Estimación de masa de alevines de gamitana

TABLA ESTÁNDAR
PARA ESTIMAR LA MASA

DE UN MILLAR DE ALEVINES DE GAMITANA
Colossoma macropomum (CUVIER, 1818)
EN RELACIÓN A SU LONGITUD PROMEDIO
STANDARD TABLE TO ESTIMATE THE MASS OF A THOUSAND
GAMITANA Colossoma macropomum (CUVIER,1818)
FINGERLINGS IN RELATION WITH THEIR AVERAGE LENGTH

TESIS
para optar al título profesional de
INGENIERO PESQUERO ACUICULTOR
Presentado por el Bachiller
GUILLERMO EDER FELIPA ALEJOS

Asesor
Ing. WALTER EDUARDO BLAS RAMOS
Universidad Nacional Federico Villarreal
Asesor

LIMA – PERÚ
2012

Dr. FERNANDO ALCÁNTARA BOCANEGRA
Instituto de Investigaciones de la Amazonía Peruana

UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
FACULTAD DE OCEANOGRAFÍA, PESQUERÍA, CIENCIAS ALIMENTARIAS Y ACUICULTURA
ESCUELA PROFESIONAL DE INGENIERÍA EN ACUICULTURA

TABLA ESTÁNDAR
PARA ESTIMAR LA MASA

DE UN MILLAR DE ALEVINES DE GAMITANA
Colossoma macropomum (CUVIER, 1818)
GAMITANA Colossoma macropomum (CUVIER,1818)
FINGERLINGS IN RELATION WITH THEIR AVERAGE LENGTH

TESIS
para optar al título profesional de
INGENIERO PESQUERO ACUICULTOR
Presentado por el Bachiller
GUILLERMO EDER FELIPA ALEJOS

Asesor
Ing. WALTER EDUARDO BLAS RAMOS
Universidad Nacional Federico Villarreal
Asesor

LIMA – PERÚ
2012

Dr. FERNANDO ALCÁNTARA BOCANEGRA
Instituto de Investigaciones de la Amazonía Peruana

Contenido
INTRODUCCIÓN 1
CAPÍTULO I. OBJETO DE LA INVESTIGACIÓN

2

1.1.
Antecedentes
1.2.
Planteamiento del problema
1.3.
Objetivos
1.3.1.
Objetivo general
1.3.2.
Objetivo específico
1.4.
Justificación e importancia
1.5.
Alcances y limitaciones
1.6.
Definición de variables

2
3
4
4
4
4
5
5

CAPÍTULO II. MARCO TEÓRICO

6

2.1.
Muestreo 6
2.2.
Estadística inferencial 9
2.3.
Contraste de hipótesis 10
2.4. Prueba “t” para dos muestras independientes
11
2.5.
Software ImageJ 12
2.6.
Hipótesis 12

CAPÍTULO III. MÉTODO 13
3.1. Ámbito temporal y espacial del estudio
13
3.2. de investigación 14
Tipo
3.3.
Diseño de investigación 14
3.4. Estrategia de prueba de hipótesis
15
3.5. de muestreo 16
Marco
3.6.
Unidad experimental 16
3.7.
Unidad de análisis 16
3.8.
Método experimental de muestreo 17
3.9.
Variables de investigación 17
3.10.
Población 17
3.11.
Muestra 17
3.12.
Técnicas de investigación 18

3.12.1. Instrumentos de recolección de datos:
18
3.12.1.1.
Materiales 18
3.12.1.2.
Equipos 19
3.12.1.3.
Software 20
3.12.2.
Procedimiento 21

Etapa I: Etapa del estudio preliminar
21
Etapa II: del estudio definitivo 21
Etapa
1. Procedimiento de recolección de datos
24
1.1.
Obtención de la masa 25
1.1.1. Medición de la masa de un millar de alevines
25
1.1.2. Medición de la masa individual de los alevines
26
1.2. Obtención de la longitud individual
27
1.2.1. Disposición de los alevines para el registro
fotográfico 27
2. Procesamiento de fotografías digitales (ImageJ)
29
Etapa III: Etapa de procesamiento y análisis de datos
33
1. Resultados al final de cada evaluación
35
1.1. Resultados por cada unidad experimental
35
1.2. Resultados promedios de las tres
unidades experimentales 35
Etapa IV: de validación 36
Etapa
1.
Validación estadística 36
1.1. Prueba “t” para muestras independientes (SPSS)
37
2.
Validación experimental 39
2.1. Validación de la ecuación: y = a xb 40
2.2. Comprobación de la ecuación
40

CAPÍTULO IV. PRESENTACIÓN DE RESULTADOS

45

4.1. Etapa I: Etapa del estudio preliminar
45
4.2. Etapa II: Etapa del estudio definitivo
48
4.3. Etapa III: Etapa de procesamiento y análisis de datos
48
4.4. IV: Etapa de validación 57
Etapa
CAPÍTULO V. DISCUSIÓN 71
5.1.
Discusión y conclusión 71
5.2.
Recomendaciones 72
REFERENCIAS BIBLIOGRÁFICAS 73
ANEXOS 74

Lista de figuras
Figura 1.

Vista Satelital del Centro de Investigaciones de Quistococha - IIAP

14

Figura 2. de investigación. 15
Diseño
Figura 3.

Estrategia de prueba de hipótesis

15

Figura 4.
Unidades experimentales 16
Figura 5.

Materiales utilizados durante todos los muestreos

19

Figura 6.

Equipos utilizados durante todos los muestreos

20

Figura 7.

Software utilizados durante el procesamiento de datos

20

Figura 8.

Procedimiento para la siembra de post larvas

22

Figura 9.

Condiciones del estanque con dique debilitado

23

Figura 10. Procedimientos para la medición de la masa conjunta de un
millar de alevines 25
Figura 11. Procedimientos para la medición de la masa
individual de alevines 26
Figura 12. Disposición del material biológico para el registro fotográfico

28

Figura 13. Grupo de fotografías: Uso del software ImageJ

29

Figura 14. Medición de la longitud total de una muestra ≥ 30 alevines

41

Figura 15. Síntesis de la metodología a seguir por cada evaluación

43

Figura 16. Curva potencial preliminar: Análisis de las variables
de masa y longitud 46
Figura 17. Curva potencial definitiva: Análisis de las variables
de masa y longitud 67

Lista de ecuaciones
Ecuación 1. Tamaño de muestra 7
Ecuación 2.
Coeficiente de variación (CV) 8

Lista de tablas
Tabla 1.

Actividades realizadas en cada evaluación para el
control de variables 24

Tabla 2.

Formato utilizado para el registro de los datos de los muestreos

34

Tabla 3.

Valores de masas a contrastar

37

Tabla 4.

Resultados de la prueba “t” arrojados por el software SPSS:
Estadísticos de grupo (de la tabla 3)

37

Tabla 5

Resultados de la prueba “t” arrojados por el software SPSS:
Prueba de muestras independientes

38

Tabla 6.

Tabulación de la ecuación: y = a x b 40

Tabla 7. de consistencia 44
Matriz
Tabla 8.

Resultados de la masa de un millar de alevines (masa millar)
y longitud individual por cada muestreo

45

Resultados de los muestreos alternativos 3 y 4

46

Tabla 10: Número de alevines contados con relación al valor
de promedio de la longitud

47

Tabla 11: Resultado promedio individual del muestreo piloto

48

Tabla 12: Estimadores estadísticos para una muestra de 3 000
alevines a un nivel de confianza de 99 %, Z = 2,58

48

Tabla 9

Tabla 13:
Evaluación N° 1 – Día 12 49
Tabla 14:
Tabla 15:
Tabla 16:
Tabla 17:
Tabla 18:
Tabla 19:
Tabla 20:
Tabla 21: Resultados promedios de masa y longitud para
cada una de las evaluaciones

57

Tabla 22: Valores de masas registradas correspondientes a cada
estanque de la primera a la octava evaluación

58

Tabla 23: Valores de masas a contrastar de la primera evaluación

59

Tabla 24: Prueba “t”, Grupo 1 vs Grupo 2 correspondiente a la
primera evaluación: Estadísticos de grupo

59

Tabla 25: Prueba “t”, Grupo 1 vs Grupo 2 correspondiente a la primera
evaluación: Prueba de muestras independientes

59

Tabla 26: Valores de masas a contrastar de la segunda evaluación

60

segunda evaluación: Estadísticos de grupo

60

Tabla 28: Prueba “t”, Grupo 1 vs Grupo 2 correspondiente a la segunda

60

Tabla 29: Valores de masas a contrastar de la tercera evaluación

61

tercera evaluación: Estadísticos de grupo

61

tercera evaluación: Prueba de muestras independientes

61

Tabla 32: Valores de masas a contrastar de la cuarta evaluación

62

cuarta evaluación: Estadísticos de grupo

62

cuarta evaluación: Prueba de muestras independientes

62

Tabla 35: Valores de masas a contrastar de la quinta evaluación

63

quinta evaluación: Estadísticos de grupo

63

quinta evaluación: Prueba de muestras independientes

63

Tabla 38: Valores de masas a contrastar de la sexta evaluación

64

sexta evaluación: Estadísticos de grupo

64

Tabla 40: Prueba “t”, Grupo 1 vs Grupo 2 correspondiente a la sexta

64

Tabla 41: Valores de masas a contrastar de la séptima evaluación

65

séptima evaluación: Estadísticos de grupo

65

séptima evaluación: Prueba de muestras independientes

65

Tabla 44: Valores de masas a contrastar de la octava evaluación

66

octava evaluación: Estadísticos de grupo

66

octava evaluación: Prueba de muestras independientes

66

Tabla 47: estándar 68
Tabla
Tabla 48: Medición de la longitud total de treinta alevines por cada estanque

69

Tabla 49: Número de alevines contados del valor de la masa estándar

70

Lista de anexos
Anexo 1. Uso del software SPSS: Prueba “t” para muestras independientes.

74

Anexo 2. Preparación de los estanques para la siembra de post larvas

79

Anexo 3. Medición de los parámetros del agua de los estanques

80

Anexo 4.
Alimentación de los alevines 81
Anexo 5. Proceso de repartición tradicional de los alevines

82

A Dios,
a mis padres: Sra. María Alejos y Sr. Guillermo Felipa,
a mis hermanos: Heinz y Jeff.

A mi abuela Yolanda como
un homenaje y tributo a su
recuerdo.

A mi amiga y compañera de
muchas aulas, Angela Berrocal,
como reconocimiento por haber
logrado el primer lugar de la
promoción.

10

Agradecimientos
A las autoridades y a todo el personal científico, técnico y administrativo del Instituto de Investigaciones
de la Amazonía Peruana (IIAP), por medio del Programa de Investigación para el Uso y Conservación del
Agua y sus Recursos (AQUAREC), por el financiamiento y facilidades brindadas para la ejecución de este
estudio.
Al Ing. Salvador Tello, Dr. Fred Chu y al Blgo. Luciano Rodríguez por darme la oportunidad de ejecutar
este proyecto.
Al Ing. Agustín Gonzales, por haberme facilitado el ingreso al IIAP como practicante.
Dr. Fernando Alcántara y el Ing. Walter Blas, por su constante asesoramiento y compromiso con la
investigación.
A la Blga. Violeta Valdivieso, por su constante asesoramiento a lo largo de toda la investigación.
Al Ing. Daniel Oré, por sus recomendaciones, sugerencias y observaciones brindadas.
A la Ing. Luz Taype, por haberme enseñado la química de la vida.
Al Ing. Valentín Mogollón, por su gran sentido del humor y confianza de siempre.
Al Ing. Manuel Figueroa, por sus consejos y conocimientos compartidos.
A la Ing. Miryam Muñóz, por haberme enseñado el mundo microscópico.
Al Ing. Llontop Vélez, por su predisposición para compartir sus conocimientos.
Al Dr. Víctor Moreno, por sus consejos y recomendaciones.
A la Ing. Catalina Díaz, por haberme formado en la línea de la investigación.
A la Blga. Betty Gamero, por sus enseñanzas y consideración de siempre.
A la Dra. Susana Sirvas, por haberme enseñado el valor de la ética profesional.
Al Dr. Juan Acosta, Ing. César Luck, Ing. Carmen San Román, Lic. Marcela Uría, Ing. Gabriela Molina,
Ing. Miriam Niebuhr, Ing. Claudio Álvarez, Ing. Edwin Lazo, Ing. Gustavo Saavedra, Ing. Walter Smith,
Ing. César Peña, Ing. Guillermo Tello, Ing. Gustavo Laos, Dr. Pedro Rodenas, Ing. Gregorio Gallo, por
haberme brindado sus conocimientos de manera desinteresada en mi formación profesional.
Al personal técnico y administrativo que labora en el Programa de Investigación para el Uso y Conservación
del Agua y sus Recursos: Lamberto Arévalo, Vilto Huayunga Sairo, Italo Orbe, Edwin Agurto, Cherry
Yahuarcani, Asunción Apuela, Hugo Marichin, Medardo Montoya, Eder Montoya, Domingo García, Luis
Zafra, Edgar Taricuarima, al Sr. Miguel Ríos y a la Sra. Mercedes Torres por las facilidades brindadas
durante la ejecución de la tesis.
A los tesistas (CIQ- IIAP) 2012, Ely Maynas, Italo Bardales, Margarita Colichón y Edgar Meza; a los(as)
practicantes IIAP 2012, de Iquitos: Jae Paredes, Kathy Soria, Sheyla Perez, Christian Manchinari, Paul
Franco, Joao Oliveira, Omar Delgado; Tingo María: Wilson Rodríguez, Raúl Pullido, Enrique Cornejo,
Miguelina Vicuña; Pucallpa: Lewis Valerio, Caleb Angulo; Chiclayo: Iván Collin Guevara, Martín Correa y
Lima: Fransisk Sánchez, por su amistad, apoyo y momentos gratos.
A todos mis compañeros de estudio, en especial a Rosa Gaona, Diana Allain, Carlos Julca, Paul Haro,
Wilmer Gaspar, Jorge Espinoza, Luis Calderón y Peter Alcocer, por ser incondicionales.
A todas aquellas personas que de alguna forma contribuyeron a la realización de la presente investigación.

“La muerte no es triste, lo triste es que la gente no sepa vivir”

Película, El Guerrero Pacífico (2006)

TABLA ESTÁNDAR PARA ESTIMAR LA MASA DE UN MILLAR DE
ALEVINES DE GAMITANA Colossoma macropomum (CUVIER, 1818)

Resumen
La elaboración de una tabla estándar de alevines de gamitana Colossoma macropomum,
relacionando la masa y longitud para estimar una determinada masa estándar que
contiene aproximadamente un millar de alevines, fue el objetivo principal de la
presente investigación. La experimentación se inició con un estudio preliminar, para
evaluar el comportamiento de las variables y un posible ajuste u optimización de la
metodología. El estudio definitivo consistió en la evaluación periódica de alevines
a partir de tres mil post larvas de diez días de edad que fueron sembrados a una
densidad de 60 post larvas/m2 en cuatro estanques con dimensiones de 10 x 5 x 1 m
de largo, ancho y tirante respectivamente; las evaluaciones se realizaron a partir
del día doce luego de la siembra, con una frecuencia de seis días, es decir, a los (12,
18, 24, 30, 36, 42, 48, 54) días. Por cada evaluación se hicieron tres muestreos
(uno por estanque, un estanque no se tomó en cuenta para las evaluaciones por no
haber estado bajo las mismas condiciones que los demás), cada muestreo consistió
en la medición de la masa conjunta de mil alevines, seguido de la medición de la
masa individual y longitud individual de una muestra determinada estadísticamente,
que resultó ser 41, sin embargo se decidió trabajar con 60 individuos. La medición
de la masa individual tuvo como finalidad validar estadísticamente (prueba “t”) la
masa total promedio del millar de alevines de los estanques por cada evaluación.
Los resultados promedios de la masa del millar de alevines con la medición de la
longitud individual de la muestra (60) se plasmaron en una curva potencial:
masa (y) vs longitud (x), obteniéndose la ecuación y = 36,951 x2,4725, con una
correlación r = 0,9901. Para validar esta ecuación, se remplazaron valores de
tallas convenientes en la variable independiente (x) para obtener masas estándares
correspondiente aproximadamente a un millar de alevines, con ello se obtuvo una
tabla estándar de masa y longitud. Luego se midió la longitud total de una muestra
de alevines (se consideró ≥ 30) y por cada estanque se obtuvo un promedio de
longitud, dicho valor fue cotejado en la tabla estándar para obtener el valor de la
masa estándar. Finalmente se midió una masa de alevines para cada valor de la masa
estándar y se hizo el conteo de los alevines para determinado valor, resultando
valores muy cercanos al millar, teniendo un error máximo del 4,8 % por encima
del millar y un coeficiente de variación (CV) del 1,5 %.

Palabras claves: Alevines, masa estándar, gamitana Colossoma macropomum.

GAMITANA Colossoma macropomum (CUVIER, 1818) FINGERLINGS
IN RELATION WITH THEIR AVERAGE LENGTH

Abstract
The elaboration of a standard table of gamitana Colossoma macropomum fingerlings,
relating their mass and length to estimate a determined standard mass, which it
will contain a thousand fingerlings approximately, it was the main objective of the
present research. The experiment was started with a preliminary study to evaluate
the behaviour of the variables and a possible adjustment or optimization of the
methodology. The final study consisted in the periodic evaluation of fingerlings
from three thousand post larvae of ten days old that were seeded at a density
of 60 post larvae/m2 in four ponds, with it dimensions of 10 x 5 x 1 m lenght,
wide and tight respectively, the evaluations were made from the twelfth day after
sowing, with a frequency of six days, at the (12, 18, 24, 30, 36, 42, 48, 54) days
old. For each evaluation, it was done three samplings (one per pond, one pond
was not taken into account for the evaluation because of not being under the same
conditions as the others), each sample consisted in measuring the joint mass of
thousand fingerlings, followed by the measurement of individual mass and individual
length of a determined sample statistically, which proved to be 41, however it was
decided to work with 60 individuals. The measurement of the individually mass
had the purpose of validate statistically (t test) the average total mass of thousand
fingerlings of the ponds for each assessment. The average results of the mass of
thousand fingerlings with the measuring of the individual length of the sample (60)
it was reflected in a potential curve: mass (y) vs length (x), with the obtaining of the
equation y = 36,951 x2,4 725, with a correlation r = 0,9901. To validate this equation,
the values were replaced convenient sizes in the independent variable (x) to get
standards masses corresponding to a thousand fingerlings approximately, with that
it was obtained a standard table of mass and length. Then it was measured the total
length of one sample of fingerlings (it was considered ≥ 30) and for each pond was
obtained an average length, that value was checked in the standard table to get the
value of the standard mass. Finally, the fingerling mass was measured for each value
of the standard mass and the fingerling counting was done to a determined value,
resulting values very close to a thousand, with a maximum error of 4,8 % above
the thousand and a coefficient of variation (CV) of 1,5 %.

Keywords: Fingerlings, standard mass, gamitana Colossoma macropomum.

Introducción

E

n la Amazonía existe una gran diversidad biológica de especies, dentro de ella podemos
encontrar una amplia variedad de peces. La gamitana Colossoma macropomum es una
de las principales especies consumidas en esa región, siendo utilizada como primera
fuente de proteína, además de ser una especie bastante cotizada, le da un estatus económico
elevado. Es por esta razón que esta especie no es ajena a la práctica de la acuicultura, el
cultivo de esta especie ha tenido un enorme crecimiento en los últimos años, esto se debe
fundamentalmente a los avances en la producción de alevines en laboratorio, los mismos que
son distribuidos a los piscicultores de la región para su cultivo. A pesar que la producción de
alevines en laboratorio ya es una práctica dominada por las instituciones especializadas, aún
existen algunas falencias en la etapa post producción, específicamente en la distribución de
dichos individuos, puesto que hasta la actualidad la cuantificación de los alevines se hace de
forma individual y manual, lo que conlleva a un posible estrés de los individuos, una elevada
intervención de la mano de obra, daños mecánicos contra los alevines en el conteo, elevado
porcentaje de error en el conteo de alevines y sus consecuentes pérdidas económicas.
El presente trabajo de investigación se enfoca directamente en la etapa post producción de
alevines que se hace referencia líneas arriba, y tiene como objetivo elaborar una tabla estándar
para estimar la masa de un millar de peces para diferentes tallas en la etapa de alevinaje. Esta
investigación, a través del uso de la tabla estándar, deja de lado la metodología tradicional
que consistía en el conteo manual de los alevines y contribuye con nuevas tecnologías para la
medición de peces, a través del procesamiento de imágenes digitales mediante un software.
En el capítulo I se refiere al objeto de la investigación. Se plantea el problema y sus variables,
se expresan los objetivos, se justifica la importancia de la presente investigación en la
acuicultura, así como sus alcances y limitaciones.
En el capítulo II se refiere al marco teórico, donde se han citado y explicado teorías que
respaldan el uso de las mismas en la presente investigación.
El capítulo III, describe el desarrollo de la investigación, así como la metodología utilizada, el
uso de software y el procesamiento de los datos de campo.
En el capítulo IV se presentan los resultados obtenidos en el campo y en el gabinete.
Finalmente en el capítulo V, a través de las discusiones se hace un análisis de los resultados
obtenidos, no se discute con otros autores porque no se han encontrado antecedentes de
esta naturaleza.

TABLA ESTÁNDAR PARA ESTIMAR LA MASA DE UN MILLAR DE ALEVINES DE GAMITANA
Colossoma macropomum (CUVIER, 1818) EN RELACIÓN A SU LONGITUD PROMEDIO

1

I.

OBJETO DE LA
INVESTIGACIÓN

1.1. Antecedentes
La práctica de la piscicultura con especies nativas se inició en la década de 1970,
experimentando con gamitana Colossoma macropomum y paco Piaractus brachypomus,
en el criadero de Quistococha (Maynas), y desde ahí se distribuyeron alevines de
éstas y otras especies a los reservorios de San Lorenzo (Piura) al IVITA (Pucallpa) y
a la Estación Pesquera de San Martín, así como a numerosos piscicultores de toda la
Amazonía peruana (IIAP 2006).
,
Son muchos los estudios que se han realizado en gamitana que han proporcionado
importantes aportes científicos sobre esta especie, tales como las características
biológicas, de reproducción, alimentación, crecimiento; también se ha trabajado
ampliamente en piscicultura, en la tecnificación de su cultivo en estanques y, en algunos
casos, en jaulas flotantes.
A lo largo de la vida del pez, la masa corporal varía como una potencia de la longitud
(relación alométrica). Así es posible establecer la relación a través de la ecuación
de la curva W = aLb; donde W es la masa total en gramos, y L la longitud total en
centímetros, mientras que a y b son constantes, debido a que la talla es una magnitud
lineal y la masa proporcional al cubo de la talla, si el pez al crecer mantiene la forma,
se dice que el crecimiento es isométrico y b es muy cerca o igual a 3. (Granado,1996)


2

Para la obtención de estas relaciones se necesita efectuar los muestreos mecánicos
actualmente utilizados, que pueden generar pérdidas de ejemplares por el manipuleo,
de ahí que nace la necesidad de crear una tabla estándar, similar a las que actualmente
se vienen utilizando en la industria de los salmónidos, para la estimación del número
de alevines, relacionando su longitud total y su masa.
1.2. Planteamiento del problema
La acuicultura en la Amazonía peruana ha tenido un enorme crecimiento en los últimos
años, esto se debe fundamentalmente a los grandes avances en la producción de alevines
en condiciones controladas (Reyes, 1998 citado por Deza & cols 2002). La producción
de estos alevines es una práctica dominada por las instituciones especializadas en
acuicultura amazónica. El Instituto de Investigaciones de la Amazonía Peruana (IIAP)
que promueve el desarrollo de la acuicultura amazónica (IIAP 2000), efectivamente
,
viene produciendo alevines desde 1985 hasta la fecha, los mismos que son abastecidos
a diferentes lugares para su cultivo. A pesar que ya se domina este procedimiento, aún
existen algunas falencias en la etapa post producción, específicamente en la distribución
y despacho de dichos individuos, puesto que hasta la fecha la cuantificación de dichos
alevines se hace de forma individual y manual. Este tipo de manipuleo genera muchos
problemas que a continuación se detallan:
Una elevada intervención de la mano de obra para llevar a cabo este procedimiento,
ya que los alevines son contados uno por uno.
Excesivo tiempo de espera de los compradores en el proceso de despacho de los
alevines.
Posible estrés hacia los alevines por el manipuleo.
Generación de daños mecánicos que producen laceraciones en el cuerpo de los
alevines, dejándolos propensos a contraer enfermedades.
Generación de error en el conteo de los alevines en perjuicio de la institución o
comprador.
Generación de pérdidas económicas a la institución o comprador, lo que alteraría
el stock de peces de la Institución o comprador.
Es por ello que se propone trabajar con una nueva metodología, creando una
tabla estándar para la cuantificación de alevines, relacionando variables de longitud
promedio y masa promedio de dichos alevines.
¿Cuál es el efecto del uso de la tabla estándar frente al conteo manual para estimar la
masa de un millar de alevines a una determinada longitud promedio en el proceso de
repartición?


3

1.3. Objetivos
1.3.1. General
Elaborar una tabla estándar para estimar la masa de un millar de alevines de
gamitana para diferentes tallas en la etapa de alevinaje.
1.3.2. Específicos
Reducir el tiempo de la mano de obra requeridas para el proceso de
repartición de alevines.
Reducir el tiempo de espera de los compradores en el despacho de los
alevines.
Reducir el posible estrés de los alevines producido en el manipuleo.
Reducción de los daños mecánicos de los alevines en el conteo.
Reducción del porcentaje de error en el conteo de alevines.
Evitar posibles pérdidas económicas por error en el número de alevines
distribuidos.

1.4. Justificación e importancia
El trabajo de investigación resulta importante porque la metodología propuesta del
uso de la tabla estándar reducirá considerablemente el manipuleo, lo que conllevará
a una reducción del tiempo de uso de la mano de obra del personal, también se
reducirá el posible estrés y las posibles laceraciones en el cuerpo de los alevines
generado en el proceso de repartición, que, a posteriori, podría afectar el desarrollo
normal del crecimiento de los individuos. Con el uso de esta tabla se tendrá una mejor
estimación del número de alevines, en comparación al conteo manual, por ser una
actividad realizada por operarios con diferentes técnicas y sumado a ello distracciones
que conllevarían a confusión en el conteo, podrían resultar con altos porcentajes de
error. Finalmente, debido a estos errores humanos que son comunes en el conteo,
se producirán pérdidas económicas, afectando el stock de la Institución y la inversión
del comprador.


4

1.5. Alcances y limitaciones
Los resultados y conclusiones de esta investigación tienen validez y pueden
generalizarse a la población conformada por los alevines de la especie gamitana
Colossoma macropomum que han sido criados en la Amazonía.
La tabla estándar sólo tiene una cobertura para la especie gamitana Colossoma
macropomum en etapa de alevinaje, que en la presente investigación se ha considerado
una talla de (2,5 – 5,6) cm.
1.6. Definición de variables
1.6.1. Variable independiente x: Longitud total promedio de una muestra de
alevines de gamitana Colossoma macropomum.
1.6.2. Variable dependiente y: masa estándar obtenida de una tabla estándar para
alevines de gamitana Colossoma macropomum.


5

II.

MARCO
TEÓRICO

2.1. Muestreo
En principio, hay dos métodos de recopilación de datos: enumeración completa y
muestreo. Una encuesta marco o censo de pesquería se lleva a cabo por lo general por
medio de una enumeración completa. Para estimar el total de captura anual, el ideal
sería una enumeración completa. Sin embargo, este método sobrepasa en general el
presupuesto de la mayor parte de los centros de investigación sobre pesquerías. Por
ello, se requiere un sistema adecuado de muestreo para obtener datos representativos
que puedan ser extrapolados a toda la pesquería.
El diseño de muestreo permite estimar estadísticas descriptivas, tales como media,
varianza y distribuciones de frecuencia, sin supuestos sobre la población. Estas
estadísticas están diseñadas sin sesgo, es decir, se confía en que estén en torno al valor
auténtico que se obtendría con muestreo repetido en virtud del diseño de muestreo
probabilista. El muestreo basado en un modelo, por otra parte, permite ajustar el
modelo sin supuestos sobre el muestreo. Los parámetros estimados son insesgados
según el modelo, es decir, no tienen sesgo si el modelo es cierto y completo.
En la práctica, ambas teorías requieren compromisos, ya que el muestreo probabilístico
pocas veces resulta el ideal y nunca se confía plenamente en un modelo. Cochran(1977)


6

Métodos de muestreo: En ciencias biológicas, la mayor parte de las investigaciones
son cuantitativas, con observaciones de hechos numéricos llamados datos. Las
entidades biológicas son contadas o medidas y es evidente que debe existir algún
método objetivo para tomar, presentar y analizar estos datos. Una distinción importante
es la que se puede hacer entre observaciones y experimentos. Las observaciones
son datos obtenidos sin haber manipulado el sistema y son utilizadas para describir
regularidades u ordenamientos biológicos (patrones). Los datos experimentales en
cambio son datos obtenidos a partir de manipulaciones de las variables que se piensa
pueden estar determinando cierto patrón. Los mismos análisis estadísticos pueden
realizarse a partir de observaciones o experimentos. Sin embargo, los procesos que
determinan los patrones biológicos observados sólo pueden ser explicados mediante
un experimento bien diseñado. En cambio, resultados similares obtenidos a partir
de observaciones pueden ser causados por el efecto de cierta variable desconocida
o no detectada. Esto sugiere que el conocimiento del mundo debería estar basado
solamente en experimentos, sin embargo esto no es enteramente posible y hay ciertas
preguntas para las cuales no es posible diseñar un experimento, pero se pueden
realizar observaciones dirigidas que sirvan para contestarlas. Underwood (1997). Una
de las formas de tomar muestras de peces de un estanque es usando redes barrederas
pequeñas especialmente construidas, con una longitud de 2 a 8 m y entre 1 a 2 m de
profundidad, pueden ser particularmente eficacespara tomar muestras de pequeños
peces en los ríos. Dos personas pueden manipularlas aunque un solo operador también
puede usar algunas microredes barrederas.
T
amaño de muestra: Bejarano & cols (2006), Webster (1996), Montgomery & Runger (1996).
El tamaño de muestra depende del parámetro que deseamos estimar, es decir
podemos estar interesados en conocer un media aritmética poblacional (µ), una
proporción poblacional (P), diferencias de medias (µ1 - µ2) o una diferencia de
proporciones (P1- P2). Para cada uno de estos casos existe una determinada fórmula.
Para fines del presente trabajo de investigación, nos enfocaremos exclusivamente en
conocer la media aritmética poblacional (µ).
Tamaño de muestra para estimar µ:

n=

2
Z α .s2 .N
2

2
(N-1).E2+ Z α .σ 2

Ecuación 1.
Tamaño de muestra.

2


7

Donde:

Zα
2

, es el coeficiente de confianza cuyo valor depende del nivel de confianza que
se prestablece. Es decir, para un nivel de confianza del 99 % le corresponde

Z α = 2,58.
2

s2 es la varianza de la característica que se está estudiando. Nos indica que a
mayor variabilidad en la población, le corresponde mayor tamaño en la muestra y
a menor variabilidad en la población le corresponde un menor tamaño de muestra.

E, es el error máximo permisible que estamos dispuestos a cometer para estimar
µ para un determinado nivel de confianza establecido

N, Tamaño de muestra de la población.
Para calcular el tamaño de muestra para estimar una media se necesita conocer la
varianza s2 de la población objetivo, para lo cual se tiene en cuenta las siguientes
recomendaciones:
Recurrir a estudios similares al que se quiere estudiar y de ahí obtener el valor que
corresponde a la varianza.
Realizar un estudio piloto y estimar el valor que le corresponde a σ 2 (lo que finalmente
se hizo en la presente investigación).
Coeficiente de variación (CV): Bejarano & cols. (2006), Webster (2006).
Una aplicación importante de la desviación típica es servir de medida de la dispersión,
pero hay ciertas limitaciones. Si se consideran dos o más distribuciones con medias
bastantes diferentes o que se midan en unidades distintas será peligroso extraer
conclusiones sobre la dispersión a partir del único valor típico de la desviación típica. A
menudo será necesario recurrir al coeficiente de variación (CV) que sirve como medida
relativa de la dispersión. El coeficiente de variación mide el grado de dispersión de
un conjunto de datos en relación con su media. Para calcularlo se divide la desviación
típica de una distribución por su media y el resultado se multiplica por 100.
Para cuantificar la precisión relativa de una estimación de la media poblacional se
determina el coeficiente de variación de la media muestral utilizando la siguiente fórmula:

CV = s (100)
X

Ecuación 2.
Coeficiente de Variación (CV).


8

2.2. Estadística inferencial
Las poblaciones suelen ser demasiado grandes para estudiarlas en su totalidad. Es
necesario elegir una muestra representativa que tenga un tamaño más manejable.
La muestra se utiliza entonces para conclusiones de la población que nos interesa.
Por ejemplo, podemos calcular la media aritmética de la muestra, el estadístico X, y
estimarlo como estimación de la media aritmética de la población µ. Webster (1996)
Distribuciones muestrales: Si ponemos como ejemplo el estudio de un estanque
de peces con N = 3 000 individuos, en la cual queremos tomar una muestra de
n = 1 000. A partir de esta muestra podríamos calcular la media X correspondiente
a los 1 000 individuos. Esta media muestral nos servirá después como estimación de
µ, media aritmética de la población N.
El error muestral: La diferencia entre el parámetro de la población (media aritmética
µ de los 3 000 peces) y el estadístico de la muestra X utilizado para estimar el parámetro
de la población (1 000 peces) se denomina error muestral. Es evidente que nunca
podremos calcular el tamaño del error muestral, puesto que la media poblacional es
desconocida. Debemos de ser conscientes de la probabilidad de incurrir en un cierto
error muestral.
El error típico de la distribución muestral: La distribución muestral de las
medias muestrales tiene también una varianza (σ2). Esta varianza de la distribución
de todas las medias muestrales es como cualquier otra varianza. Mide la dispersión
de las observaciones individuales (medias muestrales) en torno a su media µ (media
general). Por lo tanto mide la tendencia a incurrir en error de muestreo en el intento
de estimar el parámetro. Además esta varianza como cualquier otra varianza, es la
media aritmética de las desviaciones respecto de la media elevadas al cuadrado.
Normalidad: Si los datos de una población siguen una distribución normal, la
distribución muestral de las medias muestrales también será normal.
Efecto del tamaño de la muestra sobre el error típico: De la población de N = 3 000
peces, es indudable que con una muestra mayor tienda a dar un error más pequeño.
El simple cálculo aritmético nos dice que si n aumenta, σ deberá disminuir.
Teorema central del límite: Como se ha visto anteriormente, una distribución
de medias muestrales sigue una distribución normal. Entonces deberemos recurrir
al teorema central del límite. Esta proposición esencial afirma que para cualquier
población, sea normal o no, la distribución normal se aproximará a la normalidad con
tal que el tamaño de la muestra sea grande.


9

Aunque la población no responda a una distribución normal o no conozcamos su
distribución, el teorema central del límite nos permite deducir que la distribución
muestra seguirá una distribución normal si el tamaño de la muestra es suficiente.
En general se acepta que si el tamaño de la muestra es n = 30 como mínimo, es
lo bastante grande para concluir que el teorema central del límite garantizará una
distribución normal en el proceso de muestreo, con independencia de la distribución
de la población original.
2.3. Contraste de hipótesis
Bejarano & cols (2006) señalan que el propósito de la prueba de hipótesis es ayudar al
investigador a tomar decisiones referentes a una población considerando la información
de una muestra de dicha población, de forma similar Petri & Watson (2006), afirman
que la prueba de hipótesis es un proceso que consiste en hacer inferencias acerca de
una población usando la información obtenida de una muestra, sin embargo se tiene
que reconocer que es imposible estar absolutamente seguros que esas inferencias
acerca de la población son correctas y ponen como ejemplo lo siguiente: “Una
muestra seleccionada al azar es poco probable que sea exactamente igual a una
segunda muestra al azar, probablemente en ninguno de estos casos, el estadístico
determinado, no será igual al parámetro de la población que es la estimación de la que
estamos probando una hipótesis”.
El presente trabajo de investigación no es ajeno a la estadística y se apoya en la
estadística inferencial para determinar una suposición de un determinado parámetro
de la población, esta inferencia será nuestra hipótesis. La hipótesis que contrastaremos
se llama hipótesis nula (H0 ), esta hipótesis se contrastará con la hipótesis alternativa
(Ha ). Después, a partir de los resultados de nuestra muestra (estadísticos), podremos
rechazar la hipótesis nula en favor a la hipótesis alternativa o bien no rechazaremos
nuestra hipótesis nula y suponemos que nuestra inferencia o suposición inicial acerca
del parámetro poblacional es correcta.
Webster (1996) afirma que la hipótesis estadística es una afirmación de lo que creemos
sobre una población. Por lo general esta hipótesis se refiere a los parámetros de la
población acerca de los cuales se quiere hacer la afirmación.
El hecho de no rechazar la hipótesis nula no implica que ésta sea cierta, significa
simplemente que los datos de la muestra son insuficientes para inducir un rechazo de
la hipótesis nula.


10

Nivel de significación,Webster (1996) señala que cada hipótesis se contrasta a un
nivel de significación elegido. En paralelo a los intervalos de confianza, los niveles de
significación corrientes denominados valores de α (valores de alfa), son (1, 5, 10) %,
sin embargo se pueden elegir otros valores de α que satisfagan las necesidades del
investigador. Cuando decidimos sobre el rechazo de una hipótesis podemos cometer
dos tipos de equivocaciones. Será un error del tipo I si rechazamos la hipótesis nula
que es verdadera. Se verá después en este mismo capítulo que el nivel de significación
o valor de α utilizado para la prueba es la probabilidad de cometer un error del tipo I.
Por otra parte, podríamos dejar de rechazar una hipótesis nula que es falsa, la que se
denomina error del tipo II, la probabilidad de cometer un error del tipo II se llama β.
2.4. Prueba “t” para dos muestras independientes
La prueba “t” para dos muestras independientes, se utiliza por ejemplo, si deseamos
determinar si existe alguna diferencia al momento de comparar las masas medias de
dos grupos de alevines a una determinada longitud, luego trabajaremos con la muestra
de dicha población de alevines para determinar si la hipótesis es correcta. Esta
prueba es una de las más frecuentemente utilizadas, sin embargo se corre el riesgo
de utilizarla inadecuadamente cuando no se tienen claros los supuestos en las cuales
esta prueba es válida. Esta prueba es usada para comparar las medias de dos grupos
independientes de observaciones usando muestras representativas de una población.
Petri & Watson (2006), indican que la validez de la prueba “t” para dos muestras
independientes depende de varios supuestos que deben ser cumplidos:
Las dos muestras deben ser independientes y representativas de la población de
interés (idealmente siendo elegida al azar) para eliminar toda forma de asignaciones
parciales en una experimentación en estudio, debemos asignar al azar cada animal
para uno de los grupos.
Además, la variable de interés deberá tener aproximadamente una distribución
normal (campana de Gauss) en cada población de las muestras tomadas. Una
pequeña desviación de la normalidad de la muestra no es crucial.
Adicionalmente, la variabilidad de las observaciones en cada grupo, como medida
por las dos varianzas (homocedasticidad). Este supuesto es importante, podemos
verificar esto por la prueba de Levene (prueba F).


11

2.5. Software Imagej
El software ImageJ es una aplicación del software de Java para procesamiento y análisis
de imágenes, fue desarrollado por Wayne Rasband en los Institutos Nacionales de
Salud de Estados Unidos, Bourne (2010).
Cristobal & cols. (2011) afirman que este software es útil para una amplia gama de
aplicaciones de imágenes en las ciencias biomédicas, que es un recurso clave en los
laboratorios y se utiliza en todo el mundo en procesamiento de imágenes médicas,
sobre todo en la investigación.
Así mismo, Eichinger & Rivero (2006), señalan que existen muchos paquetes de
software disponibles con las que se analizan y procesan imágenes, sin embargo el
software ImageJ es de libre descarga y puede ser suficiente para muchos propósitos.
Nejat (2012) explica por qué se debe usar este software en el cálculo de la longitud
y número de neuritas (prolongaciones que tiene una neurona), el número promedio
de las neuritas por célula, pueden ser contados manualmente de manera muy fácil;
sin embargo, la determinación de la longitud media de estas neuritas requiere del
software ImageJ.
2.6. Hipótesis:
2.6.1. Hipótesis general: La elaboración de una tabla como estándar para estimar
la masa de un millar de alevines de gamitana, disminuye el error de estimación.
2.6.2. Hipótesis específica: La elaboración de una tabla como estándar para
estimar la masa de un millar de alevines de gamitana disminuye el tiempo para
el proceso de repartición, tiempo de espera de los compradores, laceraciones
en el cuerpo de los alevines, el porcentaje de error en el conteo y facilitará el
manejo para su comercialización.


12

III.

MÉTODO
3.1. Ámbito temporal y espacial del estudio:

El trabajo de investigación se llevó a cabo en las instalaciones del Centro de
Investigaciones de Quistococha, perteneciente al Instituto de Investigaciones de
la Amazonía Peruana (IIAP), en el marco del Programa de Investigación para
el Uso y Conservación del Agua y sus Recursos (AQUAREC), ubicado en
el kilómetro 4,5 de la Carrera Iquitos – Nauta, Centro Poblado de Quistococha,
Distrito de San Juan, Provincia de Maynas, Región Loreto. Este trabajo de
investigación se dio inicio con un estudio preliminar que empezó el 5 de febrero
del 2012 y terminó el día 13 de marzo del 2012. El estudio definitivo empezó el
día domingo 25 de marzo del 2012 y finalizó el 21 de mayo del 2012.


13

Figura 1. Vista Satelital del Centro de Investigaciones de Quistococha – IIAP
.
Con fines de mejor ubicación se hizo un contraste de imagen, el área a color pertenece al CIQ – IIAP el área a blanco y
,
negro corresponde a terceros. En la figura inferior se muestran los laboratorios de reproducción de peces amazónicos.

3.2. Tipo de investigación
Cuantitativa.
3.3. Diseño de investigación:
3.3.1. Validación estadística: Prueba “t” de Student para dos muestras independientes.
3.3.2. Validación experimental: Validación de la ecuación y del coeficiente de
variación (CV).


14

Validación estadística

Validación experimental

Prueba “t” para

Validación de la ecucación.

comparar las masas

Validación del coeficiente

medias de dos grupos

de variación (CV).

de alevines.
Figura 2. Diseño de investigación.

3.4. Estrategia de prueba de hipótesis
3.4.1. Prueba “t” de Student para dos muestras independientes

Comparar si existen diferencias significativas entre las masas medias de dos
grupos de alevines. Grupo 1: La masa del millar de alevines frente al Grupo 2: La
masa proyectada a mil alevines en base a la masa individual promedio.

3.4.2. Coeficiente de variación

Comparar los coeficientes de variación entre el estudio preliminar y el estudio
definitivo.

Prueba “t”

Coeficiente de variación (CV)

Comparar las masas

Comparar resultados

medias del grupo 1 y

de estudio preliminar

grupo 2.

con estudios
definitivo.
Figura 3. Estrategia de prueba de hipótesis.


15

3.5. Marco de muestreo
Doce mil alevines distribuidos en cuatro estanques de tierra con dimensiones de
(10 x 5 x 1) m de largo, ancho y tirante respectivamente.
3.6. Unidad experimental:
Las unidades experimentales consistieron en cuatro estanques de tierra con
dimensiones de (10 x 5 x 1) m de largo, ancho y tirante respectivamente.

a

b

c

Figura 4. Unidades experimentales. (a). Vista de las unidades experimentales I, II, III y IV. (b). Vista de las unidades
experimentales II y III. (c). Cartel de la unidad experimental I. Ver la preparación de los estanque en el Anexo 2.

3.7. Unidad de análisis
La unidad analizada fue la masa (sin agua) de mil alevines de gamitana además de
la masa (sin agua) individual y longitud total individual de una muestra de alevines.


16

3.8. Método experimental de muestreo:
3.8.1. Etapa I: Estudio preliminar
3.8.2. Etapa II: Estudio definitivo
3.8.3. Etapa III: Procesamiento y análisis de datos de las evaluaciones
3.8.4. Etapa IV: Validaciones
3.9. Variables de investigación
3.9.1. Variable y: Masa promedio de un millar de alevines de gamitana.
3.9.2. Variable x: Longitud total individual promedio de una muestra de sesenta
alevines.
3.9.3. Variación de la estimación a través del coeficiente de variación (CV) del estudio
preliminar y estudio definitivo.
3.10. Población (N)
La población total (N) fue de 12 000 alevines distribuidos en cuatro estanques de
tierra, correspondiendo una cantidad de N’ = 3 000 alevines a cada uno de ellos.
3.11. Muestra: Por unidad experimental (estanque)
3.11.1. N’: 3 000 post larvas sembrados por estanque.
3.11.2. n’: 1 000 alevines de extraídos al azar de N’, para determinar la masa promedio
de un millar de alevines.
3.11.3. n’’: 60 alevines extraídos al azar de N’, para determinar la longitud total
promedio de los alevines, ver tabla 12.


17

3.12. Técnicas de investigación
3.12.1.
Instrumentos de recolección de datos: Descripción de materiales,
equipos y software:
3.12.1.1. Materiales
En la figura 5 se indica en forma gráfica, los siguientes materiales:
a. Pipetas Pasteur de plástico (3 ml), para retirar las impurezas de los
envases donde se encontraba el pez al momento del registro fotográfico.
b. Placas Petri, como recipiente individual (sólo hasta la tercera evaluación,
ya que hasta ese momento, su talla lo permitía) de los peces al momento
del registro fotográfico.
c. Envases rectangulares de pet (politereftalato de etileno) de 400 ml
de capacidad, como recipiente individual (de la cuarta evaluación en
adelante) de los peces al momento del registro fotográfico.
d. Envases rectangulares de tecnopor (poliestireno expandido) de
300 ml de capacidad, como recipiente de apoyo para colocar la fauna
acompañante y otras impurezas.
e. Cubetas de (10, 20, 60) L de capacidad, como reserva de agua en
el momento de la biometría, la cubeta de 60 L sirvió como depósito de
alevines durante la recolección, conteo dentro y fuera del estanque.
f. Cucharas de plástico, como herramienta de transporte en el manipuleo
de los alevines durante la biometría.
g. Mallas de acuario (redes, “jamos”), como herramienta de manipuleo
de los alevines durante la biometría.
h. Malla rectangular de 1 m x 3 m (para alevines), como herramienta
de pesca de los alevines en el estanque.
i. Regla metálica milimetrada de 100 mm, como patrón de medida
durante el registro fotográfico.
j. Caja de cartón, como protector contra el aire al momento de utilizar la
balanza en la medición de la masa individual de los alevines.
k. Alimento: (harina de pescado + harina de soya + polvillo de
arroz).
l. Material biológico: Doce millares de post larvas de gamitana de 10 días
de edad.


18

Figura 5. Materiales utilizados durante todos los muestreos.

3.12.1.2. Equipos
En la figura 6 se indican en forma gráfica, los siguientes materiales:
a. Balanza digital KINLEE (EKA08S) de 5 000 g (a razón de 1 g), para la
medición conjunta del millar de alevines.
b. Balanza digital CAMRY (EHA701) de 200 g (a razón de 0,02 g), para la
medición individual de los alevines.
c. Oxímetro YSI 55 DISSOLVED OXYGEN [sensibilidad: +/- 0,1mg/l; rango:
(0,00 – 10) mg/], para el monitoreo del oxígeno disuelto de las unidades
experimentales.
d. Potenciómetro WTW (pH: sensibilidad: +/- 0,004; rango: 0,000 - 14,000.
Temperatura: sensibilidad: +/- 0,2 °C; rango (0,0 – 60) °C, para el
monitoreo del pH y temperatura de las unidades experimentales.
e. Cámara digital Panasonic DMC-ZS10, como herramienta de captura de
imágenes digitales.
f. Computadora portátil Toshiba/Satelite C845D - SP4216SL, para el uso de
los software.


19

Figura 6. Equipos utilizados durante todos los muestreos.

3.12.1.3. Software
En la figura 7 se indican en forma gráfica, los siguientes materiales:
a. ImageJ 1.46, software utilizado para la medición digital de la longitud
total de los alevines.
b. Statistical Package for the Social Sciences (SPSS) version 18,
paquete estadístico.

a

b

Figura 7. Software utilizados durante el procesamiento de datos. (a). Software ImageJ.
(b). Paquete estadístico SPSS 18.


20

3.12.2. Procedimiento
Etapa I: Descripción del estudio preliminar
El trabajo de investigación se inició con un estudio preliminar que empezó el
5 de febrero del 2012 y terminó el día 13 de marzo del 2012.
Dicho estudio tuvo como finalidad de evaluar el comportamiento de las
variables consideradas para el análisis y un posible ajuste u optimización en la
metodología propuesta en el perfil de tesis. Este estudio consistió en evaluar las
variables de masa y longitud de alevines a partir de post larvas (diez días de edad)
que fueron sembrados en un estanque grande de tierra con dimensiones de
50 x 20 x 1,5 m de largo, ancho y tirante respectivamente, a una densidad de
60 post larvas/m2 y bajo las mismas condiciones en las que normalmente son
cultivados. Para las evaluaciones se hicieron muestreos luego de la siembra, desde
los días 20 hasta el día 47 de edad, con una frecuencia de 9 días. Cada muestreo
consistió en la medición de la masa conjunta (sin agua) de mil alevines, seguido
de la medición de la longitud de cada ejemplar de una pequeña muestra al
azar (> 30) del estanque. De esta manera se hicieron cuatro muestreos, a los
(20, 29, 38, 47) días de edad, los resultados fueron plasmados en una curva
potencial: masa (y) - longitud (x), obteniéndose la ecuación y = 45,814 x2,5519,
con una correlación r2 = 0,9871. Luego de la obtención de la curva se realizó la
comprobación de la ecuación, se midió la longitud total de una pequeña muestra
(> 30) de alevines del estanque y el valor promedio (x = x1 cm) se remplazó en
la variable x de la ecuación obteniendo un resultado y = y1 g, masa en la cual se
esperaba tener una cantidad cercana al millar, sin embargo al hacer el conteo, se
obtuvieron resultados bastante alejados, por debajo y por encima del millar. Cabe
mencionar que en las dos últimas evaluaciones, luego del muestreo de rutina se
hicieron dos muestreos adicionales, en las que se encontraron valores de masa
del millar de alevines considerablemente alejados del primer valor que se halló.
Etapa II: Descripción del estudio definitivo
El estudio definitivo empezó el día domingo 25 de marzo del 2012 y finalizó el 21
de mayo del 2012.
Luego de analizar los resultados en la parte preliminar se ajustó la metodología,
primero se propuso trabajar en cuatro estanques pequeños, con dimensiones
de 10 x 5 x 1 m de largo, ancho y tirante respectivamente a una densidad de 60
post larvas/m2 y bajo las mismas condiciones normales de cultivo, con la finalidad
de obtener un promedio de masas promedios por millar de alevines por cada
evaluación. El segundo ajuste consistió en trabajar con una pequeña muestra de
alevines (n’’) al que, además de medirle su longitud individual, se le midió su


21

masa individual (sin agua), esto con la finalidad de validar estadísticamente los
resultados de la masa promedio del millar de alevines por cada evaluación. Para
esta validación se utilizó la prueba “t” de Student para muestras independientes,
contrastando dos grupos: el grupo 1 (masa promedio del millar de alevines)
frente al grupo 2 (masa proyectada para mil alevines en base a la masa individual
promedio). Luego de esta validación, las variables de masa promedio del millar de
alevines y la longitud total promedio por cada evaluación fueron plasmadas en una
ecuación, esta ecuación también tuvo que ser validada, pero experimentalmente.
Finalmente se propuso hacer las mediciones con el software ImageJ con la
finalidad de evitar el posible estrés por manipuleo a los alevines.
Así se dio inicio a la segunda y definitiva experimentación. Se sembraron 3 000
post larvas de gamitana de diez días de edad en cada una de las cuatro unidades
experimentales, en adelante estanques.

a

b

c

d

e

f

Figura 8. Procedimiento para la siembra de post larvas. (a). Equipos de medición de pH y oxígeno disuelto, ver Anexo 3.
(b). Evaluación previa de las condiciones físico químicas del estanque. Ver resultados de la medición de los parámetros en Anexo 2.
(c). Post larvas de alevines contadas en el “Laboratorio de reproducción de peces amazónicos” distribuidas en cinco baldes con
aireadores, listas para la siembra. (d), (e), (f). Colocar el balde sobre la superficie del agua del estanque y tomar un volumen del
estanque aproximado a la tercera parte del volumen del balde. Luego de quince minutos repetir la misma acción, pero tomando un
volumen aproximadamente a las dos terceras partes del balde, esperar diez minutos y verter las post larvas hacia el estanque.


22

Durante el periodo de siembra, hasta la fecha de la primera evaluación,
día doce, se fueron observando las condiciones de funcionamiento de los
estanques, resultando que, de los cuatro estanques que se consideraron para
las evaluaciones, tres permanecieron en óptimas condiciones durante ese
periodo, pero uno de ellos tuvo drenaje de agua por debilitamiento de uno
de sus diques, por lo que se decidió prescindir de aquel para las evaluaciones,
sin embargo se les siguió suministrando alimento a las post larvas durante
el mismo tiempo y horario que lo demás estanques operativos. Este último
estanque (estanque IV) fue usado en la validación de la ecuación, ver tabla 48 y 49.

a

b

c

Figura 9. Condiciones del estanque con dique debilitado. (a). En el área delimitada por el círculo se observa el dique
debilitado. (b). Vista lateral interna del estanque que muestra la erosión del dique. (c). Vista superior del dique debilitado.

Por lo tanto, se hicieron evaluaciones en tres estanques pequeños. Para
fines prácticos, los estanques fueron nombrados con números romanos
consecutivos I - II - III.
El alimento se le suministró diariamente (anexo 4), aproximadamente a las
siete horas, a excepción de los días de evaluación en el que se suspendió la
alimentación hasta el siguiente día. La alimentación se dio a una tasa del 5 %
de su biomasa.
Los estanques tuvieron entrada y salida de agua, con un caudal promedio de
0,1 litros/segundo.
Las evaluaciones empezaron el día doce luego de la siembra, con una
frecuencia de seis días hasta llegar a la octava evaluación, día 54.


23

1. Procedimiento de recolección de datos
Las evaluaciones consistieron en muestreos y cada muestreo consistió
en la medición de la masa conjunta (sin agua) de mil alevines de cada
estanque (masa millar), seguido de la medición de la masa individual (sin
agua) y longitud individual de una pequeña muestra (n’’), esta muestra fue
determinada estadísticamente (tabla 11) en función a la totalidad de post
larvas (3 000) sembradas en cada estanque, sin embargo se consideró
una muestra de 60 alevines para todos los muestreos a fin de disminuir el
error estadístico.
En síntesis se hicieron ocho evaluaciones, a los (12, 18, 24, 30, 36, 42,
48 y 54) días de sembrados, que incluyeron un total de 24 muestreos, tal
como se muestra en la tabla 1.
Tabla 1. Actividades realizadas en cada evaluación para el control de variables

Evaluación
N°

Número de
muestreos

Días de
sembrados

Edad del alevín
(días)

1

2012 Abril 06

3

12

22

2

2012 Abril 12

3

18

28

3

2012 Abril 18

3

24

34

4

2012 Abril 24

3

30

40

5

2012 Abril 30

3

36

46

6

2012 Mayo 06

3

42

52

7

2012 Mayo 12

3

48

58

8
Total

Fecha
(aa mm dd)

2012 Mayo 18

3

54

64

8

24


24

1.1. Obtención de la masa
La medición en masa, se hizo en forma conjunta e individual, para
el primer caso se utilizó una balanza digital de 5 000 g y para el
segundo caso se utilizó una balanza digital 200 g.
1.1.1. Medición de la masa conjunta de un millar de alevines por
estanque.
Se extrajeron los alevines del estanque.
Se hizo el conteo de mil alevines.
Se midió la masa (sin agua) de los mil alevines.
Se hizo el registro.

a

b

d

e

c

f

Figura 10. Procedimientos para la medición de la masa conjunta de un millar de alevines. La presente
secuencia de fotos pertenece a la séptima (penúltima) evaluación. (a). Se extrajo una muestra > 1 000 de alevines de
cada estanque. (b). Se retiró la maleza y fauna acompañante (renacuajos, odonatos, etc.). (c). Se contaron mil alevines
y se separaron en otro recipiente. Los alevines sobrantes fueron devueltos a su estanque de origen. (d)., (e)., (f). Con la
ayuda de una malla de acuario (“jamo”), se retiró el agua.


25

g

h
i

(g). Rápidamente se midió la masa conjunta de los alevines. (h). Vista superior de los alevines, masa conjunta, luego de
la lectura, inmediatamente se le suministró agua. (i). Se registró la masa del millar de alevines para cada una de las
unidades experimentales.

1.1.2. Medición de la masa individual de una muestra de los
alevines por estanque.
Se extrajo una muestra al azar de sesenta alevines.
Se midió la masa individual (sin agua) de cada individuo
con su respectiva medición de longitud.
Se hizo el registro.

a

b

c

Figura 11. Procedimientos para la medición de la masa individual de alevines. La presente secuencia de fotos pertenece
a la primera evaluación. (a). Luego de la medición de la masa del millar de alevines (figura 10), se extrajo un muestra (de 60
alevines del mismo estanque. (b). Con la ayuda de una malla de acuario y una cuchara de plástico se transportó un (1) ejemplar
hacia la balanza previamente tarada que contenía una placa Petri con agua para recepcionar la muestra. (c). La balanza siempre
estuvo dentro de una caja de cartón, para evitar que la masa del aire altere la masa del individuo. Luego de la lectura, el ejemplar
fue separado individualmente en una placa Petri o en un recipiente más grande (500 ml), dependiendo su tamaño.


26

1.2. Obtención de la longitud individual
Tanto la medición de la masa individual y longitud individual fueron
procedimientos que se complementaron, ya que al individuo que
se le midió su masa tuvo que ser el mismo al que se le midió
su longitud. Conforme se fue midiendo su masa se colocó a
cada individuo en recipientes individuales, estos recipientes se
agruparon de cinco en cinco. Cada grupo (de cinco recipientes)
se colocó sobre una mesa con fondo blanco y con un patrón
de medición, una regla de 100 mm, todo esto con la finalidad
de hacer una toma fotográfica de cada grupo. Debido a que se
evaluaron a sesenta alevines, se obtuvieron doce fotografías
digitales para su procesamiento.
La medición de la longitud se hizo procesando fotografías digitales
con el software ImageJ 1.46.
1.2.1. Disposición de los alevines para el registro fotográfico
La secuencia fue la siguiente: primer grupo de alevines
en recipientes individuales (1 – 5) + regla + fotografía
(figura 12.a), segundo grupo de alevines (6 – 10) + regla
+ fotografía (figura 12.b); así hasta completar los doce
grupos, o sea se evaluaron un total de sesenta alevines
por cada estanque.
Sólo se utilizaron cinco recipientes ya que, luego de cada
toma fotográfica, los alevines evaluados fueron extraídos
de los mismos y repuestos con otros cinco.


27

a

b

c

d

e

f

Figura 12. Disposición del material biológico para el registro fotográfico. La presente secuencia de fotos pertenece
a la séptima evaluación. Se tuvo un riguroso control en la evaluación de cada ejemplar, para ello se utilizó una nomenclatura
muy sencilla con finalidad de identificar a cada ejemplar. (a). Al lado inferior derecho se observa una nomenclatura
(I – 1 – 5), donde el primer elemento (I) indicó el origen del alevín, de qué estanque (I) fue extraído, el segundo y tercer
elemento formaron un intervalo [1 – 5] que indicó el número asignado a cada alevín, así, de izquierda a derecha: (individuo
1 – individuo 2 – individuo 3 – individuo 4 – individuo 5), a los cuales les correspondió una única masa individual que fue
registrado anteriormente (ver grupo de tablas 7). (b). Nomenclatura (I – 6 – 10): estanque I, (individuo 6 – individuo 7 –
individuo 8 – individuo 9 – individuo 10). (c).,(d).,(e).,(f). De igual manera que los casos a y b. Nota: La regla se encuentra
ubicada debajo del tercer recipiente de cada fotografía


28

2. Procesamiento de fotografías digitales (ImageJ)
El procesamiento de las fotografías se hizo utilizando el software ImageJ
versión 1.46.
A continuación se presenta una explicación detallada de la aplicación de
este software para medir longitudes, en este caso, de peces.
Grupo de fotografías: Uso del softare ImageJ

A

Fila de comandos
Barra de herramientas
Barra de lectura
Figura 13. A. Ventana ImageJ.

La secuencia de pasos está dividida en tres partes, las cuales se presentan
secuencialmente desde la figura13.a hasta la figura 13.l.
Se halló una distancia conocida
a. Se insertó una fotografía: fila de comandos, clic en FILE › OPEN,
ventana búsqueda.
b. Se seleccionó la fotografía a evaluar, clic en ABRIR.

a

b

Figura 13. a. Alternativa con teclado: Control + O.

Figura 13. b. Se recomienda enumerar las fotografías siguiendo la
secuencia (1-60) para evitar confusiones.


29

c. Se enfocó la regla de la fotografía (zoom): barra de herramientas, clic en
el ícono MAGNIFYING GLASS (lupa).
d. Se hizo una línea recta sobre la regla en una distancia conocida (por ejemplo
del 1 al 2): barra de herramientas, clic en el ícono de STRAIGHT (línea
recta), luego clic (sin soltar), en la línea vertical de la regla que indica
exactamente 1 cm y arrastrar hasta la otra línea vertical que indica
exactamente 2 cm, soltar el clic, así se tuvo una línea recta (amarilla)
que como se muestra en la barra de lectura (lenght = 79,38 px).

c

d

Figura 13. c. Alternativa con teclado: +/- .

Figura 13. d. La flecha amarilla muestra la medida en píxeles.

Se calibró la fotografía
e. Se abrió la ventana de calibración: fila de comandos, clic en ANALYZE
› SET SCALE.
f. Aparece la ventana de calibración. La calibración, sencillamente
consiste en programar al software para que, en lugar de mostrar
valores en pixeles, muestre valores en unidades métricas, en este
caso, centímetros. Para esta finalidad se “informó” al software que
lo que había medido en pixeles (79,38) equivalía a una distancia
que ya se conocía (1 cm), de esa manera quedó calibrada dicha
fotografía. En adelante todo lo que se midió en la fotografía con la
herramienta STRAIGHT el software lo midió en pixeles, sin embargo
automáticamente lo convirtió en centímetros.


30

e

f

Figura 13. e. Inicio de la calibración.

Figura 13. f. Abrir la ventana de calibración.

g. En la ventana de calibración, DISTANCE IN PIXELS (distancia en
pixeles) = 79,378; lo que indicó un valor más exacto en pixeles
(milésimas) de la medición que se hizo en la regla (1 cm).
h. Se hizo la calibración: En la ventana de calibración se completó como
sigue: en KNOWN DISTANCE (distancia conocida) › 1,00; en UNIT
OF LENGHT (unidad de medida) › cm, (Se observó en SCALE el valor
de 79,378 pixel/cm, lo que indicó que, a partir de ese momento, por
cada 79,378 pixeles en la fotografía equivaldrá a 1 cm en la fotografía
original), clic en OK.
Nota: Cada fotografía debe ser calibrada, ya que no todas han sido tomadas con el mismo
zoom y distancia.

g

Figura 13. g. Inicio de la calibración.

h

Figura 13. h. Abrir la ventana de calibración.


31

Se midieron los alevines
i. Se midió la longitud total de los alevines: Luego de la calibración, se
enfocó a uno de los cinco ejemplares a medir (se eligió al segundo).
Barra de herramientas, clic derecho en STRAIGHT, se seleccionó la
herramienta SEGMENTED LINE, doble clic en la boca del alevín,
apareció una línea amarilla que fue indicando el recorrido del cursor
del mouse, a lo largo del recorrido se presentó una curva (ver la
fotografía, altura del pedúnculo caudal) se hizo un solo clic para curvar
la línea y se continuó con el recorrido, al llegar a la aleta caudal hizo
doble clic nuevamente para finalizar el recorrido.
Nota: Observar que al hacer el recorrido, la barra de lectura va mostrando la distancia en
centímetros.

j. Se mostró la ventana de resultados: fila de comandos, clic en ANALYZE
› MEASURE.

i

j

Figura 13. i. Herramienta línea segmentada.

Figura 13. j. Abrir cuadro de resultados: Control +.


32

k. Apareció la ventana de resultados, donde indicó el resultado de la
medición que se hicieron. Aquí se almacenaron progresivamente todas
medidas que se hicieron, sólo se presionaron las teclas Control + M
luego de cada medición y automáticamente se fueron registrando los
datos.
l. Se guardaron los resultados: en la ventana de resultados hacer clic
en FILE › SAVE AS o con el teclado: Control + S, guardarlo en una
carpeta. El archivo se guardará en formato Microsoft Excel.

k

l

Figura 13. k. Aquí se irán almacenando los datos.

Figura 13.l. El archivo se abrirá en Excel.

Etapa III. Procesamiento y análisis de datos de las evaluaciones
Los resultados de cada una de los muestreos fueron registrados en la tabla 2. En
total se utilizaron ocho tablas, una por evaluación.


33

Tabla 2. Formato utilizado para el registro de los datos de los muestreos por cada evaluación.
Masa (g) de 1000 alevines por cada unidad experimental
Unidad experimental I

Unidad experimental II

Unidad experimental III

X

a

b

c

d

Masa individual (g) y longitud individual (cm) de 60 alevines por cada unidad experimental
N°



Masa

Masa x 1000

Longitud

Masa

Masa x1000

Longitud

Masa

Masa x1000

Longitud

1

0,16

160

2,019

0,14

140

2,364

0,12

120

1,495

2

0,08

80

1,510

0,08

80

1,537

0,22

220

2,301

3

0,14

140

1,789

0,18

120

1,719

0,14

140

2,093

4

0,20

200

2,034

0,12

120

1,578

0,16

160

1,912

5

0,06

60

1,355

0,28

280

1,792

0,28

280

2,190

6

0,06

60

1,339

0,18

180

1,711

0,28

280

2,329

7

0,12

120

1,454

0,14

140

1,874

0,26

260

2,173

8

0,14

140

1,566

0,26

260

2,121

0,10

100

1,712

9

0,16

160

1,887

0,16

160

1,936

0,22

220

2,153

10

0,14

140

1,666

0,18

180

2,099

0,12

120

1,830

11

0,16

160

1,660

0,18

180

1,963

0,12

120

1,810

12

0,16

160

1,801

0,10

100

1,807

0,24

240

2,361

13

0,18

180

1,768

0,14

140

1,944

0,12

120

1,829

14

0,08

80

1,475

0,24

240

2,112

0,18

180

1,876

15

0,12

120

1,345

0,08

80

1,736

0,20

200

1,931

16

0,16

160

1,626

0,12

120

1,552

0,22

220

2,193

17

0,18

180

1,836

0,12

120

1,867

0,22

220

1,968

18

0,14

140

1,562

0,14

140

2,067

0,20

200

2,058

19

0,16

160

1,742

0,06

60

1,433

0,16

160

1,760

20

0,14

140

1,820

0,04

40

1,494

0,18

180

1,959

21

0,10

100

1,486

0,18

180

1,859

0,16

160

1,967

22

0,14

140

1,784

0,16

160

1,988

0,12

120

1,661

23

0,16

160

1,952

0,16

160

1,969

0,18

180

1,899

24

0,10

100

1,721

0,12

120

1,470

0,20

200

2,036

25

0,10

100

1,578

0,12

120

1,415

0,28

280

2,245

26

0,10

100

1,500

0,16

160

1,881

0,18

180

1,867

27

0,08

80

1,476

0,08

80

1,241

0,28

280

2,088

28

0,12

120

1,755

0,14

140

1,777

0,24

240

2,054

29

0,06

60

1,558

0,12

120

1,608

0,16

160

2,068

30

0,08

80

1,500

0,16

160

1,652

0,16

160

1,911

31

0,18

180

1,694

0,18

180

1,869

0,28

280

2,140

32

0,10

100

1,523

0,18

180

1,995

0,18

180

1,901

33

0,14

140

1,632

0,18

180

1,984

0,20

200

2,061

34

0,12

120

1,645

0,20

200

2,050

0,20

200

2,059

35

0,14

140

1,602

0,22

220

2,127

0,12

120

1,995

36

0,14

140

1,511

0,14

140

1,809

0,14

140

1,816

37

0,14

140

1,660

0,08

80

1,511

0,16

160

2,010

38

0,12

120

1,712

0,16

160

2,076

0,18

180

1,946

39

0,14

140

1,572

0,14

140

2,089

0,18

180

1,911

40

0,10

100

1,597

0,12

120

1,643

0,20

200

2,119

41

0,18

180

1,873

0,20

200

1,998

0,10

100

1,750

42

0,10

100

1,645

0,12

120

1,800

0,14

140

1,829

43

0,14

140

1,622

0,16

160

1,893

0,16

160

1,994

44

0,10

100

1,636

0,10

100

1,606

0,16

160

2,033

45

0,12

120

1,767

0,16

160

1,652

0,14

140

1,811

46

0,12

120

1,786

0,12

120

1,396

0,22

220

2,351

47

0,14

140

1,809

0,14

140

1,850

0,16

160

1,988

48

0,14

140

1,727

0,26

260

2,425

0,16

160

1,802

49

0,16

160

1,958

0,12

120

1,616

0,10

100

1,717

50

0,16

160

1,750

0,10

100

1,424

0,18

180

1,995

51

0,10

100

1,602

0,04

40

1,205

0,14

140

1,972

52

0,16

160

1,727

0,18

180

1,980

0,20

200

2,166

53

0,14

140

1,683

0,14

140

1,790

0,18

180

1,865

54

0,14

140

1,697

0,16

160

1,838

0,18

180

1,801

55

0,16

160

1,763

0,14

140

1,770

0,20

200

1,887

56

0,18

180

1,999

0,12

120

1,645

0,12

120

1,750

57

0,16

160

1,727

0,14

140

1,688

0,18

180

1,988

58

0,22

220

2,040

0,12

120

1,643

0,20

200

1,875

59

0,12

120

1,509

0,10

100

1,523

0,16

160

1,636

60

0,14

140

1,773

0,14

140

1,652

0,20

200

1,909

X

a’

b’

c’

a’’

b’’

c’’

a’’’

b’’’

c’’’


X Masa

X Masa x 1000

X Longitud

e

f

g

34

1. Resultados al final de cada evaluación:
1.1. Resultados por cada unidad experimental (resultados promedios
parciales).
Masa conjunta de un millar de alevines: a, b, c
Promedio de masa individual (X Masa):

(e) = [(a’ + a’’ + a’’’)/3]
Promedio de la masa individual de sesenta alevines: a’, a’’, a’’’

Promedio de masa proyectada a mil alevines en base a la
masa individual: b’, b’’, b’’’
Promedio de la longitud total de los alevines: c’, c’’, c’’’

1.2. Resultados por cada evaluación (resultados promedios de
promedios).
Promedio de masa proyectada para mil alevines en base a la
masa individual promedio (X Masa x 1000):

(f) = [(b’ + b’’ + b’’’)/3]
Promedio de la longitud total de los alevines (X Longitud):
(g) = [(c’ + c’’ + c’’’)/3]


35

Etapa IV: Etapa de Validaciones.
Las ocho evaluaciones anteriores consistieron en la recolección de datos de
campo con la finalidad de obtener una relación entre las variables analizadas,
sin embargo, antes de encontrar esta relación, se tuvo que hacer una
validación estadística. Luego de esta validación se plasmaron los resultados
de las evaluaciones en una curva potencial. Esta curva también tuvo que ser
validada, pero en este caso con una validación experimental.
1. Validación estadística:
Se realizó este procedimiento adicional porque en el estudio preliminar
se tuvieron diferentes valores de masa del millar de alevines para un
mismo día de evaluación, lo que no nos permitió tener un valor cercano
al parámetro poblacional, es por ello que para esta etapa definitiva se
decidió trabajar con diferentes estanques para obtener un promedio
de masas del millar de alevines por cada evaluación y, además, tener un
registro de promedios de las masas individuales de alevines por cada
estanque de una pequeña muestra (n’’), de manera tal que al llevarlas al
millar (x 1 000) se obtenga un valor similar a la masa del millar de alevines
de ese mismo estanque. Es aquí donde nos apoyamos de la estadística
para determinar qué tan semejantes son esos valores de masas. Para tal
fin se hizo el análisis estadístico utilizando la prueba “t” para comparar
medias de muestras independientes, en este caso de dos grupos:
Grupo 1 (G1): Masa de mil alevines por cada estanque. En cada evaluación
se tuvieron 3 valores de masa de un millar de alevines (uno por estanque),
(n1 = 3)
Grupo 2 (G2): Proyección de masa de mil alevines en base a la masa
individual promedio. En cada evaluación se tuvieron 180 valores de masa
individual de alevines (sesenta/estanque). Sin embargo, se consideraron
sólo valores promedios de los grupos de sesenta alevines, o sea, tres
valores promedios (n2 = 3).


36

1.1. Prueba “t” para muestras independientes: G1 vs G2 utilizando el
software SPSS
EJEMPLO DEMOSTRATIVO
Tabla 3. Valores de masas a contrastar

Estanque

Evaluación X
Grupo 1 (g)

Grupo 2 (g)

I

127,00

133,00

II

141,00

145,00

III

156,00

180,33

X

141,33

152,78

Planteamiento de la hipótesis:
H0: µG1 = µG2
Ha: µG1 ≠ µG2 (hipótesis bilateral)
Nivel de significación: α = 0,01
Se “alimentan” los datos en el software y se obtienen los
siguientes resultados: (Ver anexo 1, uso del software para
esta prueba)

Tabla 4. Estadísticos de los Grupo 1 y Grupo 2 correspondiente a la tabla 3

Grupos

Media

Desviación típica

Error típico de la media

G1

3

141,3333

14,50287

8,37324

G2

Evaluación X

n

3

152,7767

24,60467

14,20551


37

Tabla 5. Resultados de la prueba “t” arrojados por el software SPSS: Prueba de muestras independientes (de la tabla 3)
Prueba de
Levene para
la igualdad de
varianzas

F

Evaluación
x

Se han asumido
varianzas iguales

Sig.

1,332

t

gl

Sig.
(bilateral)

Diferencia
de medias

Error
típico de la
diferencia

99 % Intervalo de
confianza para la
diferencia
Inferior

Superior

-0,694

4

0,526

-11,44333

16,48962

-87,36312

64,47645

-0,694

No se han
asumido
varianzas iguales

0,313

Prueba “t” para la igualdad de medias

3,240

0,534

-11,44333

16,48962

-101,01224

78,12557

Análisis de los resultados: Webster (1996), Bejarano & cols.
(2006), Nel (2008).

Antes de analizar los estadísticos de la prueba “t”, debemos
comprobar si se cumple con el requisito de homocedasticidad,
o sea que las varianzas de cada grupo deben ser iguales, para ello
existe la prueba Levene (H0: todas las varianzas que se comparan
son iguales), si al hacer el test de Levene, el valor ρ (en SPSS, el
valor de ρ es denotado por “Sig.”) es menor a 0,01 (ρ < 0,01)
se rechazará la H0 de que no existe diferencia entre las varianzas
y se aceptará la hipótesis alternativa (Ha) de que hay diferencias
entre las varianzas en estudio. Ahora analizaremos el ejemplo
de la tabla 3, observamos la prueba de Levene (ρ = 0,313),
por lo tanto no rechazaremos la hipótesis nula H0 y podemos
concluir que se cumple con el requisito de homocedasticidad.

Finalmente analizamos la prueba “t”:
Son de máxima importancia el valor “t” y la indicación bilateral
ρ = 0,526. Estos dos últimos estadísticos nos indican que no
rechazaremos la hipótesis nula de H0: µG1 = µG2.
El intervalo de 99 % se muestra en la última columna. Cero
es el valor del parámetro de especificación en la hipótesis
nula, H0 significa que las diferencias de medias es cero, de
hecho el cero se encuentra dentro del intervalo señalado,
motivo por el cual la hipótesis nula no fue rechazada.


38

El valor de ρ = 0,526, indica que la probabilidad de obtener
una diferencia en las medias al menos tan grande como
11,4 g es del 52,6 %, si la hipótesis nula es verdadera.
La hipótesis nula, que afirma que no hay diferencia entre
la masa media de los alevines del Grupo 1 con el Grupo 2,
tiene altas probabilidades de ser cierta, por lo tanto no
rechazamos la hipótesis nula.
Decisión estadística:

Debido a que ρ > 0,01 no rechazamos la hipótesis nula
H0: µG1 = µG2
Conclusión

Según la decisión estadística, no existen diferencias significativas
entre las masas medias de los Grupos de alevines.
“Nunca debemos aceptar la hipótesis nula, se argumenta con frecuencia que nuestras dos
únicas opciones posibles son: rechazar o no rechazar la hipótesis nula. Nunca se puede
probar sin lugar a dudas que la hipótesis nula es correcta y por consiguiente nunca es
posible aceptarlas como tal” Webster (1996, p 391).

2. Validación experimental
Luego de validar los grupos de medias de masas, los valores de masa
total promedio y longitud individual promedio se plasmaron en una
ecuación: y = a xb (figura 17) que expresa la masa (y) de un millar de
alevines teniendo la longitud promedio (x), sin embargo, esta ecuación
también tuvo que pasar por una validación, pero en este caso, una
validación experimental.
2.1. Validación de la ecuación: y = a xb

Como se muestra en la tabla 6, se le dieron valores convenientes
a la variable independiente (x) con el fin de obtener masas
correspondientes a un millar de alevines para cada valor de x.
Para fines de mejor entendimiento, en adelante, denominaremos
a esta masa como masa estándar.


39

Tabla 6. Tabulación de la ecuación: y = a xb

x (cm)

y (g)

x (cm)

y (g)

2,5

y1

4,1

y17

2,6

y2

4,2

y18

2,7

y3

4,3

y19

2,8

y4

4,4

y20

2,9

y5

4,5

y21

3,0

y6

4,6

y22

3,1

y7

4,7

y23

3,2

y8

4,8

y24

3,3

y9

4,9

y25

3,4

y10

5,0

y26

3,5

y11

5,1

y27

3,6

y12

5,2

y28

3,7

y13

5,3

y29

3,8

y14

5,4

y30

3,9

y15

5,5

y31

4,0

y16

5,6

y32

Según la ecuación, si se tiene una longitud total promedio de 5,2 cm; en y28 g habrá
aproximadamente un millar de alevines.

2.2. Comprobación de la ecuación:

Consistió en el conteo de los alevines de la masa estándar (tabla
6) y de esta manera comprobar que existe un valor aproximado al
millar. Se hicieron cuatro comprobaciones, tres con los alevines de
los estanques en evaluación y uno con los alevines del estanque 4
que se descartó para las evaluaciones, ver figura 9.

Luego de la octava evaluación, los alevines fueron extraídos
de los estanques de tierra y fueron llevados a los estanques de
concreto del Laboratorio de Reproducción de Peces Amazónicos
manteniéndolos separados de acuerdo a su estanque de origen.


40

a

Como parte de esta nueva metodología se propuso extraer
una muestra al azar ≥ 30 alevines (por ser una muestra
estadísticamente válida) para hacer la medición de longitud
total, obteniéndose un promedio. La medición se hizo de
forma manual (ictiómetro, regla) y digital. El resultado digital
fue redondeado al décimo y al ser comparado con el resultado
manual resultaron ser iguales. Los resultados fueron trabajados
sólo con un (1) decimal.

b

c

Figura 14. Medición de la longitud total de una muestra ≥ 30 alevines. (a). Se extrajo una muestra al
azar de treinta alevines. (b). Medición digital usando el software ImageJ. (c). Medición manual, usando una regla
metálica, no hubieron diferencias en el resultado.

Luego de obtener el promedio en longitud, se cotejó esta
longitud hallada en la tabla estándar para determinar la masa
estándar.

Se extrajeron alevines de los estanques y se midió el valor de la
masa estándar de alevines de la cantidad brindada por la tabla 6.


41

d

e

Figura 14. (d). Se extrajeron alevines de los estanques. (e). Se midió la masa determinada en la tabla 3.

Dichos alevines se separaron en diferentes recipientes y fueron
contados en su totalidad uno por uno (1 x 1), similar al conteo
manual en el proceso de repartición (anexo 5 el proceso de
repartición de alevines).

e

Figura 14. (f). Luego de la medición, se contaron los alevines y fueron devueltos a los estanques.


42


43

s

- Masa millar (g)

x, promedio muestral
s, desviación estandar muestral

n' = 1 000

Muestra(x1,x2,...,xn)

x

N' = 3 000 alevines

µ

s

- Longitud individual promedio (cm)

- Masa millar (g)

Figura 15. Síntesis de la metodología a seguir por cada evaluación.

- Masa individual promedio (g)
- Longitud individual promedio (cm)
- Masa individual promedio (g) x 1 000 =
masa proyectada a mil (g)

x, promedio muestral
s, desviación estandar muestral

n'' = 60

Muestra(x1,x2,...,xn)

x

(Prueba “t”)

Validación
experimental

Ecuación

Validación
estadística

Estanque III

Estanque II

- Masa proyectada a mil (g)

Estanque I

N = 9 000 alevines


44

La elaboración de tablas estándares reducirá el estrés
producido en el manipuleo.
La elaboración de tablas estándares reducirá los daños
mecánicos de los alevines en
el conteo.

Objetivos Específicos

Reducir el posible estrés
de los alevines producido
en el manipuleo.

Reducir el grado de daños
mecánicos de los alevines
ocurridos por manipulación en el conteo.

Reducir el tiempo de espero de los clientes en el
proceso de repartición.

Reducir las posibles pérdidas económicas por error
en el número de alevines
distribuidos.

Problemas Específicos

¿De qué manera afecta el estrés
de los alevines generado en el manipuleo?

¿Cómo afectan a los alevines los
daños ocasionados en su manipuleo?

¿Qué efecto tendrá la reducción
del porcentaje de error en el proceso de repartición?

¿Qué efecto tendrá el tener una
buena estimación acerca del stock
de alevines que posee la Institución?

La elaboración de tablas
estándares evitará pérdidas
económicas considerables
debido a la reducción del
error en el conteo los alevines.

La elaboración de tablas estándares reducirá y fijará un
máximo porcentaje de error
en el conteo.

Hipótesis Específicas.

La elaboración de tablas
estándares para estimar la
masa de un millar de alevines de gamitana, reducirá el
error de estimación.

Elaborar una tabla estándar para estimar la masa
de un millar de alevines de
gamitana para diferentes
longitudes.

¿Qué efecto tendrá la elaboración
de la tabla estándar para estimar
la masa de un millar de alevines
de gamitana para diferentes longitudes en la productividad de una
empresa acuícola?

Hipótesis General

HIPÓTESIS

Objetivo General

OBJETIVOS

Problema general

PROBLEMAS

El tiempo para el proceso
de repartición.

Masa estándar de los alevines de gamitana.

Dependiente “ Y”

Longitud promedio de alevines de gamitana.

Independiente “X”

VARIABLES

Gramos

Variables Dependientes

Variable Independiente

Variable Independiente

INDICADORES

Tabla 7. Matriz de consistencia : TABLA ESTANDAR PARA ESTIMAR LA MASA DE UN MILLAR DE ALEVINES DE GAMITANA Colossoma macropomum (Cuvier 1818) EN RELACIÓN A SU LONGITUD PROMEDIO

Técnicas
Observación
Muestreo
Validación

Diseño de
Estudio
Experimental
Validación

Nivel de
Investigación
Descriptivo
Correlacional
Inferencial

Tipo de
Investigación
Cualitativa
Cuantitativa

Muestra
1 000 alevines.

Población
12 000 alevines.

METODOLOGÍA

IV.

PRESENTACIÓN
DE RESULTADOS
4.1. Etapa I: Etapa del estudio preliminar
4.1.1. Del procedimiento de recolección de datos
Resultados obtenidos durante las cuatro evaluaciones.

Tabla 8. Resultados de masa de un millar de alevines (masa millar) y longitud individual por cada muestreo

Evaluación N°

Número de
muestreos

Edad del alevín

Masa millar (g)

Longitud total
promedio (cm)

1

1

20

122

1,47

2

1

29

310

2,18

3

1

38

886

2,98

4

1

47

1 378

3,94


45

Tabla 9. Resultados de las evaluaciones alternativos 3 y 4

Evaluación N°

Número de
muestreos

Edad del alevín

Masa millar (g)

Longitud total
promedio (cm)

3*

1

38

722

2,98

4*

1

47

1 590

3,94

*Estos resultados no fueron considerados en la curva por haberse hallado fuera del momento de la evaluación.

Los resultados se plasmaron en una curva potencial: longitud total (x) – masa total (y).

masa (g)
1600
1400
1200
y = 45,814 x2,5519
1000
R2 = 0,9871
800
600
400
200
0

0

1

2

3

4

5

Longitud total (cm)
Figura 16. Curva potencial preliminar: Análisis de las variables masa y longitud.


46

Comprobación de la ecuación del estudio preliminar:
Tabla 10. Número de alevines contados con relación al valor de promedio de la longitud

L.t promedio
(cm)

Masa – tabla (g)

# alevines contados

Error (%)

Muestra 1

4,0

1 575

1 232

23,2

Muestra 2

3,9

1 477

1 153

15,3

Muestra 3

3,8

1 382

955

4,5

Muestra 4

4,0

1 575

782

21,8

Coeficiente de variación (CV):

s
CV= x (100)

De la ecuación 2
Coeficiente de Variación (CV).

202,5348
CV= 1 030,5 (100)

CV= 19,65 %


47

4.2. Etapa II: Etapa del estudio definitivo
4.2.1. Determinación del tamaño óptimo de muestra (n’’) para medir la
longitud individual y masa individual
4.2.1.1. Muestreo piloto: Se utilizaron 300 ejemplares de 22 días de edad
(12 días de sembrados) para determinar su masa promedio individual
y longitud promedio individual.
Tabla 11. Resultado promedio individual del muestreo piloto

Variables

Promedio de 300 alevines ( X )

Longitud (cm)

1,790

Masa (g)

0,15

4.2.1.2. Determinación del tamaño de muestra (n’’)
Tabla 12. Estimadores estadísticos para una muestra de 3 000 alevines a un nivel de confianza de 99 %, Z = 2,58

Variables

Promedio
individual (X)

Desviación estándar
(s) = 5 % X

Error (E) = 2 % X

Longitud (cm)

1,790

0,0895

0,0358

Masa (g)

0,15

0,0075

0,003

Determinación del tamaño de muestra a un nivel de confianza del 99 % (Z= 2,58)
α
y un error (E) del 2 %.
2
2
Z α .s2.N

n’’ =

2

2
(N-1).E2 + Zα .σ2

De la ecuación 1.
Tamaño de muestra.

2

2,582.0,08952.3 000

2,582.0,00752.3 000

n’’ =(3000-1).0,0358 +2,58 .0,0895

n’’ = (3000-1).0,003 +2,58 .0,0075

n’’ = 41

n’’ = 41

2

2

Tamaño de muestra para la longitud.

2

2

2

2

Tamaño de muestra para la masa.

4.3. Etapa III: Del procesamiento y análisis de datos de las evaluaciones
Resultados de masa y longitud de alevines en las ocho evaluaciones.


48

Tabla 13. Evaluación N° 1 – Día 12.
Masa (g) de 1000 alevines por cada unidad experimental



X

127

141

156

141,33

Masa individual (g) y longitud individual (cm) de 60 alevines por cada unidad experimental
N°



Masa

Masa x 1000

Longitud

Masa

Masa x1000

Longitud

Masa

Masa x1000

Longitud

1

0,16

160

2,019

0,14

140

2,364

0,12

120

1,495

2

0,08

80

1,510

0,08

80

1,537

0,22

220

2,301

3

0,14

140

1,789

0,18

120

1,719

0,14

140

2,093

4

0,20

200

2,034

0,12

120

1,578

0,16

160

1,912

5

0,06

60

1,355

0,28

280

1,792

0,28

280

2,190

6

0,06

60

1,339

0,18

180

1,711

0,28

280

2,329

7

0,12

120

1,454

0,14

140

1,874

0,26

260

2,173

8

0,14

140

1,566

0,26

260

2,121

0,10

100

1,712

9

0,16

160

1,887

0,16

160

1,936

0,22

220

2,153

10

0,14

140

1,666

0,18

180

2,099

0,12

120

1,830

11

0,16

160

1,660

0,18

180

1,963

0,12

120

1,810

12

0,16

160

1,801

0,10

100

1,807

0,24

240

2,361

13

0,18

180

1,768

0,14

140

1,944

0,12

120

1,829

14

0,08

80

1,475

0,24

240

2,112

0,18

180

1,876

15

0,12

120

1,345

0,08

80

1,736

0,20

200

1,931

16

0,16

160

1,626

0,12

120

1,552

0,22

220

2,193

17

0,18

180

1,836

0,12

120

1,867

0,22

220

1,968

18

0,14

140

1,562

0,14

140

2,067

0,20

200

2,058

19

0,16

160

1,742

0,06

60

1,433

0,16

160

1,760

20

0,14

140

1,820

0,04

40

1,494

0,18

180

1,959

21

0,10

100

1,486

0,18

180

1,859

0,16

160

1,967

22

0,14

140

1,784

0,16

160

1,988

0,12

120

1,661

23

0,16

160

1,952

0,16

160

1,969

0,18

180

1,899

24

0,10

100

1,721

0,12

120

1,470

0,20

200

2,036

25

0,10

100

1,578

0,12

120

1,415

0,28

280

2,245

26

0,10

100

1,500

0,16

160

1,881

0,18

180

1,867

27

0,08

80

1,476

0,08

80

1,241

0,28

280

2,088

28

0,12

120

1,755

0,14

140

1,777

0,24

240

2,054

29

0,06

60

1,558

0,12

120

1,608

0,16

160

2,068

30

0,08

80

1,500

0,16

160

1,652

0,16

160

1,911

31

0,18

180

1,694

0,18

180

1,869

0,28

280

2,140

32

0,10

100

1,523

0,18

180

1,995

0,18

180

1,901

33

0,14

140

1,632

0,18

180

1,984

0,20

200

2,061

34

0,12

120

1,645

0,20

200

2,050

0,20

200

2,059

35

0,14

140

1,602

0,22

220

2,127

0,12

120

1,995

36

0,14

140

1,511

0,14

140

1,809

0,14

140

1,816

37

0,14

140

1,660

0,08

80

1,511

0,16

160

2,010

38

0,12

120

1,712

0,16

160

2,076

0,18

180

1,946

39

0,14

140

1,572

0,14

140

2,089

0,18

180

1,911

40

0,10

100

1,597

0,12

120

1,643

0,20

200

2,119

41

0,18

180

1,873

0,20

200

1,998

0,10

100

1,750

42

0,10

100

1,645

0,12

120

1,800

0,14

140

1,829

43

0,14

140

1,622

0,16

160

1,893

0,16

160

1,994

44

0,10

100

1,636

0,10

100

1,606

0,16

160

2,033

45

0,12

120

1,767

0,16

160

1,652

0,14

140

1,811

46

0,12

120

1,786

0,12

120

1,396

0,22

220

2,351

47

0,14

140

1,809

0,14

140

1,850

0,16

160

1,988

48

0,14

140

1,727

0,26

260

2,425

0,16

160

1,802

49

0,16

160

1,958

0,12

120

1,616

0,10

100

1,717

50

0,16

160

1,750

0,10

100

1,424

0,18

180

1,995

51

0,10

100

1,602

0,04

40

1,205

0,14

140

1,972

52

0,16

160

1,727

0,18

180

1,980

0,20

200

2,166

53

0,14

140

1,683

0,14

140

1,790

0,18

180

1,865

54

0,14

140

1,697

0,16

160

1,838

0,18

180

1,801

55

0,16

160

1,763

0,14

140

1,770

0,20

200

1,887

56

0,18

180

1,999

0,12

120

1,645

0,12

120

1,750

57

0,16

160

1,727

0,14

140

1,688

0,18

180

1,988

58

0,22

220

2,040

0,12

120

1,643

0,20

200

1,875

59

0,12

120

1,509

0,10

100

1,523

0,16

160

1,636

60

0,14

140

1,773

0,14

140

1,652

0,20

200

1,909

X

0,13

133

1,680

0,15

145

1,785

0,18

180,33

1,963

X Masa

X Masa x 1000

X Longitud

0,153

152,78

1,810

49

Estimación de masa de alevines de gamitana

Estimación de masa de alevines de gamitana

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a Estimación de masa de alevines de gamitana

Semelhante a Estimación de masa de alevines de gamitana (20)

Último

Último (20)

Estimación de masa de alevines de gamitana