TALLER 2 PATRONES ESPACIALES DE LA POBLACIÓN

Contenido
1 Introducción.........................................................................................................................1
2 Marco Teórico......................................................................................................................1
2.1 Ecología de las poblaciones..........................................................................................2
2.2 Patrones de distribución................................................................................................2
2.3 Índice de Moricita........................................................................................................3
2.4 Chi Cuadrado................................................................................................................3
3 Objetivos..............................................................................................................................4
4 Metodología.........................................................................................................................4
5 Discusión de resultados........................................................................................................5
6 Preguntas..............................................................................................................................7
7 Conclusiones........................................................................................................................7
8 Bibliografía..........................................................................................................................8
9 Anexos.................................................................................................................................9

1 Introducción

Identificar las condiciones espaciales de una especie y su distribución se hace necesaria para
comprender la tolerancia frente a diferentes condiciones ambientales, los requerimientos de los
recursos, las interacciones con otros individuos (Predadores y presas), la forma de reproducción
y diferentes factores geográficos e históricos. Es de acuerdo con esto que durante los estudios en
ecología se han identificado tres tipos de distribuciones, la primera de estas responde a un
patrón al azar el cual es un indicador de un espacio continuo y homogéneo, también está la
distribución uniforme o regular donde el espacio es homogéneo, pero se presenta una
interacción entre los individuos, finalmente una relación al azar en la cual existe la misma
probabilidad de encontrar un individuo en todo el espacio.
Basado en lo anterior se desarrolló el siguiente taller el cual tiene como objetivo identificar el
tipo de distribución que existe en una población de estudio dado que esto permite clasificar y
conocer las condiciones que han llevado a que se produzca este tipo de distribuciones, razón por
la cual se uso la metodología de fraccionar el espacio en diferentes tamaños de muestrales y
realizar el conteo de los individuos encontrados en cada división.
 2 Marco Teórico

2.1 Ecología de las poblaciones

La ecología de poblaciones provee las herramientas conceptuales y metodológicas para los

temas que están relacionados con el uso y manejo sostenible de las poblaciones que tienen
importancia comercial, para así evitar su extinción. Las poblaciones tienen una serie de atributos
o características que son particulares y quelas distinguen de otras de su misma especie o de otras
especies. Estas características están determinando la estructura de la población y son necesarias
para su descripción. En este punto, es importante recalcar que estos atributos o características de
las poblaciones son el resultado circunstancial del proceso llamado “selección natural”
[ CITATION Tob11 \l 3082 ].
2.2 Patrones de distribución

Los patrones de distribución dentro de un hábitat hacen referencia a los arreglos espaciales de
los organismos en una zona que, a su vez, son un reflejo de la cantidad de recursos y
condiciones y por ende de las interacciones que se establecen en torno a ellos. En la naturaleza
se pueden identificar fundamentalmente tres tipos o patrones de distribución espacial dentro de
un hábitat:
Distribución al azar: sin regularidad o grado de afinidad alguna, sólo se da allí donde el
ambiente es muy homogéneo y no hay atracción social. Caso raro en la naturaleza ya que
necesitaría un medio totalmente homogéneo y que los individuos no mostraran ninguna
tendencia a la agregación [ CITATION Bus17 \l 3082 ].
Distribución uniforme: puede observarse cuando la competencia por los recursos es muy
aguda (plantas de semidesierto). Una distribución uniforme tiene lugar cuando los animales
maximizan la distancia entre sus vecinos y tiene lugar cuando existe una fuerte competencia
entre los individuos o cuando hay un antagonismo que obliga a una separación regular entre
ellos. Esto implica el establecimiento de territorios [ CITATION Bel10 \l 3082 ].
Distribución agrupada: es irregular y no fortuita. Ocurre como respuesta a diferencias locales
de hábitat (micro hábitat) en donde los individuos encuentran la mejor combinación de factores.
La agregación responde también al modo de reproducción y dispersión de propágulos,
comportamiento social, discontinuidad de ecotopos favorables, fuego recurrente, inundaciones
recurrentes, etc. La distribución agregada es la más frecuente en la naturaleza, y se produce por
la tendencia a la agregación que hay en los individuos, así tanto las plantas como los animales
tienden a esparcir sus semillas o a colocar sus nidos o sus crías, en sus proximidades o en el
mismo lugar habitado por ellos. Además, las agregaciones usualmente implican alguna clase de
parche ambiental, o los organismos podrían ser atraídos por la reproducción, o forman
agregados para reducir la depredación [ CITATION Bel10 \l 3082 ].
 Ilustración 1 Patrones Espaciales de las Poblaciones.

Fuente: Elaboración Propia.

Las distribuciones espaciales son útiles, debido a que sugieren hipótesis acerca de los
mecanismos que afectan las poblaciones naturales. En general, la distribución de los individuos
de una especie local responde a un conjunto de diversas influencias ambientales, tales como:
condiciones físicas favorables, buena oferta de alimento, competencia, etc
2.3 Índice de Moricita

Uno de los modelos más utilizados para cuantificar semejanza es el de Morisita-Horn. Este
índice presenta características que lo hacen útil, por ejemplo: la influencia de la riqueza de
especies y el tamaño muestral es poco significativa en éste. Sin embargo, es fuertemente
influenciado por la abundancia de la especie más común.
Para evitar esto, una versión modificada ha sido usada: IM-H = 2 Σ(ani bni) /[(da + db) (aN)
(bN)]. Donde, aN = número de individuos de la comunidad A, y ani = número de individuos de
la iesima especies en A. da = Σ an² /aN².
En algunos casos, se han probado las diversas técnicas que existen para determinar semejanza,
de ello se ha concluido que las que utilizan solamente presencia/ausencia son poco
satisfactorias, y de ellas la mejor es la de Sorensen. Por otra parte, de los modelos de tipo
cuantitativo se ha señalado que la versión antes presentada del índice de Morisita es la más
satisfactoria [ CITATION Cer07 \l 3082 ].

2.4 Chi Cuadrado

Se utiliza la prueba Chi-Cuadrado, que divide el rango de la variable dependiente (del factor a
medir) en intervalos no solapados y compara el número de observaciones en cada intervalo con
el número esperado basado según la distribución ajustada. La prueba de Kolmogorov-Smirnov
calcula la distancia máxima entre la distribución acumulada de la variable dependiente y la
distribución de probabilidad acumulada de la distribución normal ajustada.
Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis
nula de la prueba Chi-cuadrado postula una distribución de probabilidad totalmente especificada
como el modelo matemático de la población que ha generado la muestra.
Para realizar este contraste se disponen los datos en una tabla de frecuencias. Para cada valor o
intervalo de valores se indica la frecuencia absoluta observada o empírica (Oi). A continuación,
y suponiendo que la hipótesis nula es cierta, se calculan para cada valor o intervalo de valores la
frecuencia absoluta que cabría esperar o frecuencia esperada (Ei=n·pi , donde n es el tamaño de
la muestra y pi la probabilidad del i-ésimo valor o intervalo de valores según la hipótesis nula).
El estadístico de prueba se basa en las diferencias entre la Oi y Ei y se define como:

Este estadístico tiene una distribución Chi-cuadrado con k-1 grados de libertad si n es
suficientemente grande, es decir, si todas las frecuencias esperadas son mayores que 5. En la
práctica se tolera un máximo del 20% de frecuencias inferiores a 5.
Si existe concordancia perfecta entre las frecuencias observadas y las esperadas el estadístico
tomará un valor igual a 0; por el contrario, si existe una gran discrepancia entre estas
frecuencias el estadístico tomará un valor grande y, en consecuencia, se rechazará la hipótesis
nula. Así pues, la región crítica estará situada en el extremo superior de la distribución Chi-
cuadrado con k-1 grados de libertad [ CITATION Vel16 \l 3082 ].

3 Objetivos

Identificar el tipo de distribución espacial de acuerdo con diferentes espacios muestrales

que tiene una población de muestra basado en las pruebas estadísticas de Morisita y Chi-
Cuadrado

Objetivo Principal
Identificar las características de las poblaciones y su crecimiento, mediante un ejercicio teórico-
práctico donde re realizará la simulación del avance del tiempo, comportamiento, supervivencia
y adaptación de una población.,
Objetivos Específicos

 Dividir el espacio muestral en unidades que permitan la identificación de los individuos

en el espacio.
 Basado en diferentes pruebas estadísticas determinar el tipo de distribución que
presentan los individuos del espacio muestral.
 Identificar las características de los espacios muestrales de los individuos e inferir la
razón por la cual se presentan.

4 Metodología.

Para la identificación del tipo de distribución que tienen los individuos dentro del espacio
muestral se siguió la siguiente metodología:
  Primero se dividió el espacio muestral en diferentes unidades que van desde 0,5 cm x
0,5 cm hasta 16 cm x 8 cm,
 Segundo se determinó la media y varianza de los diferentes espacios e individuos en
los cuales se fracciono, basado en lo anterior se determinó la varianza relativa
 Tercero se comprobó con los índices de Morisita y Chi-cuadrado el tipo de distribución.

5 Discusión de resultados.

Después de realizar las matrices las cuales están adjuntas en el anexo 1, se determino que los
primeros tamaños del espacio muestral muestran un patrón uniforme, esto puede ser a causa del
espacio muestral que se decidió tomar, ya que las medias y las varianzas que se presentan no
son elevadas ya que la cantidad de individuos que son encontrados en cada una de las
cuadriculas no superan los 5 individuos, de igual forma se tiene en las primeras 3 matrices,
donde el espacio reducido en la matriz no varía esto en un espacio real puede indicar a sitios
donde los recursos no se encuentran en abundancia y los individuos deben maximizar la
distancia entre sus vecinos, debido a que existe una fuerte competencia entre las especies
[ CITATION Mor04 \l 3082 ].
Esto es de vital importancia para el diseño de proyectos de adaptación e instalación de proyectos
de reforestación, ya que existen diferentes especies de plantas las cuales para evitar la
competencia se distribuyen de esta manera y el mismo puede marcar la pauta para una medida
que entienda que la especie nativa no cuenta con abundancia en los recursos y para no generar
esa rivalidad de los diferentes individuos. De acuerdo con esto los individuos que presentan una
distribución uniforme es un indicativo de como en la parte donde está instalado un individuo no
se encuentra otro y es lo que sucede en las primeras 3 matrices como ya se
mencionó[ CITATION Cer07 \l 3082 ].

Tabla 1 Distribución de las matrices y Patrón.

Tamaño del Orden de Varianza
Media Varianza Patrón
Cuadrante (cm) Matriz Relativa
0,5x0,5 1 0,577 0,575 0,996 Uniforme
0,5x1 2 1,149 1,196 1,041 Uniforme
1x1 3 2,244 2,417 1,077 Uniforme
2x1 4 4,500 5,069 1,126 Agregado
2x2 5 8,700 12,289 1,412 Agregado
2x4 6 17,400 19,990 1,149 Agregado
4x4 7 34,050 95,313 2,799 Agregado
4x8 8 68,100 301,878 4,433 Agregado
8x8 9 113,500 1532,300 13,500 Agregado
8*16 10 227,000 6925,000 30,507 Agregado
Fuente: Elaboración Propia

Para confirmar que los patrones de distribución sean los indicados inicialmente con la varianza
relativa del municipio se encontró que si bien inicialmente solo las tres primeras matrices
mostraban una distribución uniforme se decidió realizar los cálculos para la matriz 4 y 5 dado
que las mismas presentan una cercanía a 1 y se hacía necesario confirmar el resultado obtenido
y es que la prueba de Morisita lleva a que se confirme el tipo de distribución, esto se debe como
ya se mencionó anteriormente a que el número de individuos no varía considerablemente debido
al tamaño muestral. Estas dos matrices adicionales que mediante la prueba estadística
confirmaron el tipo de distribución es uniforme permite ver que en este tamaño espacial
corresponden a especies que no cuentan con la suficiente disponibilidad de alimentos.

Tabla 2 Pruebas estadísticas de distribución de los individuos

Tamaño del Índice de Chi Cuadrado Chi

Patrón Patrón
Cuadrante Morisita Calculado Tabulado
0,5x0,5 0,993 Uniforme -5,87 1166,01 Uniforme
0,5x1 1,014 Uniforme 9,26 565,14 Uniforme
1x1 1,034 Uniforme 23,62 278,62 Uniforme
2x1 0,970 Uniforme -20,50 124,50 Uniforme
2x2 0,982 Uniforme -9,69 47,45 Uniforme
Fuente: Elaboración Propia

A continuación se presentan las varianzas relativas con respecto al tamaño de la matriz es decir
el tamaño de la matriz está directamente relacionado con la cantidad de individuos encontrados
en el espacio muestral, los siguientes presenta un comportamiento agregado y es el que más se
presenta en la naturaleza, ya que la mayoría de individuos presentan comportamientos que los
llevan a mantenerse cerca, estos se encuentran en hábitats en manera de parches o cúmulos de
individuos, esto puede ser a causa de costumbres de los individuos de vivir en comunidad o en
un área determinada de acuerdo la disponibilidad de alimentos y es el ejemplo de algunas
plantas que esparcen sus semillas cerca de ellos, esto sirve en la planificación territorial ya que
para procesos en donde se requiera identificar el tipo de especies presentes en una zona
permiten entender que ciertos ecosistemas pueden ser únicos dependiendo de ciertas
condiciones que permitan su desarrollo[ CITATION Vel16 \l 3082 ].

Ilustración 2 Grafica de Varianza relativa y tamaño muestral

 Fuente: Elaboración Propia

6 Preguntas

1 ¿Qué determina el patrón espacial obtenido?

Las poblaciones tienen una serie de atributos o características que son particulares y quelas
distinguen de otras de su misma especie o de otras especies. Estas características están
determinando la estructura de la población y son necesarias para su descripción. En este punto,
es importante recalcar que estos atributos o características de las poblaciones son el resultado
circunstancial del proceso llamado “selección natural”[ CITATION Vel16 \l 3082 ].
La ubicación espacial de una especie es determinada por muchas razones una de estas se debe a
las condiciones ambientales como lo son los factores climáticos, también se encuentran los
patrones de interacción entre los individuos ya sean de la misma especie o esa importante
relación de la cadena trófica que es productor y consumidor. Sumado a esta distribución se
encuentran los procesos reproductivos de las especies, esto a causa de las condiciones del lugar
y demás, en algunas zonas del mundo se han realizado estudios en los cuales se identifican
especies de aves que están distribuidas espacialmente en sitios que cuentan con especies de
árboles.
2. ¿Que implica un cambio de tamaño en la unidad de muestreo sobre la muestra total?
Los patrones de distribución dentro de un hábitat hacen referencia a los arreglos espaciales de
los organismos en una zona que a su vez es el reflejo de la cantidad de recursos y condiciones y
por ende de las interrelaciones que establecen entre ellos, es por esto que esos cambios en el
tamaño de la unidad de muestreo llevan a que se produzca un cambio en la interpretación de la
distribución, esto a causa del tamaño del pixel a evaluar, ya que a medida que el nivel de detalle
en el cual se está evaluando el espacio causa que la cantidad de individuos que se encuentran
dentro del recuadro es mayor. El tener un tamaño de muestra más grande causa también que se
incluyan ecosistemas que pueden estar distribuidos de manera uniforme pero como en el caso de
la población B la misma a medida que aumenta el tamaño muestral comience a ser agregada,
donde las especies no estén en todo el espacio sino congregados en un área en
especial[ CITATION Bus17 \l 3082 ].
3. ¿Qué hábitos etológicos de los organismos tendría en cuenta para definir el mejor tipo de
muestreo?
Es la ubicación de los organismos en el espacio. Está determinada por los rangos de tolerancia
frente a las condiciones ambientales, por los requerimientos de recursos, por las interacciones
con otros individuos (competidores, predadores), por la forma de reproducción y dispersión de
propágulos y por factores históricos. Según la escala espacial que estemos considerando,
hablaremos de distribución geográfica, distribución por hábitat o disposición espacial dentro de
un hábitat. Las fluctuaciones en la densidad poblacional son dependientes de la cantidad de
recursos y/o de predadores que pueden estar variando como consecuencia de los cambios en los
aspectos bióticos o abióticos. Los patrones de distribución dentro de un hábitat hacen referencia
a los arreglos espaciales de los organismos en una zona que, a su vez, son un reflejo de la
cantidad de recursos y condiciones y por ende de las interacciones que se establecen en torno a
ellos.
7 Conclusiones

La población analizada como parte de la distribución del individuo es dependiente de espacio

muestral seleccionado, es decir el espacio muestral resulta ser de vital importancia ya que el
mismo cambia los patrones conforme a como se toman las muestras, esto se presento en las
primeras tres matrices las cuales muestran un patrón de distribución uniforme pero a medida
que se aumenta la escala el mismo comienza a cambiar como lo muestra la varianza relativa
dejando un patrón de agregado, donde se presumen que existen ecosistemas que se encuentran
distribuidos dadas las condiciones mencionadas como la geología o condiciones morfológicas
que llevan a que los individuos se organicen de determinada manera.
Es importante analizar los patrones de distribución de las especies ya que a raíz de estas se
pueden generar medidas que busquen el fortalecimiento de estas, ya que el conocer la manera en
la que se encuentran ubicadas espacialmente es el primer paso para comenzar con una
caracterización de las condiciones que han llevado a que este individuo que en este caso fue
denominado B se encuentre localizado en esos territorios y no se desplace a otros. Incluso en
puntos en los cuales la disponibilidad de alimentos no es alta.
Las pruebas estadísticas de Morisita y Chi-Cuadrado resultan importantes para confirmar el tipo
de distribución esto a causa de como la varianza relativa en algunos casos de tamaño muestral
da cercanos a uno y por esto debe confirmarse si el mismo corresponde a una distribución
uniforme o disgregada.

8 Bibliografía
Beltran, E., Gutierrez, F., & Torres, G. (2010). Biología, conceptos y fundamentos básicos.
Bogotá: Universidad Jorge Tadeo Lozano.
Busch, M. (2017). Ecología de Poblaciones. Argentina: Ecologia General.
Cerna , E., Landeros, J., & Badii, M. (2007). Patrones de asociación de especies y
sustentabilidad. Daena: International Journal of Good Conscience, 632-660.
Morlans, C. (2004). Introduccion a la Ecologia de Poblaciones. Catamarca: Editorial Científica
Universitaria - Universidad Nacional de Catamarca.
Tobar Suarez, C., Ortega Andrade, M., & Arellano, M. (2011). Tamaño poblacional, uso del
hábitat y relaciones interespecíficas de Agalychnis spurrelli (anura: hylidae) en un
bosque húmedo tropical remanente del noroccidente de Ecuador. Scielo, 1-19.
Velazquez, E., Pérez, M., & Chávez, A. (2016). El análisis de la comunidad: parámetros y
evaluaciones de la diversidad biológica. Libramiento Norte poniente, 131-139.
9 Anexos

Matriz de 0,5x0,5

Conteo Matriz de 0,5x0,5

1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3 3 3
  1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 Promedio 0,577

1 0 0 2 0 0 0 2 0 1 2 0 2 2 0 1 0 1 1 0 0 0 0 0 1 0 0 1 1 2 0 0 0 Varianza 0,575

2 0 0 0 2 0 0 0 0 0 0 1 1 0 1 1 1 0 1 1 0 0 0 0 1 2 0 0 0 0 0 0 1 Varianza R 0,996

3 0 0 3 0 0 1 1 0 1 1 0 0 2 0 1 1 0 0 1 1 0 1 0 3 0 0 2 1 1 1 1 0 I Morisita 0,993
Chi
4 0 0 0 0 0 1 2 0 0 0 0 0 0 1 1 0 0 2 2 1 2 2 0 0 1 1 0 0 2 1 0 1 Cuadrado 1166,008714
Chi -
5 0 0 3 0 0 2 0 1 0 2 2 1 0 1 2 0 1 2 1 0 0 0 0 0 2 0 1 0 1 0 0 0 Calculado 5,866666667

6 0 0 2 0 0 0 0 1 1 1 0 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 0 0 2 2 2 0

7 1 1 2 1 1 1 1 1 1 0 1 0 0 0 1 0 1 0 0 0 0 0 0 2 1 0 2 0 1 1 0 0

8 0 1 0 1 1 1 0 1 1 1 2 1 1 1 0 1 0 1 0 0 0 1 1 2 2 0 1 0 1 0 1 0

9 0 0 1 1 1 1 1 0 1 0 0 0 1 1 1 1 0 1 2 0 1 0 1 1 0 5 1 1 0 0 0 0 n N
1 X*F(x (x- (x- x(x- x(x-
0 1 0 2 0 1 0 1 0 0 1 0 0 0 0 1 0 2 0 0 0 0 0 0 0 1 1 0 0 1 1 1 1 Xi F(x) ) X-Xm xm)^2 xm)2*f(x) 1) 1)*f(x)
1 -
1 0 0 1 1 1 2 0 0 1 0 2 1 0 1 1 0 0 1 0 0 0 1 0 1 2 2 4 2 0 0 0 0 0 699 0 0,577 0,333 232,655 0 0
1
2 1 0 0 0 1 0 1 0 1 0 0 1 0 1 0 1 3 0 0 0 1 2 0 0 0 0 2 0 0 0 0 0 1 408 408 0,423 0,179 73,030 0 0
1
3 0 0 1 1 0 0 1 1 0 0 0 0 1 0 1 1 0 3 1 1 2 1 0 1 1 1 0 3 0 0 1 0 2 115 230 1,423 2,025 232,892 2 230
1
4 1 0 1 0 2 0 1 0 1 0 2 1 0 1 0 1 0 0 1 1 0 2 0 1 0 2 1 0 0 0 0 0 3 23 69 2,423 5,871 135,040 6 138
1
5 0 0 1 1 0 0 0 0 2 0 0 0 0 0 0 0 2 0 1 0 2 1 1 1 0 0 1 0 0 0 1 0 4 2 8 3,423 11,717 23,435 12 24
1
6 0 0 0 0 0 1 0 1 1 0 3 0 1 1 0 1 1 0 0 2 0 1 2 2 0 1 0 0 1 2 0 0 5 1 5 4,423 19,564 19,564 20 20
1 11,53
7 2 0 0 1 1 1 0 1 1 0 0 4 0 0 1 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 1 0 SUMA 1248 720 8 39,689 716,615 40 412
1
8 1 0 0 0 0 1 0 0 1 0 1 1 1 0 1 0 0 0 0 0 0 0 1 2 0 1 0 0 0 2 3 0
1
9 0 0 2 2 0 1 0 0 0 0 1 1 1 0 0 0 0 0 0 1 1 0 1 0 0 1 0 0 0 1 0 0
2
0 0 1 0 0 0 1 0 0 0 0 0 1 1 0 1 0 1 0 0 1 0 1 0 0 0 0 1 0 0 0 2 0
2 0 3 2 0 0 0 2 0 2 0 1 1 0 0 1 0 0 0 1 0 2 0 0 0 0 0 1 1 1 1 1 0
 Matriz de 0,5x0,5
1
2
2 0 1 1 1 1 1 0 1 1 0 0 0 0 1 0 1 0 0 1 1 3 0 0 0 0 0 1 1 0 0 0 0
2
3 0 1 1 0 0 0 2 0 0 1 1 0 1 0 0 0 0 2 0 0 2 1 1 1 0 0 1 0 0 0 1 2
2
4 0 2 0 1 0 1 0 0 0 1 0 1 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 1 0 1 0 1
2
5 0 1 0 0 1 0 2 1 2 1 0 1 1 1 1 0 0 0 1 2 0 0 0 3 1 0 0 1 0 0 0 1
2
6 0 2 0 1 2 0 2 1 1 1 0 1 2 1 0 0 0 0 0 1 0 1 0 0 1 1 0 1 0 0 0 0
2
7 0 0 0 1 0 0 0 2 0 0 2 1 0 1 2 0 2 1 1 1 0 0 1 1 1 2 0 0 0 2 0 1
2
8 0 0 0 0 2 2 1 1 1 1 1 0 0 0 1 1 0 0 0 0 0 0 0 1 1 1 2 0 0 0 0 1
2
9 2 0 0 0 1 1 1 1 0 1 0 0 0 1 0 0 1 2 1 0 1 1 1 0 1 0 2 0 1 2 1 0
3
0 0 0 2 2 2 1 3 2 0 0 0 0 1 2 0 1 0 0 2 1 0 0 0 0 0 1 2 1 1 3 0 0
3
1 0 0 0 0 0 0 1 0 1 0 1 0 0 1 1 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0
3
2 1 1 1 0 1 0 0 1 3 0 0 0 0 0 0 0 1 0 0 1 0 2 1 1 0 0 1 0 1 2 2 0
3
3 0 0 1 1 0 1 0 1 1 0 0 0 0 0 2 0 1 1 0 0 0 0 0 0 1 1 0 2 0 0 0 0
3
4 1 0 2 1 0 1 0 0 2 0 0 0 1 1 1 0 0 0 1 0 0 3 0 0 1 0 0 0 1 3 1 0
3
5 0 0 1 1 0 1 2 1 0 0 0 0 0 3 1 1 0 2 0 0 1 1 1 0 1 3 2 0 0 1 0 0
3
6 0 1 1 0 0 0 0 0 0 1 3 1 1 0 0 0 2 0 1 1 1 0 3 1 1 0 3 0 1 0 1 0
3
7 1 1 0 1 1 1 0 1 3 1 0 1 2 0 0 0 1 1 0 0 0 0 1 0 1 0 0 0 1 0 0 1
3
8 0 0 3 1 0 0 0 0 1 0 0 0 0 1 1 0 0 2 0 0 2 2 0 1 0 0 2 1 2 2 0 0
3
9 0 0 1 1 1 0 1 0 0 1 0 0 0 1 0 0 0 0 1 0 1 1 2 1 0 1 0 0 0 0 0 0

Matriz de 0,5x1
  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Matriz de 0,5x1
1 0 2 0 2 3 2 2 1 2 0 0 1 0 2 2 0 Promedio 1,1490
2 0 2 0 0 0 2 1 2 1 1 0 1 2 0 0 1 Varianza 1,1961
 Matriz de 0,5x1
3 0 3 1 1 2 0 2 2 0 2 1 3 0 3 2 1 Varianza R 1,0409
4 0 0 1 2 0 0 1 1 2 3 4 0 2 0 3 1 I Morisita 1,01445296
5 0 3 2 1 2 3 1 2 3 1 0 0 2 1 1 0 Chi Tabulado 565,144459
6 0 2 0 1 2 0 0 0 1 0 1 1 0 0 4 2 Chi Calculado 9,26160338
7 2 3 2 2 1 1 0 1 1 0 0 2 1 2 2 0
8 1 1 2 1 2 3 2 1 1 0 1 3 2 1 1 1
9 0 2 2 1 1 0 2 2 1 2 1 2 5 2 0 0 n N
(x-
10 1 2 1 1 1 0 0 1 2 0 0 0 2 0 2 2 Xi F(x) X*F(x) X-Xm (x-xm)^2 xm)2*f(x) x(x-1) x(x-1)*f(x)
11 0 2 3 0 1 3 1 1 1 0 1 1 4 6 0 0 0 209 0 -1,149 1,320 275,940 0 0
12 1 0 1 1 1 1 1 1 3 0 3 0 0 2 0 0 1 209 209 -0,149 0,022 4,642 0 0
13 0 2 0 2 0 0 1 2 3 2 3 1 2 3 0 1 2 133 266 0,851 0,724 96,310 2 266
14 1 1 2 1 1 3 1 1 0 2 2 1 2 1 0 0 3 54 162 1,851 3,426 185,007 6 324
15 0 1 0 0 2 0 0 0 2 1 3 2 0 1 0 1 4 16 64 2,851 8,128 130,048 12 192
16 0 0 1 1 1 3 2 1 1 2 1 4 1 0 3 0 5 2 10 3,851 14,830 29,660 20 40
17 2 1 2 1 1 4 0 2 1 0 1 0 2 0 0 1 6 1 6 4,85096154 23,5318278 23,532 30 30
18 1 0 1 0 1 2 1 1 0 0 0 3 1 0 2 3 SUMA 623 711 12,957 51,982 721,608 70 822
19 0 4 1 0 0 2 1 0 0 1 1 1 1 0 1 0
20 1 0 1 0 0 1 1 1 1 1 1 0 0 1 0 2
21 3 2 0 2 2 2 0 1 0 1 2 0 0 2 2 1
22 1 2 2 1 1 0 1 1 0 2 3 0 0 2 0 0
23 1 1 0 2 1 1 1 0 2 0 3 2 0 1 0 3
24 2 1 1 0 1 1 0 0 0 1 2 2 0 1 1 1
25 1 0 1 3 3 1 2 1 0 3 0 3 1 1 0 1
26 2 1 2 3 2 1 3 0 0 1 1 0 2 1 0 0
27 0 1 0 2 0 3 1 2 3 2 0 2 3 0 2 1
28 0 0 4 2 2 1 0 2 0 0 0 1 2 2 0 1
 Matriz de 0,5x1
29 2 0 2 2 1 0 1 0 3 1 2 1 1 2 3 1
30 0 4 3 5 0 0 3 1 0 3 0 0 1 3 4 0
31 0 0 0 1 1 1 1 1 0 0 1 1 0 0 0 0
32 2 1 1 1 3 0 0 0 1 1 2 2 0 1 3 2
33 0 2 1 1 1 0 0 2 2 0 0 0 2 2 0 0
34 1 3 1 0 2 0 2 1 0 1 3 0 1 0 4 1
35 0 2 1 3 0 0 3 2 2 0 2 1 4 2 1 0
36 1 1 0 0 1 4 1 0 2 2 1 4 1 3 1 1
37 2 1 1 1 4 1 2 0 2 0 0 1 1 0 1 1
38 0 4 0 0 1 0 1 1 2 0 4 1 0 3 3 0
39 0 2 1 1 1 0 1 0 0 1 2 3 1 0 0 0

Matriz de 1x1  
  1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Promedio 2,2438
1 0 4 0 2 3 4 3 3 3 1 0 2 2 2 2 1 Varianza 2,4169
2 0 3 2 3 2 0 3 3 2 5 5 3 2 3 5 2 Varianza R 1,0772
3 0 5 2 2 4 3 1 2 4 1 1 1 2 1 5 2 I Morisita 1,03433138
4 3 4 4 3 3 4 2 2 2 0 1 5 3 3 3 1 Chi Tabulado 278,6209
5 1 4 3 2 2 0 2 3 3 2 1 2 7 2 2 2 Chi Calculado 23,6155989
6 1 2 4 1 2 4 2 2 4 0 4 1 2 8 0 0
7 1 3 2 3 1 3 2 3 3 4 5 2 4 4 0 1
8 0 2 1 1 3 3 2 1 3 3 4 6 1 1 3 1
9 3 1 3 1 2 6 1 3 1 0 1 3 3 0 2 4 n N
10 1 4 2 0 0 3 2 1 1 2 2 1 1 1 1 2 Xi F(x) X*F(x) X-Xm (x-xm)^2 (x- x(x-1) x(x-1)*f(x)
 Matriz de 1x1  
xm)2*f(x)
11 4 4 2 3 3 2 1 2 0 3 5 0 0 4 2 1 0 38 0 -2,244 5,034 191,308 0 0
12 3 2 1 2 2 2 1 0 2 1 5 4 0 2 1 4 1 78 78 -1,244 1,547 120,659 0 0
13 3 1 3 6 5 2 5 1 0 4 1 3 3 2 0 1 2 78 156 -0,244 0,059 4,634 2 156
14 0 1 4 4 2 4 1 4 3 2 0 3 5 2 2 2 3 60 180 0,756 0,572 34,315 6 360
15 2 4 5 7 1 0 4 1 3 4 2 1 2 5 7 1 4 38 152 1,756 3,084 117,208 12 456
16 2 1 1 2 4 1 1 1 1 1 3 3 0 1 3 2 5 21 105 2,756 7,597 159,535 20 420
17 1 5 2 1 3 0 2 3 2 1 3 0 3 2 4 1 6 3 18 3,756 14,109 42,328 30 90
18 1 3 1 3 1 4 4 2 4 2 3 5 5 5 2 1 7 3 21 4,756 22,622 67,866 42 126
19 2 5 2 1 5 1 3 1 4 0 4 2 1 3 5 1 8 1 8 5,756 33,134 33,134 56 56
20 0 2 1 1 1 0 1 0 0 1 2 3 1 0 0 0 SUMA 320 718 15,806 87,760 770,988 168 1664

Matriz de 2x1 Matriz de 2x1            

  1 2 3 4 5 6 7 8 Promedio 4,5000
1 4 2 7 6 4 2 4 3 Varianza 5,0692
2 3 5 2 6 7 8 5 7 Varianza R 1,1265
3 5 4 7 3 5 2 3 7 I Morisita 0,96991097
4 7 7 7 4 2 6 6 4 Chi Tabulado 124,502186
5 5 5 2 5 5 3 9 4 Chi Calculado -20,4976888
6 3 5 6 4 4 5 12 0
7 4 5 4 5 7 7 8 1
8 2 2 6 3 6 10 2 4
9 4 4 8 4 1 4 3 6 n N
10 5 2 3 3 3 3 2 3 Xi F(x) X*F(x) X-Xm (x-xm)^2 (x-xm)2*f(x) x(x-1) x(x-1)*f(x)
 Matriz de 2x1 Matriz de 2x1            
11 8 5 5 3 3 5 4 3 0 2 0 -4,500 20,250 40,500 0 0
12 5 3 4 1 3 9 2 5 1 11 11 -3,500 12,250 134,750 0 0
13 4 9 7 6 4 4 5 1 2 16 32 -2,500 6,250 100,000 2 32
14 1 8 6 5 5 3 7 4 3 28 84 -1,500 2,250 63,000 6 168
15 6 12 1 5 7 3 7 8 4 27 108 -0,500 0,250 6,750 12 324
16 3 3 5 2 2 6 1 5 5 29 145 0,500 0,250 7,250 20 580
17 6 3 3 5 3 3 5 5 6 18 108 1,500 2,250 40,500 30 540
18 4 4 5 6 6 8 10 3 7 15 105 2,500 6,250 93,750 42 630
19 7 3 6 4 4 6 4 6 8 7 56 3,500 12,250 85,750 56 392
20 2 2 1 1 1 5 1 0 9 3 27 4,500 20,250 60,750 72 216
10 2 20 5,500 30,250 60,500 90 180
11 0 0 6,500 42,250 0,000 110 0
12 2 24 7,500 56,250 112,500 132 264
SUMA 153 649 19,500 211,250 572,250 572 2666

Matriz de 2x2 Matriz de 2x2

  1 2 3 4 5 6 7 8 Promedio 8,7000
1 7 7 9 12 1 10 9 10 Varianza 12,2886
2 12 11 14 7 7 8 9 1 Varianza R 1,4125
3 8 10 8 9 9 8 21 4 I Morisita 0,98212792
4 6 7 10 8 13 17 10 5 Chi Tabulado 47,4495811
5 9 6 11 7 4 7 5 9 Chi Calculado -9,68583162
6 13 4 9 4 6 14 6 8
7 5 17 13 11 9 7 12 5
8 9 15 6 7 9 9 8 13
 Matriz de 2x2 Matriz de 2x2
9 10 7 8 11 9 11 15 8 n N
10 9 5 7 5 5 11 5 6 Xi F(x) X*F(x) X-Xm (x-xm)^2 (x-xm)2*f(x) x(x-1) x(x-1)*f(x)
1 2 2 -7,700 59,290 118,580 0 0
2 4 8 -6,700 44,890 179,560 2 8
5 8 40 -3,700 13,690 109,520 20 160
6 6 36 -2,700 7,290 43,740 30 180
7 11 77 -1,700 2,890 31,790 42 462
8 9 72 -0,700 0,490 4,410 56 504
9 14 126 0,300 0,090 1,260 72 1008
10 6 60 1,300 1,690 10,140 90 540
11 6 66 2,300 5,290 31,740 110 660
12 3 36 3,300 10,890 32,670 132 396
21 13 4 52 4,300 18,490 73,960 156 624
14 2 28 5,300 28,090 56,180 182 364
15 2 30 6,300 39,690 79,38 210 420
17 2 34 8,300 68,890 137,78 272 544
21 1 21 12,300 151,290 151,29 420 420
12 2 24 3,300 10,890 21,780 132 264
SUMA 66 487 23,800 463,840 530,740 1926 3522

Matriz de 2x4
Matriz de 2x4
  1 2 3 4 Promedio 17,4000
1 14 21 11 19 Varianza 19,9897
2 23 21 15 10 Varianza R 1,1488
3 18 17 17 25
 Matriz de 2x4
Matriz de 2x4
4 13 18 30 15
5 15 18 11 14
6 17 13 20 14
7 22 24 16 17
8 24 13 18 21
9 17 19 20 23
10 14 12 16 11
Matriz de 8x8
Matriz de 4x8 Matriz de 4x8 Matriz de 8x8
Matriz de 4x4 Matriz de 4x4   1 2 Promedio 68,1000   1 2 Promedio 113,5000
  1 2 3 4 Promedio 34,0500 1 79 30 Varianza 301,8778 1 145 117 Varianza 1532,3000
1 37 42 1 29 Varianza 95,3132 2 66 87 Varianza R 4,4329 2 156 131 Varianza R 13,5004
2 31 35 47 40 Varianza R 2,7992 3 63 59 3 62 70
3 32 31 31 28 4 93 72

4 46 47 34 38 5 62 70 Matriz de 8x16
Matriz de
5 31 31 36 34 8x16 Promedio 227,0000
  1 Varianza 6925,0000
1 262 Varianza R 30,5066
2 287