Propuesta para obtener el tamaño de muestra óptimo de plagas con exceso de ceros
DOI:
https://doi.org/10.29312/remexca.v15i1.3618Palabras clave:
binomial negativa cero inflado, muestreo, Poisson cero infladoResumen
En muestreos de plagas con densidades bajas es común obtener gran cantidad de ceros, lo que es difícil de manejar, ya que las distribuciones de probabilidad Poisson y binomial negativa no son adecuadas para su modelación y no se dispone de ecuaciones para estimar el tamaño de muestra óptimo. En este estudio se modelo el exceso de ceros mediante la estimación de parámetros a través de los métodos de momentos y de máxima verosimilitud de las distribuciones Poisson cero inflado y binomial negativa cero inflado, y derivar ecuaciones para calcular el tamaño de muestra óptima. Se utilizó muestreo sistemático para seleccionar 100 árboles por huerto de toronja (Citrus paradisi Macfad) Río Red, en la Finca Sayula, Veracruz, México (latitud 19.20722, longitud -96.35194), de junio a julio 2021 y enero 2022. Se contó el número de minadores (Phyllocnistis citrella Stainton) y pulgones (Toxoptera citricida Kirkaldy) presentes en tres hojas por brote por árbol, consideradas como unidad muestral. Se realizaron simulaciones en RStudio con diferentes proporciones de cero (0.1, 0.4 y 0.6) para comparar los parámetros obtenidos en campo, mediante el método de los momentos y máxima verosimilitud. Se derivaron ecuaciones para estimar el tamaño de muestra óptimo en estudios de plagas con densidades bajas, a partir de las distribuciones de probabilidad Poisson cero inflado y binomial negativa cero inflado. El método de los momentos arroja tamaños de muestra óptimos menores a aquellos obtenidos mediante máxima verosimilitud, debido a que distinguen el origen del cero, por lo que se recomienda su uso.
Descargas
Citas
Banik, S. and Kibria, B. M. G. 2009. On some discrete distributions and their applications with real life data. USA. JMASM. 8(2):423-447. https://doi.org/10.22237/jmasm/ 1257034020.
Cheung, Y. B. 2002. Zero inflated models for regression analysis of count data: a study of growth and development. USA. Statist. Med. 21(10):1461-1469. https://doi.org/10.1002/sim.1088.
Clay, S. A.; French, B. W. and Mathew, F. M. 2018. Pest measurement and management. In: precision agriculture basics. Shanon, D. K.; Clay, D.E. and Kitchen N. R. (eds.). Ed. ASA, CSSA, and SSSA Books. USA. 93-102 pp. https://doi.org/10.2134/ precisionagbasics.2016.0090.
Doyle, S. R. 2009. Examples of computing power for zero-inflated and over dispersed count data. USA. JMASM. 8(2):360-376. https://doi.org/10.22237/jmasm/ 1257033720.
Fang, R.; Wagner, B. D.; Harris, J. K. and Fillon, S. A. 2016. Zero inflated negative binomial mixed models: and important application to two microbial organisms important in oesophagitis. UK. Epidemiol. Infect. 144(1):2447-2455. http://doi.org/10.1017/S0950268816000662.
García-González, J. C.; López-Collado, J.; García-García, C. G.; Villanueva-Jiménez, J. A. y Nava-Tablada, M. E. 2018. Factores bióticos, abióticos y agronómicos que afectan las poblaciones de adultos de mosca pinta (Hemiptera: Cercopidae) en cultivos de caña de azúcar en Veracruz, México. México. Acta Zool. Mex. 33(3):508-517. https://doi.org/10.21829/azm.2017.3331152.
Hall, D. B. 2000. Zero inflated Poisson and binomial regression with random effects: a case study. USA. Biometrics. 56(1):1030-1039. https://doi.org/10.1111/j.0006-341x.2000.01030.x.
Hashim, L. H.; Hashim, K. H. and Shiker, M. A. K. 2021. An application comparison of two Poisson models on zero count data. UK. journal of physics: conference series, 1818(012165):1-12. http://doi:10.1088/1742-6596/1818/1/012165.
Haslett, J.; Parnel, A. C.; Hinde, J. and de Andrade, M. R., 2022. Modelling excess of zeros in count data: a new perspective on modelling approaches. USA. International statistical review. 90(2):216-236. https://doi.org/10.1111/insr.12479.
Hilbe, J. M. 2011. Negative binomial regression. Cambridge University Press. 2a Ed. UK. 346-399 pp.
Jankielsohn, A. 2017. The redesign of suitable agricultural crop ecosystems by increasing natural ecosystem services provided by insects. Hong Kong SAR China. Advances in ecological and environmental research. 1(1):365-381. http://www.ss-pub.org/wp-content/uploads/2017/09/AEER2017040501-1.pdf.
Karandinos, M. G. 1976. Optimum sample size and comments on one published formula. USA. Bull. Entomol. Soc. Amer. 22(4):417-421. https://doi.org/10.1093/ besa/22.4.417.
Lambert, D. 1992. Zero inflated Poisson regression, with an application to defects manufacturing. USA. Technometrics. 34(1):1-14. https://doi.org/10.2307/1269547.
Mullahy, J. 1986. Specification and testing of some modified count data models. Netherlands. J. Econ. 33(1):341-365. https://doi.org/10.1016/0304-4076(86) 90002-3.
Ramírez, I. C.; Barrera, C. J. y Correa, J. C. 2013. Efecto del tamaño de muestra y el número de réplicas bootstrap. Colombia. Inycompe. 15(1):93-101. https://www.redalyc.org/articulo.oa?id=291329165008.
Shannon, D. K.; Clay, D. E. and Sudduth, K. A. 2018. And introduction to precision agriculture. In: precision agriculture basics. Shanon, D. K.; Clay, D.E. and Kitchen N. R. (eds.). Ed. ASA, CSSA, and SSSA Books. USA. 1-12 pp. https://doi.org/10.2134/precisionagbasics.2016.0084.
Southwood, T. R. E. and Henderson, P. A. 2000. Ecological methods. Blackwell science. 3rd Ed. Oxford, UK. 7-66 pp. https://www.researchgate.net/publication/260051655-Ecological-Methods-3rd-edition.
Taherdoost, H. 2016. Sampling methods in research methodology, how to choose a sampling technique for research. Brazil. IJARM. 5(2):18-27. http://dx.doi.org/ 10.2139/ssrn.3205035.
Talaviya, T.; Shah, D.; Patel, N.; Yagnik, H. and Shah, M. 2020. Implementation of artificial intelligence in agriculture for optimization of irrigation and application of pesticides and herbicides. China. Artificial Intelligence in Agric. 4(1):58-73. https://doi.org/10.1016/j.aiia.2020.04.002.
Villanueva-Jiménez, J. A.; Reyes-Pérez, N. y Abato-Zárate, M. 2017. Manejo integrado de plagas y sostenibilidad. In: agricultura sostenible como base para los agronegocios. Jarquín, G. R. y Huerta, P. A. (coords.). 1a Ed. Universidad Autónoma de San Luis Potosí. México. 32-42 pp. https://www.researchgate.net/ publication/320779257-Manejo-Integrado-de-Plagas-y-Sostenibilidad.
Yesilova, A.; Kaydan, M. B. and Kaya, Y. 2010. Modeling insect-egg data with excess zero using zero-inflated regression models. Hacettepe J. Math. Stat. 39(2):273-282. http://www.hjms.hacettepe.edu.tr/uploads/c879f14e-8c0d-4f30-8bfa-e28658 a8fe0b.pdf.
Zou, Y.; Hanning, J. and Young, D. S. 2021. Generalized fiducial inference on the mean of zero inflated Poisson and Poisson hurdle models. Germany. J Statistical Distributions and Applications. 8(5):1-15. https://doi.org/10.1186/s40488-021-00117-0.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Revista Mexicana de Ciencias Agrícolas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores(as) que publiquen en Revista Mexicana de Ciencias Agrícolas aceptan las siguientes condiciones:
De acuerdo con la legislación de derechos de autor, Revista Mexicana de Ciencias Agrícolas reconoce y respeta el derecho moral de los autores(as), así como la titularidad del derecho patrimonial, el cual será cedido a la revista para su difusión en acceso abierto.
Los autores(as) deben de pagar una cuota por recepción de artículos antes de pasar por dictamen editorial. En caso de que la colaboración sea aceptada, el autor debe de parar la traducción de su texto al inglés.
Todos los textos publicados por Revista Mexicana de Ciencias Agrícolas -sin excepción- se distribuyen amparados bajo la licencia Creative Commons 4.0 atribución-no comercial (CC BY-NC 4.0 internacional), que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en Revista Mexicana de Ciencias Agrícolas (por ejemplo incluirlo en un repositorio institucional o darlo a conocer en otros medios en papel o electrónicos) siempre que indique clara y explícitamente que el trabajo se publicó por primera vez en Revista Mexicana de Ciencias Agrícolas.
Para todo lo anterior, los autores(as) deben remitir el formato de carta-cesión de la propiedad de los derechos de la primera publicación debidamente requisitado y firmado por los autores(as). Este formato debe ser remitido en archivo PDF al correo: revista_atm@yahoo.com.mx; revistaagricola@inifap.gob.mx.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-No Comercial 4.0 Internacional.
