Para la sobrevivencia de la humanidad a largo plazo es inevitable conseguir una relaci\u00f3n armoniosa con los dem\u00e1s componentes (bi\u00f3ticos y abi\u00f3ticos) de la Biosfera. Para ello se requiere de la comprensi\u00f3n profunda de las interacciones entre los participantes de los ecosistemas. Los humanos, como organismos consumidores, para subsistir necesitan de otros seres vivientes. En esta relaci\u00f3n de dependencia para la subsistencia se encuentra la pesca. Desde la antig\u00fcedad m\u00e1s remota la captura de organismos acu\u00e1ticos ha permitido la existencia y el desarrollo de los grupos humanos y sus parientes. Es conocido que el uso excesivo de los recursos naturales puede llevar al colapso a toda una civilizaci\u00f3n. En tiempos recientes se ha tomado conciencia de que para evitar la extinci\u00f3n de los recursos es necesario conocerlos a profundidad con el fin de conocer el mejor momento y la cantidad adecuada de unidades (individuos en la mayor\u00eda de los casos) a capturar. Dentro de los conocimientos necesarios para conseguir una explotaci\u00f3n que no agote el recurso bi\u00f3tico est\u00e1n, el crecimiento, la reproducci\u00f3n y la alimentaci\u00f3n.<\/p>\n\n\n\n\n\n\n\n
Por otra parte, el conocimiento acerca de los procesos biol\u00f3gicos ha ido haci\u00e9ndose cada vez m\u00e1s cuantitativo y el manejo de la informaci\u00f3n simb\u00f3lica y num\u00e9rica es en la actualidad de suma complejidad por las intricadas relaciones y su enorme cantidad. De esta forma, el uso de auxiliares para el c\u00f3mputo, en la actualidad es indispensable. No s\u00f3lo disponer de computadoras permite avanzar en el conocimiento, es necesario tambi\u00e9n contar con los algoritmos en adici\u00f3n a saber c\u00f3mo manejarlos. Con lo anterior como base se integr\u00f3 la presente obra, la cual pretende introducir a los interesados en el uso de herramientas computarizadas para el uso de algoritmos cuantitativos enfocados a la obtenci\u00f3n de conocimiento de la informaci\u00f3n recabada en las investigaciones de la Biolog\u00eda Pesquera. Se ha incluido en diferentes instancias, el uso de Excel (hoja de c\u00e1lculo), de un ejecutable escrito en Visual Basic, varias rutinas en lenguajes de Stata y R, complementados con algoritmos traducidos de Turbo-Pascal al lenguaje actual Python.
El primer cap\u00edtulo se ha dedicado a un tema que se ha vuelto sumamente importante, sobre todo en el estudio de los recursos pesqueros de zonas c\u00e1lidas del planeta, el an\u00e1lisis de la frecuencia de tallas. Se repasan histogramas (H), pol\u00edgonos de frecuencia (PF) y se llega a los estimadores de densidad por kernel (EDKs), que son versiones mejoradas de las gr\u00e1ficas tradicionales de la informaci\u00f3n contenida en tablas de frecuencia (es decir, Hs y FPs). Se presentan, asimismo, algoritmos eficaces (ASH y WARP) de c\u00e1lculo que resuelven el problema de la cantidad enorme de c\u00e1lculos que los EDKs requieren. La elecci\u00f3n de la amplitud de clase (intervalo, banda en los EDKs) es fundamental para obtener una estimaci\u00f3n adecuada. Para ello se incluye el uso de reglas pr\u00e1cticas y se presentan dos enfoques de c\u00f3mputo intensivo (s\u00f3lo factibles por la disponibilidad de ordenadores y
programas ex profeso): la validaci\u00f3n cruzada (m\u00ednimos cuadrados y sesgada) y bootstrap (muestreo repetitivo con reemplazamiento) suavizado para probar la modalidad de una distribuci\u00f3n.
En el caso de las distribuciones multimodales, puede ser razonable atribuirlas a la mezcla de componentes individuales mezclados en la poblaci\u00f3n (cohortes). Para caracterizar a estos grupos se incluye el cl\u00e1sico m\u00e9todo semigr\u00e1fico de Bhattacharya, el ajuste iterativo de componentes por m\u00e1xima verosimilitud (distribuciones mezcladas) e inclusive el uso
de la distribuci\u00f3n multinomial.
En el segundo cap\u00edtulo se presentan las relaciones entre las dimensiones de los organismos (Alometr\u00eda) no s\u00f3lo enfocada a la relaci\u00f3n entre el peso y la longitud, sino tambi\u00e9n se consideran relaciones entre longitudes y pesos entre s\u00ed con ejemplos de equinoideos y moluscos (pelec\u00edpodos y gaster\u00f3podos).
La interpretaci\u00f3n de marcas peri\u00f3dicas en estructuras duras de los organismos para estimar la edad se presenta en el cap\u00edtulo tercero en el que se consideran los m\u00e9todos para validar primero si la estructura es de utilidad para estudiar el crecimiento (relaci\u00f3n cuerpo-estructura) y posteriormente la periodicidad (por el an\u00e1lisis del tipo de borde y su
incremento marginal) con ejemplos en pez y caracol marino.
Ya sea por la identificaci\u00f3n de cohortes (distribuciones de tama\u00f1o multimodales) o la validaci\u00f3n de la periodicidad de marcas en estructuras duras (op\u00e9rculos) y su relaci\u00f3n con el tama\u00f1o corporal es posible estimar la forma en que los organismos crecen individualmente, tema que se incluye en el cap\u00edtulo cuatro. Se repasan los tradicionales m\u00e9todos basados en la linealizaci\u00f3n del modelo matem\u00e1tico m\u00e1s usado en Biolog\u00eda Pesquera (von Bertalanffy) y el uso del m\u00e9todo iterativo de la regresi\u00f3n no lineal que permite el ajuste de otras funciones como la Log\u00edstica y la de Gompertz. Adem\u00e1s de ejemplificarlo en un caracol marino se aplica la regresi\u00f3n no lineal a cohortes posibles de un pepino de mar. Este cap\u00edtulo finaliza con m\u00e9todos iterativos para el ajuste de formas de crecimiento variables a lo largo de las estaciones del a\u00f1o mediante funciones de crecimiento modificadas del modelo de von Bertalanffy por la adici\u00f3n de uno o dos componentes c\u00edclicos (trigonom\u00e9tricos).
La informaci\u00f3n sobre el crecimiento por lo general proviene de varios lugares o bien los organismos presentan dimorfismo sexual, por lo que es de inter\u00e9s verificar si existen diferencias entre las maneras en que crecen grupos diferentes. En el Cap\u00edtulo 5 se han incluido varias pruebas para llevar a cabo esta comparaci\u00f3n: La T2 multivariada de Hotelling, la prueba de raz\u00f3n de verosimilitud y la de m\u00e1xima verosimilitud, aplicada
al crecimiento de dos grupos, ajustados por funciones de von Bertalanffy, Log\u00edstica y Gompertz, as\u00ed como una prueba para m\u00e1s de dos funciones.
La reproducci\u00f3n y la condici\u00f3n de los organismos son aspectos fundamentales para el conocimiento biol\u00f3gico de los organismos. En el Cap\u00edtulo 6 se presentan dos enfoques para su estudio: el uso de los \u00edndices morfofisiol\u00f3gicos tradicionales (factor de condici\u00f3n, \u00edndices gonadosom\u00e1tico y hepatosom\u00e1tico) comparados con el uso de medias ajustadas por tama\u00f1o corporal provenientes del An\u00e1lisis Multivariado de Covarianza (ANMUCOVA). Se ejemplifica su uso con la aplicaci\u00f3n a los datos de un pez de zona templada (\u201csuzuki\u201d) y un caracol marino del sur de M\u00e9xico (\u201ccaracol chino\u201d).
En el Cap\u00edtulo 7 se introducen otros temas de importancia para el estudio de la reproducci\u00f3n como son las escalas de madurez gon\u00e1dica tanto las basadas en las caracter\u00edsticas macrosc\u00f3picas de las g\u00f3nadas, como aquellas derivadas de su estudio histol\u00f3gico. Tambi\u00e9n se consideran funciones log\u00edsticas para utilizar la informaci\u00f3n de las escalas en la estimaci\u00f3n del tama\u00f1o de los primeros individuos capaces de reproducirse.
Cabe se\u00f1alar que (como el t\u00edtulo del libro lo indica) en todos los Cap\u00edtulos y sus secciones se presentan los comandos para llevar a cabo los procedimientos y obtener los cuadros y gr\u00e1ficas respectivos, no con un solo lenguaje sino por lo general en Stata y en R. La validaci\u00f3n cruzada se ejemplifica con el uso del programa AED2020 ejecutable de VisualBasic y el ajuste por m\u00e1xima verosimilitud de la distribuci\u00f3n multinomial para
caracterizar componentes gaussianos hace uso de la herramienta \u201cSolver\u201d de Excel.
Finalmente, en los Ap\u00e9ndices incluyen una gu\u00eda para el uso del AED2020, listas de programas para Stata, de archivos con los datos, de objetos de R, los comandos de Stata para el ANMUCOVA, hojas de Excel, una gu\u00eda para el Programa PAC (Programas para el An\u00e1lisis del Crecimiento) y el ajuste de componentes gaussianos por m\u00e1xima verosimilitud de la distribuci\u00f3n Multinomial (con \u201cSolver\u201d de Excel).
Esta obra puede considerarse como complementaria, revisada, actualizada y aumentada de los libros publicados anteriormente sobre Suavizaci\u00f3n no param\u00e9trica y M\u00e9todos actualizados para an\u00e1lisis de datos biol\u00f3gico-pesqueros.
Como los escritos anteriores, los autores esperamos que este texto sea de utilidad a estudiosos de la Biolog\u00eda Pesquera, ya sea acad\u00e9micos, administradores de recursos, estudiantes de licenciatura y posgrado involucrados con la explotaci\u00f3n de los recursos naturales renovables de M\u00e9xico.
Informaci\u00f3n adicional sobre la obra (programas, datos, fe de erratas) est\u00e1 disponible en el blog \u201cBiometr\u00eda y Biolog\u00eda Pesquera\u201d en la siguiente liga:
https:\/\/blogceta.zaragoza.unam.mx\/biombiolpesca\/
<\/p>\n\n\n\n
Isa\u00edas Hazarmabeth Salgado Ugarte
Ver\u00f3nica Mitsui Saito Quezada
Septiembre de 2020<\/p>\n\n\n\n