Influencia de la temperatura en el comportamiento de larvas del orden Trichoptera recolectados en cuatro afluentes de San Carlos, Costa Rica
¹Escuela de Ciencias Biológicas, Universidad Nacional, Heredia, Costa Rica; daniela.obando.garcia@est.una.ac.cr, gloriana.ramos.azofeifa@est.una.ac.cr,melannyjrg32@gmail.com
Fecha: 2020-11-03 22:45:52
Resumen: Los organismos pertenecientes al orden Trichoptera, son insectos que se asemejan a las polillas en su estado adulto y en estado larval generalmente habitan ríos y quebradas. Estos contribuyen a la cadena trófica y son bioindicadores de contaminación ambiental. Este trabajo compara la abundancia y los parámetros morfométricos, como lo son el ancho cefálico, talla del fémur y la longitud total de los individuos frente variables ambientales, en larvas de género Leptonema, recolectadas en los ríos Peje, Peñas Blancas, Chachagua y Chachagüita, pertenecientes al cantón de San Carlos, Costa Rica. También se demuestra el efecto de las diferentes temperaturas sobre la larva. Luego de implementar las pruebas estadísticas como t-Student, correlaciones y análisis estadísticos de varianza, no se encontró una relación en las medidas del insecto frente al cantidad de fosfato (PO₄), ni una variación por las diferentes temperaturas a las que fueron sometidos. A pesar de encontrarse en diferentes sitios, las medidas de los individuos fueron muy similares entre las especies.
Palabras clave: Leptonema sp., río Peje, río Peñas Blancas, río Chachagua , río Chachagüita
Los organismos pertenecientes al orden Trichoptera son insectos holometábolos, ya que su desarrollo de vida se da en etapas de huevo , larva, pupa y adulto, dependiendo del medio acuático para cumplirlo. Cuando llegan a la etapa adulta viven en el medio terrestre y se asemejan a polillas pequeñas. Las alas de estos organismos se doblan y se posan sobre su cuerpo formando un tipo de techo y sus antenas son sumamente largas Estos llegan a tener un tamaño aproximado de 2 hasta los 30 mm. Pueden llegar a presentar coloraciones cafes y negras pero se pueden encontrar especies de colores más claros como amarillos, blancos o verdes (Springer, 2010).
Las larvas de estos organismos se desarrollan y viven en diversos ambientes acuáticos, ya que tienen la capacidad de construir casitas móviles o refugios que son fijados al sustrato o ser de vida libre, estas pueden ser de diversas formas y materiales orgánicos e inorgánicos(Figura 2). Los tricópteros generalmente habitan ríos y quebradas de aguas limpias y que estén bien oxigenadas. Sin embargo, también se pueden instalar en ambientes lénticos. Son de suma importancia ya que son parte fundamental de la cadena trófica ya que diversos tipos de peces, aves y algunos vertebrados los incluyen dentro de su dieta. Es uno de los órdenes de insectos acuáticos más diversos y son utilizados como bioindicadores para medir la calidad del agua, debido a que muchos de estos son organismos sensibles a la contaminación del agua y a la modificación del hábitat donde se encuentran (Jaimes-Contreras y Granados-Martínez, 2016).
Además, de ser importantes en el sector ambiental son de gran importancia desde el punto de vista económico. Ya que se aprovechan de que estos insectos construyen estuches, por lo que utilizan las larvas de diversas especies para producir bisutería fina. El proceso de elaboración consiste en la introducción de larvas en peceras en donde a su vez introducen piedras preciosas o materiales de interés, por lo que las larvas los utilizan para la construcción de sus estuches; una vez pasado el proceso se recogen las casitas ya vacías y con ellos se confeccionan collares, aretes o brazaletes (Vásquez Villena, 2019).
Por lo tanto, el siguiente trabajo busca comparar la abundancia y los parámetros morfométricos de larvas de Leptonema ante variables ambientales así como determinar el comportamiento de estas ante factores controlados de laboratorio(Figura 1).
Figura 1.Larva Leptonema. Tomado de Springer(2010).
Figura 2.Estuches de Trichoptera. Recuperado de McCrae(2013).
Objetivos
I. Objetivo General
Evaluar los efectos generados en cuatro larvas del género Leptonema, frente a tres temperaturas y diferentes concentraciones de fosfato, recolectados en cuatro ríos de San Carlos mediante pruebas estadísticas, con el fin de determinar los distintos comportamientos de las especies.
II. Objetivos Específicos
Comparar la abundancia y los parámetros morfométricos de cuatro especies de Leptonema en muestras adquiridas durante época seca y lluviosa en un periodo de dos años, así como la concentración de fosfato contenida en el agua que alberga a las larvas mediante pruebas estadísticas.
Determinar la actividad y sobrevivencia en larvas de Leptonema al exponerse a diferentes temperaturas en condiciones controladas de laboratorio.
Área de estudio: El proyecto se realizó en cuatro ríos de San Carlos, Alajuela. Precisamente el río Peje que se denotó como Sitio1, río Peñas Blancas llamado el Sitio 2, río Chachagua nombrado el Sitio 3 y río Chachagüita referenciado como el Sitio 4. Se realizó un muestreo durante los años 2017 y 2018, en época seca y lluviosa con larvas del orden de insectos Tricópteros del género Leptonema.
Diseño muestreo y experimental: Los muestreos se realizaron en cuatro sitios, de cada uno de estos se tomaron treinta muestras, con redes de Surber para la determinación de la abundancia de Tricópteros por metro cuadrado. Además, se colectó una muestra de agua para determinar la concentración de fosfato(mg/L) presente en esta. Posterior a esto, se establecieron valores promedio de los parámetros morfométricos en unidades de milímetros; como la longitud total, ancho cefálico y el largo del fémur para individuos de cuatro especies de Leptonema. Por otro lado, se realizó un experimento de laboratorio, en el cual se seleccionaron diez individuos de cada sitio y especies de manera aleatoria, considerando que los muestreos se realizaron en dos épocas estacionales de dos años, para determinar el tiempo de actividad y sobrevivencia, ambas en unidades de minutos, siendo sometidas a temperaturas de 15C°, 20C° y 25C° en un rango de diez minutos en condiciones controladas.
Análisis de datos: Se examinaron las posibles diferencias respecto a la abundancia de las larvas de Leptonema, utilizando las categorías de año y estación, para ello, se implementaron las pruebas de Wilcoxon y con la finalidad de reforzar esto se empleó un modelo de Kruskal-Wallis con la raíz cuadrada de datos. Respecto a la longitud de los individuos, se realizó una prueba de t-student para comparar la existencia de variabilidad entre ambos años y con una prueba de bondad de ajuste, se trabajó con la sumatoria entre los sitios según cada especie, para lo cual también se extrajo el valor tabular respectivo. De igual manera, con esta medida de los individuos, se realizó una ANDEVA para hacer una evaluación entre cada especie. Utilizando una correlación, se comparó la talla del fémur entre la longitud total de las especies, en el Sitio 4, durante época seca. Se realizó una tabla de frecuencias con los valores del fémur en época lluviosa del año 2018, para observar la similitud o diferencia entre la frecuencia absoluta, la cual se evaluó comparando el valor de chi tabular y el calculado partir de una prueba de bondad de ajuste. Respecto a ancho cefálico se realizó un análisis de varianza con la finalidad de visualizar las diferencias entre las especies, con esta variable, también se extrajo la probabilidad de encontrar individuos de cada especie con un ancho cefálico de 0.62mm durante época seca, por lo cual, se calculó el promedio y la desviación estándar de cada grupo. La concentración de fosfato encontrada en cada muestra, se relacionó con el año y la estación a partir de una prueba de t-student. Con la sumatoria de los datos y una prueba de bondad de ajuste se determinó la relación entre del PO4 y los sitios según cada especie. También se realizó una correlación con respecto a este factor ambiental, la abundancia y los tres parámetros morfométricos medidos anteriormente. De los datos recolectados en el experimento, la temperatura, el tiempo de sobrevivencia y la actividad, se les implementó una prueba de Kruskal-Wallis y usando la sumatoria de los valores se aplicó una prueba de bondad de ajuste para determinar las diferencias entre estas variables por especie. Tanto de la sobrevivencia como de la actividad se calculó su debido promedio para visualizar las diferencias entre las especies. En los resultados que se obtuvo correlaciones se implementó también una regresión lineal para extraer su debida ecuación que ayudaría a predecir el comportamiento de la variable respecto a su factor. A todas las pruebas de hipótesis se les comprobó sus debidos supuestos y en estas se utilizó el año y la estación como una población. De cada modelo realizado se comprobó la normalidad residual, en la distribución de los datos por categorías con una prueba de balance y también se realizó la mejor prueba de homocedasticidad que se adaptó según las condiciones de cada modelo. Luego de esto, se verificó si existían diferencias significativas entre las categorías comparadas y se utilizaron los correspondiente Post-hoc según la naturaleza de los datos, para determinar cuáles eran estas diferencias. La distribución normal de los datos en todos los métodos utilizados se verificó con una prueba de Shapiro-Wilk. Todos los análisis se realizaron a un 95% de nivel de confianza desde la programación de R(versión 1.3.1056, 2020).
Resultados
Se obtuvo un total de 1920 datos recolectados durante el muestreo por cada variable, la abundancia de las especies presentó una diferencia significativa respecto los años (W = 484795, p = 0.04813, figura 3) y con las épocas del año (W = 572237, p < 0.05, figura 4). Donde la mayoría de individuos se obtuvieron en el año 2017 y durante la estación seca. Según la prueba de Kruskal-Wallis (KW = 15.701, df = 3, p= 0.001306) y la prueba de Bonferroni, se obtuvo una desigualdad significativa entre la abundancia y la especie dos con respecto a la especie uno. Se evidenció que la especie dos presentó mayor cantidad de individuos mientras que la especie tres obtuvo una menor proporción (Figura 5). Los datos presentaron distribución asimétrica (p<0. 05), homocedasticidad (p>0.05) y a su vez fueron balanceados con un total de 480 datos por categoría.
Figura 3.Abundancia de cuatro especies de Leptonema según los años de muestreo, mediante la prueba de Wilcoxon.
Figura 4.Abundancia de cuatro especies de Leptonema según la estación de muestreo por medio de la prueba de Wilcoxon.
Figura 5.Abundancia de las cuatro especies del género Leptonema según la prueba Kruskal-Wallis.
La comparación de la longitud total de los individuos en el sitio 1 con respecto al año 2017 y 2018, mostró datos no significativos entre ellos (t = 0.47765, df = 478, p= 0.6331), lo mismo se corroboró con la prueba de bondad de ajuste donde se encontró un chi-calculado de 16.91898 y un chi-tabular de 0.0061063, afirmando que no hay diferencia significativa entre la longitud total de las especies y los cuatro sitios de estudio. También, se realizó un modelo en el que se halló una leve diferencia significativa (F=3.122, df= 3, p =0.025) con esta variable, en respuesta a las especies y con la prueba de Tukey (HDS) se determinó que esta correspondía a la especie uno y cuatro (Figura 6).
La longitud total de los individuos en el Sitio 4 respecto al largo del fémur durante época seca se halló un correlación con la especie dos (r=-0.3762965,df = 58, p = 0.003044) y para la especie tres (r = 0.2865261,df = 58, p = 0.02645), de este último, su modelo para regresión lineal manifestó ser homocedástico y tener una distribución normal, su respectiva ecuación lineal (Largo del fémur=0.3843*Longitud total del individuo- 0.2552) predice la tendencia con la que crece una variable conforme la otra (Figura 7). La tabla de frecuencia, realizada con las tallas del fémur se identificó que el rango de [0.6765,0.7054] contiene la mayor cantidad de observaciones con un total de 143, a su vez se cumplió con la existencia de una diferencia significativa en la frecuencia absoluta de las tallas del fémur al comparar el valor tabular con el calculado(df = 9, p <0.05).
Figura 6.Relación de la longitud total(mm) de los individuos de cuatro especies de Leptonema, realizado con una ANDEVA.
Figura 7.Correlación de la longitud total(mm) del individuo y el largo del fémur(mm) de la especie dos y tres con el método de Pearson. Se indica F:Longitud del fémur, L:Longitud total y su número representa la especie correspondiente.
Figura 8.Hallazgo de probabilidades de una longitud de ancho cefálico de 0.62 mm para las especies de Leptonema.
La concentración de fosfato en relación con el año (t = 0.40042, df = 1918, p = 0.6889) y la estación (t = 0.56616, df = 1918, p = 0.5713) no manifestaron diferencias significativas. También, se presentaron datos similares en los distintos sitios por cada especie, pues se encontró un chi-tabular de 16.91898 el cual sobrepasa al calculado(df = 9, p = 1).
Al efectuar la prueba de correlación entre la concentración de fosfato en el agua con respecto a la longitud total del individuo, el ancho cefálico y el largo del fémur no se determinó ningún tipo de correlación entre estas, como resultado se obtuvo un p-value igual a 0.2428, 0.208 y 0.3243 respectivamente utilizando 1918 grados de libertad (Figura 9). La cantidad de fosfato tampoco presentó una correlación con la abundancia de individuos(rho=0.003025943, p = 0.8946).
Figura 9.Correlación de los parámetros morfométricos y concentración de fosfato en el agua. Donde se indica d.long: Longitud total, d.head: ancho cefálico, d.fem:Talla del fémur, d.po4: Cantidad de fosfato.
En la parte experimental, al relacionar con una prueba de Spearman, la temperatura con la actividad obtenida, se manifestó una similitud entre los datos (rho= 0.008065454, p = 0.8601), de igual forma, con datos balanceados y siguiendo una distribución asimétrica, se comprobó la falta de diferencia con una prueba de Kruskal-Wallis (KW= 0.11876, df = 2, p = 0.9423). Se observó variaciones en el promedio de los datos donde la especie uno fue la que presentó mayor actividad a frente a todas las temperaturas(Figura 10).
Figura 10.Tiempo promedio de actividad(min) de cada especie, según la temperatura (C°) mediante prueba de Kruskal-Wallis.
Respecto a la parte de experimento no se descubrió diferencias significativas (df = 6, p = 0.8924) al utilizar la sumatoria de la sobrevivencia de cada especie por las tres temperaturas suministradas, pues su valor tabular fue de 12.59159. Este comportamiento fue apoyado mediante una prueba de Kruskal-Wallis donde se encontró el mismo resultado (KW= 0.25337, df = 2, p = 0.881). Para reforzar esto, también se realizó una correlación por cada especie, con estas variables, utilizando un la prueba de Spearman, debido a la naturaleza de los datos, donde no se visualizan diferencias significativas. La especie tres expuso mayor sobrevivencia frente a las diferentes temperaturas(Figura 11).
Figura 11.Tiempo promedio de sobrevivencia(min) de cada especie, según la temperatura (C°) mediante prueba de Kruskal-Wallis.
Discusión
Las condiciones ambientales pueden afectar de manera considerable las poblaciones de insectos acuáticos si se da un cambio en estos. Usualmente, se dan por causas naturales o por factores antropogénicos. Las estaciones secas o lluviosas pueden alterar de forma considerable los cuerpos de agua. En la época lluviosa se genera un mayor movimiento en los cauces de agua generando así una remoción de materiales en estos y los hábitats presentes pueden llegar a sufrir una alteración afectando así la abundancia de los organismo (Guevara Mora, 2011). Sin embargo, no solo las condiciones ambientales nos permiten definir la abundancia de los individuos sino que también la diversidad de organismos que hayan. Al menos en Costa Rica, el género Leptonema es uno de los organismo que son mayormente recolectados y tienen una distribución bastante amplia (Muñoz-Quesada,1999).
La longitud total en adultos pertenecientes al género Leptonema, normalmente oscila entre los 10 y 40 mm siendo este uno de los más grandes del orden Trichoptera (Muñoz-Quesada, 1999), al trabajar con larvas su tamaño varía entre 2 a 30 mm (Springer, 2010). Cabe destacar que la longitud de todas las especies encontradas no varía significativamente entre un año y otro, debido a que son seres vivos relativamente pequeños durante todo su ciclo de vida, así mismo no existe variación de esta entre los cuatro sitios ya que todos los ríos se encuentran en una misma zona y están conectados entre sí a excepción del río Peje que se encuentra en una zona más alejada, estos presentan características similares en cuanto a las altas precipitaciones, abundante humedad,así como la presencia de sedimentos aluviales de granulometrías variadas ( Arellano et al, 2009). Sin embargo, al comparar las especies, si existe una variación significativa con su longitud, esto por características propias de ellas que para efecto de esta investigación solo se estudió su género. La longitud de sus parámetros morfométricos como el ancho cefálico y el fémur van a depender exclusivamente de la longitud total del individuo.
Los organismos del orden Trichoptera presentan comportamiento de construir refugios o casitas portátiles a partir de materiales que tienen disponible en el ambiente; como piedras, algas y arena(Springer, 2010). Tienen la ventaja de combinar estos materiales con una seda que producen para que esta sea más resistente. Además, forman redes muy largas de seda la cual les permite fijarse al sustrato y así poder capturar alimento (Oliveros Villanueva, 2018). Es gracias a estos estuches que construyen a ser más tolerantes a cambios que se producen en las características fisicoquímicas del agua por lo que pueden llegar a sobrevivir por más tiempo y su morfología no se ve afectada como tal. También, les funcionan como camuflaje protegiéndose así ante posibles depredadores (Vásquez-Ramos et al, 2014).
En relación al tiempo de actividad, las especies del género de Leptonema se caracterizan por ser más activos durante las horas de la noche, esto sugiere que para realizar una determinada recolección se debe de hacer durante el atardecer o en la primeras horas de la noche esto debido a que son organismos que prefieren temperaturas bajas, también se recomienda realizar trampas de luz como un método efectivo debido a que a su vez esto son atraídos por la luz (Muñoz-Quesada, 1999).
Con respecto al tiempo de sobrevivencia, se dice que estos seres vivos por lo general presentan una vida relativamente corta en su etapa adulta (Springer, 2010), por otro lado, las temperaturas altas intervienen en la solubilidad del oxígeno lo que ocasiona una repercusión en la abundancia de algunos Tricópteros que son más dependientes de dicho elemento mientras que la existencia de temperaturas bajas afecta la riqueza y diversidad de un determinado sitio y por lo tanto se convierte en un factor importante en la determinación de la sobrevivencia de los seres (Duarte Ramos,2014). En esta investigación, la temperatura no fue un factor significativo ya que todas las especies estudiadas mostraron promedios de sobrevivencia diferentes con respecto a las tres temperaturas empleadas en el experimento, por lo que es claro saber que aunque las especies identificadas pertenezcan a un mismo género estas no tienen un comportamiento similar en cuanto a la sobrevivencia y para efectos del trabajo no se halló el nombre científico de cada una de ellas. A pesar de esto, estas cuatro especies presentan una alta distribución, así como una gran resistencia a ambientes degradados (Duarte-Ramos,2014).
Conclusiones
En el género Leptonema se demostró que sus organismos presentan una mayor abundancia en la estación seca que en la estación lluviosa, a pesar de que son organismos que pueden tolerar fuertes corrientes. Se concluyó que las medidas morfométricas de los individuos de este género, no se ven afectadas por las concentraciones de fosfato en el agua. Estas especies pueden tolerar altos niveles de contaminación y es por esto, que se presentaron registros de tricópteros, a pesar de las altas cantidades de fosfato en los cuatro ríos de estudio. Finalmente se acordó que la temperatura no es un factor determinante en su crecimiento, la exposición a ciertos grados se relaciona más con la actividad de estas larvas. Se recomienda para futuras investigaciones reconocer el nombre científico de las especies para así lograr una mayor precisión en los resultados obtenidos.
Referencias bibliográficas
Arellano, F., Rodríguez, A., Zúñiga, H., Vásquez, M., Ramírez, P., Paredes, V., & Suárez, J. (2009). Estudio hidrogeológico para la caracterización y delimitación de las zonas de recarga de las fuentes Milano y El Cairo. San José: Instituto Costarricense de Acueductos y Alcantarillados.
Duarte Ramos, E. J. (2014). Análisis faunístico de las larvas de insectos del orden trichoptera en la cuenca del río Alvarado, Departamento del Tolima.
Guevara Mora, M. (2011). Insectos acuáticos y calidad del agua en la cuenca y embalse del río Peñas Blancas, Costa Rica. Revista de Biología Tropical, 59(2), 635-654.
Jaimes-Contreras, A. M., & Granados-Martínez, C. (2016). Tricópteros asociados a siete afluentes de la Sierra Nevada de Santa Marta, Colombia. Revista mexicana de biodiversidad, 87(2), 436-442.
McCrea,M.A(2013). Este joyero de oro es en realidad un insecto.Recuperado de: https://www.mining.com/gold-jewellers-that-are-actually-bugs-54041/
Muñoz-Quesada, Fernando. (1999). El género Leptonema (Trichoptera: Hydropsychidae) en Costa Rica, con la descripción de una nueva especie. Revista de Biología Tropical, 47(4), 959-1006.
Oliveros Villanueva, J. D. (2018). Diversidad de larvas del orden trichoptera (insecta) en un gradiente altitudinal del río gaira, Sierra nevada de Santa Marta, Colombia (Bachelor’s thesis, Universidad del Magdalena).
Springer, M. (2010). Capítulo 7: Trichoptera. Revista de Biología Tropical, 58, 151-198.
Vásquez-Ramos, Jesús M., Guevara-Cardona, Giovany, y Reinoso-Flórez, Gladys. (2014). Factores ambientales asociados con la preferencia de hábitat de larvas de tricópteros en cuencas con bosque seco tropical (Tolima, Colombia). Revista de Biología Tropical, 62( 2), 21-40.
Vásquez Villena, P. A. (2019). El orden trichoptera en la cuenca el Ronquillo-Cajamarca.
Anexos
#...............................................................................
# Packages
#...............................................................................
library(readxl)
library(fdth)
library(corrplot)
library(lmtest)
library(car)
library(ggplot2)
library(PerformanceAnalytics)
#...............................................................................
#Llamar la base de datos
#...............................................................................
d<- read_excel("Data/BD-Trichoptera.xlsx", sheet="Muestreo")
d<- data.frame(d)
d.e<- read_excel("Data/BD-Trichoptera.xlsx", sheet="Experimento")
d.e<- data.frame(d.e)
#...............................................................................
#Probabilidades
#...............................................................................
mean(d$head)
sd(d$head)
length(d$head)
max(d$head)
min(d$head)
shapiro.test(d$head[d$epoca=="seca" & d$especie=="leptonema_sp1"])
mean(d$head[d$epoca=="seca" & d$especie=="leptonema_sp1"])
mean(d$head[d$epoca=="seca" & d$especie=="leptonema_sp2"])
mean(d$head[d$epoca=="seca" & d$especie=="leptonema_sp3"])
mean(d$head[d$epoca=="seca" & d$especie=="leptonema_sp4"])
sd(d$head[d$epoca=="seca" & d$especie=="leptonema_sp1"])
sd(d$head[d$epoca=="seca" & d$especie=="leptonema_sp2"])
sd(d$head[d$epoca=="seca" & d$especie=="leptonema_sp3"])
sd(d$head[d$epoca=="seca" & d$especie=="leptonema_sp4"])
pnorm(0.62,0.6991796, 0.04373923)*2
pnorm(0.62,0.6995298, 0.04043258)*2
pnorm(0.62,0.7049749, 0.04111231)*2
pnorm(0.62,0.7020776, 0.04212242)*2
h<-c(0.07025469, 0.0491863, 0.03874388,0.05134931)
barplot(h,names=c("Especie 1","Especie 2","Especie 3 ","Especie 4"), ylab="Probabilidad", col=c("darkred", "deepskyblue3", "gold2", "forestgreen"))
#...............................................................................
#Pruebas de t-student y wilcoxon
#...............................................................................
N2017<-(d$N[d$year=="2017"])
N2018<-(d$N[d$year=="2018"])
Nseca<-(d$N[d$epoca=="seca"])
Nlluviosa<-(d$N[d$epoca=="lluviosa"])
sitio1<-d$long[d$sitio== "sitio1" & d$year== "2017"]
sitio2<-d$long[d$sitio== "sitio1" & d$year== "2018"]
po42017<-(d$po4[d$year== "2017"])
po42018<-(d$po4[d$year== "2018"])
po4.seca3<-d$po4[ d$epoca== "lluviosa"]
po4.lluviosa3<-d$po4[ d$epoca== "seca"]
shapiro.test(N2017)
shapiro.test(N2018)
shapiro.test(sqrt(Nseca))
shapiro.test(sqrt(Nlluviosa))
shapiro.test(sitio1)
shapiro.test(sitio2)
shapiro.test(po42017)
shapiro.test(po42018)
shapiro.test(po4.seca3)
shapiro.test(po4.lluviosa3)
var.test(N2017, N2018)
var.test(sqrt(Nseca), sqrt(Nlluviosa))
var.test(sitio1,sitio2)
var.test(po42017,po42018)
var.test(po4.seca3,po4.lluviosa3)
wilcox.test(N2017,N2018, paired=F, var.equal = T)
wilcox.test(sqrt(Nseca), sqrt(Nlluviosa), paired=F, var.equal = T)
t.test(sitio1,sitio2,paired = F,var.equal = T, conf.level = 0.95)
t.test(po42017,po42018, paired=F, var.equal = T)
t.test(po4.seca3,po4.lluviosa3, paired = F,var.equal = T)
boxplot((sqrt(N2017)), (sqrt(N2018)), ylab="Abundancia", names=c("Año 2017","Año 2018"), col=c("darkorchid3", "deeppink3"))
boxplot(sqrt(Nseca), sqrt(Nlluviosa), ylab="Abundancia",names=c("Estación seca","Estación Lluviosa"), col=c("darkblue", "cyan"))
#...............................................................................
#Pruebas de bondad de ajuste
#...............................................................................
sitio1<-c(300.3215091,300.1013852, 299.1744758, 299.9318373)
sitio2<-c(299.8440886, 299.7053791, 299.7189415,299.7441285)
sitio3<-c(300.3572691, 299.9624803, 300.32388, 298.7430055)
sitio4<-c(300.6134629, 300.4695102, 299.8679818,300.2024272)
sitio1po4<-c(135.455667,134.3975893, 133.4199792, 135.2768347)
sitio2po4<-c(133.5973335, 133.6777898, 136.5407073, 134.5014401)
sitio3po4<-c(134.7399267, 136.7184738, 132.8029071, 133.4926302)
sitio4po4<-c(134.9417568, 134.272094, 133.6154869, 133.7177193)
Femur2018lluvia<-d$fem[d$year== "2018" &d$epoca== "lluviosa"]
femur2018lluvia<- fdt(Femur2018lluvia, breaks = "Sturges")
femur.fecuencia.lluvia<-c(10,41,75,143,115,66,25,4,0,1)
Temp15<-c(531, 241, 634, 323)
Temp20<-c(537, 258, 610, 351)
Temp25<-c(539, 247, 609, 341)
matriz<-data.frame(sitio1,sitio2,sitio3,sitio4)
matrizpo4<-data.frame(sitio1po4,sitio2po4,sitio3po4,sitio4po4)
matrizTemp<-data.frame(Temp15, Temp20, Temp25)
chisq.test(matriz)
chisq.test(femur.fecuencia.lluvia)
chisq.test(matrizpo4)
chisq.test(matrizTemp)
qchisq(.95,9)
qchisq(.95,6)
#...............................................................................
#Correlaciones y regresion lineal
#...............................................................................
femur2.4<-(d$fem[d$especie=="leptonema_sp2"& d$sitio== "sitio4"& d$epoca=="seca"])
longitud2.4<-(d$long[d$especie=="leptonema_sp2"& d$sitio== "sitio4"& d$epoca=="seca"])
femur3.4<-(d$fem[d$especie=="leptonema_sp3"& d$sitio== "sitio4"& d$epoca=="seca"])
longitud3.4<-(d$long[d$especie=="leptonema_sp3"& d$sitio== "sitio4"& d$epoca=="seca"])
Temperatura<-d.e$temperatura[d.e$especie== "leptonema_sp1"]
actividad<-d.e$actividad[d.e$especie== "leptonema_sp1"]
Temperatura1<-d.e$temperatura[d.e$especie== "leptonema_sp1"]
Sobrevivencia1<-d.e$sobrevivencia[d.e$especie== "leptonema_sp1"]
sobrevivencia2<-(d.e$sobrevivencia[d.e$especie=="leptonema_sp4"])
temperatura2<-(d.e$temperatura[d.e$especie=="leptonema_sp4"])
shapiro.test(d$long)
shapiro.test(d$N)
shapiro.test(d$head)
shapiro.test(d$fem)
shapiro.test(d$po4)
shapiro.test(femur2.4)
shapiro.test(longitud2.4)
shapiro.test(femur3.4)
shapiro.test(longitud3.4)
shapiro.test(Temperatura)
shapiro.test(actividad)
shapiro.test(Temperatura1)
shapiro.test(Sobrevivencia1)
shapiro.test(sobrevivencia2) # asimetrico
shapiro.test(temperatura2)
cor.test(d$head, d$po4)
cor.test(d$fem, d$po4)
cor.test(d$long, d$po4)
cor.test(d$N, d$po4, method = "s")
cor.test(femur2.4, longitud2.4)
cor.test(femur3.4, longitud3.4)
cor.test( d.e$temperatura, d.e$sobrevivencia, method = "s")
cor.test(d.e$sobrevivencia, d.e$temperatura, method = "s")
cor.test(Temperatura1, Sobrevivencia1, method = "s")
cor.test(sobrevivencia2, temperatura2, method = "s")
m1<- data.frame(femur2.4, longitud2.4)
m2<- data.frame(femur3.4, longitud3.4)
m<-data.frame(m1, m2)
chart.Correlation(m, histogram = TRUE, method = "pearson")
modelor<- lm(femur2.4~longitud2.4)
modelor2<-lm((femur3.4~longitud3.4))
dwtest(modelor)
dwtest(modelor2)
shapiro.test(resid(modelor))
shapiro.test(resid(modelor2))
ncvTest(modelor)
ncvTest(modelor2)
summary(modelor)
summary(modelor2)
#Ecuaciones obtenidas
#1) Femur =-0.5253*longitud+2.0102
#2) Femur=0.3843*longitus-0.2552
#...............................................................................
#Analisis de varianza
#...............................................................................
f<-as.factor(d.e$temperatura)
is.factor(f)
modelo2.2<-aov(d.e$sobrevivencia~f)
modeloN<-aov(sqrt(d$N)~d$especie)
modelo1<-aov(d$long ~ d$especie)
modeloH<-aov(d$head~d$especie)
shapiro.test(resid(modelo2.2))
shapiro.test(resid(modelo1))
shapiro.test(resid(modeloN))
shapiro.test(resid(modeloH))
tapply(d.e$sobrevivencia,f, length)
tapply(sqrt(d$N), d$especie, length)
tapply(d$long, d$especie, length)
tapply(d$head, d$especie, length)
fligner.test(d.e$sobrevivencia~f)
bartlett.test(d$head~d$especie)
fligner.test(sqrt(d$N)~d$especie)
bartlett.test(d$long ~ d$especie)
kruskal.test(d.e$sobrevivencia~f)
kruskal.test(sqrt(d$N)~d$especie)
summary(modelo1)
summary(modeloH)
TukeyHSD(modelo1)
pairwise.wilcox.test (sqrt(d$N), d$especie, p.adj= "b", exact=F)
boxplot(sqrt(d$N)~d$especie, xlab="Especie", ylab="Abundancia", col = rainbow(5, alpha=0.1), border = rainbow(4, v=0.9))
boxplot(d$long ~ d$especie, xlab="Especie", ylab="Longitud total de la especie (mm)", col = c("cadetblue3", "yellow2", "purple", "deeppink3"))
ggplot(data= d.e)+geom_col(mapping= aes(y=especie, x=sobrevivencia, fill=especie))+facet_wrap(~temperatura, nrow = 1)
ggplot(data= d.e)+geom_col(mapping= aes(y=especie,x=actividad, fill=especie))+facet_wrap(~temperatura, nrow = 1)