DETERMINACIN DE INDICES DE DIVERSIDAD AGRICOLA EN:

PRODUCCIN, RENDIMIENTO, REA COSECHADA Y PRECIOS DE

PRINCIPALES CULTIVOS EN LA REGIN LAMBAYEQUE, EN EL PERIODO
COMPRENDIDO ENTRE LOS AOS 1989 a 2013

Autores:
1. Jorge Luis Nizama Paz
2. Manuel Augusto Barnuevo Lachos
3. Csar Hugo Garca Torres
4. Csar Zea Santamara
5. Edgard Vsquez Snchez
6. Giovana Livia Crdova

Curso: Ecologa Aplicada

Institucin: Escuela de Post grado U.N. Pedro Ruiz Gallo
Lambayeque, octubre del 2015

INDICE

Subttulos
ndices especficos: tablas, ilustraciones, grficas, apndices, etc.

RESUMEN EJECUTIVO
INTRODUCCIN

En las ltimas dcadas la actividad agraria ha sido limitada en cuanto a una

planificacin concertada a mediano o largo plazo. El departamento de Lambayeque;
tierra que, por su ubicacin geogrfica, es privilegiada por la biodiversidad agraria
busca aportar de manera efectiva a la seguridad alimentaria, al desarrollo rural y a la
competitividad tanto en el mercado nacional como internacional.

En la Regin Lambayeque el suelo est constituido por 1423,130 hectreas, de los que
son aptos para uso agrcola el 18.9% (270,000 has), para pastos 15.4%, proteccin
61.8% y para produccin forestal 3.9%. Actualmente, solo el 13.2% del suelo se utiliza
en la actividad agrcola (77,135.12 has en cultivos en limpio y 11,109.48 has en cultivos
permanentes). El potencial de tierras en aptitud agrcola es de 270 000 has, de las que
slo se utilizan el 69.7%. (Portal Agrario www. portalagrario.gob.pe)

Actualmente el sector se encuentra sumido en una larga crisis, con sus principales
subsectores estancados; los mismos que no han encontrado an una ruta segura para su
normal desempeo econmico, y sin haber desarrollado alternativas vlidas para salir
adelante, mediante la implementacin de Programas y Proyectos que permitan
modernizar y diversificar su base productiva.

En ese sentido, el objetivo de nuestro ejercicio fue determinar la variabilidad anual en

un periodo de 25 aos (1989 2013) de cuatro parmetros: produccin total,
rendimiento por hectrea, precio del producto y rea cosechada de los principales
cultivos en la regin Lambayeque, utilizando ndices de diversidad, dominancia y
equidad.

MATERIALES

Para el desarrollo del trabajo de se ha utilizado:

a. Software estadstico PAST (Paleontological Statistics)

b. Anuario de produccin agrcola (de 1989 a 2013) - Ministerio de

Agricultura: contiene informacin de las variables: superficie sembrada
de principales cultivos, superficie cosechada, produccin, rendimiento y
precios en chacra anuales a nivel Regional

METODOLOGA

a. Valores estadsticos de las variables (cultivos)

b. Dendograma
 c. componentes principales

d. Atractores

e. Diferencias significativas entre componentes

f. ndices de diversidad

g. Anlisis detallado de los ndices de diversidad

h. Diferencias estadsticas entre atractores utilizando el ndice de

Shannon - Wiener

PROCEDIMIENTO

Determinacin de la variabilidad anual en funcin al precio

Determinacin de la variabilidad anual en funcin al rea cosechada

Determinacin de la variabilidad anual en funcin a la produccin anual

Determinacin de la variabilidad anual en funcin al rendimiento por hectrea

Para la evaluacin de diversidad de cultivos en funcin a su Rendimiento por Hectrea,

se ha considerado cada una de las especies cultivada anualmente y su rendimiento en
kilos por hectrea, (este valor para nuestro ejercicio representa el nmero de individuos)
(Tabla I - Anexo).

a.- Parmetros estadsticos de las variables

A travs del software PAST statistics univariate: obtenemos los parmetros

estadsticos de cada una de las variables, as en la tabla 1 observamos siete variables con
valores como: nmero de datos, valor mximo y mnimo, media, variancia, desviacin
estndar, percentiles, coeficiente de variabilidad.

Tabla 1.- Parmetros estadsticos de cinco variables

Colum ALFALF ARROZ_CA CAA_DE_A MAIZ_AMA MANG PALTA TOMA

na1
N A 25 SCARA 25 ZUCAR 25 RILLO 25 O 25 25 TE 25
Min 22545 4316 67446 3100 1564 3371 10000
Max 63880 9117 127038 6650 24367 10604 30293
Sum 832254 178917 2604834 115327 33478 16255 42245
Mean 33290. 7156.68 104193.40 0 6502.
4613.08 13391. 8 16898.
6
Std. 16
2119.9 275.27 3120.34 20 32 24
215.88 1202.2 356.0 1407.6
error
Varianc 1123599 1894325 243412400 1165073 36135 6 31689
3 495376
e
Stand. 000
10599. 1376.35 15601.68 450 98 530
1079.39 6011.2 1780. 7038.2
dev 95 8 17 9
Median 31852. 7681.00 107486.00 4655.00 13185. 6170. 13660.
25 00
24038. 5777.50 96978.50 3462.00 00
9603.0 00
5268. 00
11450.
prcntil
75 00
40516. 8272.50 115572.00 5447.00 0
17583. 50
7516. 50
24307.
prcntil
Skewne 00
1.13 -0.47 -0.89 0.18 00
0.09 00
0.58 00
0.78
ss
Kurtosis 1.14 -1.05 0.39 -1.13 -0.22 0.12 -1.07
Geom. 31867. 7018.55 102940.50 4490.83 11633. 6273. 15651.
mean
Coeff. 07
31.84 19.23 14.97 23.40 84
44.89 30
27.38 92
41.65
var

b.- Dendograma

Utilizando el PAST multivar - custer analysis obtenemos un dendograma que nos dice
como estn agrupados los aos en funcin a su similaridad; es decir, determinamos
periodos de rendimiento similar. La opcin me sirve para encontrar tendencias
generales; usando la medida de similaridad de Horn, observamos la existencia de tres
periodos, dos definidos en los extremos y un tercer periodo en el centro. Es decir el
Dendograma (grafico 1), me indica similaridad entre grupos de aos. Podemos observar
similaridad entre los periodos: 1989 1998; 1999 2004 y 2005 2013 y a la vez el
dendograma me sugiere que estos periodos son diferentes.

A pesar de ser menos conocido, el ndice de Horn es recomendable debido a su relativa independencia del tamao
muestral y diversidad (Wolda 1981; Magurran 2004)

Grafico 1.- Dendograma

1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013

0.992

0.976

0.960

0.944
Similarity

0.928

0.912

0.896

0.880

c.- Componentes principales

Con la opcin multivar principal components del PAST obtenemos una matriz de
correlaciones, en la que observamos el componente principal, su auto- valor y el
porcentaje de varianza correspondiente. En nuestro caso se ha utilizado tres
componentes principales a pesar de que el punto de corte (Joliffe cut-off : 1,4) nos
indica que hasta el CP8 puede ser utilizado. Al
considerar tres CP se utiliza solo el 51,81 % y
se pierde el 48,18 % de la varianza

Tabla 2.- Componentes principales utilizados

COMPONENTES PRINCIPALES
P Auto-valor % varianza
C
1 16.4116 34.19
2 7.69911 16.04
3 3.63977 7.58

Podemos observar que el primer componente principal (CP1) implica el 34,19% de la

varianza, el segundo componente (CP2) el 16,04 % y el tercero (CP3) el 7,58 %. El
punto de corte (1,4) nos indica cuntos de estos componentes son significativos
estadsticamente.

d.- Atractores

Una definicin general de atractor sera el comportamiento al que tiende un sistema

despus de un tiempo de evolucin, independientemente de las condiciones iniciales
del mismo. Dicho de otra forma, es la rutina propia del sistema, el comportamiento que
siempre acaba teniendo. Cuando se hizo el dendograma observamos que haba un
periodo claro que iba del 1989 al 1998, tal como estn agrupados los aos en el
diagrama de dispersin. (Datos aos cercanos entre s); as como estn dispuestos los
aos, podemos decir que hay una agrupacin ms o menos natural de puntos que nos
dice cmo stos se pueden agrupar.

Para definir nuestros atractores realizamos lo siguiente:

1. Una vez obtenido nuestro dendograma, conociendo grupos de aos similares

procedemos a demarcarlos mediante colores. Para ello utilizamos la opcin Edit:
row color/simbol, entonces tenemos: Atractor 3 (1989 -1998) azul, atractor 2
(1999-2004) rojo y atractor 1: (2005 2013) verde.

Diagrama.- Definiendo atractores mediante color

2. Con la opcin multivar principal components del PAST obtenemos
una matriz de correlaciones y luego usando la opcin view scatter se
tiene un diagrama de dispersin, con puntos de color similar al
sealado en el punto 1. Usamos la opcin row labels y en cada punto
observamos el ao. Con la opcin convex hulls, definimos los
atractores a los cuales rellenamos con igual color haciendo clic sobre
el diagrama y utilizando la opcin: filled regions.
 3. Tal como se observa en la figura , hemos obtenido un diagrama en el
cual se tiene dos ejes, en el eje X se ubica el componente principal 1
y en el eje Y el componente principal 2. El valor de cada punto
representado por un ao ha sido obtenido por la sumatoria del
nmero de individuos de cada variable por su correlacin. De igual
forma se puede obtener un diagrama para los componentes
principales 1 con 3 y 2 con 3.

Grafico.- Atractores componentes principales 1 con 3 Grafico.- Atractores componentes principales 2 con 3

Debemos tener en cuenta que cada cuadrante nos indica el nivel de correlacin y
nmero de individuos presentes en un ao especifico. As en el cuadrante I (eje x y
y positivos se ubicar aquellas variables de los componentes 1 y 2 que en esos aos
tuvieron el mayor rendimiento por hectrea. En el cuadrante IV (eje x positivo y
negativo, se ubicara aquellas variables del componente 1 con mayores rendimientos. En
el cuadrante III (eje x y y negativos) se ubicara aquellas variables de los
componentes 1 y 2 con menores rendimientos o menor nmero de individuos; y en el
cuadrante II (eje x negativo y y positivo) se ubicar variables del componente
principal 2 con mayores rendimientos.

4. Qu variable definen los atractores?

Para nuestro ejercicio consideramos como variable independiente el ao de cultivo (25

aos) y como variable dependiente el rendimiento por hectrea de cada una de las
especies cultivadas (48 especies). As, taxa es representado por la especie cultivada y el
nmero de individuos representado por el rendimiento en kilos por hectrea.

Con la opcin multivar principal components del PAST obtenemos una matriz de
correlaciones y luego usando la opcin view loading hacemos un anlisis de los
componentes principales. Vamos a definir componentes principales de acuerdo al
porcentaje de varianza aportados por cada variable.

Variables clave que afectan la dinmica de los atractores

Grafico.-ACP.- Correlacin de las variables del componente principal 1

Grafico.-ACP.- Correlacin de las variables del componente principal 2

Grafico.-ACP.- Correlacin de las variables del componente principal 3

Observamos que hay componentes principales muy diversos y otros poco diversos. Se
ha identificado especies con mayor correlacin de acuerdo a su rendimiento, que
definen estos componentes.

Los cultivos que definen cada Componente Principal de acuerdo a su nivel de

correlacin se muestra en la tabla 2

Tabla 2.- Especies cultivadas que definen los componentes principales

COMPONENTE COMPONENTE COMPONENTE

PRINCIPAL 1 PRINCIPAL 2 PRINCIPAL 3
Especie Correlac Especie Correlac. Especie Correlac.
.
Zarandaja 0.9461 Cebada Grano 0.8119 Esparrago 0.7161
Maz Amarillo Duro 0.9053 Mandarina 0.8003 Caa De Azcar 0.5862
Pallar Grano Seco 0.9039 Trigo 0.7082 Papaya 0.5179
Garbanzo 0.8984 Oca 0.6883 Ajo 0.4914
Frijol De Palo 0.8564 Coco 0.6352 Yuca 0.4642
Arroz Cascara 0.8548 Olluco 0.5115
Frijol Castilla_ 0.8249
Papa 0.7981
Maz Amilceo 0.7856
Tomate 0.7745
Cebolla 0.7268
Frijol Loctao 0.7181
Maz Choclo 0.6821
Arveja Grano Verde 0.6466
Uva 0.6245
Haba Grano Seco 0.6205
 Variables clave CP2
2000
1500
1000
500
0

CEBADA GRANO #REF!

TRIGO

Variables clave CP1

3000
2500
2000
1500
1000
500
0

PALLAR GRANO S ECO

Z ARANDAJA
FRIJOL DE PALO
GARBANZ O

Variables clave CP1

10000
8000
6000
4000
2000
0

MAIZ AMARILLO DURO

ARROZ CASCARA
 Variables clave CP2
16000
14000
12000
10000
8000
6000
4000
2000
0

#REF! MANDARINA
#REF!

Variables clave CP3

CAA DE AZUCAR
#REF!
#REF!
140000
120000
100000
80000
60000
40000
20000
0

Variables clave CP3

#REF! ESPARRAGO
PAPAYA
30000
25000
20000
15000
10000
5000
0

d.- Diferencia estadstica entre atractores

La evidencia estadstica para precisar si los tres atractores son realmente diferentes, lo
obtenemos del programa PAST (one way NPMANOVA), el mismo que nos indica
diferencias estadsticas significativas entre atractores:

Hiptesis de trabajo.- Si existen diferencias estadsticas significativas en el

rendimiento del cultivo por hectrea entre los tres atractores, entonces los cultivos
varan significativamente

Determinacin de la diversidad.

Vamos a calcular la diversidad que se presenta cada ao basado en:

1. Mtodo basados en la cuantificacin del nmero de especies presentes (riqueza

especfica);

2. Mtodos basados en la estructura de la comunidad, es decir, la distribucin

proporcional del valor de importancia de cada especie:

a. Dominancia

b. Equidad de la comunidad.

Sabemos que hay un atractor definido por el mayor nmero de individuos de cada una
de las variables (especies cultivadas), otro con el menor nmero y otro intermedia;
vamos a medir su diversidad con mayor precisin ms rigurosamente.

Para ello, utilizando el programa PAST obtenemos los ndices de diversidad. En el

cuadro 3 se observa cuatro ndices de diversidad, el nmero de especies cultivadas por
ao (taxa) y el nmero de individuos (kilos por hectrea) correspondiente al periodo
1989 2013.

Tabla .- ndices de diversidad anual en un periodo de 25 aos

Ao Taxa_S Individuos Simpson_1-D Shannon_H Evenness_e^H/S Margalef

1989 33 309948 0.8108 2.469 0.3581 2.531
1990 33 301176 0.8183 2.498 0.3684 2.537
1991 34 317438 0.8576 2.673 0.4262 2.605
1992 32 291238 0.8457 2.589 0.416 2.464
1993 31 280356 0.8531 2.631 0.4478 2.392
1994 37 331027 0.846 2.644 0.3802 2.832
1995 37 339227 0.8534 2.703 0.4033 2.827
1996 39 369875 0.8704 2.745 0.3991 2.964
1997 39 338815 0.8635 2.735 0.395 2.984
1998 40 310446 0.859 2.763 0.3963 3.084
1999 39 307276 0.8924 2.882 0.4578 3.007
2000 40 299536 0.896 2.913 0.4605 3.093
2001 39 322928 0.8769 2.822 0.4309 2.996
2002 40 375845 0.8845 2.824 0.4211 3.038
2003 38 326254 0.8829 2.818 0.4406 2.914
2004 39 255846 0.9017 2.947 0.4883 3.052
2005 37 283400 0.9019 2.867 0.4753 2.867
2006 39 354983 0.9019 2.848 0.4422 2.973
2007 36 348173 0.8774 2.701 0.4135 2.743
2008 38 388604 0.8613 2.607 0.3567 2.875
2009 41 351387 0.8596 2.646 0.3439 3.132
2010 39 357423 0.8782 2.72 0.3894 2.972
2011 40 421226 0.8982 2.806 0.4138 3.011
2012 38 406482 0.8807 2.655 0.3742 2.865
2013 38 372238 0.8777 2.677 0.3825 2.884

Los resultados asumidos por el PAST se dan en logaritmos neperianos. Para para una
mejor comprensin de los resultados vamos a utilizar logaritmos en base 2 para el
clculo de los ndices: Margalef y Shannon-Wiener

Riqueza Especfica:

Definido como el nmero de especies cultivadas por ao. Los datos obtenidos del
periodo 1989 2013, se encuentran en los anuarios estadsticos del Ministerio de
Agricultura regin Lambayeque.

ndice de diversidad de Margalef

S1
DMg =
log 2 N

Donde:
S = nmero de especies
N = nmero total de individuos
En el clculo de este ndice, como cualquier otro que utilice logaritmos, es preciso notar
que el resultado depende del tipo de logaritmo que se emplee.

Ao Margalef Margalef
1989 (ln)
2.531 (Log 2)
1.754
1990 2.537 1.758
1991 2.605 1.806
1992 2.464 1.708
1993 2.392 1.658
1994 2.832 1.963
1995 2.827 1.960
1996 2.964 2.054
1997 2.984 2.069
1998 3.084 2.138
1999 3.007 2.085
2000 3.093 2.144
2001 2.996 2.076
2002 3.038 2.106
2003 2.914 2.020
2004 3.052 2.115
2005 2.867 1.988
2006 2.973 2.061
2007 2.743 1.901
2008 2.875 1.993
2009 3.132 2.171
2010 2.972 2.060
2011 3.011 2.087
2012 2.865 1.986
2013 2.884 1.999

Los Valores inferiores a 2,0 son considerados como relacionados con zonas de baja
diversidad (en general resultado de efectos antropognicos) y valores superiores a 5,0
son considerados como indicativos de alta biodiversidad (Margalef R, 1995). A mayor
valor del ndice, mayor nmero de especies, lo que nos estara indicando que en los aos
1998, 2004 y 2009 como se observa en el grafico 3 se obtuvo el mayor valor del ndice,
mientras que en los aos 1992, 1993 se observa los menores valores del ndice. Lo cual
supone una alteracin originada por factores climticos o antropognicos en dichos
periodos

Grafico 3.- Variacin anual del ndice de Margalef

 ndice de Margalef
3.5
3
2.5
2
1.5
1
0.5
0

Margalef (ln) Margalef (log2)

Determinacin de la estructura

ndices de Abundancia proporcional

Peet (1974) clasific estos ndices de abundancia en ndices de equidad, aquellos que
toman en cuenta el valor de importancia de cada especie, e ndices de heterogeneidad,
aquellos que adems del valor de importancia de cada especie consideran tambin el
nmero total de especies en la comunidad. Sin embargo, cualquiera de estos ndices
enfatiza ya sea el grado de dominancia o la equidad de la comunidad, por lo que para
fines prcticos resulta mejor clasificarlos en ndices de dominancia e ndices de
equidad.

Dominancia

Los ndices basados en la dominancia son parmetros inversos al concepto de

uniformidad o equidad de la comunidad. Toman en cuenta la representatividad de las
especies con mayor valor de importancia sin evaluar la contribucin del resto de
especies.

ndice de Simpson
2
= pi
Donde:
pi = abundancia proporcional de la especie i, es decir, el nmero de individuos
de la especie i dividido entre el nmero total de individuos de la muestra.
Manifiesta la probabilidad de que dos individuos tomados al azar de una muestra sean
de la misma especie. Est fuertemente influido por la importancia de las especies ms
dominantes (Magurran, 1988; Peet, 1974). Como su valor es inverso a la equidad, la
diversidad puede calcularse como 1 (Lande, 1996).
Cuadro 4.-Indice de Simpson

ndice de Dominancia ndice de Diversidad

1989 0.189170213 2002 0.115533508 1989 0.81082978 2002 0.88446649
7 2
1990 0.181650152 2003 0.117133831 1990 0.81834984 2003 0.88286616
8 9
1991 0.142431141 2004 0.098324988 1991 0.85756885 2004 0.90167501
9 2
1992 0.154275435 2005 0.098067701 1992 0.84572456 2005 0.90193229
5 9
1993 0.14691781 2006 0.098148654 1993 0.85308219 2006 0.90185134
6
1994 0.154033139 2007 0.122594755 1994 0.84596686 2007 0.87740524
1 5
1995 0.146637243 2008 0.138673551 1995 0.85336275 2008 0.86132644
7 9
1996 0.129598458 2009 0.140404236 1996 0.87040154 2009 0.85959576
2 4
1997 0.136534459 2010 0.121797762 1997 0.86346554 2010 0.87820223
1 8
1998 0.140960841 2011 0.101824062 1998 0.85903915 2011 0.89817593
9 8
1999 0.107613836 2012 0.119343486 1999 0.89238616 2012 0.88065651
4 4
2000 0.104006157 2013 0.122337912 2000 0.89599384 2013 0.87766208
3 8
2001 0.123117148 2001 0.87688285
2

Grafico 4.- variacin anual de los ndices de Simpson

Indices de Simpson
1
0.8
0.6
0.4
0.2
0

DOMINANCIA DIVERSIDAD

ndice de Shannon-Wiener
 H = p i ln pi

Expresa la uniformidad de los valores de importancia a travs de todas las especies de la

muestra. Mide el grado promedio de incertidumbre en predecir a que especie
pertenecer un individuo escogido al azar de una coleccin (Magurran, 1988; Peet,
1974; Baev y Penev, 1995). Asume que los individuos son seleccionados al azar y que
todas las especies estn representadas en la muestra. Adquiere valores entre cero,
cuando hay una sola especie, y el logaritmo de S, cuando todas las especies estn
representadas por el mismo nmero de individuos (Magurran, 1988).

En nuestro caso el ndice de Shannon es:

Tabla .- ndice de Shannon - Wiener

1989 3.5627 2002 4.0742
1990 3.6039 2003 4.0655
1991 3.8570 2004 4.2514
1992 3.7345 2005 4.1365
1993 3.7952 2006 4.1083
1994 3.8144 2007 3.8960
1995 3.8992 2008 3.7607
1996 3.9603 2009 3.8176
1997 3.9455 2010 3.9248
1998 3.9866 2011 4.0489
1999 4.1581 2012 3.8298
2000 4.2032 2013 3.8615
2001 4.0708

Indice de Shannon-Wiener
4.4000

4.2000

4.0000

3.8000

3.6000

3.4000

3.2000

Para probar la hiptesis nula de que las diversidades provenientes de los tres atractores son
iguales, seguimos el procedimiento propuesto por Hutcheson. (citado por Zar, 1996)

Tabla .- Parmetros estadsticos de los atractores

 Estadstico Atractor_3 Atractor_2 Atractor_1
N 48 48 48
Min 0 0 0
Max 113592 90687 102755
Sum 318956 314618 364881
Mean 6644.917 6554.542 7601.688
Std. error 2406.341 1979.414 2353.542
Variance 277942800.0 188067800.0 265879600.0
Stand. dev 16671.62 13713.78 16305.81
Median 2002.5 2141.5 1802.5
25 percentil 509.25 906.5 800
75 percentil 8346.75 8421.75 8129
Skewness 5.882558 5.216095 4.65221
Kurtosis 37.80904 31.29231 25.40967
Coeff. var 250.8928 209.2257 214.5026

Tabla .- Individuos promedio por atractor

VARIABLES Atracto Atract Atract

ACEITUNA r 3650 or 2 0 or 1 0
AJO 0 1332 2583
ALFALFA 27384 30303 41844
ALGODN RAMA 1655 2945 2695
ARROZ CASCARA 5792 7759 8271
ARVERJA GRANO 635 911 759
SECO
ARVERJA GRANO 994 4117 2443
VERDE
CACAO 494 537 576
CAF 444 505 573
CAMOTE 10039 9556 13943
CAA DE 113592 90687 102755
AZUCAR
CEBADA GRANO 689 1030 705
CEBOLLA 10434 11391 24853
COCO 10060 8601 1811
ESPARRAGO 2547 3558 3331
FRIJOL CASTILLA 546 1192 1130
FRIJOL DE PALO 578 2071 1835
FRIJOL GRANO 861 972 888
SECO LOCTAO
FRIJOL 497 905 1306
GARBANZO 432 1093 1092
HABA GRANO 363 856 790
SECO
HABA GRANO 0 0 916
VERDE
KIWICHA 0 0 556
LIMN 14366 12814 22928
MAIZ AMARILLO 3513 4705 5774
DUROAMILACEO
MAIZ 1376 1745 1794
MAIZ CHOCLO 5508 11224 8564
MANDARINA 8600 12000 0
MANGO 15050 16734 9320
MANZANA 7587 0 0
MARIGOLD 2921 0 5397
NARANJA 7192 6974 7703
OCA 799 2187 1254
OLLUCO 1845 2257 1305
PALLAR GRANO 80 1289 1267
SECO
PALTA 6464 7884 5623
PAPA 2902 5925 6273
PAPAYA 9800 7583 7655
PIA 9167 0 0
PLATANO 5712 10696 9309
QUINUA 0 0 344
SORGO 2904 2515 1052
SOYA 100 167 293
TOMATE 11414 13148 25492
TRIGO 818 1280 830
UVA 2160 2096 16097
YUCA 9538 9810 9412
ZARANDAJA 454 1264 1540

Datos:

Atractor 1 Atractor 2 Atractor 3

N 364879.5556 314614.1667 318954.60000
N2 133137090062 98982073867. 10173203686
.4200 3612 1.16000
Log2 N 18.4771 18.2632 18.28299
N Log2 N 6741901.7299 5745869.0338 5831444.2597
7
FiLog2Fi 5269929.1559 4435252.8224 4585906.1279
(FiLog2Fi 277721533077 196714675984 21030535013
)2 20.8000 07.8000 743.9000
Fi[(Log2F 77386121.595 63577407.810 67282235.998
i)2] 5 2 2

a.- Para cada muestra calculamos el ndice de diversidad ponderado (Hp) en funcin de la
frecuencia de cada especie
( N log2 N ) f i log2 f i
H p=
N

Diversidad ponderada en Atractor 1

6741901.72995269929.1559
H p= = 4,03
364879.5556

Diversidad ponderada en Atractor 2

 5745869.03384435252.8224
H p= = 4,17
314614.1667

Diversidad ponderada en Atractor 3

5831444.259774585906.1279
H p= = 3,91
318954.6

b.- Para cada muestra calculamos la varianza del ndice de diversidad ponderado

var =
f i log 22 f i( f i log2 f i) /N
N2

Varianza del ndice de diversidad ponderado del Atractor 1

77386121.595527772153307720.8/364879.5556
var 1 = = 0,00001
133137090062.4200

Varianza del ndice de diversidad ponderado del Atractor 2

63577407.810219671467598407.8 /314614.1667
var 2= = 0,000011
98982073867.3612

Varianza del ndice de diversidad ponderado del Atractor 3

67282235.998221030535013743.9/318954.6
var 3 = = 0,000013
101732036861.16000

c.- Calculo de las diferencias de las varianzas entre atractores

Dvar = var 1 + var 2

Atractores Diferencia
A1 A2 D var = 0,00001+ 0,000011 0,000021 0,0046

A1 A3 Dvar = 0,00001+ 0,000013 0,000023 0,0048

A2 A3 D var = 0,000011+0,000013 0,000024 0,0049

d.- Obtencin de los valores t

H p H p
t= 1 2

Dvar

Atractores Valor t
A1 A 2 4.034.17 -30.43
t=
0.0046
A1 A 3 4.033.91 25
t=
0.0048
A2 A 3 4.173.91 53.06
t=
0.0049

e.- Calculo de grados de libertad asociados con el valor de t

2
( var 1+ var 2 )
g .l .=
( var 21 / N 1 )+ ( var 22 / N 2 )

Atractore Grados de
s Libertad
A1 A 2 ( 0.00001+0.000011 )2 0.000000000441 669 540
t= 0.000000000000000658
0.000012 0.000011 2
( 364879.5556
+ )(
314614.1667 )
A1 A 3 ( 0.00001+0.000013 )2 0.000000000529 658 026
t= 0.000000000000000803919
0.000012 0.0000132
( 364879.5556
+ )(
318954.6 )
A2 A 3 ( 0.000011+ 0.000013 )2 0.000000000576 629 880
t= 0.00000000000000091446
0.0000112 0.0000132
( 314614.1667
+ )(
318954.6 )

Ubicamos en tabla estadstica el valor de la distribucin de t para los grados de libertad

calculados: t 0,05(2)669540; t 0,05(2)669540; t 0,05(2)669540. En los tres casos el valor de t tiende a 1,96.
Como el valor de t obtenido es mayor que el valor de t en tabla concluimos que la
diversidad en el rendimiento de los cultivos por hectrea es diferente estadsticamente
entre atractores.

RESULTADOS

a.- Parmetros estadsticos de las variables

El uso del programa PAST nos ha permitido obtener datos estadsticos de cada una de
las variables en el periodo 1989 2013; as en el caso del arroz obtuvimos la siguiente
informacin: rendimiento mnimo: 4 316 kilos; rendimiento mximo: 9 117 kilos. El
promedio de produccin fue de 7 156,6 kilos, con una desviacin estndar de 1 376,34
kilos, el coeficiente de variabilidad fue de 19,23 lo que nos indica una baja variabilidad
en el rendimiento por hectrea entre aos.

ARROZ
CASCARA
N 25
Min 4316
Max 9117
Sum 178917
Mean 7156.68
Std. error 275.269
Variance 1894325
Stand.
desviacin 1376.345
Median 7681
25 percentil 5777.5
75 percentil 8272.5
Skewness -0.4726108
Kurtosis -1.054038
Geom. mean 7018.545
Coeff. var 19.23161

Abundancia proporcional de los rendimientos por hectrea

Atractor 3 Atractor 2 Atractor 1

1989-1998 1999-2004 2005-2013
1 Caa de azcar 35.73% 28.72% 28.13%
2 Alfalfa 8.55% 9.51% 11.45%
3 Mango 4.67% 5.38% 2.56%
4 Tomate 3.58% 4.22% 6.98%
5 Mandarina 2.64% 3.79% 0.00%
6 Limn 4.49% 4.10% 6.26%
 7 Yuca 3.01% 3.15% 2.61%
8 Cebolla 3.27% 3.71% 6.75%
9 Camote 3.16% 3.03% 3.80%
10 Coco 3.15% 2.72% 0.52%
11 Papaya 3.08% 2.40% 2.03%
12 Naranja 2.30% 2.23% 2.13%
13 Palta 2.05% 2.49% 1.55%
14 Pltano 1.79% 3.33% 2.52%
15 Arroz cascara 1.82% 2.48% 2.29%
16 Maz choclo 1.72% 3.52% 2.38%
17 Maz amarillo duro 1.11% 1.52% 1.59%
18 Esparrago 0.81% 1.09% 0.86%
19 Uva 0.67% 0.69% 4.34%
20 Arverja grano verde 0.29% 1.28% 0.69%
21 Papa 0.86% 1.94% 1.75%

Arroz

La evolucin del cultivo de arroz en los ltimos quince aos, ha mostrado un

crecimiento de su rea sembrada y cosechada. En lo que respecta al rendimiento en el
perodo evaluado se aprecia un incremento del 50 %, lo que conlleva a que la
produccin haya crecido significativamente. Este desarrollo es consecuencia de los
trabajos de mejoramiento gentico que se llevan a cabo tanto por el Sector Pblico,
como el Privado. En la campaa 1997 el rendimiento se redujo por efecto del fenmeno
del nio. En la campaa agrcola 2003/2004 al presentarse sequa en la sierra norte del
pas motiv que el aporte de los ros sea deficitario lo cual imposibilit la instalacin del
cultivo, perdindose reas de almcigo y reas de trasplante, por lo que en esta campaa
slo se instalaran 14 450 has

Maz Amarillo Duro

En la Regin Lambayeque el cultivo del maz amarillo duro es uno de los ms

importantes ocupando el 3er lugar de la produccin agrcola regional. A nivel nacional
el departamento de Lambayeque ocupa el 4to lugar en produccin de maz amarillo
duro. La evolucin del cultivo de maz amarillo duro durante los ltimos quince
(2007/1992), como cultivo alternativo al arroz, mostr un crecimiento de las reas
sembradas y cosechadas. Sin embargo, la produccin y rendimiento fue de 110 % y el
46 % respectivamente, incremento significativos que son atribuibles al mejoramiento de
la tecnologa en el manejo del cultivo.

Frjol.

A partir del ao 1994, el cultivo de frjol, adquiri importancia en los agricultores del
departamento por su demanda en el mercado internacional que lo converta en un
producto de exportacin, dando lugar incluso a la instalacin de la Oficina Prompex
menestras Lambayeque, con el objeto de contribuir a mejorar la competitividad y
rentabilidad de la oferta exportable del frjol Caupi. El comportamiento del cultivo en
los ltimos diez aos muestra un crecimiento del 26 % respecto a siembras, en tanto que
en produccin y rendimiento el incremento es ligero y del orden del 5 % y 7 %
respectivamente, a consecuencia de la disponibilidad de semillas mejoradas.

A pesar de las condiciones positivas de exportacin, pocas exigencias agronmicas

(bajo mdulo de agua); este cultivo se ve afectado por la exagerada vocacin del
agricultor lambayecano por la siembra del cultivo de arroz.

Caa de azcar

Banco CENTRAL DE Reserva del Per Sucursal Piura Sntesis Lambayeque

2005 Seccin estudios econmicos

En el ao 2005 los niveles de produccin de caa de azcar fueron inferiores a los de

mayo del 2004 (-67 por ciento) por la menor superficie cosechada (-74 por ciento) y por
el bajo rendimiento. Las perspectivas apuntan a que se mantenga este comportamiento
negativo por lo menos hasta junio, dado que las reas en produccin y crecimiento
afrontan los efectos irreversibles de un riego insuficiente, a lo que se aade la existencia
de severos problemas internos en las empresas.

El ACP es una tcnica que transforma ciertas variables en otras

incorrelacionadas, de media cero, que pueden escribirse como
combinaciones lineales de las primeras y que se llaman factores o
componentes principales, las cuales pueden ordenarse por la
magnitud de su varianza la cual est dada por un valor propio de la
matriz (en la prctica de S)

Las primeras r componentes principales bastan para describir en alto porcentaje

la variabilidad total de las variables originales. Con frecuencia r vale 2 o 3,
siendo el primero de ellos el caso ms deseable.

Cuando el porcentaje de variabilidad explicado por dos componentes principales

es alto (70%?) se puede realizar una representacin grfica de las variables
originales y de los individuos de la muestra (mapas perceptales) que muestran
algunas relaciones de correlacin o semejanza entre ellos.

Aunque todas las variables originales entran en la composicin de cada

componente principal, algunas son ms importantes que otras. Estas, las ms
importantes, determinan la naturaleza de cada componente