Materiales y métodos

Sitio de estudio

El muestreo se llevó a cabo durante 2 años (2018- 2019) en 4 paises diferentes (Puerto Vallarta, México (MEX), Monterrico, Guatemala (GUA), Islas Murciélagos, Costa Rica (CR) e Isla Coiba, Panamá (PAN). En cada sitio se realizaron 10 transectos (A-J) de 30 km lineales. Además, se queria conocer la presencia de las especies y distintas profundidas, por lo tanto, se realizó un experimento con marcas acústicas durante el dia y la noche y con ellos se calculó su densidad promedio.

Analisis estadistico

Primeramente se realizó un analisis a la base de datos brindada y se procedio a filtrar por categorias, por ejemplo especie, año, abundancia, talla, temperatura, salinidad, transecto y estacion del año. Seguidamente, se elaboró una distribución de frecuencia con base a la abundancia y la talla, además, de sus histogramas respectivos para tener un mejor entendimiento de la data. Se utilizaron los metodos estadisticos de Poisson, Binnomial y Normal, con el fin de realizar comparaciones a partir de probabilidades dentro de la misma variable de abundancia. Se formularon distintas pruebas de hipotesis respecto a la epoca lluviosa y la epoca seca, para hallar su relacion con la abundancia en un transecto especifico para cada especie.Se utilizó la prueba de Chi- cuadrado en pruebas de hipotesis para determinar la relación entre la talla de las especies y las epocas del año en los diferentes paises y transectos. Se realizaron tres correlación en donde se correlacionaron diferentes vectores. En la primera correlación fue relaizada entre los vectores abundancia y temperatura de la especie Balaenoptera edeni, en Costa Rica, en el año 2019 y la epoca lluviosa, estos datos fueron sometidos a la pueba shapiro.teste para comprobar su normalidad o asimetria, seguidamente se realizó la prueba cor.test mediante el metodo de Sperman para identificar la exitencia de correlación entre los vectores, finalmente estos datos fueron graficados.

La segunda correlacion se realizo entre los vectores talla y temperatura, en Costa Rica de la especie Balaenoptera physalus, de igual forma que con la correlación anterior se realizaron las preubas estadisticas correspondientes para comprobar su normalidad o asimetria y la prueba cor.test para identificar la correlción, de la misma forma que la anterior esta tambien fue graficada. Para la útima correlación se tomaron los vectores temperatura y salinidad de la epoca lluviosa, en el año 2018 y en los sitios donde fue observada la especie Balaenoptera physalus, donde fueron realizadas las mismas puebas estaditicas de las dos correlciones anteriores.

Resultados

correlaciones

Los vectores abundancia y temperatura de la especie Balaenoptera edeni según la preuba corresondiente fueron asimétricos y normales respectivamente con p.values de 0.01958 y 0.7208, al aplicar la prueba cor.test se observó que estos datos poseían una correlación débil con un rho de 0.3790399 y un p-value de 0.03886 siendo este significativo.

Imagen 1. Correlacion de abundancia y temperatura

La asimetría de los vectores talla y temperatura de la especie Balaenoptera physalus se desmostraron con p-values de 0.0001364 y 1.919e-06 respectivamente y los cuales tuvieron una correlacion muy baja la cual fue demostrada con un p-value de 0.02194 y un rho de 0.2090455, con un valor muy cercano al 0.

Imagen 2 Correlacion talla temperatura

En la tercera correlacion se obtuvo la correlcion más alta, siendo esta negativa, con un rho de -0.71564 y un p-value de < 2.2e-16, los cuales se obtuvieron al saber que los datos de temperatura y salinidad eran asimétricos con p-values de 2.538e-11, 0.01518 respectivamnete.

Imagen 3 Correlacion negativa entre salinidad y temperatura

Comandos utilizados

{r} # Librerias—- library(readxl) library(fdth) library(PerformanceAnalytics) library(corrplot)

CARGAR DATOS—-

muestreo<-read_excel(“Data/BD_Misticetos.xlsx”, sheet = “Muestreo”) experimento<-read_excel(“Data/BD_Misticetos.xlsx”, sheet = “Experimento”)

#datos organizados—-

temperatura_bal_ede_19_lluvia_cr<-(muestreo\(Temperatura)[muestreo\)Especies==“BAL_EDE” & muestreo\(Anio==2019 & muestreo\)Estacion==“LLUVIOSA” & muestreo$Sitio==“CR”]

abundancia_bal_ede_19_lluvia_cr<-(muestreo\(Abundancia)[muestreo\)Especies==“BAL_EDE” & muestreo\(Anio==2019 & muestreo\)Estacion==“LLUVIOSA” & muestreo$Sitio==“CR”]

temperatura_bal_phy_cr<-(muestreo\(Temperatura)[muestreo\)Especies==“BAL_PHY” & muestreo$Sitio==“CR”]

talla_bal_phy_cr<-(muestreo\(Talla)[muestreo\)Especies==“BAL_PHY” & muestreo$Sitio==“CR”]

temperatura_bal_phy_18_lluvia<-(muestreo\(Temperatura)[muestreo\)Especies==“BAL_PHY” & muestreo\(Anio==2018 & muestreo\)Estacion==“LLUVIOSA”]

salinidad_bal_phy_18_lluvia<-(muestreo\(Salinidad)[muestreo\)Especies==“BAL_PHY” & muestreo\(Anio==2018 & muestreo\)Estacion==“LLUVIOSA”]

#correlación—-

1 correlación

shapiro.test(temperatura_bal_ede_19_lluvia_cr) shapiro.test(abundancia_bal_ede_19_lluvia_cr) cor.test(abundancia_bal_ede_19_lluvia_cr,temperatura_bal_ede_19_lluvia_cr, method = “s”) 0.3790399^2 #14.36%

cor_abutem<-data.frame(temperatura_bal_ede_19_lluvia_cr,abundancia_bal_ede_19_lluvia_cr) x<-cor(cor_abutem)

chart.Correlation(cor_abutem,method = “spearman”)

2 correlación

shapiro.test(temperatura_bal_phy_cr) shapiro.test(talla_bal_phy_cr) cor.test(talla_bal_phy_cr,temperatura_bal_phy_cr, method = “s”) # tau 14 0.2090455^2 #4.37%

cor_tallatem<-data.frame(talla_bal_phy_cr,temperatura_bal_phy_cr) y<-cor(cor_tallatem) chart.Correlation(cor_tallatem,method = “spearman”)

3 Correlción

shapiro.test(temperatura_bal_phy_18_lluvia) shapiro.test(salinidad_bal_phy_18_lluvia) cor.test(salinidad_bal_phy_18_lluvia,temperatura_bal_phy_18_lluvia, method = “s”) -0.71564^2 # 51.21%

cor_saltem<-data.frame(salinidad_bal_phy_18_lluvia,temperatura_bal_phy_18_lluvia) z<-cor(cor_saltem) chart.Correlation(cor_saltem, method = “spearman”)

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.