El problema de las correcciones multiespecificas de las...
10
SCRS/1995/039 Col.Vol.Sci.Pap. ICCAT, 45 (3) : 116-125 (1996) 116 EL PROBLEMA DE LAS CORRECCIONES MULTIESPECÏFICAS DE LAS CAPTURAS ATUNERAS. APLICACIÔN DE UN MODELO LOG-LINEAL ITERATIVO A LAS CAPTURAS VENEZOLANAS DE SUPERFICIE (1987-93) Gaertnerl, D., J. Marcano 2 , H. Salazar, L. Astudillo 2 1 ORSTOM-HEA, B.P. 5045, 34032 Montpellier Cedex 1, France 2 FONAIAP-CIAPES, Apartado 236, Cumana 6101, Sucre, Venezuela SUMMARY Analysis was carried out on various methods of multi-species correction of annual catches of tunas of the Venezuelan surface fishery, during the 1987-1993 period, and in particular, the application of an iterative log-lineal mode! for partially classified tables. Unlike previous analyses, processing was carried out on available information on species composition by commercial category, since the confusion among species seems to be linked to the size of the fish. In order to carry out this correction, two calculation methods were used. The first considers that the samples are unbiased and, consequent! y, extrapolate the quarterly multi-species composition, within a weight category to the total catch of this category, reported in the logbooks. The second method investigates the possibility of the use of flexible statistical techniques that take into account the parti cul ar variability of the data from the tuna fishery, for the acceptable sampling levels. When the quarterly sampling seems insufficient, substitution matrixes are developed by means of a log-lineal mode! that isolates the year effect (A) for the species effects (E) and category (C), or: Log mxyz = J.l + Ax + Ey + c, + ECY, This mode!, although criticizable statistically, represents a notable improvement in the recon- struction of substitution matrixes. On the other hand, the use of an iterative log-lineal mode!, based on the "Expectation-Maximization" algorithm, allows the reconstruction of catch matrixes by species from more flexible hypotheses on the sampling than in the first case. In spite of sorne precautions in its use, this algorithm seems to be weil adapted to the internai variability of the tuna fishery data. Notwith- standing, the discrepancies observed between the results obtained in this work and the annual estimates by species carried out previously, without considering the stratification by commercial category, em- phasizes the need to evaluate the reliability of this criteria in the landings reported in the logbooks. RESUMÉ Cette étude porte sur les méthodes de correction multispécifiques des captures annuelles de thonidés de la flotte vénézuélienne de surface durant la période 1987-93, et en particulier sur l'application d'un modèle log-linéaire itératif pour des tables partiellement classifiées. A la différence des travaux précédents, l'information disponible a été analysée au niveau de la composition spécifique par catégorie commerciale, étant donné que les confusions entre espèces semblent être liées à la taille des poissons. Deux méthodes de calcul ont été employées. La première considère que les échantillons sont sans biais et, en conséquence, extrapole la composition multispécifique trimestrielle obtenue dans une catégorie commerciale à la capture correspondante dans les livres de bord. La deuxième méthode est basée sur des techniques statistiques flexibles qui prennent en compte la forte variabilité des données de pêche thonière, pour des niveaux d'échantillonnage acceptables. Quand 1' échantillonnage trimestriel apparaît insuffisant, on construit des matrices de substitution à l'aide d'un modèle log-linéaire qui isole 1 'effet année (A) de ceux relatifs à l'espèce (E) et à la catégorie commerciale (C), soit : Log 11\yz = p. + Ax + E,. + C, + ECyz Ce modèle, bien que critiquable sur le plan statistique, représente une notable amélioration pour la construction de matrices de substitution. D'autre part, l'utilisation d'un modèle log-linéaire itératif, basé sur 1 'algorithme "Expectation-Maximization" permet de reconstruire des matrices annuelles de prises par espèce, à partir d'un corps d'hypothèses plus flexible que dans la première méthode. Malgré quelques précautions d'emploi, cet algorithme semble bien adapté à la variabilité interne des données de pêche thonière. Cependant, les différences observées entre les résultats obtenus dans ce travail et les estimations annuelles par espèces faites antérieurement sans la stratification en catégories commerciales met en évidence la nécessité d'évaluer la tiabilité de ce critère dans les déclarations de captures faites dans les livres de bord 116 EL PROBLEMA DE LAS CORRECCIONES MULTIESPECÍFICAS DE LAS CAPTURAS ATUNERAS. APLICACIÓN DE UN MODELO LOG-LINEAL ITERATIVO A LAS CAPTURAS VENEZOLANAS DE SUPERFICIE (1987-93) Gaertnerl, D., J. Marcano 2 , H. Salazar, L. Astudillo 2 1 ORSTOM-HEA, R.P. 5045, 34032 Montpellier Cedex 1, France 2 FONAIAP-CIAPES, Apartado 236, Cumaná 6101, Sucre, Venezuela SUMMARY Analysis was carried out on various methods of multi-species correction of annual catches of tunas of the Venezuelan surface fishery, during the 1987-1993 period, and in particular, the application of an iterative log-lineal model for partially classified tables. Unlike previous analyses, processing was carried out on available information on species composition by commercial category, since the confusion among species seems to be linked to the size ofthe fish. In order to carry out this correction, two calculation methods were used. The first considers that the samples are unbiased and, consequently, extrapolate the quarterly multi-species composition, within a weight category to the total catch of this category, reported in the logbooks. The second method investigates the possibility of the use of flexible statistical techniques that take into account the particular variability of the data from the tuna fishery, for the acceptable sampling levels. When the quarterly sampling seems insufficient, substitution matrixes are developed by means of a log-lineal model that isolates the year effect (A) for the species effects (E) and category (C), or: Log m,y, = Ji + A, + Ey + C, + EC y , 10is model, although criticizable statistically, represents a notable improvement in the recon- struction of substitution matrixes. On the other hand, the use of an iterative log-lineal model, based on the "Expectation-Maximization" algorithm, allows the reconstruction of catch matrixes by species from more flexible hypotheses on the sampling than in the first case. In spite of some precautions in its use, this algorithm seems to be well adapted to the internal variability of the tuna fishery data. Notwith- standing, the discrepancies observed between the results obtained in this work and the annual estimates by species carried out previously, without considering the stratification by commercial category, em- phasizes the need to evaluate the reliability of this criteria in the landings reported in the logbooks. RESUMÉ Cette étude porte sur les méthodes de correction multispécifiques des captures annuelles de thonidés de la flotte vénézuélienne de surface durant la période 1987-93, et en particulier sur I'application d'un modele log-linéaire itératif pour des tables partiellement classifiées. A la différence des travaux précédents, I'information disponible a été analysée au niveau de la composition spécifique par catégorie commerciale, étant donné que les confusions entre especes semblent etre liées 11 la taille des poissons. Deux méthodes de calcul ont été employées. La premiere considere que les échantillons sont sans biais et, en conséquence, extrapole la composition multispécifique trimestrielle obtenue dans une catégorie commerciale 11 la capture correspondante dans les livres de bordo La deuxieme méthode est basée sur des techniques statistiques flexibles qui prennent en compte la forte variabilité des données de peche thoniere, pour des niveaux d' échantillonnage acceptables. Quand l' échantillonnage trimestriel apparait insuffisant, on construit des matrices de substitution 11 l' aide d'un modele log-linéaire qui isole l' effet année (A) de ceux relatifs 11 l' espece (E) et 11 la catégorie commerciale (C), soit : Log Jn",z = JI. + Ax + E, + C, + ECyz Ce modele, bien que critiquable sur le plan statistique, représente une notable amélioration pour la construction de matrices de substitution. D'autre part, l'utilisation d'un modele log-linéaire itératíf, basé sur l' algorithme "Expectation-Maximizatíon" permet de reconstruire des matrices annuelles de prises par espece, 11 partir d'un corps d'hypotheses plus flexible que dans la premiere méthode. Malgré quelques précautions d'emploi, cet algorithme semble bien adapté 11 la variabilité interne des données de peche thoniere. Cependant, les différences observées entre les résultats obtenus dans ce travail et les estimations annuelles par especes faites antérieurement saos la stratification en catégories commerciales met en évidence la nécessité d'évaluer la tiabilité de ce critere dans les déclarations de captures faites dans les livres de bord
Transcript of El problema de las correcciones multiespecificas de las...
SCRS/1995/039 Col.Vol.Sci.Pap. ICCAT, 45 (3) : 116-125 (1996)
116
EL PROBLEMA DE LAS CORRECCIONES MULTIESPECÏFICAS DE LAS CAPTURAS ATUNERAS. APLICACIÔN DE UN MODELO LOG-LINEAL ITERATIVO
A LAS CAPTURAS VENEZOLANAS DE SUPERFICIE (1987-93)
Gaertnerl, D., J. Marcano2, H. Salazar, L. Astudillo2
1 ORSTOM-HEA, B.P. 5045, 34032 Montpellier Cedex 1, France 2 FONAIAP-CIAPES, Apartado 236, Cumana 6101, Sucre, Venezuela
SUMMARY
Analysis was carried out on various methods of multi-species correction of annual catches of tunas of the Venezuelan surface fishery, during the 1987-1993 period, and in particular, the application of an iterative log-lineal mode! for partially classified tables. Unlike previous analyses, processing was carried out on available information on species composition by commercial category, since the confusion among species seems to be linked to the size of the fish. In order to carry out this correction, two calculation methods were used. The first considers that the samples are unbiased and, consequent! y, extrapolate the quarterly multi-species composition, within a weight category to the total catch of this category, reported in the logbooks. The second method investigates the possibility of the use of flexible statistical techniques that take into account the parti cul ar variability of the data from the tuna fishery, for the acceptable sampling levels. When the quarterly sampling seems insufficient, substitution matrixes are developed by means of a log-lineal mode! that isolates the year effect (A) for the species
effects (E) and category (C), or:
Log mxyz = J.l + Ax + Ey + c, + ECY, This mode!, although criticizable statistically, represents a notable improvement in the recon
struction of substitution matrixes. On the other hand, the use of an iterative log-lineal mode!, based on the "Expectation-Maximization" algorithm, allows the reconstruction of catch matrixes by species from more flexible hypotheses on the sampling than in the first case. In spite of sorne precautions in its use, this algorithm seems to be weil adapted to the internai variability of the tuna fishery data. Notwithstanding, the discrepancies observed between the results obtained in this work and the annual estimates by species carried out previously, without considering the stratification by commercial category, emphasizes the need to evaluate the reliability of this criteria in the landings reported in the logbooks.
RESUMÉ
Cette étude porte sur les méthodes de correction multispécifiques des captures annuelles de thonidés de la flotte vénézuélienne de surface durant la période 1987-93, et en particulier sur l'application d'un modèle log-linéaire itératif pour des tables partiellement classifiées. A la différence des travaux précédents, l'information disponible a été analysée au niveau de la composition spécifique par catégorie commerciale, étant donné que les confusions entre espèces semblent être liées à la taille des poissons. Deux méthodes de calcul ont été employées. La première considère que les échantillons sont sans biais et, en conséquence, extrapole la composition multispécifique trimestrielle obtenue dans une catégorie commerciale à la capture correspondante dans les livres de bord. La deuxième méthode est basée sur des techniques statistiques flexibles qui prennent en compte la forte variabilité des données de pêche thonière, pour des niveaux d'échantillonnage acceptables. Quand 1' échantillonnage trimestriel apparaît insuffisant, on construit des matrices de substitution à l'aide d'un modèle log-linéaire qui isole 1 'effet année (A) de ceux relatifs à l'espèce (E) et à la catégorie commerciale (C), soit :
Log 11\yz = p. + Ax + E,. + C, + ECyz Ce modèle, bien que critiquable sur le plan statistique, représente une notable amélioration pour la
construction de matrices de substitution. D'autre part, l'utilisation d'un modèle log-linéaire itératif, basé sur 1 'algorithme "Expectation-Maximization" permet de reconstruire des matrices annuelles de prises par espèce, à partir d'un corps d'hypothèses plus flexible que dans la première méthode. Malgré quelques précautions d'emploi, cet algorithme semble bien adapté à la variabilité interne des données de pêche thonière. Cependant, les différences observées entre les résultats obtenus dans ce travail et les estimations annuelles par espèces faites antérieurement sans la stratification en catégories commerciales met en évidence la nécessité d'évaluer la tiabilité de ce critère dans les déclarations de captures faites dans les livres de bord
116
EL PROBLEMA DE LAS CORRECCIONES MULTIESPECÍFICAS DE LAS CAPTURASATUNERAS. APLICACIÓN DE UN MODELO LOG-LINEAL ITERATIVO
A LAS CAPTURAS VENEZOLANAS DE SUPERFICIE (1987-93)
Gaertnerl, D., J. Marcano2, H. Salazar, L. Astudillo2
1 ORSTOM-HEA, R.P. 5045, 34032 Montpellier Cedex 1, France2 FONAIAP-CIAPES, Apartado 236, Cumaná 6101, Sucre, Venezuela
SUMMARY
Analysis was carried out on various methods of multi-species correction of annual catches of tunas
of the Venezuelan surface fishery, during the 1987-1993 period, and in particular, the application of
an iterative log-lineal model for partially classified tables. Unlike previous analyses, processing was
carried out on available information on species composition by commercial category, since the
confusion among species seems to be linked to the size ofthe fish. In order to carry out this correction,
two calculation methods were used. The first considers that the samples are unbiased and, consequently,
extrapolate the quarterly multi-species composition, within a weight category to the total catch of this
category, reported in the logbooks. The second method investigates the possibility of the use of flexible
statistical techniques that take into account the particular variability of the data from the tuna fishery,
for the acceptable sampling levels. When the quarterly sampling seems insufficient, substitution
matrixes are developed by means of a log-lineal model that isolates the year effect (A) for the species
effects (E) and category (C), or:
Log m,y, = Ji + A, + Ey + C, + ECy,
10is model, although criticizable statistically, represents a notable improvement in the recon
struction of substitution matrixes. On the other hand, the use of an iterative log-lineal model, based on
the "Expectation-Maximization" algorithm, allows the reconstruction of catch matrixes by species from
more flexible hypotheses on the sampling than in the first case. In spite of some precautions in its use,
this algorithm seems to be well adapted to the internal variability of the tuna fishery data. Notwith
standing, the discrepancies observed between the results obtained in this work and the annual estimates
by species carried out previously, without considering the stratification by commercial category, em
phasizes the need to evaluate the reliability of this criteria in the landings reported in the logbooks.
RESUMÉ
Cette étude porte sur les méthodes de correction multispécifiques des captures annuelles de thonidés
de la flotte vénézuélienne de surface durant la période 1987-93, et en particulier sur I'application d'un
modele log-linéaire itératif pour des tables partiellement classifiées. A la différence des travaux précédents,
I'information disponible a été analysée au niveau de la composition spécifique par catégorie commerciale,
étant donné que les confusions entre especes semblent etre liées 11 la taille des poissons. Deux méthodes de
calcul ont été employées. La premiere considere que les échantillons sont sans biais et, en conséquence,
extrapole la composition multispécifique trimestrielle obtenue dans une catégorie commerciale 11 la capture
correspondante dans les livres de bordo La deuxieme méthode est basée sur des techniques statistiques
flexibles qui prennent en compte la forte variabilité des données de peche thoniere, pour des niveaux
d'échantillonnage acceptables. Quand l'échantillonnage trimestriel apparait insuffisant, on construit des
matrices de substitution 11 l'aide d'un modele log-linéaire qui isole l'effet année (A) de ceux relatifs 11 l' espece
(E) et 11 la catégorie commerciale (C), soit :
Log Jn",z = JI. + Ax + E, + C, + ECyz
Ce modele, bien que critiquable sur le plan statistique, représente une notable amélioration pour la
construction de matrices de substitution. D'autre part, l'utilisation d'un modele log-linéaire itératíf, basé sur
l'algorithme "Expectation-Maximizatíon" permet de reconstruire des matrices annuelles de prises par espece,
11 partir d'un corps d'hypotheses plus flexible que dans la premiere méthode. Malgré quelques précautions
d'emploi, cet algorithme semble bien adapté 11 la variabilité interne des données de peche thoniere.
Cependant, les différences observées entre les résultats obtenus dans ce travail et les estimations annuelles
par especes faites antérieurement saos la stratification en catégories commerciales met en évidence la
nécessité d'évaluer la tiabilité de ce critere dans les déclarations de captures faites dans les livres de bord
RE
SU
ME
N
Se a
naliz
an v
ario
s m
étod
os d
e co
rrec
ci6n
mul
tiesp
ecif
ica
de l
as c
aptu
ras
anua
les
de t
ûnid
os d
e la
flot
a ve
nezo
nala
de
supe
rfic
ie,
dura
nte
el p
erfo
do 1
987-
1993
, y
en p
arti
cula
r la
apl
icac
i6n
de u
n m
odel
o
log-
linea
l ite
rativ
o pa
ra ta
blas
par
cial
men
te c
lasi
fica
das.
A d
ifer
enci
a de
los
trab
ajos
ant
erio
res,
se
proc
es6
la in
form
aci6
n di
spon
ible
a n
ive!
de
com
posi
ci6n
esp
ecitï
ca p
or c
ateg
orfa
com
erci
al,
ya q
ue la
s co
nfus
ione
s
entr
e es
peci
es p
arec
en e
star
muy
lig
adas
al
tam
aiio
de
los
pece
s. P
ara
llev
ar a
cab
o es
ta c
orre
cci6
n, s
e
util
izar
on
dos
mét
odos
de
c:
Ucu
lo.
El
prim
ero
cons
ider
a qu
e lo
s m
uest
reos
so
n si
n se
sgos
y
en
cons
ecue
ncia
, ex
trap
ola
la c
ompo
sici
6n m
ultie
spec
ific
a tr
imes
tral
, de
ntro
de
una
cate
gorf
a de
pes
o, a
la
capt
ura
tota
l de
est
a ca
tego
rfa,
rep
orta
da e
n la
s bi
taco
ras.
El
segu
ndo
mét
odo
inve
stig
a la
pos
ibili
dad
del
uso
de té
cnic
as e
stad
fstic
as f
lexi
bles
que
tom
en e
n cu
enta
la v
aria
bilid
ad p
arti
cula
r de
los
dato
s pr
oced
ente
s
de l
a pe
sca
atun
era,
par
a lo
s ni
vele
s de
mue
stre
o ac
epta
ble.
C
uand
o el
mue
stre
o tr
imes
tral
apa
rece
insu
tïcie
nte,
se
elab
oran
mat
rice
s de
sub
stitu
ci6n
por
med
io d
e un
mod
elo
log-
linea
l qu
e af
sla
el e
fect
o
afto
(A
) de
los
efe
ctos
esp
ecie
(E
) y
cate
gorf
a (C
); o
sea:
Est
e m
odel
o, a
unqu
e cr
itica
ble
esta
dist
icam
ente
, re
pres
enta
una
mej
ora
nota
ble
en la
rec
onst
rucc
i6n
de m
atri
ces
de s
ubst
ituci
6n.
Por
otra
par
te,
el e
mpl
eo d
e un
mod
elo
log-
linea
l ite
rativ
o, b
asad
o so
bre
el
algo
ritm
o "E
xpec
taci
6n-M
axim
izac
i6n"
, pe
rmite
la
reco
nstr
ucci
6n d
e m
atri
ces
de c
aptu
ras
por
espe
cie
a
part
ir d
e hi
p6te
sis
mas
fl
exib
les
sobr
e lo
s m
uest
reos
qu
e en
el
pr
imer
ca
so.
A p
esar
de
al
guna
s
prec
auci
ones
de
uso,
est
e al
gori
tmo
pare
ce e
star
bie
n ad
apta
do a
la v
aria
bilid
ad i
nter
na d
e lo
s da
tos
de
pesc
a at
uner
a. N
o ob
stan
te,
las
disc
repa
ncia
s ob
serv
adas
ent
re l
os r
esul
tado
s ob
teni
dos
en e
ste
trab
ajo
y
las
estim
acio
nes
anua
les
por
espe
cie
real
izad
as p
revi
amen
te,
sin
cons
ider
ar l
a es
trat
ific
aci6
n en
cat
egor
ia
com
erci
al,
pone
n en
evi
denc
ia l
a ne
cesi
dad
de e
valu
ar l
a fi
abili
dad
de e
ste
crite
rio
en l
as d
ecla
raci
ones
repo
rtad
as e
n la
s bi
taco
ras.
117
INT
RO
DU
CC
ION
.
El
prob
le.m
a de
los
ses
gos ~ue
exis
ten
entr
e la
s de
clar
acio
nes
de c
aptu
ras
po
r es
peci
es,
h~ha
s po
r Io
.s capttan~s d
e embarc~ct?nes
atun
eras
y la
com
posi
ci6n
rea
l de
est
as c
aptu
ras
ha s
ido
ObJ
eto
de v
anos
est
udto
s. E
n e
l A
tlant
tco
este
, se
pue
den
cita
r lo
s tr
abaj
os d
e C
AY
RE
( 1
984)
par
a la
fl~ta F
IS ,Y
de.
PA
LL
AR
ES
(19
84_)
y
PA
LL
AR
ES
& M
AM
OL
AR
(19
84)
para
los
bar
cos
espa
nole
s; m
as r
ecte
ntem
ente
, los
trab
aJO
S de
PA
GA
VIN
O e
t al.,
(19
91)
y de
GA
ER
TN
ER
et a
l.,
(199
2),
para
los
bar
cos
vene
zola
nos
en e
l A
tlan
tico
oes
te.
De
esto
s es
tudi
os r
esal
tan
que
esto
s
se.s
gos
son
?e n
atur
alez
a co
mer
ctal
(co
nfus
ion
entr
e es
peci
es,
o ca
tego
ria
de p
eso-
espe
cies
de
l m
tsm
o pr
ecw
) y/
o m
orfo
mét
rico
(ig
ual
aspe
cto
fisi
co).
'
En
.la
.zon
a de
pes
ca d
e I.a
~ot
a venez~lana d
.e su
perf
icie
(M
ar C
arib
e y
zona
s ad
yace
ntes
del
A
tlant
tco
oest
e), l
as d
os p
rtnC
!pal
es e
spec
tes
regt
stra
das
en l
as b
itac
oras
son
el
atti
n al
eta
amar
illa
· Thu~us a
lbac
ares
, Y
FT,
y el
lis
tado
: K
atsu
won
us p
elam
is,
SKJ.
La
ause
ncia
tot
al d
e va
ria~
es
pecœ
s d
e at
unes
en
las
mis
mas
bit
acor
as,
a pe
sar
de q
ue s
e so
spec
haba
sus
pre
senc
ias
en l
os
dese
mba
rque
s, fu~
uno
de
los
mot
ivos
par
a da
r in
icio
, co
n ca
ract
er d
e pr
iori
dad,
a u
n pr
ogra
ma
?e m~
estr
eos.
multiesp~cos
en p
uert
o (G
AE
RT
NE
R e
t al.,
198
8).
La
list
a de
est
as e
spec
ies
mal
td
entif
icad
as m
cluy
e el
.oJo
gor
do:
Thu
nnus
obe
sus,
BE
T; l
a al
baco
ra:
Th.
ala
lung
a, A
LB
, el
att
in
alet
a ne
gra:
Th.
atl
antt
cus,
BL
F,
la c
arac
hana
: A
uxis
sp.
, F
RI)
.
Los
pri
mer
as a
nalis
is s
obre
el
tem
a se
lim
itab
an a
una
eva
luac
i6n
de
la m
agni
tud
de l
os s
esgo
s y
a co
rrec
ione
s m
ulti
espe
cifi
cas
sobr
e el
to
tal
de
la
capt
ura
(PA
GA
VIN
O
et a
l.,
op.
cit.;
G
AE
RT
NE
R e
t al.,
op.
CTt
.). E
l pr
esen
te tr
abaj
o ti
ene
dos
obje
tivo
s:
1.
Pro
cesa
r la
info
rmac
i6n
disp
onib
le a
una
esc
ala
mas
fin
a qu
e en
el
pasa
do;
es d
ecir
, al
niv
e! d
e
RE
SU
ME
N
Sean
aliz
anva
rios
mét
odos
deco
rrec
ción
mul
tiesp
ecíf
ica
dela
sca
ptur
asan
uale
sde
túni
dos
dela
flot
ave
nezo
nala
desu
perf
icie
,du
rant
eel
perí
odo
1987
-199
3,y
enpa
rtic
ular
laap
licac
ión
deun
mod
elo
log-
linea
lite
rativ
opa
rata
blas
parc
ialm
ente
clas
ific
adas
.A
dife
renc
iade
los
trab
ajos
ante
rior
es,
sepr
oces
ó
lain
form
ació
ndi
spon
ible
ani
veld
eco
mpo
sici
ónes
pecí
t1ca
porc
ateg
oría
com
erci
al,
yaqu
ela
sco
nfus
ione
s
entr
ees
peci
espa
rece
nes
tar
muy
ligad
asal
tam
año
delo
spe
ces.
Para
llev
ara
cabo
esta
corr
ecci
ón,
se
util
izar
ondo
sm
étod
osde
cálc
ulo.
El
prim
ero
cons
ider
aqu
elo
sm
uest
reos
son
sin
sesg
osy
en
cons
ecue
ncia
,ex
trap
ola
laco
mpo
sici
ónm
ultie
spec
ífic
atr
imes
tral
,de
ntro
deun
aca
tego
ría
depe
so,
ala
capt
ura
tota
lde
esta
cate
gorí
a,re
port
ada
enla
sbi
táco
ras.
El
segu
ndo
mét
odo
inve
stig
ala
posi
bilid
adde
l
uso
deté
cnic
ases
tadí
stic
asfl
exib
les
que
tom
enen
cuen
tala
vari
abili
dad
part
icul
arde
los
dato
spr
oced
ente
s
dela
pesc
aat
uner
a,pa
ralo
sni
vele
sde
mue
stre
oac
epta
ble.
Cua
ndo
elm
uest
reo
trim
estr
alap
arec
e
insu
ticie
nte,
seel
abor
anm
atri
ces
desu
bstit
ució
npo
rm
edio
deun
mod
elo
log-
linea
lqu
eaí
sla
elef
ecto
año
(A)
delo
sef
ecto
ses
peci
e(E
)y
cate
gorí
a(e
);o
sea:
Est
em
odel
o,au
nque
criti
cabl
ees
tadí
stic
amen
te,
repr
esen
taun
am
ejor
ano
tabl
een
lare
cons
truc
ción
dem
atri
ces
desu
bstit
ució
n.Po
rot
rapa
rte,
elem
pleo
deun
mod
elo
log-
linea
lite
rativ
o,ba
sado
sobr
eel
algo
ritm
o"E
xpec
taci
ón-M
axim
izac
ión"
,pe
rmite
lare
cons
truc
ción
dem
atri
ces
deca
ptur
aspo
res
peci
ea
part
irde
hipó
tesi
sm
asfl
exib
les
sobr
elo
sm
uest
reos
que
enel
prim
erca
so.
Ape
sar
deal
guna
s
prec
auci
ones
deus
o,es
teal
gori
tmo
pare
cees
tar
bien
adap
tado
ala
vari
abili
dad
inte
rna
delo
sda
tos
de
pesc
aat
uner
a.N
oob
stan
te,
las
disc
repa
ncia
sob
serv
adas
entr
elo
sre
sulta
dos
obte
nido
sen
este
trab
ajo
y
las
estim
acio
nes
anua
les
por
espe
cie
real
izad
aspr
evia
men
te,
sin
cons
ider
arla
estr
atif
icac
ión
enca
tego
ría
com
erci
al,
pone
nen
evid
enci
ala
nece
sida
dde
eval
uar
lafi
abili
dad
dees
tecr
iteri
oen
las
decl
arac
ione
s
repo
rtad
asen
las
bitá
cora
s.
117
INT
RO
DU
CC
ION
.
El
prob
le.m
ade
los
sesg
os~u
eex
iste
nen
tre
las
decl
arac
ione
sde
capt
uras
po
res
peci
es,
h~ha
spo
rlo
.scapItan~s
deem
barC
~Cl?
neSa
tune
ras
yla
com
posi
ción
real
dees
tas
capt
uras
ha
sido
obje
tode
vano
ses
tudI
OS.
En
elA
tIan
tIco
este
,se
pued
enci
tar
los
trab
ajos
deC
AY
RE
(198
4)pa
rala
fl~t
aFIS
?de
.PA
LL
AR
ES
(198
4)y
PA
LL
AR
ES
&M
AM
OL
AR
(198
4)pa
ralo
sba
rcos
espa
nole
s;m
asre
cIen
tem
ente
,los
trab
ajos
deP
AG
AV
INO
etal
.,(1
991)
yde
GA
ER
TN
ER
etal
.,(1
992)
,pa
ralo
sba
rcos
vene
zola
nos
enel
Atl
ánti
cooe
ste.
De
esto
ses
tudi
osre
salt
anqu
ees
tos
se.s
gos
son
?ena
tura
leza
com
erci
al(c
onfu
sión
entr
ees
peci
es,
oca
tego
ria
depe
so-e
spec
ies
del
mis
mo
prec
IO)
y/o
mor
fom
étri
co(i
gual
aspe
cto
físi
co).
'
En
,la.z
ona
depe
sca
del.a
~ota
venez~lana
d.e
supe
rfic
ie(M
arC
arib
ey
zona
sad
yace
ntes
del
Atlá
ntIc
ooe
ste)
,las
dos
prtn
Clp
ales
espe
cies
regt
stra
das
enla
sbi
táco
ras
son
elat
únal
eta
amar
illa
'Th
u~us
alba
care
s,Y
FT,
yel
list
ado:
Kat
suw
onus
pela
mis
,SK
J.L
aau
senc
iato
tal
de
vari
a~es
peci
esde
atun
esen
las
mis
mas
bitá
cora
s,a
pesa
rde
que
seso
spec
haba
sus
pres
enci
asen
los
dese
mba
rque
s,fu
~un
od
elo
sm
otiv
ospa
rada
rin
icio
,co
nca
ráct
erde
prio
rida
d,a
unpr
ogra
ma
?em~
estr
eos.mu
ltIe
sp~c
osen
puer
to(G
AE
RT
NE
Ret
al.,
1988
).L
ali
sta
dees
tas
espe
cies
mal
Iden
tific
adas
mcI
uye
el.o
jogo
rdo:
Thu
nnus
obes
us,
BE
T;l
aal
baco
ra:
Th.
alal
unga
,A
LB
,el
atún
alet
ane
gra:
Th.
atIa
ntlC
lIs,
BL
F,
laca
rach
ana:
Aux
issp
.,F
RI)
.
Los
prim
eros
anál
isis
sobr
eel
tem
ase
lim
itab
ana
una
eval
uaci
ónd
ela
mag
nitu
dde
los
sesg
osy
aco
rrec
ione
sm
ulti
espe
cífi
cas
sobr
eel
tota
lde
laca
ptur
a(P
AG
AV
INO
etal
.,op
.ci
t.;G
AE
RT
NE
Ret
al.,
op.
CIt.
).E
lpr
esen
tetr
abaj
oti
ene
dos
obje
tivo
s:
l.P
roce
sarl
ain
form
ació
ndi
spon
ible
aun
aes
cala
más
fina
que
enel
pasa
do;
esde
cir,
alni
vel
de
la c
ompo
sici
6n e
spec
ific
a po
r ca
tego
ria
de p
eso
com
erci
al.
2.
Inve
stig
ar l
as p
osib
ilida
des
del
uso
de t
écni
cas
esta
dist
icas
fle
xibl
es q
ue t
omen
en
cuen
ta la
va
riab
ilida
d pa
rtic
ular
de
los
dato
s pr
oced
ente
s de
la
pesc
a at
uner
a.
Par
a ll
evar
a c
abo
este
seg
undo
obj
etiv
o se
tra
tani
de
util
izar
un
mod
ela
Log
-lin
eal,
cuyo
pr
oced
imie
nto
para
eva
luar
el
milx
.imo
de v
eros
imil
itud
de
las
prop
orci
ones
de
cada
esp
ecie
est
a ba
sada
en
el a
lgor
itmo
itera
tivo
"EM
" (E
xpec
tati
on-m
ax.im
izat
ion)
de
DE
MP
ST
ER
et
al.
(197
7).
La
aplic
abili
dad
de e
ste
mét
odo,
en
tern
as d
e bi
olog
ia p
esqu
era,
ha
sido
am
plia
men
te d
escr
ito
por
HO
EN
1G y
HE
ISE
Y (
198
7).
MA
TE
RIA
LE
S Y
ME
TO
DO
S.
Ori
gen
de l
os d
atos
.
El
tipo
de
mue
stre
o re
aliz
ado
en l
os p
uert
os a
tune
ros
del
Ath
intic
o ha
sid
o cl
asif
icad
o co
mo
mue
stre
o a
dos
nive
les
("tw
o-st
age
clus
ter
sam
plin
g")
por
CU
EV
AS
et a
l. (1
994)
. Se
pue
de
cons
ider
ar,
en e
fect
o, q
ue l
as u
nida
des
prim
aria
s de
mue
stre
o so
n lo
s la
nces
(o
las
bode
gas
si n
o se
pue
de i
dent
ific
ar a
los
lanc
es)
y qu
e la
s un
idad
es e
lem
enta
les
de s
egun
do n
ive!
son
los
pece
s.
El
mue
stre
o es
al
azar
en
los
dos
nive
les,
es
deci
r,
que
se h
acen
sin
dis
tinc
i6n
"a p
rior
i" d
e la
es
peci
e , y
a qu
e tie
nen
el d
oble
obj
etiv
o de
eva
luar
par
a ca
da e
spec
ie p
or u
na p
arte
, su
pro
porc
i6n
pond
eral
en
la c
aptu
ra y
por
otr
a pa
rte,
su
estr
uctu
ra d
emog
râ.fi
ca.
Se
util
iza
la l
ongi
tud
pred
orsa
l (L
D 1)
par
a el
ale
ta a
mar
illa
(YF
T)
y el
Ojo
gor
do (
BE
T),
y la
long
itud
a la
hor
quil
la (
LH
), p
ara
Jas
dem
as e
spec
ies.
El
peso
tot
al d
e la
mue
stra
se
calc
ula
po
r m
edio
de
las
dife
rent
es e
cuac
ione
s Jo
ngitu
d-pe
so y
se
extr
apol
a al
pes
o de
la b
odeg
a de
la c
ual
proc
ede.
El
ulti
mo
paso
con
sist
e en
su
mar
las
cap
tura
s po
nder
adas
, o
las
frec
uenc
ias
de t
amaf
i.o p
onde
rada
s, e
n el
est
rato
esp
aci
o-te
mpo
ral
que
le c
orre
spon
de.
En
el
caso
de
que
la b
odeg
a m
uest
read
a co
ntie
ne v
aria
s la
nces
, se
pro
med
ia l
a ub
icac
i6n
espa
cio-
tem
pora
l de
est
os l
ance
s o,
seg
lin
el c
aso,
se
da m
as p
eso
esta
dist
ico
a la
inf
orm
aci6
n pr
oced
ente
del
lan
ce m
as i
mpo
rtan
te.
Est
a si
mpl
ific
aci6
n no
per
judi
ca lo
s re
sult
ados
del
pre
sent
e es
tudi
o, y
a qu
e co
mo
ha s
ido
men
cion
ado
ante
rior
men
te,
se u
tili
za u
na s
ola
area
geo
grâ.
fica
y u
n pe
riod
o de
tie
mpo
suf
icie
ntem
ente
am
plio
(el
tri
mes
tre)
.
De
la i
nfor
mac
i6n
repo
rtad
a en
las
bit
acor
as,
se u
tiliz
a la
s ca
ptur
as t
otal
es t
rim
estr
ales
por
ca
tego
rias
de
peso
, ta
i qu
e:
-C
ateg
oria
1,
para
los
ejem
plar
es d
e m
enos
de
3 K
g;
-C
ateg
oria
2,
para
los
ejem
plar
es e
ntre
3 y
15
Kg;
-
Cat
egor
ia 3
, pa
ra lo
s ej
empl
ares
de
mas
de
15 K
g.
En
efec
to, d
ebid
o a
la n
atur
alez
a de
los
sesg
os, e
voca
da e
n la
par
te in
trod
ucto
ria,
es
16gi
co s
upon
er
que
los
erro
res
de i
dent
ific
acio
n de
pend
en d
el p
eso
med
io d
e lo
s pe
ces.
Por
eje
mpl
o, u
n m
al
repo
rte
de l
as c
arac
hana
s (F
RI)
es
fact
ible
en
la c
ateg
oria
1 (
pece
s de
men
os d
e 3
Kg)
, pe
ro a
l co
ntra
rio
tota
lmen
te im
prob
able
en
la c
ateg
oria
3,
etc.
, et
c. C
abe
men
cion
ar q
ue e
ste
ultim
o pa
so
118
es d
istin
to d
el m
étod
o em
plea
do e
n lo
s es
tudi
os a
nter
iore
s a
dond
e lo
s po
rcen
taje
s m
ulti
espe
cifi
cos
se a
plic
aban
a l
a ca
ptur
a to
tal
(sin
dis
tinc
ion
de c
ateg
oria
de
peso
).
Sele
cci6
n de
l es
trat
o es
paci
o-te
mpo
ral
sobr
e el
cua
l se
har
a la
s co
rrec
cion
es.
El
ana.
Jisi
s de
la
vari
abil
idad
esp
acio
-tem
pora
l de
los
mue
stre
os e
n pu
erto
, re
aliz
ado
por
GA
ER
TN
ER
et a
l. (1
992)
, de
mue
stra
la e
xist
enci
a de
una
cie
rta
hete
roge
neid
ad e
ntre
sec
tore
s y
de a
hi,
la d
ific
ulta
d de
est
able
cer
estr
atos
de
igua
l am
plit
ud e
n el
tie
mpo
. N
o ob
stan
te,
debi
do
a la
poc
a ex
tens
ion
de la
zon
a de
pes
ca a
ctua
l (e
ntre
los
10 y
14
grad
os d
e la
titu
d N
orte
, y
entr
e lo
s 55
y 7
0 gr
ados
de
long
itud
Oes
te)
y a
la p
oca
cant
idad
de
mue
stre
os d
ispo
nibl
es,
una
estr
atif
icac
i6n
trim
estr
al,
sin
disc
rim
inac
i6n
de
zona
, pa
rece
un
bu
en
com
prom
iso
(una
es
trat
ific
aci6
n m
as f
ina
impl
icar
ia m
as s
ubst
ituc
i6n
de m
uest
reos
).
En
cons
ecue
ncia
, se
con
serv
ara
este
esp
acio
de
tiem
po,
ya u
tiliz
ado
en l
os e
stud
ios
ante
rior
es,
para
re
cons
trui
r la
s ca
ptur
as e
spec
ific
as d
e la
pes
ca a
tune
ra v
enez
olan
a de
sup
erfi
cie
por
cada
art
e (B
B
y PS
) en
tre
el 1
er tr
imes
tre
de 1
987
y el
4to
trim
estr
e de
199
3. L
as c
aptu
ras
anua
les
son
esti
mad
as
a pa
rtir
de
las
esta
dist
icas
tri
mes
tral
es c
orre
gida
s. E
ste
anal
isis
ha
sido
ext
endi
do e
n un
a se
gund
a fa
se a
198
6; p
ara
la c
ual
se d
ispo
nia
unic
amen
te d
e ca
ptur
as t
otal
es tr
imes
tral
es.
El
mét
odo
de c
alcu
lo.
Dos
mét
odos
de
ca.Jc
ulo
han
sido
util
izad
os.
En
el p
rim
era
de e
llos
se c
onsi
dera
que
tan
to
los
porc
enta
jes
trim
estr
ales
de
cada
esp
ecie
den
tro
de u
na c
ateg
oria
de
peso
( ob
teni
dos
por
el
mue
stre
o) c
o mo
las
prop
orci
ones
de
cada
cat
egor
ia d
e pe
so (
o co
mer
cial
), r
epor
tada
s en
las
bi
taco
ras,
son
sin
ses
gos.
En
cons
ecue
ncia
las
corr
ecci
ones
se
hace
n po
r si
mpl
e pr
oduc
to e
ntre
las
dos
fuen
tes
de in
form
aci6
n (p
orce
ntaj
e to
mad
o po
r la
esp
ecie
"i"
, en
la
com
posi
ci6n
mul
tiesp
ecif
ica
de
un t
rim
estr
e, p
or l
a ca
ptur
a to
tal
de l
a ca
tego
ria
de p
eso
"j ",
decl
arad
a en
las
bita
cora
s,
dura
nte
la m
ism
a te
mpo
rada
). L
a un
ica
dife
renc
ia e
ntre
est
e m
étod
o y
las
core
ccio
nes
ante
rior
es
es q
ue a
qui
no s
e ut
iliz
a la
cap
tura
tot
al s
ino
el t
otal
de
la c
aptu
ra d
e un
a ca
tego
ria
de p
eso
(ded
ucid
o de
las
bita
cora
s y
extr
apol
ado
a lo
s de
sem
barq
ues
esti
mad
os).
En
cont
rapa
rtid
a, e
l se
gund
o m
étod
o, b
asad
o so
bre
mod
elas
Log
-lin
eale
s ap
lica
dos
en t
abla
s in
com
plet
as,
cons
erva
un
grad
o de
inc
erti
dum
bre
sobr
e la
s do
s fu
ente
s de
dat
os.
La
poca
ut
iliz
aci6
n de
las
var
iabl
es c
uali
tati
vas
en b
iolo
gia
pesq
uera
hac
e qu
e el
em
pleo
de
los
mod
elas
L
og-l
inea
les
sea
poco
usu
al.
Ade
mas
del
tra
bajo
de
HO
EN
IG &
HE
ISE
Y (
198
7),
cuyo
s ej
empl
os
de u
tiliz
aci6
n va
n de
sde
la e
labo
raci
6n d
e cl
aves
Eda
d-L
ongi
tud,
has
ta la
cla
sifi
caci
6n e
ntre
var
ias
stoc
ks,
se p
uede
cita
r el e
stud
io d
e M
OR
AN
D &
LA
E (
199
2), s
obre
Jas
mod
alid
ades
de
util
izac
i6n
de a
rtes
de
pesc
a ar
tesa
nale
s en
el
Del
ta d
el N
iger
(A
fiic
a) y
el
trab
ajo
de G
AE
RT
NE
R &
M
ED
INA
-GA
ER
TN
ER
(199
2),
sobr
e lo
s ev
enta
s as
ocia
dos
a la
s fa
enas
de
pesc
a de
los
cerq
uero
s ve
nezo
lano
s ( e
spec
ies
asoc
iada
s, l
ance
s en
bla
nco,
etc
.).
El
mét
odo
prec
oniz
ado
por
HO
EN
IG &
HE
ISE
Y (
op.
cit.
) es
ta b
asad
o so
bre
la i
dea
de u
tili
zar
una
prim
era
mat
riz
de r
efer
enci
a en
la
cual
tod
os lo
s el
emen
t os
son
cono
cido
s (e
n nu
estr
o ca
so la
m
atri
z co
nstr
uida
por
los
mue
stre
os tr
imes
tral
es,
con
6 es
peci
es y
3 c
ateg
oria
s-pe
so)
para
con
stru
ir
una
segu
nda
mat
riz
de l
a m
ism
a di
men
sion
(la
mat
riz
real
de
las
capt
uras
por
esp
ecie
y p
or
laco
mpo
sici
ónes
pecí
fica
por
cate
gori
ade
peso
com
erci
al.
2.In
vest
igar
las
posi
bili
dade
sde
lus
ode
técn
icas
esta
dist
icas
flex
ible
squ
eto
men
encu
enta
lava
riab
ilida
dpa
rtic
ular
delo
sda
tos
proc
eden
tes
dela
pesc
aat
uner
a.
Par
all
evar
aca
boes
tese
gund
oob
jeti
vose
trat
ará
deut
iliz
arun
mod
elo
Lag
-lin
eal,
cuyo
proc
edim
ient
opa
raev
alua
rel
máx
imo
deve
rosi
mil
itud
dela
spr
opor
cion
esde
cada
espe
cie
esta
basa
daen
elal
gori
tmo
itera
tivo
"EM
"(E
xpec
tati
on-m
axim
izat
ion)
deD
EM
PS
TE
Ret
al.
(197
7).
La
aplic
abili
dad
dees
tem
étod
o,en
tem
asde
biol
ogía
pesq
uera
,ha
sido
ampl
iam
ente
desc
rito
por
HO
EN
lGy
HE
ISE
Y(1
987)
.
MA
TE
RIA
LE
SY
ME
TO
nO
S.
Ori
gen
delo
sda
tos.
El
tipo
dem
uest
reo
real
izad
oen
los
puer
tos
atun
eros
del
Atl
ánti
coha
sido
clas
ific
ado
com
om
uest
reo
ado
sni
vele
s("
two-
stag
ecl
uste
rsa
mpl
ing"
)po
rC
UE
VA
Se
lal.
(199
4).
Sepu
ede
cons
ider
ar,
enef
ecto
,qu
ela
sun
idad
espr
imar
ias
dem
uest
reo
son
los
lanc
es(o
las
bode
gas
sino
sepu
ede
iden
tifi
car
alo
sla
nces
)y
que
las
unid
ades
elem
enta
les
dese
gund
oni
vel
son
los
pece
s.E
lm
uest
reo
esal
azar
enlo
sdo
sni
vele
s,es
deci
r,qu
ese
hace
nsi
ndi
stin
ción
"apr
iori
"de
laes
peci
e,ya
que
tiene
nel
dobl
eob
jetiv
ode
eval
uar
para
cada
espe
cie
por
una
part
e,su
prop
orci
ónpo
nder
alen
laca
ptur
ay
poro
tra
part
e,su
estr
uctu
rade
mog
ráfi
ca.
Se
util
iza
lalo
ngit
udpr
edor
sal
(LD
1)pa
rael
alet
aam
arill
a(Y
FT
)y
elO
jogo
rdo
(BE
T),
yla
long
itud
ala
horq
uill
a(L
H),
para
las
dem
áses
peci
es.
El
peso
tota
lde
lam
uest
rase
calc
ula
po
rm
edio
dela
sdi
fere
ntes
ecua
cion
eslo
ngit
ud-p
eso
yse
extr
apol
aal
peso
dela
bode
gade
lacu
alpr
oced
e.E
lúl
tim
opa
soco
nsis
teen
sum
arla
sca
ptur
aspo
nder
adas
,o
las
frec
uenc
ias
deta
mañ
opo
nder
adas
,en
eles
trat
oes
pa
cio-
tem
pora
lqu
ele
corr
espo
nde.
En
elca
sode
que
labo
dega
mue
stre
ada
cont
iene
vari
osla
nces
,se
prom
edia
laub
icac
ión
espa
cio-
tem
pora
lde
esto
sla
nces
o,se
gún
elca
so,
seda
más
peso
esta
dist
ico
ala
info
rmac
ión
proc
eden
tede
llan
cem
ásim
port
ante
.E
sta
sim
plif
icac
ión
nope
rjud
ica
los
resu
ltad
osde
lpr
esen
tees
tudi
o,ya
que
com
oha
sido
men
cion
ado
ante
rior
men
te,
seut
iliz
aun
aso
laár
eage
ográ
fica
yun
perí
odo
deti
empo
sufi
cien
tem
ente
ampl
io(e
ltr
imes
tre)
.
De
lain
form
ació
nre
port
ada
enla
sbi
táco
ras,
seut
iliza
las
capt
uras
tota
les
trim
estr
ales
por
cate
gorí
asde
peso
,ta
lqu
e:
_C
ateg
oría
1,pa
ralo
sej
empl
ares
dem
enos
de3
Kg;
-C
ateg
oría
2,pa
ralo
sej
empl
ares
entr
e3
y15
Kg;
_C
ateg
oría
3,pa
ralo
sej
empl
ares
dem
ásde
15K
g
En
efec
to,d
ebid
oa
lana
tura
leza
delo
sse
sgos
,evo
cada
enla
part
ein
trod
ucto
ria,
esló
gico
supo
ner
que
los
erro
res
deid
entif
icac
ión
depe
nden
del
peso
med
iode
los
pece
s.P
orej
empl
o,un
mal
repo
rte
dela
sca
rach
anas
(FR
I)es
fact
ible
enla
cate
gorí
al
(pec
esde
men
osde
3K
g),
pero
alco
ntra
rio
tota
lmen
teim
prob
able
enla
cate
gorí
a3,
etc.
,et
c.C
abe
men
cion
arqu
ees
teúl
timo
paso
118
esdi
stin
tode
lmét
odo
empl
eado
enlo
ses
tudi
osan
teri
ores
ado
nde
los
porc
enta
jes
mul
ties
peci
fico
sse
apli
caba
na
laca
ptur
ato
tal
(sin
dist
inci
ónde
cate
gorí
ade
peso
).
Sel
ecci
ónde
les
trat
oes
paci
o-te
mpo
ral
sobr
eel
cual
seha
rála
sco
rrec
cion
es.
Ela
nális
isde
lava
riab
ilid
ades
paci
o-te
mpo
ral
delo
sm
uest
reos
enpu
erto
,re
aliz
ado
por
GA
ER
TN
ER
ela
l.(1
992)
,de
mue
stra
laex
iste
ncia
deun
aci
erta
hete
roge
neid
aden
tre
sect
ores
yde
ahí,
ladi
ficu
ltad
dees
tabl
ecer
estr
atos
deig
ual
ampl
itud
enel
tiem
po.
No
obst
ante
,de
bido
ala
poca
exte
nsió
nde
lazo
nade
pesc
aac
tual
(ent
relo
s10
Y14
grad
osde
lati
tud
Nor
te,
yen
tre
los
55y
70gr
ados
delo
ngit
udO
este
)y
ala
poca
cant
idad
dem
uest
reos
disp
onib
les,
una
estr
atif
icac
ión
trim
estr
al,
sin
disc
rím
inac
ión
dezo
na,
pare
ceun
buen
com
prom
iso
(una
estr
atif
icac
ión
más
fina
impl
icar
iam
ássu
bsti
tuci
ónde
mue
stre
os).
En
cons
ecue
ncia
,se
cons
erva
ráes
tees
paci
ode
tiem
po,
yaut
iliza
doen
los
estu
dios
ante
rior
es,
para
reco
nstr
uir
las
capt
uras
espe
cifi
cas
dela
pesc
aat
uner
ave
nezo
lana
desu
perf
icie
por
cada
arte
(BB
yPS
)en
tre
el1e
rtri
mes
tre
de19
87y
el4t
otr
imes
tre
de19
93.
Las
capt
uras
anua
les
son
esti
mad
asa
part
irde
las
esta
díst
icas
trim
estr
ales
corr
egid
as.
Est
ean
ális
isha
sido
exte
ndid
oen
una
segu
nda
fase
a19
86;
para
lacu
alse
disp
onía
únic
amen
tede
capt
uras
tota
les
trim
estr
ales
.
El
mét
odo
decá
lcul
o.
Dos
mét
odos
decá
lcul
oha
nsi
dout
iliza
dos.
En
elpr
imer
ode
ello
sse
cons
ider
aqu
eta
nto
los
porc
enta
jes
trim
estr
ales
deca
daes
peci
ede
ntro
deun
aca
tego
ría
depe
so(o
bten
idos
por
elm
uest
reo)
com
ola
spr
opor
cion
esde
cada
cate
gorí
ade
peso
(oco
mer
cial
),re
port
adas
enla
sbi
táco
ras,
son
sin
sesg
os.
En
cons
ecue
ncia
las
corr
ecci
ones
seha
cen
por
sim
ple
prod
ucto
entr
ela
sdo
sfu
ente
sde
info
rmac
ión
(por
cent
aje
tom
ado
por
laes
peci
e"i
",en
laco
mpo
sici
ónm
ultie
spec
ífi
cade
untr
imes
tre,
por
laca
ptur
ato
tal
dela
cate
gorí
ade
peso
"j",
decl
arad
aen
las
bitá
cora
s,du
rant
ela
mis
ma
tem
pora
da).
La
únic
adi
fere
ncia
entr
ees
tem
étod
oy
las
core
ccio
nes
ante
rior
eses
que
aquí
nose
util
iza
laca
ptur
ato
tal
sino
elto
tal
dela
capt
ura
deun
aca
tego
ría
depe
so(d
educ
ido
dela
sbi
táco
ras
yex
trap
olad
oa
los
dese
mba
rque
ses
tim
ados
).
En
cont
rapa
rtid
a,el
segu
ndo
mét
odo,
basa
doso
bre
mod
elos
Log
-lin
eale
sap
lica
dos
enta
blas
inco
mpl
etas
,co
nser
vaun
grad
ode
ince
rtid
umbr
eso
bre
las
dos
fuen
tes
deda
tos.
La
poca
util
izac
ión
dela
sva
riab
les
cual
itat
ivas
enbi
olog
iape
sque
raha
cequ
eel
empl
eode
los
mod
elos
Lag
-lin
eale
sse
apo
cous
ual.
Ade
más
del
trab
ajo
deH
OE
NIG
&H
EIS
EY
(198
7),
cuyo
sej
empl
osde
utili
zaci
ónva
nde
sde
lael
abor
ació
nde
clav
esE
dad-
Lon
gitu
d,ha
sta
lacl
asif
icac
ión
entr
eva
rios
stoc
ks,
sepu
ede
cita
rele
stud
iode
MO
RA
ND
&L
AE
(199
2),
sobr
ela
sm
odal
idad
esde
util
izac
ión
dear
tes
depe
sca
arte
sana
les
enel
Del
tade
lN
iger
(Afi
ica)
yel
trab
ajo
deG
AE
RT
NE
R&
ME
DIN
A-G
AE
RT
NE
R(1
992)
,so
bre
los
even
tos
asoc
iado
sa
las
faen
asde
pesc
ade
los
cerq
uero
sve
nezo
lano
s(e
spec
ies
asoc
iada
s,la
nces
enbl
anco
,et
c.).
El
mét
odo
prec
oniz
ado
por
HO
EN
IG&
HE
ISE
Y(o
p.cil
)es
tába
sado
sobr
ela
idea
deut
iliz
arun
apr
imer
am
atri
zde
refe
renc
iaen
lacu
alto
dos
los
elem
ento
sso
nco
noci
dos
(en
nues
tro
caso
lam
atri
zco
nstr
uida
por
los
mue
stre
ostr
imes
tral
es,
con
6es
peci
esy
3ca
tego
rías
-pes
o)pa
raco
nstr
uir
una
segu
nda
mat
ríz
dela
mis
ma
dim
ensi
ón(l
am
atri
zre
alde
las
capt
uras
por
espe
cie
ypo
r
cate
gori
as).
De
la s
egun
da m
atri
z, s
olo
se c
onoc
e el
vec
tor
linea
, o
sea
las
sum
as d
e la
s ca
ptur
as
de c
acia
cat
egor
ia d
e pe
so r
epor
tada
s en
las
bitl
cora
s (s
in d
istin
ci6n
de
espe
cie,
Cf
los
m,_J
en
el
graf
ico
de a
bajo
}. S
ea:
Mat
riz
t M
atri
z 2
Vec
tor
(obt
enid
a co
n lo
s m
uest
reos
) (a
eval
uar)
So
luci
on
Cat
1 Ca
~ C
at3
I lin
. E
sp.
------
------
------
-----
1 nr
,r nl
J nJ
,J !n
i,·
1
"'' ""
1\3
1 '1.
· 1
, 1
, 6
"'·' ~j
t\i,J
1 "
'··
------
------
------
------
Ico
l U
..t
n!J
n ..... ~
1 n
. ..
Cat
1 C
atj
Cat
3 Il
in.
------
------
------
? ?
? 1
? ?
? ?
1 ?
? ffi
;.; ?
IID;..
? ?
? 1
? ?
? ?
1 ?
? ?
? 1
?
--------------~-----
lllq
m
., m
... ,3
1 m
..
Vec
tor
de la
s ca
ptur
as to
tale
s po
r ca
tego
rias
(c
onoc
ido
desd
e la
s bi
taco
ras)
con
n.,~
If\.
J; 1\
.~I
f\.J
,y
n. .• ~II I
\.i;
(ide
mpa
ram
.).
i j
i j
Est
a es
truc
tura
inîc
ial c
orre
spon
de a
un
mod
elo
Log
-lin
eal a
soci
ado
a un
a ta
bla
de c
ontin
genc
ia
parc
ialm
ente
cla
sific
ada.
P
ara
calc
ular
las
est
irna
cion
es d
el m
itx.im
o de
ver
osim
îlitu
d de
las
pr
opor
cion
es e
n la
segu
nda
mat
riz
(2),
se
empl
e6 e
l alg
oritm
o "E
M"
( exp
ecta
ctio
n-m
axim
îzat
ion}
de
DE
.'\1P
STE
R e
t. al
., (1
977)
.
HO
EN
IG &
HE
ISE
Y (
op.
cit.
) se
fiala
n qu
e el
uso
del
cri
teri
o de
mix
imo
de v
eros
imilî
tud
es
mue
ho m
as f
lexi
ble
que
el c
rite
rio
de l
os m
inim
os c
uadr
ados
util
izad
o po
r ot
ros
au to
res
(cf
CL
AR
K,
1981
, po
r ej
empl
o}.
En
efec
to,
este
Ulti
mo
supo
ne q
ue l
a m
atri
z 1
de c
lasi
fica
ciôn
es
cono
cida
per
fect
amen
te,
sin
posi
bilid
ad d
e er
rore
s.
At
cont
rari
o, e
l cr
iteri
o de
mâx
imo
de
vero
sim
ilitu
d ad
mite
un
grad
o de
ince
rtid
umbr
e so
bre
todo
s lo
s da
tos.
No
se p
lant
ea la
hip
ôtes
is
que
la d
istr
ibuc
ién
de la
s es
peci
es d
entr
o de
las
cate
gori
as-p
eso
qued
e co
nsta
nte
de u
na rn
atri
z a
la o
tra
(hip
ôtes
is u
tiliz
ada
en e
l otr
o m
étod
o ). A
qui
se s
upon
e U
nica
men
te q
ue la
pro
babi
lidad
de
que
"una
tone
lada
" de
la e
spec
ie i
cae
en la
cat
egor
ia j
qued
e co
nsta
nte,
o s
ea:
P(j
li) 1 ~ P
(jli
), ;
Est
as p
roba
bîlid
ades
con
dici
onal
es (
prob
abili
dad
de e
star
en
la c
ateg
oria
j, d
ada
la e
spec
ie i
) co
nstit
uyen
las
tasa
s de
das
ific
aci6
n. S
i se
ano
ta aa
._, la
pro
babi
lidad
de
que
una
tone
lada
de
la
mat
riz k
(k=
1,2)
sea
de
la e
spec
ie i,
la p
roba
bilid
ad d
e qu
e un
a to
nela
da d
e la
mat
riz
k pe
rten
ece,
es
ta v
ez,
no s
olam
ente
a la
esp
ecîe
i si
ne ta
mbi
én a
la c
ateg
oria
j, o
sea
:
119
P(i,j
lk) ~ P
(ilj)
* a,
Los
mo_
delo
s L
og-li
neal
es s
on r
elat
ivam
ente
com
para
bles
a u
n A
NO
V A
en
la m
edid
a qu
e se
trat
a de
med
1r e
l ev
entu
al e
fect
o de
un
fact
or e
n té
rmin
os d
e de
svia
cién
al v
alor
pro
rned
io, p
ero
sobr
e un
a ce
l_da
de
una
tabl
a de
con
tinge
ncia
y n
o so
bre
una
vari
able
exp
licad
a (v
er A
GR
EST
I, 1
992;
pa
ra m
as d
etal
les
sobr
e m
odel
es L
og-l
inea
les,
y e
spec
ialm
ente
sob
re lo
s m
odel
es "
Log
it" p
ara
los
aspe
ctes
de
com
para
ci6n
con
el
AN
OV
A).
La
refo
rmul
aci6
n de
esa
est
ruct
ura
bajo
la f
onna
de
un m
odel
o L
og-l
inea
l se
ra:
Log
(Val
or d
e un
a ce
lda i,
j,k)
~ ~ +
E1 +
CJ
+ O
, + (E
*C)"
+ (E
*O},
,,
con:
p. =
gra
n m
edia
; E
, C
, 0
= ef
ecto
s pr
inci
pale
s E
spec
ie,
Cat
egor
ia,
Ori
gen
de l
os p
eces
(m
uest
reos
o c
aptu
ras)
y J
as in
tera
ccio
nes
entr
e 2
fact
ores
de
inte
rés.
En
real
idad
, una
for
mul
aci6
n m
âs a
cord
e co
n la
pre
sent
acî6
n cl
âsic
a de
los
mod
elos
Log
-lin
eale
s se
ria:
Lo
gll
l;jk
=!.
.! +
Â
i E
+À
j C
+Â
k O
+À
ij(E
C)+
Àik
(E
O)
•
con
: L
}.. 1 E
= 0
; L
Ài c
=O
; L
.Àk
0 =
0; I
Àîj
<EC
) =
0; L
Àîk
tE
O)
=0
;
o de
for
ma
abre
viad
a [E
C E
O].
Las
est
imac
ione
s de
l m
â.xi
mo
de v
eros
imili
tud
son
los
valo
res
de l
os p
arâm
etro
s qu
e m
axim
izan
la
fun
ci6n
, de
yero
sim
ilitu
d (p
or Ja
s cu
ales
la
prob
abili
dad
de o
bten
er l
os d
ates
obs
erva
dos
es
mâx
ima)
. E
falg
orit
mo
"FM
11 pr
oced
e de
man
era
iter
ativ
a de
mod
o si
guie
nte:
1) In
icia
lizac
i6n.
Se
hac
e un
a es
timac
iôn
prel
imin
ar (i
tera
c:i6
n 0)
de
las
celd
as d
e la
seg
unda
mat
riz,
o s
ea:
tl\i
(O) =
IR.J
* '\]
1 n,
,~,
2) M
axîm
izac
i6n.
Se
pro
cede
, de
ntro
del
cie
lo d
e ite
raci
ones
, a
la fa
se d
e m
axim
izac
i6n
con
el c
âlcu
lo d
el m
âxim
o de
ver
osim
ilitu
d de
P(j/
i} y
de
<\2 (a
;, 1 q
ueda
con
stan
te d
entr
o de
l cie
lo d
e ite
raci
ones
y n
o m
odif
ica
la m
axim
izac
l6n
del
kern
e1 d
el L
og d
e ve
rosi
mU
itud,
raz
On
por
la c
ual n
o se
rec
alcu
la),
sea
par
a la
iter
aci6
n s:
de a
hi s
e po
dria
max
imiz
ar la
s es
timac
ione
s de
los
Ill;J
(m;J
(.)),
ya q
ue:
111; 3
(,) ~ P
(jli
), *
"'' *
IIL .•
~ P
(jft
) * 1
11;,.
,
pero
com
o lo
ver
emos
en
3) e
ste
paso
no
es n
eces
ario
.
cate
gorí
as).
De
lase
gund
am
atri
z,so
lose
cono
ceel
vect
orlín
ea,
Ose
ala
ssu
mas
dela
sca
ptur
asde
cada
cate
gorí
ade
peso
repo
rtad
asen
las
bitá
cora
s(s
indi
stin
ción
dees
peci
e,C
flo
sff
i¡'J
enel
gráf
ico
deab
ajo)
.Se
a:
Mat
riz
tM
atri
z2
Vec
tor
(obt
enid
aco
nlo
sm
uest
reos
)(a
eval
uar)
Sol
udon
Cat
¡Ca
~C
a!3
Ilin
.C
atl
Cat
jC
at3
Ilin
.E
sp.
------
------
------
-----
------
------
------
1n 1
,1n 1
jn l
,3ln
l,_?
??
I?
I?
??
I?
f\.,
f\.¡
f\.3
If\..
?ni
;.;?
1Ul;..
I"
??
?I?
I"
??
?I?
6"<
.'~j
t\i,3
1"<.•
??
?I
?
------
------
------
------
--------------~-----
Ico
ln.
.,n
¡j
n....~
In..•
rn..-.l
114,
m..,3
Im
..
Vec
tor
dela
sca
ptur
asto
tale
spo
rca
tego
rias
(con
ocid
ode
sde
las
bita
cora
s)
con
n.,~If\.j;
f\..~I
f\.j'
Yn..,~II
f\.¡
;(i
dem
para
m.)
.i
ji
j
Est
aes
truc
tura
inic
ial
corr
espo
nde
aun
mod
elo
Log
-lin
eal
asoc
iado
aun
ata
bla
deco
ntin
genc
iapa
rcia
lmen
tecl
asif
icad
a.P
ara
calc
ular
las
esti
mac
ione
sde
lm
áxim
ode
vero
sim
ilit
udde
las
prop
orci
ones
enla
segu
nda
mat
riz
(2).
seem
pleó
elal
gori
tmo
"EM
"(e
xpec
taet
ion-
max
imiz
atio
n)
deD
E.'.
1PST
ER
el.a
l.,(1
977)
.
HO
EN
IG&
HE
ISE
Y(o
p.ci
t.)
seña
lan
que
elus
ode
lcr
iter
iode
máx
imo
de
vero
sim
ilit
udes
muc
hom
ásfl
exib
lequ
eel
crit
erio
delo
sm
ínim
oscu
adra
dos
util
izad
opo
rot
ros
auto
res
(cf
CL
AR
K,
1981
,po
rej
empl
o).
En
efec
to,
este
últim
osu
pone
que
lam
atri
z1
de
clas
ific
ació
nes
cono
cida
perf
ecta
men
te,
sin
posi
bilid
adde
erro
res.
Al
cont
rari
o,el
crit
erio
dem
áxim
ode
vero
sim
ilitu
dad
mit
eun
grad
od
ein
cert
idum
bre
sobr
eto
dos
los
dato
s.N
ose
plan
tea
lahi
póte
sis
que
ladi
stri
buci
ónd
ela
ses
peci
esde
ntro
dela
sca
tego
rías
-pes
oqu
ede
cons
tant
ede
una
mat
riz
ala
otra
(hip
ótes
isut
iliz
ada
enel
otro
mét
odo)
.A
quí
sesu
pone
únic
amen
tequ
ela
prob
abil
idad
de
que
"una
tone
lada
"d
ela
espe
cie
icae
enla
cate
gori
aj
qued
eco
nsta
nte,
ose
a;
P(j
li),~
P(j
li),
;
Est
aspr
obab
ilid
ades
cond
icio
nale
s(p
roba
bili
dad
dees
tar
enla
cate
gori
aj,
dada
laes
peci
ei)
cons
titu
yen
las
tasa
sd
ecl
asif
icac
ión.
Sise
anot
aa¡¡
.,la
prob
abili
dad
dequ
eun
ato
nela
dad
ela
mat
riz
k(k
=1,
2)se
ade
laes
peci
ei,
lapr
obab
ilid
add
equ
eun
ato
nela
dade
lam
atri
zk
pert
enec
e,es
tave
z,no
sola
men
tea
laes
peci
eis
ino
tam
bién
ala
cate
gori
aj,
ose
a:
119
P(i
,jlk
)~
P(i
lj)*"
"
Los
mo.
delo
sL
og-l
inea
les
son
rela
tiva
men
teco
mpa
rabl
esa
unA
NO
VA
enla
med
ida
que
setr
ata
dem
edIr
elev
entu
alef
ecto
deun
fact
oren
térm
inos
de
desv
iaci
ónal
valo
rpr
omed
io,p
eto
sobr
eun
ace
l,da
deun
ata
bla
deco
ntin
genc
iay
noso
bre
una
vari
able
expl
icad
a(v
erA
GR
ES
TI,
1992
;pa
ram
asde
talle
sso
bre
mod
elos
Log
-lin
eale
s.y
espe
cial
men
teso
bre
los
mod
elos
"Log
it"
para
los
aspe
ctos
de
com
para
ción
con
elA
NO
VA
).
La
refo
rmul
ació
nde
esa
estr
uctu
raba
jola
fonn
ad
eun
mod
elo
Log
-lin
eal
será
;
Log
(Val
orde
una
celd
ai,j,k)~~
+E¡
+C
j+O
,+(P
C)"
+(E
*O}"
.
con:
¡J.=
gran
med
ia;
E,
C,
O=
efec
tos
prin
cipa
les
Esp
ecie
,C
ateg
oria
,O
rige
nde
los
pece
s(m
uest
reos
oca
ptur
as) y
las
inte
racc
ione
sen
tre
2fa
ctor
esd
ein
teré
s.E
nre
alid
ad,u
nafo
nnul
ació
nm
ásac
orde
con
lapr
esen
taci
óncl
ásic
ade
los
mod
elos
Log
-lin
eale
sse
ría:
Lo
glll
;jk=
¡..t+
A¡E
+A
je
+Ak
O+
A¡j
(EC
1+
A¡k
(EO
),
con
:L
AíE
=O;
LA
jc=
O;
¿A
ko
=O;
IA
¡j(E
e)=
0;L
Aik
{EO
)=
0;
ode
form
aab
revi
ada
[EC
EO
).
Las
esti
mac
ione
sde
lm
áxim
od
eve
rosi
mil
itud
son
los
valo
res
delo
spa
rám
etro
squ
em
axim
izan
lafu
nció
n,de
yero
sim
ilit
ud(p
or.l
ascu
ales
lapr
obab
ilid
adde
obte
ner
los
dato
sob
serv
ados
esm
áxim
a).
Efa
lgor
itm
o"F
MJJ
proc
ede
dem
aner
ait
erat
iva
dem
odo
sigu
ient
e:
1)In
icia
lizac
ión.
Se
hace
una
esti
mac
ión
prel
imin
ar(i
tera
ción
ú)
dela
sce
ldas
dela
segu
nda
mat
riz,
ose
a:
tl\¡
(O)=
tR..J
*'\i
In
'J'
2)M
axim
izac
ión.
Se
proc
ede,
dent
rode
lci
clo
deit
erac
ione
s,a
lafa
sede
max
imiz
ació
nco
nel
cálc
ulo
del
máx
imo
deve
rosi
mili
tud
deP
(j/i}
yde
<\2(<
\'1qu
eda
cons
tant
ede
ntro
del
cicl
od
eit
erac
ione
sy
nom
odif
ica
lam
axim
izac
ión
del
kern
elde
lL
ogde
vero
sim
ilit
ud,
razó
np
or
lacu
alno
sere
calc
ula)
,se
apa
rala
iter
ació
ns:
deah
íse
podr
iam
axim
izar
las
esti
mac
ione
sde
los
Ill¡J
(!l1
;j(.
»,ya
que;
pero
com
olo
vere
mos
en3)
este
paso
noes
nece
sari
o.
3) E
xpec
taci
6n
En
efe
cto,
par
a qu
e la
sum
a so
bre
las
colu
mna
s de
est
os v
alor
es m
axim
izad
os e
sté
conf
orm
e co
n lo
s da
tos
obse
rvad
os (
los
rn,.)
, se
rea
just
an c
omo:
De
esta
man
era
se p
uede
obt
ener
dir
ecta
men
te II
\j• c
on:
IT\;
'~''
= [P
(j/i)
'""'
' *rn
,,<·>
* m
cJ /
[ ~ {
P(j/i
Y'+
l) *
rn,.'
''}]
1
4) C
alcu
lo d
el k
emel
del
Log
. de
ver
osim
ilit
ud (
L).
Des
pués
de
algu
nas
sim
plif
icac
ione
s (s
e el
imin
an l
os t
érm
inos
con
stan
tes
ya q
ue
no m
odif
ican
los
ca
lcul
os d
e la
fas
e de
max
imiz
aci6
n de
est
e pr
oces
o) e
l ke
mel
del
Lo
g d
e ve
rosi
mil
itud
(pa
rte
de
la f
unci
6n d
e ve
rosi
mil
itud
qu
e es
afe
ctad
a p
or
los
pani
met
ros)
se
lim
ita
a:
L =
:E
:E (
!\;+
Il\;
''''')
* L
og
P(j
/i)'"
''' +
:E I
I\+'..
,''* L
og
11;. 2
'"'''
i j
i E
n el
cas
o de
exi
stir
alg
unas
cel
das
nula
s, p
ara
pode
r ca
lcul
ar lo
s va
lore
s lo
gari
tmic
os,
HO
EN
IG
& H
EIS
EY
(op
. ci
l.)
reco
mie
ndan
agr
egar
un
valo
r de
0.0
001,
a t
odas
ella
s. E
ste
test
se
pued
e ef
ectu
ar a
l ni
ve!
del
paso
2.
5: E
valu
aci6
n.
Se
incr
emen
ta e
l nu
mer
o de
ite
raci
6n S
ta!
qu
e S
=S
+ 1,
si
S=
1, s
e ig
uala
L e
n L
'y s
e re
gres
a en
el
paso
2);
si
S>
1, y
IL
'-LI
>n
ive!
de
tole
ranc
ia,
se c
arga
L e
n L
'y s
e re
gres
a en
2;
si S
> 1,
y I
L'-L
I <
niv
e! d
e to
lera
ncia
, se
par
a el
pro
ceso
de
iter
acio
nes
y se
obt
iene
el
vect
or d
e ca
ptur
as p
or
espe
cie,
sum
ando
las
est
imac
ione
s. d
e la
mat
riz
espe
cie*
cate
gori
as-p
eso.
RE
SU
LT
AD
OS
.
El
prob
lem
a de
las
subs
titu
cion
es.
El
sist
ema
de b
itac
oras
de
la p
esca
atu
nera
ven
ezol
ana
de s
uper
fici
e fu
e in
stal
ado
en 1
987
( GA
ER
TN
ER
et a
l., 1
988)
. A
l ini
cio
se p
erdi
eron
num
ero s
as b
itac
oras
dan
do c
omo
cons
ecue
ncia
la
aus
enci
a de
dat
as p
ara
los
cerq
uero
s en
el
2do
trim
estr
e d
e 19
87.
Par
a su
bsti
tuir
est
e es
trat
o fa
ltan
te,
se p
rom
edia
ron
las
prop
orci
ones
de
cada
cat
egor
ia-p
eso,
rep
orta
das
en l
as b
itac
oras
du
rant
e lo
s 2d
o tr
imes
tres
, de
sde
1988
a 1
993;
est
as p
ropo
rcio
nes
fuer
on e
stim
adas
a 0
,206
, 0,
307
y 0,
487.
Par
a 19
86,
afio
po
r el
cua
l se
dis
poni
a un
icam
ente
de
las
capt
uras
tot
ales
po
r tr
imes
tre,
se
pro
cedi
6 al
mis
mo
tipo
de
esti
mac
i6n
(% m
ij, p
rom
edia
dos
entr
e 19
87 y
199
3).
Po
r ot
ra p
arte
, la
s m
atri
ces
de c
lasi
fica
ci6n
tri
mes
tral
es (1
1;.)
se o
btuv
iero
n p
or
agru
paci
6n d
e lo
s m
uest
reos
mul
ties
peci
fico
s de
cad
a tr
imes
tre
entr
e 19
87 y
199
3 ..
No
obs
tant
e, p
ara
trat
ar d
e el
imin
ar lo
s tr
imes
tres
con
ins
ufic
ient
e in
form
aci6
n, n
o se
con
serv
aron
las
mat
rice
s tr
imes
tral
es c
on
120
men
os
de d
os m
uest
reos
ni
las
mat
rice
s en
las
cua
les
la s
uma
de u
na c
olum
na c
ateg
oria
-pes
o ap
arec
e nu
la.,
cont
rari
amen
te a
lo i
ndic
ado
en la
col
umna
cor
resp
ondi
ente
ext
raid
a de
las
bit
acor
as,
es d
ecir
, cu
ando
n.J
= 0
y m
_.j >
0 (
Tab
. 1)
.
Par
a es
tim
ar l
as m
atri
ces
de s
ubst
ituc
i6n
se r
ecur
ri6
igua
lmen
te a
los
mod
elas
Log
-lin
eale
s (v
er
AG
RE
ST
I, 1
990;
KN
OK
E &
BU
RK
E,
1990
, pa
ra m
as d
etal
les
sobr
e es
te t
ipo
de m
odel
as).
El
pro
gra
ma
OC
T A
(D
AL
LA
L,
1987
), e
mpl
ea e
l al
gori
tmo
de v
eros
imil
itud
de
Dem
ing-
Ste
phan
, ba
sado
sob
re u
na
técn
ica
iter
ativ
a de
aju
ste
prop
orci
onal
( "p
ropo
rtio
nal
iter
ativ
e fi
ttin
g").
Con
ocie
ndo,
a p
rior
i, la
alt
a va
riab
ilid
ad e
ntre
los
fact
ores
inv
oluc
rado
s (a
fios
, ca
tego
rias
, es
peci
es
y su
s re
spec
tiva
s in
tera
ccio
nes)
y,
en a
lgun
os c
asos
, la
po
ca c
anti
dad
de m
uest
reos
po
r es
trat
o, n
o es
nad
a so
rpre
nden
te v
er q
ue p
ocos
mod
elos
Log
-lin
eale
s aj
usta
n lo
s da
tos
de m
aner
a si
gnif
icat
iva
(Tab
. 2)
. E
s im
port
ante
des
taca
r qu
e el
mod
elo
Log
-lin
eal d
e m
as in
teré
s p
ara
el o
bjet
ivo
plan
tead
o (e
stab
lece
r m
atri
ces
de
subs
titu
ci6n
) es
el
mod
elo
qu
e ai
sla
el e
fect
o A
fio
(A)
de l
os d
emas
(E
spec
ie E
y C
ateg
oria
C),
o s
ea [
A,
EC
]:
Lo
g rn
,.,z
=Il
+ A
,+ E
y +
Cz
+ E
Cyz
.
Par
a un
a m
'ëio
r il
ustr
aci6
n de
l obj
etiv
o pl
ante
ado,
se
pued
e ha
cer
el p
aral
elis
mo
con
la c
onst
ituc
i6n
de in
dice
s an
uale
s de
abu
ndan
cia,
a p
arti
r de
var
ios
CP
UE
loc
ales
, co
n el
uso
de
un m
odel
a Ii
neal
ge
nera
l. E
n e
ste
tipo
de
anal
isis
, se
bus
ca u
n co
mpr
omis
o en
tre
el m
ejor
aju
ste,
po
r un
a pa
rte
y un
a fo
rmul
aci6
n m
enos
efi
caz
esta
dist
icam
ente
per
o m
as i
nter
pret
able
, p
or
otr
a pa
rte.
Aqu
i ta
mbi
én
se tr
ata
de u
tili
zar u
n m
odel
a qu
e de
ja e
l ef
ecto
Afi
o si
n in
tera
ccio
nes
con
los
dem
as e
fect
os,
pero
en
est
e ca
so,
para
ela
bora
r m
atri
ces
trim
estr
ales
mul
ties
peci
fica
sus
cept
ible
s de
sub
stit
uir
la
info
rmac
i6n
falt
ante
en
alg
unos
trim
estr
es.
En
la
tabl
a 2
se n
ota
qu
e es
te m
odel
o es
sig
nifi
cati
vo s
olo
en e
l ca
so d
el 4
to t
rim
estr
e pa
ra l
os
cafi
eros
. E
n a
lgun
os c
asos
hay
qu
e ag
rega
r un
a in
tera
cci6
n (y
a se
a la
inte
racc
i6n
AE
, o
la C
A)
y a
vec
es l
as d
os,
para
ten
er u
n a
just
e sa
tisf
acto
rio
esta
dist
icam
ente
. N
o o
bsta
nte
dado
que
U e
s pr
opor
cion
al a
N (e
l ta
maf
io t
otal
de
la ta
bla)
, el
uso
de
los
mod
elos
Log
-lin
eale
s so
bre
jueg
os d
e da
tos
impo
rtan
tes
tien
e te
nden
cia
a se
lecc
iona
r un
icam
ente
los
mod
elas
con
muc
has
para
met
ros,
au
n c
uand
o al
guna
s de
las
int
erac
cion
es d
e ni
ve]
supe
rior
tie
nen
poca
sig
nifi
caci
on (
KN
OK
E y
B
UR
KE
,199
0).
Par
a m
édir
el m
'ëio
rarn
ient
o de
aju
ste
de e
stos
mod
elos
mas
com
plet
as (
sup.
), c
on
re
spec
to a
l m
odel
o de
bas
e (b
as.)
, q
ue
es [
A E
C],
se
pued
e ut
iliz
ar l
a es
tadi
stic
a F,
tai
que
:
Est
os a
utor
es c
onsi
dera
n qu
e cu
ando
F s
uper
a 90
%,
el m
odel
a al
tem
ativ
o pu
ede
ser
cons
ider
ado
com
o m
as e
xpli
cati
vo q
ue
el m
odel
a de
bas
e.
Co
n l
a ex
cepc
i6n
del
4to
tri
mes
tre
para
los
ce
rque
ros,
la
obse
rvac
i6n
de l
a U
:ltim
a co
lum
na d
e la
tab
la 2
per
mit
e re
chaz
ar e
sta
hip6
tesi
s;
adem
as,
qu
e es
tos
mod
elas
no
perm
itir
an r
econ
stru
ir la
s m
atri
ces
de s
ubst
ituc
i6n
"ide
ales
" (o
, al
m
enos
, in
depe
ndie
ntes
del
efe
cto
A).
Po
r ot
ro l
ado,
la
vari
abil
idad
int
eran
ual
de lo
s m
uest
reos
es
re
lati
vam
ente
im
port
ante
y n
o se
pue
de d
ecir
que
las
com
posi
cion
es m
ulti
espe
cifi
cas
po
r ca
tego
rias
de
pes
o so
n to
talm
ente
ind
epen
dien
tes
del
fact
or A
fio
(A).
3)E
xpec
taci
ónE
nef
ecto
,pa
raqu
ela
sum
aso
bre
las
colu
mna
sde
esto
sva
lore
sm
axim
izad
oses
téco
nfor
me
con
los
dato
sob
serv
ados
(los
me)
,se
reaj
usta
nco
mo:
De
esta
man
era
sepu
ede
obte
ner
dire
ctam
ente
lI\j
'con
:
IT\j
(~1)
=[P
(j/i)'
''')
*m
,,")
*m
+J
I[~
{P(j
/iY'+
l)*
m,.
"'}]
1
4)C
álcu
lode
lke
rnel
del
Log
.de
vero
sim
ilit
ud(L
).
Des
pués
deal
guna
ssi
mpl
ific
acio
nes
(se
elim
inan
los
térm
inos
cons
tant
esya
qu
eno
mod
ific
anlo
scá
lcul
osd
ela
fase
dem
axim
izac
ión
dees
tepr
oces
o)el
kern
elde
lL
agde
vero
sim
ilit
ud(p
arte
dela
func
ión
de
vero
sim
ilit
udq
ue
esaf
ecta
dap
or
los
pará
met
ros)
seli
mit
aa:
L=
:E:E
(l\¡
+11
\;""»
*L
og
P(j
/i)''
'')+
:ElI
\.'''
')*
Lo
ga;.
z""l)
ij
iE
nel
caso
deex
isti
ral
guna
sce
ldas
nula
s,pa
rapo
der
calc
ular
los
valo
res
loga
rítm
icos
,H
OE
NIG
&H
EIS
EY
(op.
cit.
)re
com
iend
anag
rega
run
valo
rd
e0.
0001
,a
toda
sel
las.
Est
ete
stse
pued
eef
ectu
aral
nive
lde
lpa
so2.
5:E
valu
ació
n.S
ein
crem
enta
elnú
mer
od
eit
erac
ión
Sta
lq
ue
S=
S+
1,si
S=
I,se
igua
laL
enL
1y
sere
gres
aen
elpa
so2)
;si
S>
1,Y
IL'-L
I>
nive
ld
eto
lera
ncia
,se
carg
aL
en
L'y
sere
gres
aen
2;si
S>
1,Y
IL'-L
I<
nive
ld
eto
lera
ncia
,se
para
elpr
oces
od
eit
erac
ione
sy
seob
tien
eel
vect
orde
capt
uras
po
res
peci
e,su
man
dola
ses
tim
acio
nes
de
lam
atrí
zes
peci
e*ca
tego
rías
-pes
o.
RE
SU
LT
AD
OS
.
El
prob
lem
ad
ela
ssu
bsti
tuci
ones
.
El
sist
ema
de
bitá
cora
sde
lape
sca
atun
era
vene
zola
nad
esu
perf
icie
fue
inst
alad
oen
1987
(GA
ER
TN
ER
ela
l.,19
88).
Ali
nici
ose
perd
iero
nnu
mer
osas
bitá
cora
sda
ndo
com
oco
nsec
uenc
iala
ause
ncia
de
dato
spa
ralo
sce
rque
ros
enel
2do
trim
estr
ed
e19
87.
Par
asu
bsti
tuir
este
estr
ato
falt
ante
,se
prom
edia
ron
las
prop
orci
ones
de
cada
cate
gorí
a-pe
so,
repo
rtad
asen
las
bitá
cora
sdu
rant
elo
s2d
otr
imes
tres
,de
sde
1988
a19
93;
esta
spr
opor
cion
esfu
eron
esti
mad
asa
0,2
06
,0,3
07
Y0,
487.
Par
a19
86,
año
po
rel
cual
sedi
spon
iaun
icam
ente
dela
sca
ptur
asto
tale
sp
or
trim
estr
e,se
proc
edió
alm
ism
oti
pod
ees
tim
ació
n(%
mij,
prom
edia
dos
entr
e19
87y
1993
).
Po
rot
rapa
rte,
las
mat
rice
sde
clas
ific
ació
ntr
imes
tral
es(1
1;)
seob
tuvi
eron
po
rag
rupa
ción
delo
sm
uest
reos
mul
ties
peci
fico
sde
cada
trim
estr
een
tre
1987
y19
93..
No
obst
ante
,pa
ratr
atar
deel
imin
arlo
str
imes
tres
con
insu
fici
ente
info
rmac
ión,
nose
cons
erva
ron
las
mat
rice
str
ímes
tral
esco
n
120
men
os
de
dos
mue
stre
osni
las
mat
rice
sen
las
cual
esla
sum
ad
eun
aco
lum
naca
tego
ría-
peso
apar
ece
nula
,co
ntra
riam
ente
alo
indi
cado
enla
colu
mna
corr
espo
ndie
nte
extr
aida
dela
sbi
táco
ras,
esde
cir,
cuan
don_
j=
OY
m_.
j>O
(Tab
.1)
.
Par
aes
tim
arla
sm
atri
ces
de
subs
titu
ción
sere
curr
ióig
ualm
ente
alo
sm
odel
osL
ag-l
inea
les
(ver
AG
RE
ST
I,19
90;
KN
OK
E&
BU
RK
E,
1990
,pa
ram
ásde
tall
esso
bre
este
tipo
dem
odel
os).
El
pro
gra
ma
OC
TA
(DA
LL
AL
,19
87),
empl
eael
algo
ritm
od
eve
rosi
mil
itud
de
Dem
ing-
Ste
phan
,ba
sado
sobr
eun
até
cnic
ait
erat
iva
de
ajus
tepr
opor
cion
al("
prop
orti
onal
iter
ativ
efi
ttin
g").
Con
ocie
ndo,
apr
iori
,la
alta
vari
abil
idad
entr
elo
sfa
ctor
esin
volu
crad
os(a
ños,
cate
gori
as,
espe
cies
ysu
sre
spec
tiva
sin
tera
ccio
nes)
y,en
algu
nos
caso
s,la
po
caca
ntid
adde
mue
stre
osp
or
estr
ato,
noes
nada
sorp
rend
ente
ver
que
poco
sm
odel
osL
og-l
inea
les
ajus
tan
los
dato
sd
em
aner
asi
gnif
icat
iva
(Tab
.2)
.E
sim
port
ante
dest
acar
que
elm
odel
oL
ag-l
inea
lde
más
inte
rés
par
ael
obje
tivo
plan
tead
o(e
stab
lece
rm
atri
ces
de
subs
titu
ción
)es
elm
odel
oq
ue
aisl
ael
efec
toA
ño(A
)de
los
dem
ás(E
spec
ieE
yC
ateg
oría
C),
ose
a[A
,E
C]:
Par
aun
am
<eio
rilu
stra
ción
delo
bjet
ivo
plan
tead
o,se
pued
eha
cer
elpa
rale
lism
oco
nla
cons
titu
ción
dein
dice
san
uale
sde
abun
danc
ia,
apa
rtir
de
vari
osC
PU
Elo
cale
s,co
nel
uso
de
unm
odel
oli
neal
gene
ral.
En
este
tipo
de
anál
isis
,se
busc
aun
com
prom
iso
entr
eel
mej
oraj
uste
,p
or
una
part
ey
una
form
ulac
ión
men
osef
icaz
esta
díst
icam
ente
pero
más
inte
rpre
tabl
e,p
or
otr
apa
rte.
Aqu
íta
mbi
énse
trat
ade
util
izar
unm
odel
oqu
ede
jael
efec
toA
ño
sin
inte
racc
ione
sco
nlo
sde
más
efec
tos,
pero
enes
teca
so,
para
elab
orar
mat
rice
str
imes
tral
esm
ulti
espe
cífi
casu
scep
tibl
esd
esu
bsti
tuir
lain
form
ació
nfa
ltan
teen
algu
nos
trim
estr
es.
En
lata
bla
2se
nota
qu
ees
tem
odel
oes
sign
ific
ativ
osó
loen
elca
sode
l4
totr
imes
tre
para
los
cañe
ros.
En
algu
nos
caso
sha
yq
ue
agre
gar
una
inte
racc
ión
(ya
sea
lain
tera
cció
nA
E,
ola
CA
)y
av
eces
las
dos,
para
ten
eru
naj
uste
sati
sfac
tori
oes
tadí
stic
amen
te.
No
obst
ante
dado
que
Ues
prop
orci
onal
aN
(el
tam
año
tota
lde
lata
bla)
,el
uso
de
los
mod
elos
Log
-lin
eale
sso
bre
jueg
osd
eda
tos
impo
rtan
tes
tien
ete
nden
cia
ase
lecc
iona
rún
icam
ente
los
mod
elos
con
muc
hos
pará
met
ros,
aun
cuan
doal
guna
sd
ela
sin
tera
ccio
nes
deni
vel
supe
rior
tien
enpo
casi
gnif
icac
íon
(KN
OK
Ey
BU
RK
E,1
990)
.P
ara
méd
irel
m'<
iora
rnie
nto
deaj
uste
de
esto
sm
odel
osm
asco
mpl
etos
(sup
.),
con
resp
ecto
alm
odel
od
eba
se(b
as.)
,q
ue
es[A
EC
],se
pued
eut
iliz
arla
esta
díst
ica
F,ta
lqu
e:
Est
osau
tore
sco
nsid
eran
que
cuan
doF
supe
ra90
%,
elm
odel
oal
tern
ativ
opu
ede
ser
cons
ider
ado
com
om
asex
plic
ativ
oq
ue
elm
odel
od
eba
se.
Co
nla
exce
pció
nde
l4
totr
imes
tre
para
los
cerq
uero
s,la
obse
rvac
ión
de
laúl
tim
aco
lum
nade
lata
bla
2pe
rmit
ere
chaz
ares
tahi
póte
sis;
adem
as,
qu
ees
tos
mod
elos
nope
rmit
iran
reco
nstr
uir
las
mat
rice
sd
esu
bsti
tuci
ón"i
deal
es"
(o,
alm
enos
,in
depe
ndie
ntes
del
efec
toA
).P
or
otro
lado
,la
varí
abil
idad
inte
ranu
ald
elo
sm
uest
reos
esre
lati
vam
ente
impo
rtan
tey
nose
pued
ede
cir
que
las
com
posi
cion
esm
ulti
espe
cifi
cas
po
rca
tego
rías
de
peso
son
tota
lmen
tein
depe
ndie
ntes
del
fact
orA
ño(A
).
A p
esar
de
su li
mita
ci6n
des
de u
n pu
nto
de v
ista
mer
arne
nte
esta
dist
ico,
las
est
imac
ione
s ob
teni
das
con
el m
odel
a [A
EC
] no
est
an t
an a
leja
das
de l
os v
al o
res
obse
rvad
os.
Par
a da
r un
eje
mpl
o, e
n la
ta
bla
3 se
cal
cula
ron
las
esti
mac
ione
s de
est
e m
odel
a pa
ra la
s es
tadi
stic
as d
e lo
s ce
rque
ros
en e
l 4t
o tr
imes
tre
entr
e 19
87 y
199
3. L
os v
al o
res
esti
mad
os s
e ob
tuvi
eron
a p
arti
r de
los
par
amet
ros
esti
mad
os s
obre
los
efec
tos
E,
C y
EC
; o
sea:
ll'ly
z =
e
(M <
E
y c
Cz
'E C
yz)
Si s
e co
nsid
era
que
el o
bjet
ivo
a es
te n
ive!
del
est
udio
es
unic
amen
te r
econ
stru
ir m
atri
ces
de
subs
tituc
i6n,
se
pued
e ob
serv
ar q
ue la
s es
timac
ione
s pa
ra c
ada
espe
cie-
cate
gori
a so
n m
uy c
erca
nas
a lo
s va
lore
s ob
serv
ados
; co
n la
exc
epci
6n,
quiz
as,
de l
os p
eque
fios
list
ados
, cu
ya p
ropo
rci6
n ca
si
siem
pre
es s
obre
stim
ada
por
el m
odel
a L
og-l
inea
l. E
l he
cho
de q
ue e
l m
al a
just
e de
una
sol
a ce
lda
perj
udic
a el
aju
ste
glob
al d
e un
a ta
bla
mul
tifa
ctor
ial
es f
acil
de r
esol
ver
desd
e un
pun
to d
e vi
sta
técn
ico.
En
efe
cto,
en
esta
situ
aci6
n se
rec
omie
nda
excl
uir
del
ajus
te a
est
a ce
lda
(cuy
a es
tim
aci6
n pu
ede
hace
rse
por
med
io d
e un
pro
med
io s
enci
llo)
y r
eaju
star
la
tabl
a co
n el
mis
mo
mod
ela
(AG
RE
ST
I, 1
990)
. O
tra
mej
ora
posi
ble
es la
de
"fija
r" l
as c
elda
s co
rres
pond
ient
es a
los
cas
os d
e "c
eros
est
ruct
ural
es"
(por
eje
mpl
o, n
unca
se
van
a ob
serv
ar c
arac
hana
s de
mas
de
15 k
g).
Aun
que,
co
mo
se p
uede
not
ar e
n la
tabl
a 3,
est
e U
ltim
o pr
oble
ma
no a
fect
a la
s es
tim
acio
nes
de la
s ce
ldas
, el
hec
ho d
e to
mar
en
cuen
ta u
nos
"cer
os e
stru
ctur
ales
" re
duci
ria
el n
umer
o de
par
amet
ros
a ev
alua
r y
opti
miz
aria
los
tiem
pos
de c
âlcu
lo.
En
con
secu
enci
a,
hem
os c
onsi
dera
do q
ue e
ste
mod
ela,
au
nque
cri
tica
ble
esta
dist
icar
nent
e,
repr
esen
ta u
na m
ejor
a no
tabl
e pa
ra la
rec
onst
ituc
i6n
de m
atri
ces
de s
ubst
ituc
i6n
( com
para
tiva
m
ente
a u
n pr
omed
io s
enci
llo d
e la
s pr
opor
cion
es o
bser
vada
s en
cad
a tr
imes
tre,
en
cada
cat
egor
ia).
E
stas
pro
porc
ione
s es
tim
adas
son
dad
as e
n la
tab
la 4
.
Com
para
ci6n
ent
re l
as t
écni
cas
basa
das
en e
l al
gori
tmo
Log
-lin
eal
iter
ativ
o y
la c
orre
cci6
n po
r aj
uste
pro
porc
iona
l di
rect
o (e
n ca
da c
ateg
oria
).
El a
nalis
is c
ompa
rativ
o en
tre
las
capt
uras
anu
ales
de
Ven
ezue
la,
repo
rtad
as p
or e
l si
stem
a de
cor
recc
i6n
glob
al (
info
rmac
i6n
util
izad
a ac
tual
men
te e
n lo
s "D
ata
Rec
ords
") y
cor
regi
das
de
man
era
senc
illa
(a p
arti
r de
las
prop
orci
ones
de
cada
esp
ecie
en
cada
cat
egor
ia d
e pe
so)
o co
n el
m
étod
o "E
-M",
apa
rece
en
la t
abla
5.
Si s
e co
nsid
era
el c
aso
de la
s do
s es
peci
es p
rinc
ipal
es:
el a
leta
am
aril
la y
ell
ista
do (
fig.
1)
se n
ota
que
la in
trod
ucci
6n d
el s
iste
ma
de p
onde
raci
6n "
cate
gori
a-pe
so"
conl
leva
a u
na s
ubes
tim
aci6
n de
l pr
imer
a y
una
sobr
estim
aci6
n de
l se
gund
o, c
on r
espe
cta
a la
s es
tim
acio
nes
resp
ecti
vas
hech
as b
ajo
el a
nter
ior
sist
ema
de la
s "c
orre
cion
es g
loba
les"
(si
n la
s ca
tego
rias
com
erci
ales
). E
sta
disc
repa
ncia
es
mas
niti
da c
uand
o se
em
plea
el a
lgor
itmo
E-M
. E
s po
sibl
e qu
e el
uso
mas
fre
cuen
te d
e m
atri
ces
de s
ubst
ituc
i6n
(hem
os v
isto
que
el
mod
ela
Log
-lin
eal
[A C
E]
tien
e te
nden
cia
a so
bres
tim
ar lo
s pe
quei
ios
SKJ)
y/o
la
falla
de
la h
ip6t
esis
: P(
j/i),
= P
(j/i
h pa
ra a
lgun
os t
rim
estr
es,
podr
ia e
xpli
car
que
los
sesg
os s
ean
mas
mar
cado
s en
el
segu
ndo
mét
odo.
121
DIS
CU
SIO
N
Aun
que
real
izad
o so
bre
una
tem
pora
da m
uy b
reve
(en
tre
fine
s de
198
7 y
prin
cipi
o de
19
89)
el p
rim
er a
nitli
sis
sobr
e la
s di
scre
panc
ias
entr
e lo
s m
uest
reos
mul
ties
peci
fico
s y
Jas
capt
uras
an
otad
as e
n la
s bi
taco
ras,
pla
ntea
no
sola
men
te la
pro
babl
e de
clar
aci6
n de
esp
ecie
s m
enor
es (
en
peso
o e
n va
lor
com
erci
al,
com
o el
ale
ta n
egra
y l
as c
arac
hana
s) c
omo
list
ado
(Kat
suw
onus
pe
lam
is, S
KJ)
, pe
ro ta
rnbi
én r
epor
ta u
na p
orci
6n d
e at
ûn a
leta
arn
arill
a (T
h. a
lbac
ares
, Y
FT
) ca
mo
list
ado
(PA
GA
VIN
O e
t al.,
199
1)
El
anal
isis
des
crit
o po
r G
AE
RT
NE
R e
t al.
(199
2) c
onfi
rma
esta
hip
6tes
is y
pro
pane
una
s co
rrec
ione
s pa
ra lo
s da
tos
de lo
s an
os 1
988,
198
9 y
1990
.
El p
re~nte e
stud
io ti
ene
un e
nfoq
ue d
isti
nto
y tr
ata
de e
stim
ar e
l pr
oble
ma
del
uso
de la
cat
egor
ia
com
erct
al c
omo
fact
or d
e po
nder
aci6
n de
las
capt
uras
mul
ties
peci
fica
.
A l
a vi
sta
de e
stos
res
ulta
dos
se p
uede
con
clui
r qu
e el
hec
ho d
e po
nder
ar,
o no
, la
com
posi
ci6n
m
ulti
espe
cifi
ca a
l ni
ve)
de l
as p
ropo
rcio
nes
tom
adas
por
las
cat
egor
ias
de p
eces
"pe
quei
ios,
m
edia
nos
y gr
ande
s" e
n la
s bi
taco
ras,
tie
ne u
na g
ran
infl
uenc
ia s
obre
el
resu
ltad
o fin
al;
quiz
as
may
or q
ue e
l he
cho
de c
onse
rvar
, o
no,
una
vari
abil
idad
en
las
m
atri
ces
mul
ties
peci
fica
s tr
imes
tral
es.
Par
a la
s ~e
sque
rias
de
gran
var
iabi
lidad
, co
ma
es e
l cas
a de
la p
esca
atu
nera
, el
em
pleo
de
este
ti p
o de
alg
ontm
o, b
asad
o en
el
crit
eria
de
vero
sim
ilit
ud,
es d
e gr
an in
teré
s ya
que
per
mit
e co
nser
var
un g
rado
de
ince
rtid
umbr
e so
bre
la m
atri
z de
cla
sifi
caci
6n (
mue
stre
os m
ulti
espe
cifi
cos
en n
uest
ro
casa
). E
n ef
ecto
, es
evid
ente
que
par
a lo
s ni
vele
s de
mue
stre
o "t
écni
cam
ente
ace
ptab
les"
, la
pes
ca
atun
era
ha s
ido
siem
pre
cara
cter
izad
a po
r su
alt
a va
riab
ilid
ad.
En
con
secu
enci
a, l
a in
tegr
aci6
n de
es
te c
once
pto
de v
aria
bili
dad
dent
ro d
e lo
s m
étod
os e
stad
isti
cos
que
perr
nite
n ha
cer
la i
nfer
enci
a en
tre
el m
uest
reo
y la
pob
laci
6n,
apar
ece
com
o un
a te
ntat
iva
a pr
omov
erlo
. N
o ob
stan
te,
el u
so
de e
ste
algo
ritm
o ne
cesi
ta s
er u
sado
co
n ca
utel
a y
tom
ar e
n co
nsid
erac
i6n
las
sigu
ient
es
reco
men
daci
ones
:
En
el c
aso
de la
aus
enci
a de
una
esp
ecie
en
la m
atri
z tr
imes
tral
es
reco
men
dabl
e el
imin
ar e
sa l
inea
de
la
mat
riz
corr
espo
ndie
nte,
par
a ac
eler
ar l
a co
nver
genc
ia y
mej
orar
la
prec
isio
n de
las
dem
its
esti
mac
ione
s.
Es
nece
sari
o ag
rega
r un
cri
teri
a de
sal
ida
del
proc
edim
ient
o it
erat
ivo,
en
la p
arte
"5.
Eva
luac
i6n"
de
l al
gori
tmo
E-M
(C
f M
ater
ial
y m
étod
o),
cuan
do L
"1 >
L'.
Es
posi
ble,
en
efec
to,
que
a pe
sar
de a
lcan
zar u
n m
inim
a, e
l alg
oritm
o co
ntin
ue la
bus
qued
a de
l cr
iter
ia d
e co
nver
genc
ia.
Par
a il
ustr
ar
este
pun
to,
en l
a fi
gura
2 s
e ha
rep
rese
ntad
o la
evo
luci
6n d
e1lo
gari
tmo
de v
eros
imil
itud
"L
" en
fu
nci6
n de
l nu
mer
o de
ite
raci
6n "
S",
a p
arti
r de
los
dat
as p
ubli
cado
s, p
.242
, po
r H
OE
N1G
&
HE
ISE
Y (
198
7).
Se
pued
e ve
r qu
e a
pesa
r de
alc
anza
r un
min
ima
a S
=33
, el
alg
orit
mo
cont
inua
su
bus
qued
a ha
sta
alca
nzar
una
con
verg
enci
a a
S= 1
83.
En
este
trab
ajo,
el
hech
o de
uti
liza
r un
icam
ente
el
crit
eria
de
busq
ueda
de
la c
onve
rgen
cia
([L
'-L[
< n
ive!
de
tole
ranc
ia)
cond
ucia
, a
vece
s, a
sol
ucio
nes
tota
lmen
te i
rrea
les.
Par
a da
r un
eje
mpl
o, u
n bu
en a
just
e ap
aren
te (
los
val o
res
resi
dual
es e
stab
an c
erca
de
cero
) po
dria
dar
est
imac
ione
s su
peri
ores
en
una
espe
cie
poco
rep
rese
ntad
a en
el
mue
stre
o y
al c
ontr
ario
sub
esti
mar
una
esp
ecie
pr
esen
te e
n la
s 3
cate
gori
as d
e pe
so m
uest
read
as.
Par
a qu
e la
s co
ndic
ione
s de
uso
"ra
zona
ble"
de
este
alg
oritm
o se
an ll
enad
as,
en e
l fut
uro
seri
a im
port
ante
lim
itar
se a
los
cas
os e
n lo
s cu
ales
los
n
. +.
J
Ape
sard
esu
linút
ació
nde
sde
unpu
nto
devi
sta
mer
amen
tees
tadí
stic
o,la
ses
tim
acio
nes
obte
nida
sco
nel
mod
elo
[AE
C]
noes
tán
tan
alej
adas
delo
sva
lore
sob
serv
ados
Par
ada
run
ejem
plo,
enla
tabl
a3
seca
lcul
aron
las
esti
mac
ione
sde
este
mod
elo
para
las
esta
díst
icas
de
los
cerq
uero
sen
el4t
otr
imes
tre
entr
e19
87y
1993
.L
osva
lore
ses
tim
ados
seob
tuvi
eron
apa
rtir
delo
spa
rám
etro
ses
tim
ados
sobr
elo
sef
ecto
sE
,C
yE
C;
ose
a:
l1\z
=e
(M+
Ey
+C
z+
EC
yz)
Sise
cons
ider
aqu
eel
obje
tivo
aes
teni
vel
del
estu
dio
esún
icam
ente
reco
nstr
uir
mat
rice
sde
subs
tituc
ión,
sepu
ede
obse
rvar
que
las
esti
mac
ione
spa
raca
daes
peci
e-ca
tego
ría
son
muy
cerc
anas
alo
sva
lore
sob
serv
ados
;co
nla
exce
pció
n,qu
izás
,de
los
pequ
eños
list
ados
,cu
yapr
opor
ción
casi
siem
pre
esso
bres
timad
apo
rel
mod
elo
Log
-lin
eal.
El
hech
ode
que
elm
alaj
uste
deun
aso
lace
lda
perj
udic
ael
ajus
tegl
obal
deun
ata
bla
mul
tifa
ctor
ial
esfa
cil
de
reso
lver
desd
eun
punt
ode
vist
até
cnic
o.E
nef
ecto
,en
esta
situ
ació
nse
reco
mie
nda
excl
uir
del
ajus
tea
esta
celd
a(c
uya
esti
mac
ión
pu
ede
hace
rse
por
med
iode
un
prom
edio
senc
illo
)y
reaj
usta
rla
tabl
aco
nel
mis
mo
mod
elo
(AG
RE
ST
I,19
90).
Otr
am
ejor
apo
sibl
ees
lade
"fija
r"la
sce
ldas
corr
espo
ndie
ntes
alo
sca
sos
de"c
eros
estr
uctu
rale
s"(p
orej
empl
o,nu
nca
seva
na
obse
rvar
cara
chan
asde
mas
de15
kg).
Aun
que,
com
ose
pued
eno
tar
enla
tabl
a3,
este
últi
mo
prob
lem
ano
afec
tala
ses
tim
acio
nes
dela
sce
ldas
,el
hech
ode
tom
aren
cuen
taun
os"c
eros
estr
uctu
rale
s"re
duci
ría
elnú
mer
ode
pará
met
ros
aev
alua
ry
opti
miz
aría
los
tiem
pos
decá
lcul
o.
En
cons
ecue
ncia
,he
mos
cons
ider
ado
que
este
mod
elo,
aunq
uecr
itic
able
esta
díst
icam
ente
,re
pres
enta
una
mej
ora
nota
ble
para
lare
cons
titu
ción
dem
atri
ces
desu
bsti
tuci
ón(c
ompa
rati
va
men
tea
unpr
omed
íose
ncill
ode
las
prop
orci
ones
obse
rvad
asen
cada
trim
estr
e,en
cada
cate
gori
a).
Est
aspr
opor
cion
eses
tim
adas
son
dada
sen
lata
bla
4.
Com
para
ción
entr
ela
sté
cnic
asba
sada
sen
elal
gori
tmo
Lag
-lin
eal
iter
atív
oy
laco
rrec
ción
por
ajus
tepr
opor
cion
aldi
rect
o(e
nca
daca
tego
rial
.
El
anál
isis
com
para
tivo
entr
ela
sca
ptur
asan
uale
sde
Ven
ezue
la,
repo
rtad
asp
or
elsi
stem
ade
corr
ecci
óngl
obal
(inf
orm
ació
nut
iliz
ada
actu
alm
ente
enlo
s"D
ata
Rec
ords
")y
corr
egid
asde
man
era
senc
illa
(apa
rtir
dela
spr
opor
cion
esde
cada
espe
cie
enca
daca
tego
ría
de
peso
)o
con
elm
étod
o"E
-M",
apar
ece
enla
tabl
a5.
Sise
cons
ider
ael
caso
dela
sdo
ses
peci
espr
inci
pale
s:el
alet
aam
aríl
lay
elli
stad
o(f
ig.
1)se
nota
que
lain
trod
ucci
ónde
lsi
stem
ade
pond
erac
ión
"cat
egor
ía-p
eso"
conl
leva
aun
asu
best
imac
ión
del
prim
ero
yun
aso
bres
timac
ión
del
segu
ndo,
con
resp
ecto
ala
ses
tim
acio
nes
resp
ecti
vas
hech
asba
joel
ante
rior
sist
ema
dela
s"c
orre
cion
esgl
obal
es"
(sin
las
cate
gori
asco
mer
cial
es).
Est
adi
scre
panc
iaes
más
nitid
acu
ando
seem
plea
elal
gori
tmo
E-M
.E
spo
sibl
equ
eel
uso
más
frec
uent
ede
mat
rice
sde
subs
titu
ción
(hem
osvi
sto
que
elm
odel
oL
og-l
inea
l[A
CE
]ti
ene
tend
enci
aa
sobr
esti
mar
los
pequ
eños
SK
J)y/
ola
falla
dela
hipó
tesi
s:PO
li),
=P(
j/i)2
para
algu
nos
trim
estr
es,
podr
íaex
plic
arqu
elo
sse
sgos
sean
más
mar
cado
sen
else
gund
om
étod
o.
121
DIS
CU
SIO
N
Aun
que
real
izad
oso
bre
una
tem
pora
dam
uybr
eve
(ent
refi
nes
de19
87y
prin
cipi
ode
1989
)el
prim
eran
ális
isso
bre
las
disc
repa
ncia
sen
tre
los
mue
stre
osm
uIti
espe
cífi
cos
yla
sca
ptur
asan
otad
asen
las
bitá
cora
s,pl
ante
ano
sola
men
tela
prob
able
decl
arac
ión
dees
peci
esm
enor
es(e
npe
soo
enva
lor
com
erci
al,
com
oel
alet
ane
gra
yla
sca
rach
anas
)co
mo
list
ado
(Kat
suw
onus
pela
mis
,SK
J),
pero
tam
bién
repo
rta
una
porc
ión
deat
únal
eta
amar
illa
(Th.
alba
care
s,Y
FT
)co
mo
list
ado
(PA
GA
VIN
Oel
al.,
1991
)E
lan
ális
isde
scri
top
or
GA
ER
TN
ER
etal
.(1
992)
conf
irm
aes
tahi
póte
sis
ypr
opon
eun
asco
rrec
ione
spa
ralo
sda
tos
de
los
años
1988
,19
89Y
1990
.
Elp
re~n
tees
tudi
otie
neun
enfo
que
dist
into
ytr
ata
dees
tim
arel
prob
lem
ade
lus
ode
laca
tego
ría
com
ercI
alco
mo
fact
orde
pond
erac
ión
dela
sca
ptur
asm
ulti
espe
cifi
ca.
Ala
vist
ade
esto
sre
sult
ados
sepu
ede
conc
luir
que
elhe
cho
depo
nder
ar,
ono
,la
com
posi
ción
mul
ties
peci
fica
alni
vel
dela
spr
opor
cion
esto
mad
aspo
rla
sca
tego
rías
depe
ces
"peq
ueño
s,m
edia
nos
ygr
ande
s"en
las
bitá
cora
s,ti
ene
una
gran
infl
uenc
iaso
bre
elre
sult
ado
fina
l;qu
izás
may
orqu
eel
hech
ode
cons
erva
r,o
no,
una
varí
abil
idad
enla
sm
atri
ces
mul
ties
peci
fica
str
imes
tral
es.
Par
ala
s~esquerías
degr
anva
riab
ilida
d,co
mo
esel
caso
dela
pesc
aat
uner
a,el
empl
eode
este
tipo
deal
gont
mo,
basa
doen
elcr
iter
íode
vero
sim
ilit
ud,
esde
gran
inte
rés
yaqu
epe
rmit
eco
nser
var
ungr
ado
dein
cert
idum
bre
sobr
ela
mat
riz
decl
asif
icac
ión
(mue
stre
osm
ulti
espe
cífi
cos
ennu
estr
oca
so).
En
efec
to,e
sev
iden
tequ
epa
ralo
sni
vele
sde
mue
stre
o"t
écni
cam
ente
acep
tabl
es",
lape
sca
atun
era
hasi
dosi
empr
eca
ract
eriz
ada
po
rsu
alta
vari
abil
idad
.E
nco
nsec
uenc
ía,
lain
tegr
ació
nde
este
conc
epto
deva
riab
ilid
adde
ntro
delo
sm
étod
oses
tadi
stic
os
que
perm
iten
hace
rla
infe
renc
iaen
tre
elm
uest
reo
yla
pobl
ació
n,ap
arec
eco
mo
una
tent
ativ
aa
prom
over
lo.
No
obst
ante
,el
uso
de
este
algo
ritm
one
cesi
tase
rus
ado
con
caut
ela
yto
mar
enco
nsid
erac
ión
las
sigu
ient
esre
com
enda
cion
es:
En
elca
sode
laau
senc
iade
una
espe
cie
enla
mat
riz
trim
estr
ales
reco
men
dabl
eel
imin
ares
ali
nea
dela
mat
riz
corr
espo
ndie
nte,
para
acel
erar
laco
nver
genc
iay
mej
orar
lapr
ecis
ión
dela
sde
más
esti
mac
ione
s.
Es
nece
sari
oag
rega
ru
ncr
íter
íode
sali
dade
lpr
oced
imie
nto
iter
ativ
o,en
lapa
rte
"5.
Eva
luac
ión"
del
algo
ritm
oE
-M(C
fM
ater
íal
ym
étod
o),
cuan
doL
H[
>L
'.E
spo
sibl
e,en
efec
to,
que
ape
sar
deal
canz
arun
mín
imo,
elal
gori
tmo
cont
inúe
labú
sque
dade
lcr
íter
iode
conv
erge
ncia
.P
ara
ilus
trar
este
punt
o,en
lafi
gura
2se
hare
pres
enta
dola
evol
ució
nde
llo
gari
tmo
deve
rosi
mil
itud
"L"
enfu
nció
nde
lnú
mer
ode
iter
ació
n"S
",a
part
irde
los
dato
spu
blic
ados
,p.
242,
por
HO
EN
lG&
HE
ISE
Y(1
987)
.S
epu
ede
ver
que
ape
sar
deal
canz
arun
mín
imo
aS
=33
,el
algo
ritm
oco
ntin
úasu
búsq
ueda
hast
aal
canz
arun
aco
nver
genc
iaa
S=
183.
En
este
trab
ajo,
elhe
cho
deut
iliz
arún
icam
ente
elcr
iter
iode
búsq
ueda
dela
conv
erge
ncia
([L
'-LI
<ni
vel
deto
lera
ncia
)co
nduc
ía,
ave
ces,
aso
luci
ones
tota
lmen
teír
real
es.
Par
ada
run
ejem
plo,
un
buen
ajus
teap
aren
te(l
osva
lore
sre
sidu
ales
esta
ban
cerc
ade
cero
)po
dría
dar
esti
mac
ione
ssu
peri
ores
enun
aes
peci
epo
core
pres
enta
daen
elm
uest
reo
yal
cont
rari
osu
best
imar
una
espe
cie
pres
ente
enla
s3
cate
gorí
asde
peso
mue
stre
adas
.P
ara
que
las
cond
icio
nes
deus
o"r
azon
able
"de
este
algo
ritm
ose
anlle
nada
s,en
elfu
turo
serí
aim
port
ante
lim
itar
sea
los
caso
sen
los
cual
eslo
sn
.+.
J
son
com
para
bles
en
prop
orci
on a
los
m,j
(el
% d
e un
a ca
tego
ria
peso
en
la m
uest
ra t
iene
que
ser
co
mpa
rabl
e co
n su
pro
porc
ion
en l
as b
itac
oras
)
Fina
lmen
te ,
com
o en
muc
hos
mét
odos
que
em
plea
n el
cri
teri
o de
ver
osim
ilitu
d, e
l al
canc
e de
un
min
imo
loca
l es
dif
icil
de d
etec
tar.
CO
NC
LU
SIO
N E
S.
Aun
que
es 1
6gic
o su
pone
r qu
e la
nat
ural
eza
de l
os s~sgos
depe
nde
del ta~~o
de l
os
atun
es,
es d
ific
il sa
ber
si l
as p
ropo
rcio
nes
de c
ada
cate
gona
rep
orta
da e
n la
s bi
taco
ras
es
sufi
cien
tem
ente
pre
cisa
par
a su
uso
en
las
corr
ecio
nes multiespeci~ca.
Es
posi
ble,
_ en
efect~, q
ue
el p
robl
ema
de a
lgun
as f
alla
s en
el u
so d
el a
lgor
itm
o E
-M s
ea d
eb1d
o a
algu
nas
disc
repa
ncla
s de
la
s pr
opor
cion
es d
e ca
da c
ateg
orîa
ent
re la
s bi
taco
ras
y lo
s m
uest
reos
.
Si,
por
el c
ontr
ario
, se
con
side
ra q
ue lo~ c
apit
anes
de p~sca
repo
rtan
de ~anera convenient~ _e
l pe
so m
edio
de
la c
aptu
ra d
e ca
da la
nce
y s1
, en cons_ecue~cla, s
.~ ad
?pta
el m
etod
o de
pon
dera
cwn
al ni
ve!
de c
ada
cate
gori
a, e
nton
ces
el u
so d
el a
lgon
tmo
E-M
, ba~o
algu
nas
prec
aucw
nes ~~ u
so
pare
ce ju
stif
icar
se.
De
igua
l man
era
el e
mpl
eo d
e m
odel
os L
o!!;-
hnea
les
para
la con~tn:ccwn d
e m
atri
ces
de s
ubst
ituc
ion,
aun
que
criti
cabl
e de
sde
un p
unto
de
VIs
ta m
eram
ente
est
adlS
tlCO
, es
un
logr
o qu
e de
beri
a se
r m
as e
mpl
eado
en
el f
utur
o.
BIB
LIO
GR
AF
IA.
AG
RE
ST
I, A
, (1
990)
.-C
ateg
oric
al D
ata
Ana
lysi
s. E
d. J
ohn
Wile
y &
Son
s N
ew Y
ork.
558
p.
CA
YR
E P
. (1
984)
.-Pr
océd
ure
suiv
ie p
our l
a ré
visi
on d
e la
com
posi
tion
spécifiq~e
des
stat
istiq
ues
thon
ière
sFIS
M (
Fran
ce, C
ote
d'Iv
oire
, Sé
néga
l et
Mar
oc).
Col
l. V
ol.
Sc1.
Pap
. IC
CA
T 2
1 (2
): 1
02-1
07.
CL
AR
K,
W.G
., (1
981)
.-R
estr
icte
d !e
ast-
squa
res
esti
mat
es o
f ag
e co
mpo
siti
on f
rom
len
gth
com
posi
tion.
Can
. J.
Fish
. A
quat
Sei
. 38
: 29
7-30
7.
CU
EV
AS
A
, DE
LA
HO
RR
A J
., &
RO
MO
J.
(199
4).-
Stat
istic
al a
nalis
is o
ftu
na
fish
erie
s in
ea
ster
n A
tlant
ic.
A p
relim
inar
y re
port
. D
oc.
ICC
AT
SC
RS
/94/
9, 4
8 p.
DA
LL
AL
, G
.E.,
(1 9
87).
-O
CT
A.
A p
rogr
am f
or t
he L
og-l
inea
r an
alys
is o
f m
ultid
imen
tiona
l co
ntin
genc
y ta
bles
. A
m.
Stat
. 41
: 32
8.
DE
MP
ST
ER
A.P
., L
AIR
D N
.M.
&
RU
BIN
D.B
. ( !
977)
.-M
axim
un l
ikel
ihoo
d vi
a th
e E
M
algo
rith
m.
Joum
. R
oyal
Sta
t. So
c. S
er.
B M
etho
d. 3
9: 1
-22.
GA
ER
TN
ER
D.,
CA
ST
ILL
O C
, G
UT
IER
RE
Z
X,
SA
LA
ZA
R H
., R
OD
RIG
UE
Z
0 Y
A
ST
UD
ILL
O L
. (1
992)
.-N
ota
sobr
e lo
s se
sgos
ent
re l
as b
itaco
ras
y lo
s m
uest
reos
m
ultie
spec
ific
os d
e la
flo
ta a
tune
ra v
enez
olan
a de
sup
erfi
cie.
Col
. V
ol.
Sei.
Pap.
IC
CA
T
38:2
54-2
6!
122
GA
ER
TN
ER
D.
y M
ED
INA
-GA
ER
TN
ER
M.,
( 199
2).-
An
over
view
of t
he r
elat
ions
hip
betw
een
tuna
s an
d fl
oatin
g ob
ject
s in
the
sou
th o
f C
arib
bean
Sea
. In
Int
erna
tion
al w
orks
hop
on
fishi
ng f
or tu
nas
asso
ciat
ed w
ith
floa
ting
obje
cts.
IA
TT
C
La
Jolla
Feb
ruar
y 11
-14,
199
2.
20 p
p.
GA
ER
TN
ER
D.,
ME
DIN
A-G
AE
RT
NE
R M
., C
AS
TIL
LO
C
, y
MA
RT
INE
Z L
. (1
98
8)
Inst
alad
on d
e un
sis
tem
a de
bit
acor
as p
ara
la p
esca
atu
nera
de
supe
rfic
ie e
n V
enez
uela
y
anal
isis
de
los
prim
eros
res
ulta
dos.
Col
. V
ol.
Sei.
Pap.
IC
CA
T 2
8/ 1
30-1
40.
HO
EN
IG J.
M.,
& H
EIS
EY
D.
M.
(!98
7).-
Use
of a
Log
-Lin
ear
mod
e! w
ith
the
EM
alg
orit
hm t
o co
rrec
t est
irna
tes
of s
tock
com
posi
tion
and
to c
onve
rt l
engt
h to
age
. T
rans
. A
m.
Fish
. So
c.
116:
232
-243
.
KN
OK
E D
. &
B
UR
KE
P
J.
(199
0).-
Log
-lin
ear
Mod
els.
Sa
ge U
nive
rsity
Pap
er s
erie
s on
Q
uant
itat
ive
App
lica
tion
s in
the
Soc
ial
Sci
ence
s 07
-001
. B
ever
ly H
ills
& L
ondo
n. S
age
Pubn
s. 8
0 p.
MO
RA
ND
P.
et L
AE
R.
(199
2).-
Ver
s un
tra
item
ent
appr
ofon
di d
e l'i
nfor
mat
ion
qual
itat
ive
des
enqu
étes
hal
ieut
ique
s: l
e m
odèl
e L
og-l
inéa
ire
et l
'ana
lyse
log
istiq
ue,
appl
iqué
es a
u de
lta
cent
ral
du N
iger
. ln
, S
emin
for
5: S
tati
stiq
ue I
mpl
iqué
e. T
exte
s ré
unis
par
F.
Lal
oé.
Ed.
O
RS
TO
M,
Col
l. C
ollo
ques
et
sém
inai
res
p.34
3-35
4.
PA
GA
VIN
O M
., G
AE
RT
NE
R D
., S
AL
AZ
AR
H.,
AS
TU
DIL
LO
L.
y C
AS
TIL
LO
C.
(19
91
)C
ompo
sici
6n d
e la
s ca
ptur
as a
tune
ras
de s
uper
fici
e de
ven
ezue
la d
educ
ida
a pa
rtir
de
mue
stre
os m
ultie
spec
ific
os e
n pu
erto
. In
Rep
ort
of t
he Y
ello
wfi
n Y
ear P
rogr
am.
Col
l. V
ol.
Sei.
Pap
. IC
CA
T 3
6:55
1-56
3.
PA
LL
AR
ES
P.
(198
4).-
Not
a so
bre
el m
étod
o se
guid
o pa
ra l
a co
rrec
cion
de
las
esta
dist
icas
es
pafi
olas
. C
oll.
Vol
. Se
i. Pa
p. I
CC
AT
. 21
(2)
: 14
2
PA
LL
AR
ES
P.
& M
AM
OL
AR
(19
84).
-A
nalis
is c
ompa
rati
ve d
e lo
s ti
pos
de b
anco
s de
tuni
dos
del G
olfo
de
Gui
nea
segl
in lo
s da
tos
prov
enie
ntes
de
los
mue
stre
os y
de
los
cuad
erno
s de
pe
sca
(197
9-19
83).
Col
l. V
ol.
Sei.
Pap
. IC
CA
T.
21 (
2):
184-
185
son
com
para
bles
enpr
opor
ción
alo
sm
'j(e
l%
de
un
aca
tego
ria
peso
enla
mue
stra
tien
equ
ese
r
com
para
ble
con
supr
opor
ción
enla
sbi
táco
ras)
.
Fin
alm
ente
,co
mo
enm
ucho
sm
étod
osqu
eem
plea
nel
crit
erio
de
vero
sim
ilit
ud,
elal
canc
ede
un
min
imo
loca
les
difi
cil
dede
tect
ar.
CO
NC
LU
SIO
NE
S.
Au
nq
ue
esló
gico
supo
ner
que
lana
tura
leza
de
loss~
sgos
depe
nde
delta
~~o
delo
sat
unes
,es
difi
cil
sabe
rsi
las
prop
orci
ones
deca
da
cate
go
na
repo
rtad
aen
las
bIta
cora
ses
sufi
cien
tem
ente
prec
isa
para
suus
oen
las
corr
ecio
nesmu
ltie
spec
i~ca
.Es
posi
ble,
.en
efec
t~,
que
elpr
oble
ma
de
algu
nas
fall
asen
elu
sode
lal
gori
tmo
E-M
sea
debi
doa
algu
nas
disc
repa
ncia
sde
las
prop
orci
ones
de
cada
cate
gorí
aen
tre
las
bitá
cora
sy
los
mue
stre
os.
Si,
po
rel
cont
rari
o,se
cons
ider
aqu
elo
~ca
pita
nes
dep~
sca
repo
rtan
de~a
nera
conv
enie
nt~,e
lpe
som
edio
dela
capt
ura
deca
dala
nce
ySI
,en
cons
,ecu
e~cl
a,s,~
ad?p
tael
met
od
ode
pond
erac
lOn
alni
veld
eca
daca
tego
ria,
ento
nces
elus
ode
lal
go
ntm
oE
-M,ba
~oal
guna
spr
ecau
CIO
nes~~
uso
par
ece
just
ific
arse
.D
eig
ual
man
era
elem
pleo
de
mod
elos
Lo!
!;-h
neal
espa
rala
con~
tn:c
clOn
dem
atri
ces
desu
bsti
tuci
ón,
aunq
uecr
itic
able
desd
eun
punt
ode
Vis
tam
eram
ente
esta
dlst
lco,
esun
logr
oqu
ede
beri
ase
rm
ásem
plea
doen
elfu
turo
.
BIB
LIO
GR
AF
IA.
AG
RE
ST
I,A
,(1
990)
.-C
ateg
oric
alD
ata
Ana
lysi
s.E
d.Jo
hnW
iley
&S
ons
New
Yor
k.55
8p.
CA
YR
EP.
(198
4).-
Pro
cédu
resu
ivie
pour
laré
visi
ond
ela
com
posi
tion
spéc
ifiq
~ede
sst
atis
tiqu
esth
onie
resF
ISM
(Fra
nce,
Cot
ed'
Ivoi
re,
Sén
égal
etM
aroc
).C
oll.
Vol
.Sc
!.Pa
poIC
CA
T21
(2):
102-
107.
CL
AR
K,
W.G
,(1
981)
.-R
estr
icte
dle
ast-
squa
res
esti
mat
eso
fag
eco
mpo
siti
onfr
omle
ngth
com
posi
tion
.C
an.
1.F
ish.
Aqu
atSc
i.38
:29
7-30
7.
CU
EV
AS
A,
DE
LA
HO
RR
AJ.
,&
RO
MO
1.(1
994)
.-S
tati
stic
alan
alis
iso
ftu
na
fish
erie
sin
east
ern
Atl
anti
c.A
prel
imin
ary
repo
rto
Doc
.IC
CA
TS
CR
S/9
4/9,
48p.
OA
LL
AL
,G
.E.,
(198
7).-
OC
TA
.A
prog
ram
for
the
Log
-lin
ear
anal
ysis
of
mul
tidi
men
tion
alco
ntin
genc
yta
bles
.A
m.
Sta
t.41
:32
8.
OE
MP
ST
ER
AP
,L
AlR
DN
.M.
&R
UB
INO
.E.
(19
77
).-
Max
imun
like
liho
odvi
ath
eE
Mal
gori
thm
.Jo
uro.
Roy
alS
tat.
Soco
Ser
.B
Met
hod.
39:
1-22
.
GA
ER
TN
ER
D.,
CA
ST
ILL
Oe
,G
UT
IER
RE
Zx,
SA
LA
ZA
RH
,R
OO
RIG
UE
ZO
yA
ST
UO
ILL
OL.
(199
2).-
No
taso
bre
los
sesg
osen
tre
las
bitá
cora
sy
los
mue
stre
osm
ulti
espe
cífi
cos
dela
flot
aat
uner
ave
nezo
lana
desu
perf
icie
.C
ol.
VoL
Sci.
Papo
lCC
AT
38:2
54-2
61
122
GA
ER
TN
ER
D.
YM
ED
INA
-GA
ER
TN
ER
M.,
(199
2).-
An
over
view
oft
he
rela
tion
ship
betw
een
tun
asan
dfl
oati
ngob
ject
sin
the
sou
tho
fC
arib
bean
Sea
.In
Inte
mat
iona
lw
orks
hop
on
fish
ing
for
tuna
sas
soci
ated
wit
hfl
oati
ngob
ject
sIA
TT
CL
aJo
lla
Feb
ruar
y11
-14,
1992
.20
pp.
GA
ER
TN
ER
D.,
ME
DIN
A-G
AE
RT
NE
RM
.,C
AS
TIL
LO
C,
yM
AR
TIN
EZ
L.(1
98
8)
Inst
alac
ión
de
unsi
stem
ad
ebi
táco
ras
para
lape
sca
atun
era
desu
perf
icie
enV
enez
uela
yan
ális
isd
elo
spr
imer
osre
sult
ados
.C
ol.
Vol
.Sc
i.Pa
poIC
CA
T28
113
0-14
0.
HO
EN
IG1.
M.,
&H
EIS
EY
O.
M.
(19
87
)-U
seo
faL
og-L
inea
rm
odel
wit
hth
eE
Mal
gori
thm
toco
rrec
tes
tirn
ates
ofs
tock
com
posi
tion
and
toco
nver
tle
ngth
toag
e.T
rans
.A
m.
Fis
h.So
co11
6:23
2-24
3.
KN
OK
EO
.&
BU
RK
EP
J.(1
990)
.-L
og-l
inea
rM
odel
s.S
age
Uni
vers
ity
Pap
erse
ries
on
Qua
ntit
ativ
eA
ppli
cati
ons
inth
eS
ocia
lS
cien
ces
07-0
0l.
Bev
erly
Hil
ls&
Lon
don.
Sag
eP
ubns
.80
p.
MO
RA
ND
P.
etL
AE
R(1
992)
.-V
ers
untr
aite
men
tap
prof
ondi
de
l'inf
onna
tion
qual
itat
ive
des
enqu
étes
hali
euti
ques
:le
mod
éle
Log
-Iin
éair
eet
l'ana
lyse
logi
stiq
ue,
appl
iqué
esau
delt
ace
ntra
ldu
Nig
er.
In,
Sem
info
r5:
Sta
tist
ique
Impl
iqué
e.T
exte
sré
unis
par
F.
Lal
oé.
Ed.
OR
ST
OM
,C
oll.
Col
loqu
eset
sém
inai
res
p.34
3-35
4.
PA
GA
VIN
OM
.,G
AE
RT
NE
RD
.,S
AL
AZ
AR
R,
AS
TU
DIL
LO
L.y
CA
ST
ILL
OC.
(19
91
)C
ompo
sici
ónd
ela
sca
ptur
asat
uner
asd
esu
perf
icie
de
vene
zuel
ade
duci
daa
part
ird
em
uest
reos
mul
ties
pecí
fico
sen
puer
to.
InR
epor
to
fth
eY
ello
wfi
nY
ear
Pro
gram
oC
oll.
VoL
Sci.
Papo
ICC
AT
36:5
51-5
63.
PA
LL
AR
ES
P.(1
984)
.-N
ota
sobr
eel
mét
odo
segu
ido
para
laco
rrec
ción
de
las
esta
díst
icas
espa
ñola
s.C
oll.
VoL
Sci.
Pap
ICC
AT
21(2
):14
2
PA
LL
AR
ES
P.
&M
AM
OL
AR
(198
4).-
Aná
lisi
sco
mpa
rati
vod
elo
sti
pos
de
banc
osd
etu
nido
sde
lGol
fode
Gui
nea
segú
nlo
sd
ato
spr
oven
ient
esde
los
mue
stre
osy
de
los
cuad
erno
sd
epe
sca
(197
9-19
83).
Col
l.V
oLSc
i.Pa
poIC
CA
T21
(2):
184-
185
BB
1
PS
1 1
87
1 88
1
89
19
0
1 91
19
2 93
87
88
89
90
91
92
93
1 Tl
1 (0
) 1
4 1
(0)
1 4
1 ( 1
) 1
5 1
(0)
(0)
(0)
7 3
14
10
27
T2
(0)
2 (1
) (0
) 9
(1)
2 (0
) 4
8 9
3 4
17
T3
(1)
5 (1
) 9
3 4
3 (0
) (4
) 8
17
10
20
43
1 T4
1 (0
) 1
(1) ~~ (1
) 1
2 1
6 ~ 2
8
9 7
6 3
89
Tab
la 1
Rep
artic
ion
de lo
s m
uest
reos
en
el ti
empo
. C
uand
o_ se
rea
lizar
on_m
enos
de
2 m
uest
reos
, o
cuan
do s
e en
cont
raro
n ca
ptur
as d
entr
o de
una
cat
egon
a de
pes
o (b
1tac
oras
) qu
e no
est
aba
repr
esen
tada
en
el m
uest
reo,
se
hace
la
subs
tituc
ion;
cas
os i
dent
ific
able
s po
r lo
s().
Art
e T
rim
. M
odel
o L
2 g.
I.
p F
%
I A
CE
78
,60
51
0,00
8 59
,62
CE
EA
31
,74
36
0,67
2
II
AC
E
135,
23
68
0,00
0 69
,22
CE
EA
41
,62
48
0,73
0 B
B
III
AC
E
191,
46
102
0,00
0 73
,81
CE
CA
50
,14
90
0,99
9
IV
AC
E
70,4
4 85
0,
872
****
*
****
**
***
***
I A
CE
70
3,01
68
0,
000
77,6
7
CE
CA
EA
15
7,19
40
0,
000
II
AC
E
578,
39
85
0,00
0 88
,38
CE
CA
EA
67
,21
50
0,05
3 PS
II
I A
CE
93
4,67
85
0,
000
85,5
0
CE
CA
EA
13
5,50
50
0,
000
IV
AC
E
724,
63
102
0,00
0 92
,67
CE
CA
EA
53
,28
60
0,71
8
Tab
la 2
. E
stad
istic
as c
ompa
rativ
as e
ntre
var
ios
mod
elos
Log
-lin
eale
s ut
iliza
dos
para
con
stru
iT
las
mat
rice
s de
sub
stitu
cion
de
los
mue
stre
os;
los
efec
tos
estu
diad
os s
on :
A =
aî
io,
C =
ca
tego
ria-
peso
, E
=
espe
cie
(Ver
text
o).
1 E
spec
ie
1 1
Cat
eg.
1 Y
FT
1 O
bs.
1
1 lüd
c. 1
1 S
KJ
1 O
bs.
1 C
ale.
t FR
I O
bs.
lAI~
~C~c
Obs
.
1 1 c
rue
1 B
ET
O
bs.
1 1 cr
ue
1 B
LF
Obs
.
1 Cal
e.
Esp
ecie
Cat
eg.
YF
T
Obs
.
Cal
e.
SK
J O
bs.
Cal
e.
FRI
Obs
.
Cal
e.
AL
B
Obs
.
Cal
e.
BE
T
Obs
.
Cal
e.
BL
F O
bs.
Cal
e.
123
1 9
8 7
c 1
1 c
2 lc3
1
c 1
lez
C3
2.1
38.7
46
.7
2.4
293.
2 24
4.2
1.2
44.7
51
.1
5.7
223.
1 25
4.6
20.7
1 20
.0
0.0
59.4
53
.6
0.0
22.1
17
.3
0.0
110.
0 86
.2
0.0
2.8
0.0
0.0
9.2
0.2
0.0
2.2
0.0
0.0
11.0
0.
1 0.
0
0.0
0.0
0.0
0.0
0.0
14.3
0.0
1 0.
0 1
071
0.0
0.0
3.4
0.01
0.
0 1
0.0
1.0
3.1
0.0
011
0.1
1 00
1 0.
6 2.
6 0.
3
14.4
1 5.
6 41
.0
0.0
0.0
0.0
I.ol
5.0
1 0.
0 1
4.81
24
.91
0.0
1
19
89
1
99
0
Cl
C2
C
3
Cl
C2
C
3
2.5
198.
1 37
2.0
5.7
244.
3 27
1.3
5.6
218.
3 24
9.2
5.7
220.
6 25
1.8
31.8
69
.0
0.0
50.1
74
.2
0.0
107.
6 84
.4
0.0
108.
7 85
.3
0.0
14.1
0.
0 0.
0 21
.4
0.2
0.0
10.7
0.
1 0.
0 10
.8
0.1
0.0
0.0
0.0
0.0
0.0
0.0
5.1
0.0
0.0
3.3
0.0
0.0
3.3
0.0
2.3
0.0
0.5
4.8
0.0
0.6
2.6
0.3
0.6
2.6
0.3
2.7
19.2
0.
0 5.
8 35
.7
0.0
4.7
24.4
0.
0 4.
8 24
.7
0.0
Tab
la2.
Est
adis
ticas
com
para
tivas
entr
eva
rios
mod
elos
Log
-1in
eale
sut
iliza
dos
para
cons
trui
rla
sm
atri
ces
desu
bstit
ucio
nde
los
mue
stre
os;
los
efec
tos
estu
diad
osso
n:
A=
año,
C=
cate
gorí
a-pe
so,
E=
espe
cie
(Ver
text
o).
Tab
la1
Rep
artic
ion
delo
sm
uest
reos
enel
tiem
po.
Cua
ndo
sere
aliz
aron
men
osde
2m
uest
reos
,o
cuan
dose
enco
ntra
ron
capt
uras
dent
rode
una
cate
gorí
ade
peso
(bita
cora
s)qu
eno
esta
bare
pres
enta
daen
elm
uest
reo,
seha
cela
subs
tituc
ion;
caso
sid
entif
icab
les
por
los
O,
__
1_'0-
l-1_~5
.0=-ll
_-=0::
:.....
,01
'--
4:..:.-
.81_
_24.
_9'---.-
1_0
_.0
I
1+-
1_9_
8_7-
-¡-
cll
98
8
ICat
eg.
C1
IC2
IC3
I-C
-1
--r l-
c-2
--'-
¡-C
-3-
~_
_IC
alc.
IEsp
ecie
I IYFT
IObS
.I
2.1
38.7
46.7
2.4
293.
224
4.2
IIC""
.
I
1.2
44.7
51.1
5.7
223.
125
4.6
ISK
J20
.71
20.0
0.0
59.4
53.6
0.0
Obs
.
IC
alco
22.1
17.3
0.0
110.
086
.20.
0
rFR
IO
bs.
2.8
0.0
0.0
9.2
0.2
0.0
IAI~Icm
I
2.2
0.0
0.0
11.0
0.1
0.0
0.0
0.0
0.0
0.0
0.0
14.3
Obs
.
IBETIC,]c
I001
001
::I
0.0
0.0
3.4
0.0
1.0
3.1
Obs
.0.
00.
0
IBtF
IC,]c
I
011
011
00I
0.6
2.6
0.3
Obs
.0.
014
.45.
641
.00.
00.
0
Esp
ecie
19
89
19
90
Cat
eg.
C1
C2
C3
C1
C2
C3
YF
TO
bs.
2.5
198.
137
2.0
5.7
244.
327
1.3
Cal
co5.
621
8.3
249.
25.
722
0.6
251.
8
SKJ
Obs
.31
.869
.00.
050
.174
.20.
0
Cal
e.10
7.6
84.4
0.0
108.
785
.30.
0
FRI
Obs
.14
.10.
00.
021
.40.
20.
0
Cal
co10
.70.
10.
010
.80.
10.
0
AL
BO
bs.
0.0
0.0
0.0
0.0
0.0
5.1
Cal
co0.
00.
03.
30.
00.
03.
3
BE
TO
bs.
0.0
2.3
0.0
0.5
4.8
0.0
Cal
co0.
62.
60.
30.
62.
60.
3
BL
FO
bs.
2.7
19.2
0.0
5.8
35.7
0.0
Cal
co4.
724
.40.
04.
824
.70.
0
IPS
Art
eT
rím
.M
odel
oL
2g.
l.P
F%
1A
CE
78,6
051
0,00
859
,62
CE
EA
31,7
436
0,67
2
IIA
CE
135,
2368
0,00
069
,22
CE
EA
41,6
248
0,73
0B
BII
IA
CE
191,
4610
20,
000
73,8
1
CE
CA
50,1
490
0,99
9
IVA
CE
70,4
485
0,87
2**
***
****
****
***
*I
AC
E70
3,01
680,
000
77,6
7
CE
CA
EA
157,
1940
0,00
0
IIA
CE
578,
3985
0,00
088
,38
CE
CA
EA
67,2
150
0,05
3PS
III
AC
E93
4,67
850,
000
85,5
0
CE
CA
EA
135,
5050
0,00
0
IVA
CE
724,
6310
20,
000
92,6
7
CE
CA
EA
53,2
860
0,71
8
~j89~93
8788
8990
9192
93
~~
(O)
(O)
73
1410
27
T2
(O)
2(1
)(O
)9
(1)
2(O
)4
89
34
17
T3
(1)
5(1
)9
34
3(O
)(4
)8
1710
2043
[~~[Q2I~~IQ2Iil~I~=
28
97
63
89
11B
B
123
Esp
ecie
Cat
eg.
YF
T
Obs
.
Cal
e
SK
J O
bs.
Cal
e.
FR
I O
bs.
Cal
e.
AL
B
Obs
.
Cal
e.
BE
T
Obs
.
Cal
e.
BL
F
Obs
.
Cal
e.
1 Esp
ecie
1 1
Cat
eg.
1 O
bs.
1 C
ale.
1 SK
J O
bs.
1 C
ale.
1 F
RI
Obs
.
1 C
ale.
1 B
ET
1
1 O
bs.
1 C
ale.
BL
F O
bs.
Cal
e.
1 9
9 1
c 1
C2
C
3
2.8
245.
1 30
6.3
5.5
215.
3 24
5.7
27.5
82
.3
0.0
106.
1 83
.2
0.0
10.1
0
.0
0.0
10.5
0.
1 0
.0
0.0
0
.0
0.0
0.0
0
.0
3.2
0.9
1.
9 0
.0
0.5
2.6
0.3
6.5
18.2
0
.0
4.7
24.1
0
.0
1 1
9 9
3
1 c
1 1 c
2 1
c 3
1
1 39
.1 1
10
23.0
1
1146
.61
1 29
.81
1159
.21
1323
.21
854.
5
571.
4
48.4
56.7
1
0.2 ''1 2.9 24
.5
25.0
527.
0 0.
0
448.
0 0.
2
0.7
0
.0
0.21
0.0
1 13
.01
17.4
15.6
1 0.
01
13.7
1 1.
8
83.8
129.
6
fü.O
l ~ 1
9 9
2
c 1
C2
C
3
1.3
127.
8 89
.8
2.3
88.9
10
1.4
25.7
12
.5
0.0
43.8
34
.3
0.0
0.2
0.0
0
.0
4.4
0
.0
0.0
0.0
0
.0
0.0
0.0
0
.0
1.3
0.0
0.0
0
.0
0.2
1.1
0.1
1.8
30.2
0
.0
1.9
9.9
0.
0
Tab
. 3.
Com
para
cion
ent
re l
as c
aptu
ras
obse
rvad
as y
las
capt
uras
est
imad
as p
or m
edio
del
m
odel
o L
og-l
inea
l [A
CE
] pa
ra l
os c
erqu
eros
(PS
) en
el4
to t
rim
estr
e (1
987-
1993
).
124
jTri
~\YF
T 1
SKJ
~~
1 lc
21
1 1
c 3
1
~~
1 lc2
If
1
1 lc2
BB
1 F
I IV
C
l
C2
~1
1
1 I
1 1
1 c
3 1
1 c
1 1
C2
C3
1 1
lc2
1
~-C
3
Cl
PS
1 lc2
1 [c
3
1 IV
l c
1
1 lc2
:
1,32
6 4,
063
4,44
61
17, !
50
20,1
261
0,03
7
2,83
8 2,
394
11,7
40
4,63
2
23,6
41
0,14
3
0,15
0 2,
924
43,0
75
5,01
8
17,3
40 1
1,
0541
0,43
3 3,
360
42,6
06
6,43
6
15,8
31 1
0,
1081
21,9
11 1
69
,895
96,2
55
55,5
34
506,
234
0,47
6
17,4
091
69,2
00 1
69,2
00 1
22
,579
1
360,
323
0,04
2
3,72
1 11
8,39
2
279,
779
4,20
4
366,
501
0,56
8
5,02
9 96
,931
195,
195
75,4
90 1
FR
! A
LB
B
ET
B
LF
0,03
7 0,
037
0,09
6 0,
780
0,03
7 0,
037
0,40
7 1,
587
0,03
7 0,
037
0,16
9 0,
189
0,05
8 0,
034
0,03
4 0,
063
0,03
4 0,
034
0,36
5 1,
327
0,03
4 0,
144
0,56
7 0,
034
0,05
7 0,
040
0,04
0 0,
238
0,04
0 0,
040
0,09
6 1.
381
0,04
01
0,04
0 0,
908
0,04
0
0,05
1 0,
035
0,06
2 0,
116
0,03
5 0,
035
1,42
2 3,
497
0,0
34
1
0,03
51
0,26
0 1
0,10
01
32,0
40
0,07
9 6,
341
7,82
2
0,22
2 0,
041
4,55
9 31
,722
0,04
1 12
,897
12
,146
0,
243
21,6
931
0,04
31
0,4
53
1
4,08
41
0,46
61
0,04
2 0,
360
11,2
12
0,04
2 8,
474
0,12
0 0,
216
30,0
84
0,03
9 2,
042
4,68
3
0,37
3 0,
037
7,34
5 49
.600
0,03
8 4,
195
1,77
5 0,
038
9,62
1 0,
032
0,49
4 4,
238
0,12
1 1
0,03
2 2,
326
21,8
46
l__~
l --~
lc_3_~1 _2
2~2,2_
9_4~1 ~
o,_o3_
2~1 ~o,
o_3_2~
1 ~2,_9
5_6~1 ~
0,_30_
2~1 ~o,
o~3~21
T
abla
4.
Val
ores
est
imad
os p
or m
edio
de
los
mod
elos
Log
-lin
eale
s [A
CE
], p
ara
la c
onst
rucc
ion
de l
as m
atri
ces
de s
ubst
ituci
on d
e lo
s m
uest
reos
tri
mes
tral
es m
ulti
espe
cifi
cos
por
cate
gori
as d
e pe
so (
C 1
< 3
Kg;
C 2
ent
re 3
y 1
5 K
g; C
3 >
15
Kg)
y p
or lo
s 2
arte
s de
sup
erfi
cie
(BB
y P
S).
124
0,10
0I
4,08
41
0,26
0I
0,45
31
0,03
410,
035
I
21
,69
31
0,04
31
0,10
81
69,2
00I
17,4
091
15,8
31I
¡;:r
i~1
YFT
ISKJ
FRI
AL
BB
ET
BL
F
~~
1,32
64,
063
0,03
70,
037
0,09
60,
780
I~I
4,44
6117
,150
0,03
70,
037
0,40
71,
587
IlC
3l20
,126
10,
037
0,03
70,
037
0,16
90,
189
~~
2,83
82,
394
0,05
80,
034
0,03
40,
063
I~
11,7
404,
632
0,03
40,
034
0,36
51,
327
If
23,6
410,
143
0,03
40,
144
0,56
70,
034
111
C1
0,15
02,
924
0,05
70,
040
0,04
00,
238
I~
43,0
755,
018
0,04
00,
040
0,09
61.
381
IiC
3!17
,340
11,
0541
0,04
01
0,04
00,
908
0,04
0
IVC
10,
433
3,36
00,
051
0,03
50,
062
0,11
6
C2
42,6
066,
436
0,03
50,
035
1,42
23,
497
I~I
69,2
00I
22,5
79[
0,46
610,
042
0,36
011
,212
~-C
336
0,32
30,
042
0,04
28,
474
0,12
00,
216
Cl
3,72
111
8,39
230
,084
0,03
92,
042
4,68
3
I~
279,
779
4,20
40,
373
0,03
77,
345
49.6
00
1lC
336
6,50
10,
568
0,03
84,
195
1,77
50,
038
IIVlC
15,
029
96,9
319,
621
0,03
20,
494
4,23
8
I~
195,
195
75,4
90I
0,12
1I
0,03
22,
326
21,8
46
I1C
121
,911
69,8
9532
,040
0,07
96,
341
7,82
2
IC
296
,255
55,5
340,
222
0,04
14,
559
31,7
22
IC
350
6,23
40,
476
0,04
112
,897
12,1
460,
243
---
BB PS
Tab
la4.
Val
ores
estim
ados
por
med
iode
los
mod
elos
Lag
-line
ales
lAC
E],
para
laco
nstr
ucci
onde
las
mat
rices
desu
bstit
ucio
nde
los
mue
stre
ostr
imes
tral
esm
ultie
spec
ific
ospo
rca
tego
rias
depe
so(C
I<
3K
g;C
2en
tre
3y
15K
g;C
3>
15K
g)Y
por
los
2ar
tes
desu
perf
icie
(BB
yPS
).
~I I I : L~
222,
2941
0,03
2[
0,03
212,
9561
0,30
210,
0321
BL
Füb
s.24
.583
.8
Cal
e.25
.012
9.6
ISK
Jüb
s.85
4.5
527.
00.
0
IC
ale.
571.
444
8.0
0.2
IFR
Iüb
s.48
.40.
70.
0
Esp
ecie
19
91
19
92
Cat
eg.
C1
C2
C3
C1
C2
C3
YFT
übs.
2.8
245.
130
6.3
1.3
127.
889
.8
Cal
e5.
521
5.3
245.
72.
388
.910
1.4
SKJ
übs.
27.5
82.3
0.0
25.7
12.5
0.0
Cal
e.10
6.1
83.2
0.0
43.8
34.3
0.0
FRI
übs.
10.1
0.0
0.0
0.2
0.0
0.0
Cal
e.10
.50.
10.
04.
40.
00.
0
AL
Büb
s.0.
00.
00.
00.
00.
00.
0
Cal
e.0.
00.
03.
20.
00.
01.
3
BE
Tüb
s.0.
91.
90.
00.
00.
00.
0
Cal
e.0.
52.
60.
30.
21.
10.
1
BL
Füb
s.6.
518
.20.
01.
830
.20.
0
Cal
e.4.
724
.10.
01.
99.
90.
0
I_--
--¡I
_cal_
e_
.56
_.7+
-1_
_0.7
_,1_
_0 -----
'.21
IALB
I~cbalSe'
0.0
10.
0I
13.0
10.
20.
2117
.4
IBET
Iübs.
3.91
15
.61
--0
.0--
-'1
IICa
le.
--2
-.-9
+--
-13
-.-7
[1.
8
lü.O
l~
IEsp
ecie
I1
19
93
1
II-
Ca-
teg-
.-1C
1IC
2I-
C-3
-1
1-
1Y
-FT
-Iüb
s.1
39.1
110
23.0
I11
46.6
1
11
Cal
e.I
29.8
111
59.2
113
23.2
1
Tab
.3.
Com
para
cion
entr
ela
sca
ptur
asob
serv
adas
yla
sca
ptur
ases
timad
aspo
rm
edio
del
mod
elo
Log
-lin
eal
lAC
E]pa
ralo
sce
rque
ros
(PS)
enel
4to
trim
estr
e(1
987-
1993
).
A p
art
ir d
el
alg
ori
thm
e E
-M y
de
un
min
imo
de
2 m
ue
stra
s p
or t
rim
est
re
BB
Y
FT
S
KJ
FR
I A
LB
B
ET
B
LF
PS
Y
FT
S
KJ
FR
I A
LB
B
ET
B
LF
19
86
1
73
5,4
1
38
4
3,1
0,6
1
25
,2
930,
3
19
86
5
31
0,6
51
14,2
4
48
,6
25
,4
17
5,6
1
58
4,4
19
87
29
68,1
1
51
9,8
3,
6 0,
2 1
14
1
08
4,8
19
87
53
70,3
4
93
6,2
8
40
,6
21
19
2,5
1
76
0
19
88
3
18
5,6
2
54
0,3
0 0 2
09
,9
92
8,4
19
88
4
13
6,4
3
22
7,6
43
1 14
1
08
1
87
6,9
19
89
2
48
2,9
1
56
8,5
1
5,7
1
3
32
9,6
6
22
,2
19
89
1
02
78
,9
32
34
,5
388
4,5
4
3,8
1
16
9,2
19
90
2
87
0,8
9
73
,2
0,5 0
15
4,9
81
8,6
19
90
4
81
4,9
39
55,1
1
14
2,2
3
2,5
6
6,4
1
70
8
A p
art
ir d
e lo
s %
po
r e
spe
cie
s y
pa
ra c
ada
cate
go
ria
de
pe
so
BB
Y
FT
S
KJ
FR
I A
LB
B
ET
B
LF
PS
Y
FT
S
KJ
FR
I A
LB
B
ET
B
LF
19
86
2
88
7,4
99
1,5 5
2,4
8
2,6
2
09
,8
19
86
7
27
6,8
3
97
7,3
4
89
,5
58
12
0,7
7
36
,5
19
87
3
90
7,8
1
42
0,8
5,
8 3
,3
94
,3
26
8,7
19
87
6
58
2,9
4
32
9,4
8
16
,5
42
,9
17
0,4
1
17
8,7
19
88
42
26,1
2
19
8,8
1,
5 0 1
18
,3
31
0,6
19
88
5
99
1,9
2
30
9,5
4
39
,6
23
,9
10
0,8
9
28
,7
19
89
3
45
7,5
1
29
3,2
9
,4
5,5
6
5,7
2
00
,7
19
89
1
16
12
,2
24
29
,5
59
8,6
7
,8
21
,5
44
9,5
A p
art
ir d
e l
os
% p
or
esp
eci
es
y la
ca
ptu
ra t
ota
l
BB
Y
FT
S
KJ
FR
I A
LB
B
ET
B
LF
PS
Y
FT
S
KJ
FR
I A
LB
S
ET
B
LF
19
86
1
40
9
18
19
23
19
86
81
61
5548
22
19
87
2
28
5
20
68
31
44
19
87
83
03
5512
35
6
71
1988
4
39
5
21
32
15
6
171
19
88
6
75
9
17
17
30
3 97
40
8
79
19
89
36
11
11
68
1 9 2
43
19
89
1
22
34
1
83
4
47
9
12
2
0
49
0
19
90
3
76
5,3
7
77
,3
1,3
0,6
58,8
2
14
,8
19
90
6
53
3,2
3
01
4,4
10
67,1
56
,1
53
93
5,2
19
90
39
41
731 1 2
444
19
90
86
28
17
74
1
96
9 1
64
71
1991
2
78
0,5
30
31 0
0,3
13
3,6
60
7,1
1991
8
34
8,7
8
95
0
19
10
,4
36
,2
41
2,9
1
83
9,5
1991
4
19
0,3
1
95
1,6
0
2,3
55
,7
357,
1
1991
1
19
66
,9
61
85
,6
17
10
,2
73,3
3
20
,5
1241
1991
50
89
10
75
0 4
15
2
235
1991
1
61
10
32
43
812
142
183
706
19
92
2
28
9,6
1
70
8,3
1
,9
3,9
36
,3
75
5,9
19
92
7
31
0,9
8
29
7,5
3
19
,9
2,8
1
72
,2
28
81
,8
19
92
3
61
5,9
94
1 5,
2 3
,9
86,8
24
3,1
19
92
9
69
3,3
6
89
2,7
3
22
,4
3,4
1
68
,6
1905
,1
19
92
38
43
665 11 0 93
18
7
1992
13
575
3357
19
1 7 1
29
17
27
19
93
2
81
2,8
1
19
6,7
0 0
12
0,9
6
24
,5
19
93
9
59
7,8
1
07
81
,8
695,
1 4
6,8
7
33
,9
31
78
,8
19
93
3
29
5,7
1
12
2,5
0 0
12
2,5
2
14
19
93
1
26
59
,3
10
04
8,9
8
81
,2
11
1,3
3
25
,9
10
06
,7
19
93
37
41
68
8
0 0 1
56
1
70
19
93
1
57
39
7
43
3
523
22
8
35
5
73
4
Tab
. 5.
Co
mp
ara
cio
n e
ntr
e v
ari
os
me
tod
os
de
co
rre
ccio
n d
e la
s ca
ptu
ras
ven
ezo
lan
as
de
sup
erf:
125
1 ,::---------------
1::
---_---
1 t 0000
'
1 ,[,., 1
/.
' ..
1 i 6000
~-=.;
.;\' .
/j"<
. i 2000
1 ~/_
;~·\~'.'
: 1
\ \
~ 4o
oo l
\--:
;:ï;
-cc!
1
~ "'"
' "
\-//
\ .
a.
2ooo
...
......
... r.~/-
.. .......
.. ....
1
1ooo
l ......
-:::-·•1 .'
, ~
l <
·-,4
.//,
/ '
0 -· ~-
. 1
500 -~~---~-~-~ ~
1986
19
88
1990
.
1992
_
__
__
_ 1:
~~--~::_ __ ~=
--:~ ___ j
Fig
. 1
Ca
ptu
ras
an
ua
les
de
los
art
es
de
su
pe
rfic
ie v
en
ezo
lan
os
pa
ra e
l YF
T y
el
SK
J en
fu
nci
on
de
l ti p
o d
e c
orr
ecc
ion
efe
ctu
ad
o:
con
el A
lgo
ritm
o E
-M (
+--
--+)
, co
n lo
s%
p
or
espe
cie
po
r ca
da
ca
teg
ori
a c
om
erc
ial
(a---
---of
$, y
co
n l
os
% p
or
esp
eci
e s
ob
re la
Ca
ptu
ra t
ota
l (x
----
--x)
.
-409
2,5 .,------------l
'E -4
093,
o J
11
-~ -40
93,5
J\
~ -40
94,0
t' 1',
'0
'1 iii
-409
4 5
J• ::;;
.
:'
~ -
4095
,0
f
ci>
i .3
-409
5,5
l --
--·-
---·
-:·-
----
--!
1
-409
6,0 "~~ ... ~. -•m~•~
.. ~
.. ~. --
~· '"
""'-
·-·~
~-~
1 23
45
67
89
11
1 13
3 15
5 17
7 !t
erac
ion
es
Fig
. 2
.-E
volu
tio
n d
el L
og d
e v
ero
sim
ilitu
d e
n fu
nci
on
del
nu
me
ro d
e
ite
raci
on
es;
a p
art
ir d
el t
rab
ajo
de
HO
EN
IG e
t H
EIS
EY
(19
87);
p 2
42.
Ap
art
irde
lal
gori
thm
oE
-My
deun
min
imo
de2
mu
est
ras
po
rtri
mes
tre
Ap
art
ird
elo
s%
por
espe
cies
ypa
raca
daca
tego
ria
de
peso
---------._
---
BB--
l,------------~-----,
jl'
6000
!I
'I
j-5
00
0I
l·É
I
~40
00i
I130
00[i
ro20
00
1000
"=c:---~·C
__::c:__=_
·~·---:'c-
--·~·--,--
lJ._
_J
E14
400
t::.
f- ~10
800
<J> ~ -a72
00
'"ü ~36
00
Fig
.1
Cap
tura
san
uale
sde
los
arte
sde
sup
erf
icie
ven
ezo
lan
os
para
elY
FT
yel
SK
Jen
func
ion
delt
ipo
deco
rrec
cion
efec
tuad
o:co
nel
Alg
ori
tmo
E-M
(+-
--
-+
),co
nlo
s%
po
res
peci
ep
or
cada
cate
gori
aco
mer
cial
(&--
----
f$,
Yco
nlo
s%
po
res
peci
eso
bre
laC
aptu
rato
tal
(x--
----
x).
PS
I~~~~---'------~--
I I
!-.-
----
----
--I
1200
0.
---
['35
00
E10
000
j...
........
3000
t::.
E~
80
00
1'
1--'-
-",1 1
~25
00
i~
6000
~20
00
Ii
~~
4000
+e~:-c
..,\...•
--_
h"-
-'··
----
·í--
··..
,!1
500
I
a.20
00j"
--"-
-"--
"'\c
="=
=/-
-"'"
10
00
,."-
----
-··
..
o-:--:
::~-~~~.c-
::________
______'1_
5~~.
j
1993
3295
,711
22,5 O O
122,
52
14
1993
2812
,811
96,7 O O
120,
962
4,5
1993
9597
,810
781,
869
5,1
46,8
733,
931
78,8
1993
1265
9,3
1004
8,9
881,
21
11
,332
5,9
10
06
,7
1992
7310
,982
97,5
319,
92,
817
2,2
2881
,8
1992
2289
,617
08,3
1,9 3,9
36,3
755,
9
1992
3615
,994
15,
23,
986
,824
3,1
1992
9693
,368
92,7
322,
43,
416
8,6
1905
,1
1991
4190
,319
51,6 O
2,3
55,7
357,
1
1991
8348
,789
5019
10,4
36,2
412,
918
39,5
1991
2780
,530
31O
0,3
133,
660
7,1
1991
1196
6,9
6185
,617
10,2
73,3
320,
512
41
1990
3765
,377
7,3
1,3
0,6
58,8
214,
8
1990
4814
,939
55,1
11
42
,232
,566
,417
08
1990
6533
,230
14,4
1067
,156
,1 5393
5,2
1990
28
70
,897
3,2
0,5 O
154,
981
8,6
1989
3457
,51
29
3,2
9,4
5,5
65,7
200,
7
1989
24
82
,915
68,5
15
,7 1332
9,6
622,
2
1989
1161
2,2
24
29
,559
8,6
7,8
21,5
44
9,5
19
89
1027
8,9
3234
,538
84
,543
,81
16
9,2
1988
5991
,923
09,5
439,
623
,910
0,8
928,
7
1988
4226
,121
98,8 1,5 O
118,
331
0,6
1988
4136
,432
27,6
431 14
108
1876
,9
1988
3185
,625
40,3 O O
209,
992
8,4
1987
6582
,943
29,4
816,
542
,917
0,4
1178
,7
1987
5370
,349
36,2
840,
621
192,
517
60
1987
3907
,814
20,8 5,8
3,3
94,3
268,
7
1987
2968
,11
51
9,8
3,6
0,2
114
1084
,8
1986
2887
,499
1,5 5
2,4
82,6
209,
8
1986
7276
,839
77,3
489,
5 5812
0,7
736,
5
1986
1735
,413
84 3,1
0,6
125,
293
0,3
1986
5310
,651
14,2
448,
625
,417
5,6
15
84
,4
PS
YF
TS
KJ
FR
IA
LB
BE
TB
LF
Ap
art
irde
los
%po
res
peci
esy
laca
ptur
ato
tal
BB
YF
TS
KJ
FR
IA
LB
BE
TB
LF
PS
YF
TS
KJ
FR
IA
LB
BE
TB
LF
BB
YF
TS
KJ
FR
IA
LB
BE
TB
LF
Tab
.5.
Co
mp
ara
cio
nen
tre
vari
osm
etod
osde
corr
ecci
ond
ela
sca
ptur
asve
nezo
lana
sde
supe
rf,
BB
YF
TS
KJ
FR
IA
LB
BE
TB
LF
PS
YF
TS
KJ
FR
IA
LBB
ET
BLF
1986
1409
1819 23
1986
8161
5548 22
1987
2285
20
68 31 44
1987
8303
5512
356 71
1988
4395
21
32
156
171
1988
6759
1717
303 97 40 879
1989
3611
1168
1 92
43
1989
1223
418
3447
9 12
20 49
0
1990
3941 731 1 2
444
1990
8628
1774
1969
164 71
1991
5089
1075 O 4
152
235
1991
1611
032
43 812
142
183
706
1992
3843
665 11 O 93
187
1992
1357
533
57 191 7
129
1727
1993
3741 68
8 O O15
61
70
1993
1573
97
43
352
32
28
355
734
-409
2,5
l'§
-409
3,0J\·····I
~-4
093,
5i.
I~-
4094
0h
I¡;j
-409
45
Ji:¡¡
':',
~-4
09
5,0
[-\
ti>i
.3-4
095,
5-¡
-"-:..:.
...:;.~-
..:...:.
-::~-.-:
.~-...:-
--iI
-409
6,0,~~.
'~""'~'"_
_.~~,_.,.
_,.,
~._
.._.,
••,.._._._=,~
123
4567
8911
113
315
517
7!t
erac
ion
es
Fig
.2.-
Evo
lutio
nde
lLo
gd
eve
rosi
mili
tud
enfu
ncio
nde
lnum
ero
deite
raci
on
es;
apa
rtir
delt
rab
ajo
deH
OE
NIG
etH
EIS
EY
(198
7);
P24
2.
125
