1
Contenido
1. Normas de vectores y matrices
2. Vectores y valores características
3. Método relativo
4. Estimación de erros
2
Normas vectoriales
1 Norma de Vectores La norma de un vector es el análogo al valor absoluto
de un escalar real y se denota por. Las normas dan una medida de distancia
para espacios vectoriales. Las propiedades de una norma vectorial son: x 0, x
> 0 α x = α x x + y x + y (desigualdad triangular) Las tres normas más comunes
son: Norma en L1 Norma en L Norma en L n x = x i=1 i, n x = x i ( x = max 1 i n
i=1 x i )1, Un vector unitario, con respecto a cierta norma, es un vector que
satisface, y lo denotamos por. x =1 x
2 Producto Interno para Vectores El producto interno (punto, escalar) de dos
elementos de un mismo espacio lineal como un mapeo V V C, (v 1,v ) <v 1,v >
C, que para vectores! n se define: n x y = x, y = x i y i i=1 x y = x, y = x y cosθ
donde θ representa el angulo entre los dos vectores. El producto interno
tiene las siguientes propiedades: vv, 0 v,v = 0 v =θ donde q es el elemento
nulo del espacio V. ( ) * v,w = w,v u + v, w = u, w + v, w αu,v = α u,v Se puede
definir una norma a través del producto interno: ( ) 1 v = v, v
3 Campos Un campo es cualquier conjunto de elementos que satisfacen los
siguientes axiomas: suma multiplicación a. Asociatividad: (a + b) + c = a + (b +
c) (ab)c = a(bc) b. Conmutatividad: a + b = b + a ab = ba c. Distributividad: a(b
+ c) = ab + ac (a + b)c = ac + bc d. Identidad: a + 0 = a = 0 + a a 1 = a = 1 a e.
Inversos: a + (-a) = 0 = (-a) + a aa -1 = 1 = a -1 a y es un álgebra divisoria
conmutativa.
3
4 Multiplicación de Matrices Producto Interno La multiplicación de dos
matrices A y B se lleva a cabo: A m n B n q = C m q, donde c mq = n k=1 a mk
b kq c mq = ( a m ) T,b q
5 Espacios Producto-Interno Desigualdad de Schwartz: sea V un espacio con
producto interno y, la desigualdad de Schwartz se define como u,v V u,v u v
La igualdad solo se cumple si u = αv. Ecuación del Paralelogramo: sea V un
espacio con producto interno y u,v V satisfacen la ecuación del
paralelogramo definida como u + v + u v = ( u + v ) Los Espacios Lineales
Normalizados son Casi Espacios Producto-Interno. Se puede definir un
producto interno sobre un espacio lineal con norma. Si tenemos u,v V, donde
V es un espacio lineal con norma, entonces u,v = 1 u + v 4 u v Es casi un
producto interno sobre el espacio V.
6 Combinación Lineal Mapeos Lineales Sean v 1, v,, v n elementos de un
espacio lineal V, de tal forma que { v 1, v,, v n } V. La suma de los productos
de estos elementos n con coeficientes escalares, se le conoce como una
combinación lineal de los elementos α i=1 i v i v 1, v,, v n. Si una combinación
lineal produce el elemento nulo del espacio V, n α i=1 i v i =θ, se le conoce
como una combinación lineal trivial (no trivial en caso contrario). Un mapeo f
de un espacio lineal V a otro espacio lineal W se conoce como mapeo lineal,
si se cumple lo siguiente f ( n α i v ) = n α i f v i=1 i ( ). i=1 i i
7 Independencia Lineal y Dimensión de un Espacio Lineal { } = { v 1, v,, v n } Un
conjunto v i es linealmente independiente si la única combinación trivial de
vectores v i es aquella con coeficientes iguales a cero: n α i=1 i v i = θ α i = 0
4
de otra manera, los vectores son linealmente dependientes. Un conjunto
finito { v i } = { v 1, v,, v n } de vectores linealmente independientes se conoce
como una base para el espacio V, si el conjunto genera el espacio V
completo. Un espacio vectorial que tiene una base finita se llama
dimensionalmente finito. La definición de base implica que cualquier vector v
V se puede expresar como una combinación lineal de vectores de una base: v
= El número de elementos en una base se conoce como la dimensión del
espacio lineal. n i=1 α i v i
8 Sistemas de Ecuaciones Lineales Si asumimos que A es una matriz. Entonces
Ax = b es un sistema lineal de ecuaciones. Si A es cuadrada y no-singular,
entonces existe una solución única x = A 1 b. Para el sistema de ecuaciones
lineales que involucra n variables y m ecuaciones a 11 x 1 + a 1 x + + a 1n x n
= c 1 Ax = c a 1 x 1 + a x + + a n x n = c! a m1 x 1 + a m x + + a mn x n = c m
existen tres posibles soluciones: El sistema es inconsistente y no existe
solución. El sistema es consistente y existe una solución única. El sistema es
indeterminado y existen soluciones múltiples.
9 Mapeo Métrico y Espacio Métrico Un mapeo métrico se define como un
mapeo ρ :V V! +, o ρ:v! +. Al número ρ(v 1,v ) se le llama distancia métrica, si
los siguientes axiomas se cumplen: v 1,v V : ρ ( v 1,v ) = 0 v 1 = v. Simetría: v
1,v V : ρ ( v 1,v ) = ρ ( v,v 1 ). Desigualdad triangular: v 1,v,v 3 V : ρ ( v 1,v 3 ) ρ
( v 1,v )+ ρ ( v,v 3 ). La distancia métrica es siempre mayor o igual a cero: ρ ( v
1,v ) 0. El conjunto V junto con un distancia métrica que satisface todos los
axiomas de una distancia métrica, (V,ρ), es un espacio métrico.
5
10 Secuencias de Cauchy Dado un espacio métrico (V, ρ), la secuencia v!, v ",,
v #, converge a $v V si por cada valor real ε existe un número N ε de forma tal
que todos los elementos de la secuencia con índices mayores a N tienen una
distancia a $v menor que ε, ε > 0, N ( ε) n N, ρ (!v,v n ) < ε En este caso, el
elemento $v se conoce como el limite de la secuencia. Secuencias de Cauchy:
Una secuencia es convergente si para todo número real ε existe un número N
ε tal que la distancia métrica entre cualquiera dos de los elementos que
tienen índices mayores a N es menor a ε, ε > 0, N ( ε) n,m N, ρ ( v m,v n ) < ε
Una ε-esfera abierta centrada en $v, B $ $v se puede ver como un
subconjunto del espacio V, cuya distancia a $v es menor a ε: v B ε ( v ) ρ ( v,v )
< ε Una secuencia v!, v ",, v #, converge a un elemento $v si para todo
número real ε existe un número N ε tal que todos los elementos de la
secuencia con índices mayores N ε están dentro de la ε-esfera centrada en
$v, ε > 0, N ( ε) n N ( ε), v n B ε (!v )
11 Conjuntos Abiertos y Cerrados Un punto v! de un subconjunto V " V es un
punto interior del subconjunto si existe un número positivo pequeño ε de
forma tal que todos los elementos de v! constituyen la ε-esfera centrada en
v!, pertenecen al subconjunto V ", ε : B ε ( v i ) V 1 Si todos los puntos de un
subconjunto son puntos interiores, tal conjunto es un subconjunto abierto.
Un punto v # de un conjunto V es un punto de cierre del subconjunto V " V, si
por cada número ε existe un punto v $ V " de forma tal que la distancia
métrica ρ v $, v # < ε, ( ) ε B ε ( v c ) V 1 Un conjunto es cerrado si contiene
todos sus puntos de cierre.
6
12 Espacios de Hilbert Un Espacio de Hilbert es un espacio vectorial H con un
producto interno v,u de forma tal que la norma: ( ) 1 v = v,v convierte H en un
espacio métrico completo. Si la métrica definida por la norma no es
completa, entonces H se conoce como espacio de producto interno.
Ejemplos: 1. Los número reales! n con el producto punto v,u.. Los números
complejos " n con el producto punto v,u.
13 Funciones Continuas Una función, f es continua en un intervalo I, si y sólo
si la función es continua en todos los puntos del intervalo, es decir: f es
continua en un intervalo f x I a I, lim x a ( ) = f ( a) Dado que una función f es
continua en un intervalo abierto (a, b) si la función es continua en todos los
puntos del intervalo, entonces f es continua en el intervalo cerrado [a, b] si y
sólo si es continua en el intervalo (a, b) y además es continua en el punto a
por la derecha y en el punto b por la izquierda.
14 Funciones Discretas Es un mapeo f:a Y, de tal forma que A es un
subconjunto contable { a 1, a,, a n, } del dominio. En otras palabras f(a i )=y i,
para todo a i que pertenece a la secuencia. g f
15 Ortogonalidad En un espacio de Hilbert V, dos vectores ortogonales si: que
típicamente se denota como u v. v V u,v = 0, y, son Un vector es ortogonal a
un subconjunto si ( ) v V 1 v i V 1 v,v i = 0 Dos subconjuntos V 1 y V del
conjunto V son ortogonales si V 1 V u i V 1, v j V u i,v j = 0 u v V 1 V
16 Teorema de la Proyección Sea M un subespacio V, qué es un espacio de
Hilbert. Para cualquier elemento v V existe un elemento único m M 0 el cual
7
tiene la menor distancia métrica a para todo : v m M v V m 0 M : m M ρ v m 0
( ( ) ρ( v m) ) este elemento m 0 satisface la condición ( ) M v m 0
17 Bases Ortogonales { } A un conjunto v i de vectores en un espacio de
Hilbert V, cada uno de ellos ortogonal a todos los demás i j, v i,v j = 0 se le
llama un conjunto ortogonal. Si todos los vectores de dicho conjunto tienen
norma igual a uno, entonces el conjunto de vectores es ortonormal.
Típicamente se denota como 1, if i = j, v i,v j = δ i, j, donde δ i, j = 0, if i j.
Teorema de Conjuntos Ortogonales: Un conjunto ortogonal de vectores,
todos diferentes a cero, es un conjunto linealmente independiente.
8
Vectores y valores
características
9
10
11
12
1. Método relativo
Existen diferentes métodos tanto relativos como
absolutos para el muestreo (Badii &
Castillo, 2009a, Badii et al, 2011b). La pregunta crucial
es el determinar qué tipo de estos
métodos debemos utilizar. En otras palabras, dada una
condición determinada, sería más factible
e eficiente utilizar el muestreo de tipo absoluto o de
tipo relativo. Los resultados de éstos dos
tipos de muestreo se utilizan para determinar el tipo
de dispersión espacial, dinámica
poblacional y otros parámetros poblacionales (Badii &
McMurtry, 1990, Badii & Moreno, 1992,
Badii & Castillo, 2009b, 2011a). En este trabajo,
tratamos de contestar esta pregunta.
A. Métodos absolutos
13
Los ecólogos de población usan más estos métodos
donde las estimaciones sucesivas de
número de individuos por unidad absoluta (área,
volumen o tiempo) son necesarias para la
construcción de tablas de vida y casi todos los estudios
de dinámica poblacional en campo.
Estos datos se usan para estimar tasas de natalidad
(ganancia) y mortalidad (pérdida) y para
validación de los modelos poblacionales descriptivos;
en general, se usan los siguientes
métodos.
1. Muestreo en base a distancia
Los métodos en base a distancia fueron desarrollados
por los fitoecólogos para la
estimación rápida de la densidad de la vegetación
ocurriendo a lo largo de un hábitat continuo.
Estos métodos son más eficientes (menos costo por
unidad de muestra) que el uso de
14
cuadrantes, especialmente, cuando los individuos son
bien distinguibles y están distanciados el
uno del otro, por ejemplo, árboles en un bosque
(Cottam & Curtis, 1956). En la estimación de
parámetros (Ludwig & Reynolds, 1988), se miden las
distancias de los puntos muestreales
seleccionados de un cuadrícula regular en lugar de la
selección aleatoria, sin pérdida de poder
Daena: International Journal of Good Conscience. 7(1)
78-84. Abril 2012. ISSN 1870-557X 79
estadístico (1 - error tipo dos). La limitación de este
método es que no puede usarse para los
organismos móviles.
Existen varios métodos de muestreo en base de
distancia (Ludwig & Reynolds, 1988),
de los cuales, basándose en la precisión y pérdida de
poder estadístico, se recomiendan los
siguientes métodos.
a. El método de "muestreo de cuadro T." Este método
está basado en la medición de
15
las dos siguientes distancias; i) entre un punto
muestreal y el individuo más cercano y ii)
entre este individuo y su vecino más cercano (Diggle,
1983).
b. Índice de dispersión de distancia de Johnson &
Zimmer (1985). El presente
método requiere la medición de la distancia entre el
punto muestreal y el individuo más
cercano. Las ecuaciones de estos modelos son: i)
Muestreo de cuadro T: C =
∑[Xi
2
/(Xi
2
+1/2Yi
2
)]/N , donde, C = índice de dispersión, Xi = la distancia
entre el "i"
ésimo punto muestreal y el individuo más cercano, Yi =
la distancia entre el "i" ésimo
16
individuo y su vecino más cercano, y N = número total
de puntos seleccionados. La C
tiene una distribución aproximadamente normal con
una varianza de 1/(12 N); Z=(C -
1/2)/(1/(12 N)
1/2
, el valor de la tabla Z = 1.96 a P = 0.05. ii) Indice de
dispersión de
distancia de Johnson & Zimmer, 1985 (I) cuya ecuación
es: I = (N +1)∑(Xi
2
)
2
/[∑(Xi
2
)]
2
,
donde, las notaciones son como arriba mencionadas.
Ahora bien, los valores estadísticos
17
de I igual a, mayor o menor de 2 significan distribución
de tipo agregada, Poisson y
uniforme, respectivamente. Se usa la prueba de Z = (I -
2)/[4(N-1)/(N+2)(N+3)]
1/2
para
verificar estadísticamente el valor de I, donde el valor
tabulado de Z es 1.96 a P = 0.05.
2. Muestreo de una unidad de hábitat
Comparado con el método anterior que es sólo bueno
para los organismos sésiles, se usa
el presente método tanto para los organismos sésiles
como los móviles en el suelo, hojarasca,
vegetación y aire. La desventaja de este método es que
la especie bajo estudio casi siempre
forma una pequeña proporción del total de especies
muestreadas y por lo tanto, requiere mucho
trabajo para procesar el material colectado. Para una
revisión completa de este método se puede
18
referir a Kogan & Herzog (1980).
3. Captura-recaptura.
La noción básica es capturar un grupo de organismos,
marcarlos, liberarlos y después de
un lapso de tiempo tomar la segunda muestra
esperando una proporción igual de los individuos
marcados en la muestra y la población. La validez de
este método depende en los siguientes
supuestos:
a. Que todos los individuos de la población tengan la
misma probabilidad de ser
capturados, es decir que la captura y recaptura sea
aleatoria.
b. Que todos los individuos marcados estén sujetos a la
misma tasa de pérdida
(mortalidad y emigración).
c. Que los individuos tengan una distribución aleatoria.
El método más sencillo es el de
19
Lincoln (1930). Según éste modelo; N = M/(R/n),
donde, N = tamaño poblacional
estimado, M = número de individuos marcados en la
población, R = número de
individuos marcados en la muestra y, n = número total
de individuos en la muestra.
Existen varios métodos de captura-recaptura de los
cuales el más dinámico, versátil y
Daena: International Journal of Good Conscience. 7(1)
78-84. Abril 2012. ISSN 1870-557X 80
eficiente es el de Jolly (1965) (método múltiple). Este
método requiere, aparte de los
supuestos mencionados para el método simple, que: a)
como mínimo 10% de la
población sea muestreada, y b) la tasa mínima de
supervivencia sea 50%. Además, el
modelo de Jolly provee para cada fecha, estimaciones
del tamaño poblacional, tasa de
supervivencia, número de individuos nuevos que se
agregan a la población, tasa de
20
dilución (mortalidad y emigración) y error estándar
para cada una de estas estimaciones.
4. Remoción por trampeo.
El fundamento de este método es que el número de
individuos por unidad de tiempo se
reduce debido a que la población se disminuye por el
efecto de remover parte de ella mediante
el proceso de trampeo (Southwood & Anderson, 2000).
Este método se usa raramente en la
agricultura debido a los supuestos irreales siguientes
(Moran, 1952):
a. La población debe ser estable; no se permite
natalidad, inmigración, mortalidad o
migración durante el proceso de investigación.
b. Una probabilidad constante de captura de todos y
cada individuo durante todo el
muestreo.
[Link] proceso de trampeo no debe cambiar la
probabilidad de captura de cualquier
21
individuo.
Existen varios modelos (Kono, 1953, Zippin, 1956) de
remover por trampeo. Un
método muy sencillo es el de Southwood (1966) en
donde se grafican los números de individuos
capturados en muestras sucesivas (eje y) contra los
números acumulativos capturados (eje x),
luego trazar a ojo una línea recta para estos datos, y el
valor numérico en el punto de
intersección de la línea recta con el eje x, se toma
como una estimación del tamaño inicial de la
población.
B. Métodos relativos
Aquí, el objetivo es cuantificar una proporción
constante de los individuos por unidad
específica (unidad de esfuerzo, trampa, etc.),
comparado con la contabilización de todos los
individuos para el muestreo absoluto. Por lo tanto, los
métodos relativos, son más eficientes
22
(menor costo por información obtenida) que los
métodos absolutos. Los métodos relativos se
dividen en dos grupos.
1. Captura por unidad de esfuerzo.
Ejemplos de este método son: líneas de transecto, D-
Vac, visual, golpeo y sacudir, red
entomológica, etc. La estimación aquí, está basada en
la acción del observador.
2. Captura por trampeo.
Aquí los ejemplos son: trampa visual, Malaise,
Windopane, pitfall, con atrayentes, etc.
En este caso, la cuantificación de los elementos está
basada en la acción propia del organismo
que va a ser capturado. Según Southwood (1966), la
captura de los individuos depende de los
siguientes factores:
a. Densidad poblacional total.
Daena: International Journal of Good Conscience. 7(1)
78-84. Abril 2012. ISSN 1870-557X 81
b. Densidad de la poblacional parcial.
23
c. Nivel de actividad del organismo que depende del
clima.
d. Eficiencia de la captura del método que a su vez
depende de factores como la
temperatura, luz, presencia de la luna, altura del
cultivo, % de humedad relativa,
dispersión vertical de la población, etc.
e. Reacción y respuesta de cada especie y cada sexo al
estímulo en la trampa.
3. Línea de transecto
Uno de los métodos relativos de uso común en el
monitoreo de los organismos es la
línea de transecto. Este método está basado en la
noción de que si el observador se mueve en un
hábitat, el número de los organismos observados por
él va a estar claramente relacionado con la
densidad de los mismos. Existen dos tipos de modelos.
a. Estáticos. Sólo el observador se mueve y por lo
tanto, observa a los organismos o
24
los provoca (disturba) a mover.
b. Dinámicos. Ambos, tanto el observador como el
observado se mueven. El método
estático se ha usado para disturbar a saltamontes
mediante sirenas, plaguicidas,
avión o automóvil con 75% de eficiencia (Symmons et
al., 1963). Otro método
estático sofisticado es para las aves con una docena de
estimadores, de los cuales el
menos sesgado y con mínima varianza es el de Gates
(1969): D = nA(2n - 1)/2L∑r,
donde, D es la densidad poblacional estimada, n =
número de individuos
observados, A es el tamaño del área, L = largo de
transecto y r es la distancia del
observador al observado. Un modelo dinámico de uso
común es el de Yapp (1956):
D = Z/2rV, donde, D = la densidad estimada, Z =
número de encuentros por unidad
25
de tiempo, es decir n/t, r = media de distancia entre el
observador y el organismo o
el observado, V = velocidad media del organismo en
relación con el observador y
está dada por V
2
=u
2
+w
2
, donde, u = velocidad media del observador y w =
velocidad media del observado.
Comparación entre los métodos absolutos y relativos
La selección de cualquier método de muestreo
depende del nivel de precisión requerida
y de la limitación en el costo del muestreo, hay dos
formas de comparación entre los métodos
relativos y absolutos.
1. Comparación gráfica. Si el patrón general de la
fluctuación poblacional producida por
26
el método absoluto es similar al del método relativo,
entonces, basándose en el nivel de
precisión y el costo, se selecciona el método relativo.
2. Comparación estadística. Se selecciona aquel
método con menor nivel de coeficiente
de variación (DE/m) y variación relativa (EEm/m) y con
mayor nivel de la precisión
relativa neta: PRN = [(EEm/m)(CM)]
-1
, donde, m es la media muestreal, DE = desviación
estándar, EEm = error estándar de la media y CM = el
costo de muestreo. Además, se usa
el Análisis de Varianza (ANOVA) para probar la
diferencia entre las estimaciones
generadas por los métodos relativos y absolutos.
Daena: International Journal of Good Conscience. 7(1)
78-84. Abril 2012. ISSN 1870-557X 82
Estimar abundancia: Conteo por cuadrantes
El conteo de los organismos por medio de los
cuadrantes constituye la técnica más
27
antigua en ecología para estimar abundancia de
animales y plantas (árboles, canguros, aves,
balanos, caribúes, etc.) y se basa en dos
requerimientos básicos: 1. Conocer el área, el tamaño,
forma y el volumen de los cuadrante. 2. Que los
organismos sean relativamente inmóviles
durante el período de conteo.
28
Estimación
de erros
29
30
31
32
33
