras.

Índice de Morisita-Horn. Relaciona lasabundancias específicas con las abun-dancias relativas y total. Es altamentesensible a la abundancia de las espe-cies abundantes.

Métodos de ordenación y clasificación.Organiza a partir de matrices la se-mejanza en composición o estructurade varias muestras (comunidades).Estas ordenaciones o semejanzas sepueden representar a través dedendrogramas o formas visuales deagrupamiento, muchas de las cualesutilizan diferentes tipos de distancias:índices de similitud, correlaciones, des-viaciones, residuales, etc. A través deestos métodos también se puede eva-luar la diversidad gamma.

Recambio/reemplazo de especies.Expresa el grado de cómo se comple-menta la composición entre dos o va-rias muestras considerando las especiesexclusivas en relación con el númeropromedio o total. Se basan en datos decomposición de especies.

Varios índices (Whittaker, Cody,Magurran). A partir de la presencia-ausencia de las especies en un con-




junto de muestras, contrasta el prome-dio del número de especies por mues-tra versus el número total de especies.También muestran el número de espe-cies que se pierden o se ganan a me-dida que se comparan muestras.

Complementariedad. Expresa qué tan-to se complementan dos muestras con-siderando el número de especies exclu-sivas de cada muestra y el número totalde especies si unimos las dos muestras.

7.2.3 Medición de la diversidad gamma

La diversidad gamma se ha consideradocomo la riqueza de especies dentro de va-rias unidades del paisaje, o entre varios ti-pos de coberturas o hábitats (conjunto decomunidades), y es el resultante de la di-versidad de cada una de las comunidades(diversidad alfa), así como del grado dediferenciación que se ha desarrollado en-tre ellas (diversidad beta). Por lo tanto, tam-bién es una visión de integración de la in-formación biológica, teniendo como mar-co la escala de trabajo planteada.

La diversidad gamma o de la riqueza re-gional de especies teniendo varias comu-nidades se puede analizar mediante:

Diversidad gamma - De la riquezaregional

Listado regional de especies yriqueza total

Índice gamma (Schluter y Ricklefs1993). Este índice se define como el

producto de la diversidad alfa prome-dio, la diversidad beta promedio y ladimensión de la muestra que se consi-dera como el número total de comu-nidades.

Recapitulando la información anterior,existen diferentes métodos e índices delo que se denomina estadís t icaecológica que podemos utilizar paraanalizar nuestros datos. En general noexiste una norma clara para escoger lamejor forma de análisis, ya que este de-pende de la pregunta, los métodos uti-lizados, las escalas o niveles de diver-sidad considerados, así como del gru-po biológico empleado y la calidad delos datos. Sin embargo y como normageneral, siempre debemos tener encuenta la naturaleza de los datos y almomento de aplicar algún método o ín-dice, debemos tratar de documentarnosde qué implicaciones tiene su uso.

7.3 Cómo evaluar los datos: curvas de acumulaciónde especies

Una vez realizado un inventario, el pri-mer procedimiento a seguir es determi-nar si la muestra es representativa del atri-buto medido. Para el caso, lo principales evaluar si obtuvo la mayoría de las es-pecies de los grupos objeto de estudio. Laforma más eficiente para determinar estoes por medio de curvas de acumulaciónde especies, para lo cual se cuenta con unprograma disponible en Internet: Estimates6.0 (URL: http://viceroy.eeb.uconn.edu/EstimateS)

Una curva de acumulación de especiesrepresenta gráficamente la forma comolas especies van apareciendo en las uni-dades de muestreo, o de acuerdo con elincremento en el número de individuos.Es por esto que en una gráfica de curvasde acumulación, el eje Y es definido porel número de especies acumuladas y el Xpor el número de unidades de muestreoo el incremento del número de individuos.Cuando una curva de acumulación esasintótica indica que aunque se aumente



el número de unidades de muestreo o deindividuos censados, es decir, aumente elesfuerzo, no se incrementará el númerode especies, por lo que tenemos un buenmuestreo (Figura 7.1).

Sin embargo, muchas veces no se cuentacon tan buena suerte de obtener buenosmuestreos, por lo que se requiere aplicarmodelos de acumulación que permitanevaluar qué tan completo ha sido elmuestreo realizado y estimar el númerode especies potenciales capturables conel método aplicado.

El programa Stimates 6.0 es una herra-mienta muy útil para realizar curvas de acu-mulación y estimaciones de la riqueza es-perada de acuerdo con modelos. Este pro-grama toma los datos provenientes de unsistema de muestreo estandarizado,aleatoriza toda la información y realizacálculos del número de especies observa-do y esperado utilizando estimadores y con-siderando las desviaciones estándar pro-venientes del proceso de aleatorización.

Aunque en este manual no se profundizasobre cuáles son las características de losestimadores utilizados en este programa,se dan algunas pautas generales de cómoutilizarlos. Los estimadores empleados enel programa son:

· MMMean. Estimador cuya curvaasintótica es muy similar a la pro-ducida a partir de los datos obser-vados.

Figura 7.1 Curvas de acumulación de especies de muestreos de Rubiaceae en el PNN Cueva de Los Guácharos

· CHAO 1, ACE y Cole. Estimadoresque se utilizan cuando se obtieneabundancia, de los cuales CHAO1es el más riguroso.

· CHAO 2, ICE, Jacknife 1, Jacknife2 y Bootstrap. Estimadores que seutilizan cuando sólo se dispone dedatos de presencia-ausencia. Deeste conjunto de estimadores,CHAO 2 es el más riguroso y me-nos sesgado para muestras peque-ñas.

Estos estimadores se basan principalmenteen el número de especies de un muestreoque sólo están representadas por uno odos individuos, en el caso de abundan-cias (se denominan singletons ydoubletons en el programa), o que se re-gistraron en una o dos muestras, en casode utilizar presencia-ausencia (uniques yduplicates). Lo anterior se basa en el su-puesto de que en la naturaleza no existenindividuos solos, sino poblaciones; porende, si nosotros tenemos muchossingletons o uniques en un muestro, indi-ca que no se ha censado un número sufi-ciente de individuos o realizado suficien-tes repeticiones.

Una vez procesados los datos de unmuestreo en este programa, se obtienecierta información, como se muestra enla Tabla 7.1. Así, se encuentran datos denúmero de especies observadas de acuer-do con el muestreo (Sobs); número de




Tabl

a 7.

1. P

arám

etro

s ge

nera

dos

por e

l pro

gram

a St

imat

es 6

.0 d

espu

és d

e la

cor

rida

de u

n co

njun

to d

e da

tos

EStim

ates

(Ver

sion

6.0

b1)

Cop

yrig

ht R

. K. C

olw

ell:

http

://vi

cero

y.ee

b.uc

onn.

edu/

estim

ates

Div

ersi

ty O

utpu

t fro

m In

put F

ile:

Gne

tryR

oble

dal

(4 ju

nio,

200

2)

Sam

ples

Sam

ples

Sam

ples

Sam

ples

Sam

ples

Sobs

Sobs

Sobs

Sobs

Sobs

Sobs

_SD

Sobs

_SD

Sobs

_SD

Sobs

_SD

Sobs

_SD

Indi

vidu

als

Indi

vidu

als

Indi

vidu

als

Indi

vidu

als

Indi

vidu

als

Indi

vidu

als_

SDIn

divi

dual

s_SD

Indi

vidu

als_

SDIn

divi

dual

s_SD

Indi

vidu

als_

SDSi

ngle

tons

Sing

leto

nsSi

ngle

tons

Sing

leto

nsSi

ngle

tons

Sing

leto

ns_S

DSi

ngle

tons

_SD

Sing

leto

ns_S

DSi

ngle

tons

_SD

Sing

leto

ns_S

DD

oubl

eton

sD

oubl

eton

sD

oubl

eton

sD

oubl

eton

sD

oubl

eton

sD

oubl

eton

s_SD

Dou

blet

ons_

SDD

oubl

eton

s_SD

Dou

blet

ons_

SDD

oubl

eton

s_SD

Uni

ques

Uni

ques

Uni

ques

Uni

ques

Uni

ques

Uni

ques

_SD

Uni

ques

_SD

Uni

ques

_SD

Uni

ques

_SD

Uni

ques

_SD

Dup

licat

esD

uplic

ates

Dup

licat

esD

uplic

ates

Dup

licat

esD

uplic

ates

_SD

Dup

licat

es_S

DD

uplic

ates

_SD

Dup

licat

es_S

DD

uplic

ates

_SD

Infr

eque

ntIn

freq

uent

Infr

eque

ntIn

freq

uent

Infr

eque

ntAAAA A

CE

CE

CE

CE

CE

AAAA AC

E_SD

CE_

SDC

E_SD

CE_

SDC

E_SD

117

,64

3,88

69,3

819

,33

8,7

2,87

3,2

2,36

17,6

43,

880

00

38,6

818

,29

228

,14

4,21

137,

625

,53

12,8

3,45

5,44

2,17

20,4

3,97

7,74

1,98

050

,21

22,7

335

,83,

8920

7,9

28,3

815

,43,

46,

72,

3322

,72

4,1

7,8

2,43

056

,09

12,1

3

441

,34

3,93

275,

0228

,46

16,8

3,33

7,76

2,42

23,8

83,

88,

861,

960

61,2

310

,08

546

,62

4,12

338,

7231

,81

183,

319,

22,

3125

,66

4,41

8,8

2,07

066

,32

9,88

651

,26

3,85

407,

6229

,92

203,

529,

962,

4127

,78

4,33

8,24

2,51

074

,39

10,0

2

755

,76

3,05

479,

2225

,54

21,9

2,82

10,7

22,

3329

,66

3,32

8,38

2,06

081

,78

7,46

860

2,76

548,

9822

,72

23,2

2,55

12,1

21,

9331

,72

2,89

9,28

1,83

088

,42

6,67

963

,68

1,96

615,

9219

,35

24,3

1,97

13,5

61,

6333

,11,

9210

,51,

660

94,5

65,

05

1067

068

40

250

150

340

120

010

0,13

ICE

ICE

ICE

ICE

ICE

ICE_

SDIC

E_SD

ICE_

SDIC

E_SD

ICE_

SDC

hao1

Cha

o1C

hao1

Cha

o1C

hao1

Cha

o1_S

DC

hao1

_SD

Cha

o1_S

DC

hao1

_SD

Cha

o1_S

DC

hao2

Cha

o2C

hao2

Cha

o2C

hao2

Cha

o2_S

DC

hao2

_SD

Cha

o2_S

DC

hao2

_SD

Cha

o2_S

DJa

ck1

Jack

1Ja

ck1

Jack

1Ja

ck1

Jack

1_S

DJa

ck1

_SD

Jack

1_S

DJa

ck1

_SD

Jack

1_S

DJa

ck2

Jack

2Ja

ck2

Jack

2Ja

ck2

Jack

2_S

DJa

ck2

_SD

Jack

2_S

DJa

ck2

_SD

Jack

2_S

DBo

otst

rap

Boot

stra

pBo

otst

rap

Boot

stra

pBo

otst

rap

Boot

stra

p_SD

Boot

stra

p_SD

Boot

stra

p_SD

Boot

stra

p_SD

Boot

stra

p_SD

MM

RM

MR

MM

RM

MR

MM

R unsuns

uns

uns

uns

MM

Mea

nM

MM

ean

MM

Mea

nM

MM

ean

MM

Mea

nC

ole

Col

eC

ole

Col

eC

ole

Col

e_SD

Col

e_SD

Col

e_SD

Col

e_SD

Col

e_SD

180,

6272

,51

31,7

321

,69

180,

620

17,6

40

00

17,6

43,

880

021

,78

3,07

98,0

930

,56

45,7

424

,95

53,1

618

,138

,34

2,36

38,3

46,

0433

,24

5,11

114,

669

,52

32,0

53,

31

84,2

821

,63

54,2

618

,94

68,7

523

,650

,95

3,37

57,2

27,

7942

,82

4,93

108,

473

,21

39,3

73,

33

81,8

615

,39

59,7

415

,54

71,2

719

,759

,25

4,09

68,2

48,

4249

,47

5,03

110,

374

,61

45,1

53,

27

88,0

317

,86

63,4

612

,55

82,7

523

,567

,15

4,64

78,5

810

,33

55,7

85,

4598

,45

77,4

650

,03

3,12

96,3

18,4

471

,113

,93

97,5

830

,874

,41

5,12

88,5

410

,48

61,3

95,

1794

,12

80,4

454

,27

2,89

103,

4113

,72

77,2

414

,14

104,

8331

,281

,18

5,5

97,3

88,

1766

,77

4,1

93,6

683

,72

58,0

22,

57

112,

3711

,85

80,8

912

,94

110,

0829

,587

,76

5,76

105,

587,

3671

,94

3,69

94,9

387

,07

61,3

62,

15

118,

997,

6883

,83

12,0

411

1,4

26,4

93,1

6,03

111,

75,

1376

,34

2,55

96,5

290

,13

64,3

51,

55

124,

2985

,810

,92

110,

2522

,797

,66,

1811

6,27

080

,25

98,3

692

,88



especies representadas por uno o dos in-dividuos (singletos, doubletons); núme-ro de especies representadas solo en unao dos muestras (uniques, duplicates); losvalores esperados de la riqueza de losdiferentes estimadores (ICE, ACE, CHAO1 y 2, Jack 1 y 2, Bootstrap, MMRuns,MMMean y Cole); y la desviación estándarde cada columna producto de laaleatorización (terminados en _____SD). Conesta información se puede realizar unagráfica con los valores de la riqueza ob-servados y esperados (se recomienda uti-lizar las columnas sombreadas en la Ta-bla 7.1).

· Cómo interpretar las curvas deacumulación

Aunque los valores esperados que gene-ran los estimadores se pueden usar comomedidas de la diversidad alfa, hasta elmomento las hemos utilizado para deter-minar cuán eficaz fue el muestreo reali-zado. En este contexto, se utiliza la infor-mación de los estimadores para conocerqué porcentaje de las especies espera-das hemos colectado en el muestreo y asídefinir si la información generada puedeser utilizada para realizar análisis de si-militud o complementariedad. Si las cur-vas nos indican que obtuvimos más del85% de las especies esperadas en un si-

tio de muestreo, es posible realizar estetipo de análisis.

En lo posible no se debe utilizar un soloestimador para comparar con los valoresobservados, sino tratar de revisar la ten-dencia de varios estimadores. Si los valo-res del conjunto de estimadores se com-portan de forma muy similar y presentanvalores cercanos a los observados, conseguridad se ha obtenido un buenmuestreo. La curva de los ‘singletons ouniques’, es también un buen indicadorde la representatividad del muestreo.Cuando estas curvas son asintóticas otienden a descender, indican que se halogrado un buen muestreo.

La Figura 7.1 es una curva de acumula-ción para muestreos de la familiaRubiaceae en el PNN Cueva de LosGuácharos (Colombia), y representa unbuen muestreo, pues se colectaron 31especies de las 31-32 esperadas segúnlos estimadores.

La Figura 7.2 corresponde a un muestreode árboles donde se utilizan abundancias.Las curvas indican deficiencia en elmuestreo, pues las curvas en su totalidadaún no son asintóticas y los estimadoresfinalizan muy por encima de los valoresobservados.

Figura 7.2 Curvas de acumulación de especies de un muestreo de plantas leñosas en el PNN Cueva de Los Guácharos




· Cómo utilizar el programa StimatesCómo utilizar el programa StimatesCómo utilizar el programa StimatesCómo utilizar el programa StimatesCómo utilizar el programa Stimates6.0 y realizar curvas de acumulación6.0 y realizar curvas de acumulación6.0 y realizar curvas de acumulación6.0 y realizar curvas de acumulación6.0 y realizar curvas de acumulación

Para realizar curvas de acumulación esnecesario seguir una serie de procedi-mientos y pasos detallados los cuales sedescriben en el Anexo 7.2. Lo importantees contar con bases de datos como sedocumentan en este manual para obte-

ner matrices de datos con las cuales sealimenta el programa Estimates 6.0Estimates 6.0Estimates 6.0Estimates 6.0Estimates 6.0. Esteprograma puede obtenerse de forma gra-tuita a través de la Internet, siendo el úni-co requisito para su uso llenar un forma-to de inscripción.

7.4 Cómo realizar listas depuradas de las bases de datos a partirde EXCEL®

Excel® es el programa básico que per-mite almacenar, ordenar y procesardatos (organizados en tablas), puesaunque no es la herramienta más idó-nea para tal fin, es de amplio acceso yde fácil uso. Hay funciones y coman-dos muy útiles que son importantes tan-to para depurar los datos como paragenerar listas específicas, tales como:

edición de tablas (p.e. eliminar espa-cios), uso de tablas dinámicas y filtros,concatenar o unir datos de dos colum-nas, separar información y, finalmente,cómo vincular dos tablas. En el Anexo7.3 se describe paso a paso la formade aplicar estas herramientas, las cua-les son las más útiles para manejar losdatos biológicos almacenados.



Anexo 7.1Algunos índices para estimar la diversidad alfa, beta ygamma

Varios índices que se han desarrollado presentan sus propios problemas y es impor-tante tener en cuenta qué se desea obtener y hasta dónde son sus alcances en elanálisis que se está realizando. Muchos índices se ven fuertemente influenciadospor el tamaño de la muestra, y en varios (especialmente los que combinan númerode especies y abundancias relativas) la variable número de especies (riqueza) quese desea medir, queda combinada con otra variable normalmente conocida comoequitatividad (cómo están repartidos el número de individuos entre las especiespresentes). Otros de los estimadores para caracterizar la diversidad alfa, beta ygamma descritos en el Capítulo 7 de este manual, se pueden consultar a través delmanual de introducción y uso del programa EstimateS 6 en Internet (http://viceroy.eeb.uconn.edu/Estimates).

7.1.1 Diversidad alfa

Índice de Margalef (DMg)

Donde

S = número de especiesN = número total de individuos

Supone una relación entre el número de especies y el número total de individuos. Si estono es cierto, entonces el índice varía con el tamaño de la muestra de forma desconoci-da. Si se utiliza S-1 en lugar de S, DMg es igual a cero (0) cuando hay una sola especie.El valor que adquiere el índice puede ser igual para dos comunidades, incluso teniendolas mismas especies, ya que si en la comunidad 1 dos especies presentan ciertos valo-res, una muy abundante y la otra muy escasa, y en la comunidad 2 pasa exactamente locontrario con las abundancias para las mismas dos especies, entonces el valor delíndice aunque el mismo, no permitirá apreciar diferencias en las dos comunidades de-bido a diferencias en las abundancias individuales de las especies que se encuentran encada una de las dos comunidades.

Índice de Simpson (λλλλλ)

Donde

pi = abundancia proporcional de la especie i, lo cual implica obtener el número deindividuos de la especie i dividido entre el número total de individuos de la muestra.




Sin embargo este valor obtenido así puede presentar algunos sesgos, y se debería utilizar mejor la siguientefórmula:

Donde

ni = número de individuos en la iesima especieN = número total de individuos en la muestra

No obstante es mucho más frecuente la utilización de la primera fórmula por su fácil uso, aunque con sussesgos. Este índice se encuentra fuertemente influenciado por las especies más dominantes. Debido a queeste valor es inverso a la equidad, la diversidad alfa se puede calcular como 1-λ. Por lo cual muchas vecesse encuentra como:

Para una riqueza dada, D aumenta con la equidad, y para una equidad dada, D se incrementa con lariqueza. Por lo tanto es posible para una comunidad rica en especies pero poco equitativa tener un índicemenor que una comunidad menos rica en especies pero altamente equitativa. La equitatividad puedeexpresarse a través de este índice como una porción del valor máximo posible que adquiere D, si se asumeque todos los individuos están igualmente distribuidos entre las especies, donde:

y equitatividad

La equitatividad E asume valores entre cero (0) y uno (1)

Serie de números de Hill

Donde la derivación de ésta ecuación genera diferentes órdenes denominados k. Los tres primeros órdenes(k= 0 ó 1 ó 2) coinciden con las tres medidas más importantes de diversidad; en particular.

si k = 0, entoncesN0= S (número total de especies)

Esta es una serie de números, la cual es una medida del número de especies cuando cada especie esponderada por su abundancia relativa.



Donde

pi = abundancia proporcional de la especie i, lo cual implica obtener el número deindividuos de la especie i dividido entre el número total de individuos de la mues-tra.

N1 = numero de especies abundantes (eH’) (H’ es el Índice de Shannon-Weiner)N2 = número de especies muy abundantes = 1/λ (para λ ver el índice de Simpson)

A medida que aumenta el número de especies, las especies más raras tienen menospeso en la muestra y se obtienen valores más bajos de N1 y N2.

7.1.2 Índices de equidad

Índice de Shannon-Wiener (H’)

Donde

pi = abundancia proporcional de la especie i, lo cual implica obtener el número deindividuos de la especie i dividido entre el número total de individuos de la muestra.

Asume que todas las especies están representadas en las muestras y que todos losindividuos fueron muestreados al azar. Puede adquirir valores entre cero (0) cuando hayuna sola especie y el logaritmo de S cuando todas las especies están representadas porel mismo número de individuos. Puede verse fuertemente influenciado por las especiesmás abundantes.

Índice de Pielou

Donde

y H’ es el valor del índice de Shannon-Wiener

Es una relación entre la diversidad observada y el máximo valor de diversidad esperado.Varia entre cero (0) y 0.1, donde adquiere el valor de 0.1 cuando todas las especiespresentan la misma abundancia.

Índice de Brillouin




Donde

N = número total de individuosNi = número total de individuos de la especie iLa expresión N! significa N factorial

Es utilizado cuando toda la población ha sido censada, por lo cual describe una colección de datosconocida. Otra forma de representar la misma ecuación del Índice de Brillouin es:

Donde

N = número total de individiousNa= número de individuos de la especie aNb= número de individuos de la especie bNs= número de individuos de la ultima especie considerada

y donde pi= Ni/N, aunque la primera ecuación aquí descrita suele ser la más utilizada. A partir del valor delíndice se puede obtener una medida de la equidad o equitatividad de la biodiversidad de tal forma que:

Equidad de Brillouin

Donde

con

S = número de especiesN = número total de individuos[N/S] siendo la integral de N/Sr = N-S [N/S]

7.1.3 Diversidad beta

Los primeros (Jaccard y Sorensen-cualitativo) dan igual peso a todas las especies sin importar su abundan-cia y por ende dan importancia incluso a las especies más raras.

Índice de similitud de Jaccard (coeficiente de similitud Ij)



Donde

aN= número total de individuos en el sitio AbN= número total de individuos en el sitio BpN= sumatoria de la abundancia más baja de cada una de las especies compartidasentre ambos sitios

Es muy similar al coeficiente de similitud de Sorensen para datos cualitativos, sin embar-go en este no se relaciona con las especies sino con las abundancias.

Índice de Morisita-Horn

Donde

ani = número de individuos de la iesima especie en el sitio Abnj = número de individuos de la jesima especie en el sitio Bda = Σ ani

2/aN2

db = Σ bnj2/bN2

aN = número total de individuos en el sitio AbN = número total de individuos en el sitio B

Donde:

a= número de especies en el sitio Ab= número de especies en el sitio Bc= número de especies presentes en ambos sitios A y B, es decir que están compartidas

El rango de este índice va desde cero (0) cuando no hay especies compartidas, hastauno (1) cuando los dos sitios comparten las mismas especies.Este índice mide diferen-cias en la presencia o ausencia de especies.

Índice de Sorensen (coeficiente de similitud-cualitativo) o deCzekanowski

Este índice relaciona el número de especies en común con respecto a todas las especiesencontradas en los dos sitios.

Índice de Sorensen (coeficiente de similitud-cuantitativo)




La riqueza de especies y el tamaño de las muestras afectan grandemente este índice.Normalmente es muy sensible a la abundancia de la especie más abundante.

Índice de reemplazo de especies Índice de Whittaker

Donde

β= BetaS= número de especies registradas en un conjunto de muestras (diversidad gamma)α = número promedio de especies en las muestras (alfa promedio)

Este índice describe la diversidad gamma a partir de la integración de las diversidadesbeta y alfa. Parece ser muy conveniente y robusto en sus resultados para medir el reem-plazo de comunidades (Magurran 1988).

Índice de Cody (dos versiones)

Primera versión

Dondeg(H) = número de especies ganadas a través de un gradiente de comunidadesp(H) = número de especies perdidas a través del mismo gradiente

Este índice no es independiente de la riqueza de especies y depende de su efecto aditi-vo. Muchas veces se evalúa teniendo en cuenta el gradiente del más “pobre” hacia elmás rico en especies. Sin embargo es necesario saber cómo se están relacionando lascomunidades en ese gradiente para obtener resultados biológicos.

Segunda versión

Donde

a= número de especies en el sitio Ab= número de especies en el sitio Bc = número de especies presentes en ambos sitios A y B, es decir que están comparti-

das

Índice de Magurran



DondeIj= similitud entre los sitios A y B medida con el índice de Jaccarda= número de especies en el sitio Ab= número de especies en el sitio B

El valor de la diversidad beta crece en este índice cuando el número de especies en losdos sitios aumenta, así como cuando el número de especies se torna más diferente.

Complementariedad

Para obtener la complementariedad aquí descrita, primero es necesario obtener dosvalores:

1. La riqueza total para ambos sitios compartidos

a= número de especies en el sitio Ab= número de especies en el sitio Bc= número de especies en común o compartidas entre los sitios A y B

y

2. El número de especies únicas a cualquiera de los dos sitios

A partir de estos dos valores se calcula la complementariedad de los dos sitios Ay B.

La complementariedad entonces varía desde cero, cuando ambos sitios son idén-ticos, hasta uno (1), cuando las especies de ambos sitios son completamentedistintas.

7.1.4 Diversidad gamma

Índice Gamma (Schluter y Ricklefs 1993)

Gamma = diversidad alfa promedio x diversidad beta x dimensión de la muestra

Donde

Diversidad alfa promedio = número promedio de especies en una comunidadDiversidad beta = inverso de la dimensión especifica, es decir 1/número promedio de

comunidades ocupadas por una especieDimensión de la muestra = número total de comunidades

El valor que se obtiene esta expresado en número de especies, sólo que está relacionan-do tanto la diversidad alfa como beta, y cuántas comunidades están tenidas en cuentaen el análisis.




Anexo 7.2Procedimientos para utilizar el programa EstimateS 6 y

realizar curvas de acumulación de especies

Para realizar las curvas de acumulación lo primero que necesitamos es obtener unamatriz de datos para que pueda ser procesada por el programa. Esta matriz correspon-de a la información organizada en una tabla de especies versus muestras, y los datospueden ser de presencia-ausencia o de abundancia (Figura 7.2.1). Las muestras estánrepresentadas por las unidades de muestreo o de análisis de cada método y grupo deorganismos analizado (ver cada grupo y su forma de síntesis de métodos).

Figura 7.2.1



Figura 7.2.2

Esta matriz se puede elaborar en una hoja de cálculo como Excel®. Para ello se puedeutilizar el comando de Tablas dinámicas (consultar el Anexo 7.3) para realizar una tablade donde sólo necesitamos la matriz de datos. Esta matriz la exportamos a un archivonuevo y reemplazamos las celdas en donde no existen registros (están vacías) por ceros.Posteriormente se deben agregar dos filas nuevas en la parte superior, donde en laprimera casilla se introduce un nombre que la va a identificar y en las dos primerasceldas de la segunda fila se escribe el número de especies y de muestras respectivamen-te (Figura 7.2.2). Una vez tengamos la matriz de esta forma procedemos a guardarlacomo un archivo de texto delimitado por tabulaciones (en formato txt).

Para el paso siguiente es necesario abrir el programa EstimateS 6 para poder procesar lamatriz que acabamos de guardar. El primer procedimiento es importar la matriz. Para esto,seleccione en la barra superior “File” y luego “Load Imput File” (Figura 7.2.3). Apareceráuna ventana que pide el “nombre de archivo” y donde seleccionamos el archivo que co-rresponde a la matriz de datos y luego damos clic en “Abrir” (Figura 7.2.4). Posterior a estose despliega una ventana que sintetiza la información precedente de la matriz y en dondehacemos clic en “OK” (Figura 7.2.5).




Luego se despliega una ventana en donde tenemos que especificar el tipo de formatocomo está organizada la matriz de datos. Los dos formatos iniciales y más usados son:opción “Formato 1, especies en las filas / muestras en las columnas”; y opción “Formato2, muestras en las filas / especies en las columnas” (Figura 7.2.6). Estos formatos seescogen de acuerdo con las características de la matriz; algunas veces el número demuestras es tan grande que no es posible colocarlas en las columnas y por ende debenorganizarse en la filas; en este caso se escoge el formato 2. Una vez especificado elformato, el programa hace la aleatorización de los datos y deja la matriz lista pararealizar las estimaciones de la riqueza observada y esperada.

Figura 7.2.3

Figura 7.2.4

Figura 7.2.5



Ahora seleccione en la barra superior “Diversity” y luego “Compute Diversity Stats” (Figura 7.2.7), quefinalmente permite obtener la tabla de resultados (Figura 7.2.8). Para poder exportar la tabla de resultadosa Excel®, damos clic en “Done”, luego seleccionamos de nuevo “Diversity” y posteriormente “Export DiversityStats” (Figura 7.2.9). Con esto se despliega una ventana donde podemos guardar esta tabla con el nombrede archivo que deseemos (Figura 7.2.10). Se recomienda guardar la tabla generada bajo el mismo nombredel archivo de la matriz, con esto se evita tener múltiples archivos del mismo tema.

Figura 7.2.7

Figura 7.2.8

Figura 7.2.6




Figura 7.2.10

Figura 7.2.9



Anexo 7.3Procedimientos para utilizar algunas herramientasde Excel®

Eliminar todos los espacios

Corresponden a espacios no necesarios que se han incluido al escribir un nombre,principalmente de los campos taxonómicos, y que generalmente constituyen una granfuente de error al momento de analizar y llevar a cabo listas depuradas. Para eliminarespacios se selecciona toda la columna que queremos corregir; luego en la barra supe-rior seleccionamos “Insertar / Función” y se selecciona el comando “Espacios” (Figura7.3.1). Este procedimiento se debe realizar en lo posible en todos los campos quecontengan información taxonómica.

Figura 7.3.1

Unir datos de varias columnas

Es frecuente que necesitemos unir la información que hemos desglosado de la parte taxonómicaen una sola columna para efectos de presentar un informe o sintetizar la información. Paraesto se necesita en una nueva columna utilizar el Comando “Insertar / Función” y se seleccio-na “Concatenar” (Figura 7.3.2). Una vez en la ventana “Argumentos de función”, podemosestablecer una función en una celda determinada. El paso siguiente es seleccionar en “Texto1” la primera celda cuya información queremos que inicie la información que queremosunificar; así se seleccionan las otras opciones de “Texto” (Figura 7.3.3). En las imágenes deeste ejemplo, se genera un campo con el nombre completo de un registro considerando elgénero, el epíteto específico y el autor y los espacios pertinentes entre cada palabra.




Figura 7.3.2

Figura 7.3.3



C. Separar datos de una columna en varias columnas

El procedimiento contrario al anterior (separa información de una columna) es más fre-cuente que se requiera. Antes de hacer este procedimiento, es importante insertar previa-mente el número de columnas requeridas para desagregar la información en caso de queexistan columnas con información a la derecha de la columna que se quiere desagregar. Siesto no se realiza, automáticamente se reemplazará la información de las columnas de laderecha por la información desagregada provenientes de esta operación.

Para desagregar se seleccionan todas las celdas cuya información queremos desagre-gar y luego se selecciona en la barra superior el comando “Datos / Texto en columnas”(Figura 7.3.5). Luego en “Asistente para convertir textos en columnas” seleccionamos“Delimitados” o “De ancho fijo” dependiendo del tipo de datos que queremos desagre-gar (Figura 7.3.6). En este ejemplo, los delimitadores son espacios, y en la ventana seobserva cómo va a quedar desagregada la información y el número de columnas re-queridos (Figuras 7.3.7 y 7.3.8). Generalmente luego de este procedimiento es necesa-rio concatenar la información de algunas celdas (Figura 7.3.9).

Figura 7.3.4

Una vez establecida la función en la celda, se copia o autorellena esta información enlas restantes celdas de la columna (Figura 7.3.4). Es importante que al final copiemos lanueva columna generada y la peguemos como “Pegar valores”, pues de lo contrario lafunción aplicada realizará cualquier cambio si modificamos las columnas involucradasen la función.




Figura 7.3.5

Figura 7.3.6



Figura 7.3.7

Figura 7.3.8




D. Filtración de datos

Es frecuente que necesitemos ver sólo los registros de alguna familia, género omorfoespecie en particular, o seleccionar por ejemplo los registros de una locali-dad específica. Igualmente es frecuente que necesitemos ver nombres muy pareci-dos que posiblemente correspondan a errores de digitación para su posterior co-rrección. El comando de filtros es una herramienta que resulta muy útil al momentode requerir este tipo de consultas o detectar errores de digitación.

Para esto es importante que cada una de las columnas esté encabezada con untítulo o nombre y que la tabla, incluyendo la fila de los nombres de las columnas,esté aislada en la parte superior de cualquier otra fila con información. Una vez latabla se encuentre lista, nos posicionamos en cualquier celda dentro de la tabla yseleccionamos en la barra superior el comando “Datos/Filtro/Auto filtro” (Figura7.3.10). Posterior a esto, sobre cada columna aparecerá una indicador como untriángulo invertido (Figura 7.3.11).

Figura 7.3.9



Figura 7.3.10

Figura 7.3.11

Si seccionamos un indicador de cualquiera de las columnas, aparecerá una ventana con lalista en orden alfabético o ascendente de la información en esa columna. De aquí pode-mos seleccionar los registros que queramos e inclusive podemos combinar filtros entrevarias columnas. En este ejemplo seleccionamos: registros de Rubiaceae de la columnaFamilia, y registros de Palicourea de la columna Género (Figura 7.3.11, 7.3.12 y 7.3.13).




Figura 7.3.12

Figura 7.3.13



Figura 7.3.14

E. Elaboración de tablas depuradas

De las bases de datos se pueden desarrollar diferentes tipos de tablas depuradas comopor ejemplo listas de especies por localidad, taxón o gremio, matrices de datos parahacer curvas de acumulación, etc. En Excel® existe el comando de “Tablas dinámicas”,el cual permite realizar una serie de tablas depuradas de forma rápida y con una granvariedad de opciones para su diseño. En este ejemplo, se muestra la forma de generaruna tabla dinámica de especies de Rubiaceae y Melastomataceae por localidad a partirde una base de datos en Excel®.

El primer paso es posesionarnos en una celda dentro de la base de datos, luego selec-cionamos en la barra superior el comando “Datos/Informe de tablas y gráficos dinámi-cos…” (Figura 7.3.14), y damos clic a “Siguiente” en las ventanas que nos aparezcan(primero: “Lista o base de datos de Microsoft Excel®; segundo: Rango de la base dedatos) hasta llegar a la ventana “Asistente para tablas y gráficos dinámicos paso 3 de 3”,en donde se selecciona la casilla de “Diseño” (Figura 7.3.15).




Figura 7.3.15

Figura 7.3.16

Luego se despliega la ventana “Asistente para tablas y gráficos dinámicos - diseño”, endonde tenemos la opción de armar la tabla con la información que deseemos que salga enla filas y las columnas. En el presente ejemplo, vamos a realizar una tabla dinámica quecontenga los datos de familia, género, especie, número de morfoespecie y números decolección en la filas; en las columnas las localidades en donde se registró cada morfoespecie;y en las matriz el número de veces que se registró cada morfoespecie (Figura 7.3.16).



El resultado de la Tabla dinámica se presenta en una hoja de cálculo nueva en el mismoarchivo y que contiene una serie de totales que se deben eliminar (Figura 7.3.18). Paraesto hacemos doble clic en el encabezado de cada columna para que nos despliegue laventana “Campo de la tabla dinámica”, de donde seleccionamos la opción “Subtotales/Ninguno” (Figura 7.3.19).

Figura 7.3.17

Para esto arrastramos con el cursor los recuadros con los nombres ya sea a la parte de“FILA” o “COLUMNA”de acuerdo con lo que queramos analizar en el recuadro que estáencabezado por “PÁGINA”. Luego en el recuadro “DATOS” arrastramos el recuadrocon el nombre de lo que queremos analizar. En el presente ejemplo, al arrastrar elrecuadro “Morfoesp (morfoespecie) al cuadro “DATOS”, aparece un nuevo recuadroque dice “Suma de Morfoesp”. Como no necesitamos la suma de morfoespecies, hace-mos doble clic en esta sobre este recuadro para que se nos despliegue la ventana“Campo de la tabla dinámica”. En esta ventana tenemos la opción de escoger algunostipos de operaciones que debe arrojar la matriz de la tabla que estamos realizando, queen el ejemplo es “Cuenta”, pues deseamos contar el número de veces que lasmorfoespecies son registradas en cada localidad (Figura 7.3.17).




Figura 7.3.18

Figura 7.3.19



La tabla dinámica presenta muchas opciones, entre ellas la de filtro, con la que pode-mos seleccionar los registros que queramos ver y ocultar los demás (Figura 7.3.20).Finalmente es recomendable copiar la tabla y pegarla en una hoja de cálculo nuevacomo “Pegar valores” y “Pegar formatos”, lo que nos permite obtener la misma tablapero en donde podemos realizar cualquier tipo de edición final (Figura 7.3.21).

Figura 7.3.20

Figura 7.3.21




Vínculo entre tablas

Generalmente las bases de datos requieren de la actualización de la informacióntaxonómica, pues la determinación completa de las especies es un proceso demoradoque inclusive demanda años. En Excel® existe la posibilidad de vincular la base dedatos con una lista de taxonómica de otro archivo para actualizar la información. En lamedida en que la lista de especies en el segundo archivo se documente y cambie,automáticamente se pueden actualizar estos cambios en la base de datos.

Para esto es indispensable que las tablas que queramos vincular se encuentren en archivosdiferentes (no en hojas de cálculo de un mismo documento) y ambos archivos deben estarabiertos antes de iniciar los procedimientos de vínculo. En este ejemplo, se quiere realizarel vínculo de la tabla del libro 1, que es la que queremos actualizar (en este caso el nombrede la Familia) con la tabla del libro 2 el cual contiene la información actualizada.

El primer paso necesario se realiza en la tabla del libro 1, en donde seleccionamos laprimera celda donde queremos armar la función para que inicie la actualización de lainformación. Luego seleccionamos en la barra superior la opción “Insertar/Función/BUSCAR” para que se despliegue la ventana “Argumentos de función”, en donde arma-mos la función. Nos posesionamos en recuadro «Valor_buscado” y seleccionamos, en elLibro 1, la primera celda cuya información se comparte con la tabla del Libro 2, ennuestro ejemplo es el “Número de colección” en la celda B2 (Figura 7.3.22).

Figura 7.3.22



Figura 7.3.23

El paso siguiente es posesionarnos en la pestaña “Matriz_buscar_en” y luego nos diri-gimos al libro 2, buscamos la tabla y seleccionamos todas las celdas que incluyen lainformación que queremos actualizar y que se comparten entre las dos tablas. En elejemplo se selecciona toda la información de género, especie y autor, pues esto nosayuda a realizar actualizaciones posteriores de otras columnas simplemente modifican-do la función (Figura 7.3.23).

Luego, nos posesionamos en la pestaña “Indicador_columnas”, en donde escribi-mos el número de la columna de la tabla del libro 2 que contiene la informaciónque debe actualizarse en el libro 1. En nuestro ejemplo, la columna de “Familia” enel libro 2, es la que se encuentra actualizada y queremos que aparezca en el libro1; cuando seleccionamos las celdas del libro 2, a esta columna le correspondió elnúmero 4 (Figura 7.3.24).

El paso final de la formula es definir en la pestaña “Ordenado” la opción de “Falso” o“Verdadero”. “Verdadero” coloca la información actualizada considerando la informaciónmás parecida encontrada en el campo compartido entre las tablas (que en este ejemplo es“Número de colección”), mientras que “Falso” nos coloca la información sólo si coincideexactamente (Figura 7.3.25).




Una vez realizado todo este procedimiento, se copia la función de la celda inicial en lasotras de la misma columna (Figura 7.3.26). Finalmente es recomendable copiar todaesta columna actualizada y pegarla en la misma posición como “Pegar valores”.

Figura 7.3.24

Figura 7.3.25

Métodos para el análisis de datos: una aplicación para resultados ...

Documents

Transcript of Métodos para el análisis de datos: una aplicación para resultados ...