UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS ESCUELA ACADEMICO PROFESIONAL DE ESTADISTICA

PROYECTO DE TESIS TITULO: EVALUACION DEL AJUSTE DE ALGUNOS MODELOS CONTAGIOSOS en conteos de DiatraeaSaccharalis mediante el metodo VTM.

AUTOR: CLAROS REYNA, Jos Brian ASESOR: MS. Manuel Sisniegas Gonzales

Trujillo Per 2012

RESUMEN

El presente trabajo propone la evaluacin de los modelos de contagio (Neyman tipo A, Binomial, Binomial negativa y Poisson) para evaluar junto al protocolo de muestreo secuencial la efectividad de los modelos agregados; las reparticiones espaciales correspondientes a las distribuciones agregativas en las poblaciones insectos plaga pueden ser el resultado de factores fsicos y biolgicos. Los factores fsicos crean un medio ambiente heterogneo y as todas las areas no son igualmente atractivas o receptivas para los insectos. En este trabajo reafirmamos que la Distribucin agregada Neyman tipo A (Poisson Poisson) es la ms eficiente para la el arreglo espacial en el cual nos encontramos (para similaridad de la creacin y fin de sta), teniendo en cuenta que la forma de distribuirse de los insectos es evolutiva y cambiante de acuerdo no solo a un parmetro de agregacin sino a muchos ms los cuales no

contemplamos en este trabajo.

INTRODUCCION
1. PROBLEMA: Cmo se identifica cul de los modelos contagiosos se ajusta ms a la distribucin espacial del barrenador de la caa de azcar Diatraea saccharalis.

2. ANTECEDENTES:
Ren R. Vargas M. Disposicin espacial de Panonychusulmi(Koch, 1836) (Acarina: Tetranychidae) y Determinacin del Numero de Muestras en Manzano S. Condes y J. Martnez (Unidad docente Dasometra. ETSI Montes.- Espaa) COMPARACION ENTRE LOS INDICES DE DISTRIBUCION ESPACIAL DE ARBOLES MAS USADOS EN ELAMBITO FORESTAL Diana Milena Velsquez Sierra (Universidad Nacional de Colombia, Sede Medelln2009) Aproximacin de la Distribucin Poisson Compuesta por medio de la Distribucin Semi No Paramtrica

3. IMPORTANCIA CIENTIFICA:

Numerosas comparaciones de las distribucionesde frecuencias observadas con distribucionesaleatorias esperadas revelan que en la mayor parte de las especies estudiadas las reparticiones de los individuos no son aleatorias, sino agregativas, y sus distribuciones de frecuencias pueden generalmente ajustarse a una distribucin binomial negativa o las distribuciones de contagio afines, tales como la Neyman A, modelo terico que se ha intentado ajustar a las distribuciones de frecuencias observadas que presentan una tendencia polimodal, Thomas y Polya - Aeppli, como las ms usadas. Las reparticiones espaciales correspondientes a las distribuciones agregativas en las poblaciones animales pueden ser el resultado de factores fsicos y biolgicos. Los factores fsicos crean un medio ambiente heterogneo y as todas las reas no son igualmente atractivas o receptivas para los insectos. Las respuestas etolgicas de los insectos a su medio y otros organismos incrementa la probabilidad de que si un insecto se encuentra en una unidad de muestreo, se encuentra tambin otro en esa

misma unidad. SEVACHERIAN y STERN (1972) apuntan algunos de los factoresque pueden influir en la agregacin de los insectos:

1) Comportamiento de oviposicin del que puede resultar un alta densidad de larvas neonatas procedentes, de las puestas en grupo.

2) Respuesta a factores microclimticos tales como temperatura, humedad, viento, luz y factores edfcos.

3) Respuesta a feromonas y etologa de la copulacin, atraccin por sonidos, lugares de diapausa, etc.

4) Parasitismo o predacin diferenciales en reas localizadas. De entre los modelos correspondientes a las distribuciones agregativas propuestas, la binomial negativa ha resultado ser la ms ampliamente aplicable dentro de las distribuciones agregativas. Todas ellas estn caracterizadas por que la varianza es superior a la media: a2 >m

PROYECTO DE TESIS I. GENERALIDADES :

1. Titulo: : AJUSTE DE ALGUNOS MODELOS CONTAGIOSOS en conteos de Diatraea Saccharalis mediante el mtodo de VTM.

2. Tipo de Investigacin: a) De acuerdo a la orientacin: Investigacin Aplicada.

3. Autor:

CLAROS REYNA, Jos Brian.

4. Asesor:

MS. Manuel Sisniegas Gonzales

5. rea de Investigacin: Ciencias Agropecuaria

6. Lnea y Sub lnea de Investigacin Lnea de Investigacin: Control de Plagas. Sub Lnea de Investigacin: Evaluacin Estadstica.

7. Duracin del proyecto: Fecha de Inicio: 14-08-2012 Fecha de Termino: 20-10-12

8. Lugar de Ejecucin del Proyecto Institucin: Universidad Nacional de Trujillo. Facultad: Ciencias Fsicas y Matemticas. Provincia: Trujillo Departamento: La Libertad

9. Presupuesto

Presupuesto requerido en nuevos soles (s/.)

3128.00

10. Duracin del Proyecto

Del 14 de Agosto al 20 de Octubre del 2012

11. Cronograma de Ejecucin del Proyecto

Etapas a. Revisin de literatura b. Recoleccin de datos c. Anlisis estadstico d. Redaccin del informe 12. Recursos Disponibles a. Personal: Digitadores

Inicio 14/08/2012 17/09/2012 24/09/2012 08/10/2012

Trmino 15/09/2012 22/09/2012 05/10/2012 20/10/2012

Dedicacin Semanal (Horas) 20 10 10 25

b. Materiales y equipos: PC Pentium Dual Core. Programa Estadstico SPSS 15, Minitab 15, Excel 2007. tiles de Escritorio.

c. Locales: Bibliotecas UNT.

13. Presupuesto NOMBRE Y CARACTERISTICA TECNICA BIENES DE CONSUMO Material de Escritorio Papel Bond A4 Folder Manila Corrector Resaltador Lapicero Lpiz Grapas Cartuchos de Tinta Memoria (1 Gb.) CD Total EQUIPAMIENTO Y MATERIAL DURADERO Soporte Informtico Material Disponible Computadora Personal P - IV Impresora Material No Disponible Software Total SERVICIOS DE TERCEROS Servicios No Disponibles Tipeos e impresin Fotocopiado Gastos de Movilidad Total Servicios No Personales Pasajes y gastos de transporte Total 14. Financiamiento Autofinanciado UNIDAD CANTIDAD COSTO

Unidad Unidad Unidad Unidad Unidad Unidad Caja Unidad Unidad Unidad

1000 10 1 1 5 2 1 2 1 5

25 5 2,5 2,5 5 2 6 70 25 5 148

Unidad Unidad Unidad

1 1 1

1800 200 500 2500

Unidad Unidad Unidad Unidad Unidad

Estimado Estimado Estimado Estimado Estimado

30 50 100 180 200 100 300

II.

PLAN DE INVESTIGACION:

4. REALIDAD PROBLEMTICA: El control de plagas con productos qumicos es cada vez ms complicado. La exigencia por los consumidores en la reduccin de la aplicacin de estos productos es cada vez ms notable. Los productos agroqumicos no siempre dan buenos resultados, por lo que, se presta hoy da, mucha importancia a una agricultura ms biolgica. Para iniciar una lucha biolgica, se debe reducir las aplicaciones de pesticidas durante un tiempo determinado y estando el agricultor obligado a aceptar la no venta de sus productos hasta alcanzar una produccin controlada biolgicamente. En el control integrado de plagas se trabaja de diferente forma. Se recomienda dejar de curar contra plagas y actuar de forma preventiva. El control biolgico es el empleo de otros insectos depredadores para combatir las plagas, de forma que, as se evita o reduce el empleo de plaguicidas que dejan residuos txicos en los frutos y plantas y son puros venenos para la salud humana. El control biolgico se define como una actividad en la que se manipulan una serie de enemigos naturales, tambin llamados depredadores, con el objetivo de reducir o incluso llegar a combatir por completo a parsitos que afecten a una plantacin determinada. Se pretende controlar las plagas a travs de enemigos naturales, es decir, otros insectos que son depredadores de la plaga y son inofensivos a la plantacin. El mtodo de control biolgico puede ser muy eficaz. Hay que considerar algunos puntos en la utilizacin de enemigos naturales en la plantacin: 1. Se debe identificar bien el parsito que afecta al cultivo. 2. Identificacin del enemigo natural. 3. Estimacin de la poblacin del parsito. 4. Estimacin de la poblacin del enemigo natural. 5. Comprar correctamente a los enemigos naturales. 6. Supervisar correctamente la eficacia de estos enemigos. Para la identificacin del parsito puede realizarse un pequeo muestreo de estas especies y mandarlo a un laboratorio entomolgico, si no se tiene perfectamente identificado por mtodos directos. Si la poblacin de parsito es demasiado alta, los enemigos naturales no actan con tanta rapidez que si fuese una poblacin baja. Una vez producida una plaga en la cosecha, se introduce el enemigo natural para que impida el desarrollo de la poblacin del parsito y no produzca elevados daos.

5. ANTECEDENTES: Ren R. Vargas M. Disposicin espacial de Panonychusulmi(Koch, 1836) (Acarina: Tetranychidae) y Determinacin del Numero de Muestras en Manzano Las Distribuciones Binomial Negativa y Neyman tipo A describieron adecuadamente la agregacin de P. ulmi dentro del rbol. El nmero mnimo de muestras fue determinado para estimar la densidad de caros con diferentes grados de agregacin y niveles de coeficientes de variacin. Un nmero de muestras relativamente estable fue obtenido sobre cuatro araitas por hojas. Fue posible comprobar mediante el anlisis de varianza, que la mayor variabilidad entre las poblaciones medias de P. ulmiocurre entre arboles, sugiriendo la realizacin de estudios concernientes con la disposicin de araitas entre los arboles del huerto.

S. Condes y J. Martnez (Unidad docente Dasometra. ETSI Montes.- Espaa) COMPARACION ENTRE LOS INDICESDE DISTRIBUCION ESPACIAL DE ARBOLESMAS USADOS EN ELAMBITO FORESTALEn este trabajo se hace una revisin de los ndices que se utilizan con ms frecuencia para distinguir entre los diferentes tipos de distribucin espacial de los rboles de una masa forestal: Fisher, Hopkins y Skellam, Byth y Ripley, Batcheler, Clark y Evans, Holgate N y Holgate F. Se simulan parcelas arboladas con estructuras espaciales uniformes (distribucin regular), de Poisson (distribucin aleatoria) y doble Poisson (distribucin agregada), aplicando a cada una de estas parcelas los ndices estudiados. Se hace una comparacin entre los ndices segn su capacidad para discriminar entre los distintos tipos de distribucin espacial. Para cada ndice se obtiene un grfico con tres curvas de densidad de frecuencias de los valores que toman el ndice al aplicarlo a parcelas con distribuciones regulares, aleatorias y con agregados, respectivamente. Las zonas de solape entre las curvas son zonas de incertidumbre que incluyen valores que pueden ser indicativos de distribuciones espaciales de tipos diferentes. Se utilizan estas reas de solape para comparar la eficiencia de los ndices estudiados. El anlisis de las reas de solape entre curvas permite llegar a la conclusin de que es el ndice de Byth, Ripley el ms adecuado para discriminar entre los diferentes tipos de distribucin espacial. Diana Milena Velsquez Sierra (Universidad Nacional de Colombia, Sede Medelln- 2009) Aproximacin de la Distribucin Poisson Compuesta por medio de la Distribucin Semi No ParamtricaEn esta tesis se propone y desarrolla una aproximacin numrica a las distribuciones compuestas, conocidas tambin como distribuciones de sumas aleatorias de variables aleatorias; este desarrollo es motivado por la dificultad conocida para evaluar de manera exacta las distribuciones compuestas, debido a que son mezclas infinitas. La aproximacin propuesta es realizada a travs de los estimadores de densidad Semi No Paramtrica (SNP), cuya distribucin fue planteada y desarrollada por Gallant & Nychka [19]; dichos estimadores tiene propiedades que los hacen comparables con los estimadores Kernel y de inters para evaluar la aproximacin de las distribuciones compuestas. La aproximacin propuesta por los estimadores SNP, se compara con las aproximaciones a las distribuciones compuestas conocidas: la aproximacin Normal Power, Gamma Trasladada y Gamma Incompleta, con el fin de evaluar la exactitud del ajuste; para esto se evalan los casos en que la asimetra es menor y mayor al valor de 2, de manera similar al estudio realizado por Gendron & Crepeau [22] y Chaubey, et al. [6], y se calculan las medidas de distancia de los estadsticos utilizados para las pruebas de Kolmogorov Smirnov y Cramer-von Mises, con el fin de evaluar y comparar el ajuste entre las aproximaciones mencionadas. La construccin de la aproximacin SNP se realiza por medio de dos mtodos: igualdad de momentos tericos y estimacin por mxima verosimilitud. Se construyeron funciones en R

(R Development Core Team, 2008) para la estimacin de la distribucin SNP, la definicin de la aproximacin SNP y para las comparaciones entre las aproximaciones. Finalmente, se obtiene que la aproximacin SNP propuesta tenga buen desempeo en el ajuste a las distribuciones compuestas, superando a las dems aproximaciones evaluadas cuando el nmero de parmetros de la distribucin SNP aumenta y cuando se emplea el mtodo de estimacin de mxima verosimilitud.

6. PROBLEMA: Cul de los modelos contagiosos se ajusta ms a la distribucin espacial del barrenador de la caa de azcar Diatraea saccharalis. 7. JUSTIFICACION: En la actualidad, el control biolgico (no qumico) es cada vez ms notable. Los productos agroqumicos no siempre dan buenos resultados, por lo que, se presta hoy da, mucha importancia a una agricultura ms biolgica. Se pretende controlar las plagas a travs de enemigos naturales, es decir, otros insectos que son depredadores de la plaga y son inofensivos a la plantacin. El mtodo de control biolgico puede ser muy eficaz; para lo cual de deben conocer los patrones de distribucin poblacional del insecto plaga tanto como del insecto controlador (enemigo natural). En este caso pasaremos a evaluar la poblacin de larvas de Diatraeasaccharalis que est afectando el cultivo de caa de azcar usando el patrn espacial de mejor ajuste. 8. OBJETIVOS: GENERAL: Determinar de entre los modelos contagiosos cual es de mejor ajuste mediante el mtodo VTM. ESPECIFICOS: Estimar los parmetros de cada modelo contagioso. Evaluar el grado de ajuste que tiene cada modelo estimado relativo a los datos. Determinar el modelo de mayor ajuste a los datos. 9. HIPOTESIS: El modelo Neyman-A tiene mayor nivel de ajuste.

10. METODOLOGIA DE TRABAJO: 10.1 Conteo de Larvas para Determinar el Patrn de Distribucin

Se adopto como unidad de muestreo cinco tallos de caa de azcar. Se examinaron cinco unidades en cada una de las esquinas y centro de un cuartel del campo. Al inicio se ingresa por una de las esquinas del cuartel y a por lo menos 5 metros adentro se comienzan a recoger los tallos, caminando en zig-zag. Por campo y de acuerdo a su extensin se examinaron cinco a nueve cuarteles. Para la evaluacin, los tallos se cortaron en la base y se busca larvas y pupas de Diatraeatanto en las vainas como en los tallos, despus de disectar aquellos que muestran las perforaciones de las larvas. Junto con las larvas de Diatraease recogen las larvas y pupas de Pharatheresia para determinar el porciento de parasitismo. Despus de recogidas las muestras se determina lo siguiente: a) Nmero de larvas y pupas del barreno por tallo. b) Se calculo el ndice de poblacin, dividiendo el nmero de larvas y pupas del barreno entre el nmero de tallos examinados, multiplicado por 100. c) El nmero de larvas encontradas en cada unidad muestral es presentado como una distribucin de frecuencias. d) Se determina, con estos valores, la media y la varianza. e) Se calcula el porciento de parasitismo dividiendo el nmero de larvas y pupas de Pharatheresiay se divide entre el nmero de larvas y pupas de Diatraeay Pharatheresia, y se multiplica por 100. 10.2 Muestreo secuencial

Como ya se ha mencionado los conteos de larvas de Diatraeasaccharalis en los campos estudiados se ajustan muy bien a varios modelos contagiosos. La relativa simplicidad matemtica en el modelo indica que es mejor esta distribucin para el esquema del muestreo secuencial. Las formulas usadas para establecer las lneas de decisin de este plan se tomaron de Watters (1955). La hiptesis nula Ho es un ndice de poblacin de 30 o 1.5 larvas en 5 tallos (=m1), y la hiptesis alternativa H1 es un ndice de poblacin de 70 o 3.5 larvas en 5 tallos (=m2). Existen 2 tipos de error asociados con el plan de muestreo secuencial: = la probabilidad de aceptar H1 cuando lo correcto es Ho, error tipo I = la probabilidad de aceptar Ho cuando lo correcto es H1, error tipo II Los valores de y que incorporan el nivel de riesgo que el evaluador est dispuesto a aceptar; y en este plan se considera = = 0.05, esto es, 20 evaluaciones falsas en 100. Despus que se tienen las suposiciones de arriba se calculan ciertos valores constantes. Las ecuaciones de las lneas de aceptacin y de rechazo para esta serie son: (Lnea inferior)

(Lnea superior) Donde: d1 y d2 = nmero acumulativo de insectos. n = nmero de unidades de muestreo examinadas. b = es la pendiente de las lneas. Ho y h1 = son las intersecciones de las lneas. Las ecuaciones para calcular b, Ho, y h1 son:

Donde:

K es el valor de kc comn ponderado Las curvas caractersticas de operacin y nmero promedio de muestras indican la probabilidad de aceptar las 2 hiptesis y el numero de muestras requerido, respectivamente, a varias densidades de poblacin. Las ecuaciones necesarias para el clculo de la curva caracterstica de operacin son: ( ) Donde: ,

Donde h es una variable artificial diferente de cero, la cual puede tener un valor arbitrario para calcular L (m), p y consecuentemente kp con k como se determino previamente con un valor kc comn. El nmero promedio de muestras, E(n), que se debe tomar en cualquier nivel de poblacin se puede determinar de la cuerva del nmero promedio. ( ) ( ) ( )

E(n) = La esperanza matemtica del numero de datos a tomar para conseguir una decisin (de aceptar o rechazar) depende del valor verdadero del parmetro. 10.3 Distribucin Neyman tipo A

NEYMAN (1939), al estudiar la reparticin de las larvas del perforador del maz, Ostrinianubilalis, deriva de la distribucin que lleva su nombre, y razona que es contagiosa, ya que las puestas de las que proceden las larvas son realizadas en grupo. Las hiptesis de este modelo de NEYMAN fueron: 1. Las puestas en grupo del perforador europeo del maz se distribuyen aleatoriamente. 2. Existe una distancia mxima limitada para la dispersin larval a partir de cada puesta. As, si se encuentra una larva, existe la misma probabilidad de que sean encontradas otras en la misma rea. 3. El nmero de larvas de cada grupo es un factor aleatorio. Como el clculo de , - es muy laborioso a partir de la funcin de densidad, se emplea la siguiente forma recurrente: , , -

Para r = 0, 1, 2, ; partiendo de , Los parmetros de la distribucin son:

10.4

Distribucin Poisson

La hiptesis ms sencilla relativa a la reparticin espacial de los individuos de una poblacin es que se encuentran esparcidos aleatoriamente y con independencia unos de otros. Adems, la probabilidad de que un individuo se encuentre en un lugar determinado es muy pequea, ya que se supone una poblacin y hbitat muy extensos, lo que suele ocurrir en la mayora de los casos.

La distribucin que corresponde a las condiciones enumeradas es la de POISSON (1837), cuya principal caracterstica es que la varianza es igual a la media: . De aqu se emplee como criterio de aleatoriedad de la distribucin de frecuencias observadas a travs de un muestreo, la relacin entre la varianza y la media muestrales

La probabilidad de encontrar un cierto nmero de individuos (r) de una poblacin con media ( ) y distribuida aleatoriamente es: , 10.5 Distribucin Binomial negativa

En el momento actual la distribucin Binomial negativa es la de uso ms frecuente, y prcticamente todos los trabajos prcticos sobre reparticin espacial se basan en ella. Est definida por parmetros: la media m y un exponente k, o en trminos del desarrollo de ( ) , donde y . La probabilidad de encontrar r individuos en una muestra de una poblacin de parmetros k y m ser: , . /( ) ( )

Como m = kp y 2 = kp (1+p), se deduce: Para la poblacin 10.6 Distribucin Binomial En estadstica, la distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son posibles dos resultados. A uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de Bernoulli. Para representar que una variable aleatoria X sigue una distribucin binomial de parmetros n y p, se escribe: ( ) y para la muestra

Su funcin de probabilidad es ( ) Donde Siendo. / *

( )

. /

+ las combinaciones de n en x (n elementos tomados de x en x).

10.7

Mtodo de VTM

Es el ndice de dispersin espacial ms simple y es la base conceptual de muchos otros ndices.

La razn varianza-media es un estimado del cual se espera que VTM<1 para un patrn regular, VTM=1 para un patrn aleatorio y VTM >1 para un patrn agregado. Para determinar si VTM difiere significativamente de la unidad se ejecuta la prueba ChiCuadrado: X= (n-1)VTM. La cual rechazar la distribucin Poisson si el valor de X2 observado es mayor que el valor critico con n-1 grados de libertad.

11. REFERENCIAS BIBLIOGRAFICAS:

Dawson Trapp (2005) Bioestadstica Medica (4 edicin) Mxico: Editorial Manual Moderno. Jorge Vera Graziano, Vctor Manuel Pinto, Jos Lpez Collado, Roberto Reyna Robles (2002) Ecologa de Poblaciones de Insectos (2 Edicin) Mxico: Colegio de Post-Graduados. Montgomery Runger (2002) Probabilidad y Estadstica Aplicadas a la ingeniera (2 edicin) Mxico: LimusaWiley. Rufino Moya (1995) Estadstica Descriptiva conceptos y aplicaciones Per: Editorial San Marcos S.A. Cesar Escalante Coterio (2006), Distribuciones Clase (A,B) y Algoritmo de Panjer. Universidad del Valle - Cali, Colombia Ao/vol. XIV, numero 002, Pg. 3-17 D. Cadahia, 1979. - Reparticin Espacial de las Poblaciones en Entomologa Aplicada. Bolivia Servicio de Plagas, 3: 219-233.

As es mi Tierra: Trujillo (Per) Newport (E.U.) Disponible en: http://trujillonewport.wordpress.com/trujillo-su-historia/economia/ Jueves 27 de octubre del 2011 (07:05am) El Cultivo de la Caa de Azcar Disponible en: http://www.infoagro.com/herbaceos/industriales/canaazucar.htm Jueves 27 de octubre del 2011 (07:34am) La ecologa y los insectos Disponible en: http://tarwi.lamolina.edu.pe/~acg/Capitulo%20III%20Ecologia.htm Jueves 27 de octubre del 2011 (09:09am) Manejo integrado para el control del gusano barrenador de la caa de azcar en el estado de Morelos Disponible en: http://producirmejor.com/Libros/UTIMISIMAS/MANEJO%20INTEGRADO%20GUSANO%20B ARRENADOR%20CANA.pdf Jueves 27 de octubre del 2011 (07:41am)

Medicin de prdidas causadas por insectos a los cultivos Disponible en: http://www.virtual.unal.edu.co/cursos/agronomia/2006631/lecciones/cap02/lec02a.html Jueves 27 de octubre del 2011 (09:08am) Produccin de caa de azcar subir 10% Disponible en: http://noticiasnorte.com/2009/12/produccion-de-cana-de-azucar-subira-10/ Jueves 27 de octubre del 2011 (07:41am)