Los pescadores no tienen forma de separar los peces que capturan cuando arrojan sus redes al mar. Especies protegidas y peces sin valor de mercado:el tiburón martillo, por ejemplo, terminar atrapado y morir sin motivo. En un intento por minimizar esta pesca incidental, estadísticos de la Universidad de Ginebra (UNIGE, Suiza), Universidad de Dalhousie (Halifax, Canadá) y la Universidad Nacional de Australia (Canberra) han ideado un nuevo método estadístico para predecir las capturas incidentales con mayor precisión en el futuro. La técnica, que se explica en su totalidad en la revista Anales de estadísticas aplicadas , también se puede aplicar a otros campos de investigación, incluida la economía de la salud, medicina y ciencia de la educación.
Cuando los pescadores emprenden sus expediciones en el mar, las especies protegidas quedan atrapadas accidentalmente en sus redes junto con el pescado destinado a la venta. Los biólogos están recopilando conjuntos de datos sobre el número de peces y las cifras de conservación de especies para poder estudiar el volumen de la pesca incidental y su impacto en la fauna marina. La estructura de estos datos, conocido como "anidado", es complejo porque integra una gran cantidad de información técnica, como el número de expediciones o el tipo de embarcaciones utilizadas. Los datos también registran la cantidad de peces protegidos capturados en las redes en cada viaje de pesca. Sin embargo, algunas especies (el tiburón martillo es uno de esos casos) por lo general no se capturan, lo que dificulta establecer modelos que incluyan el número de capturas nulas para cada especie. "Hasta ahora, no ha habido ningún método estadístico general que combine una estructura de datos anidada con una gran cantidad de ceros en las observaciones ", explica Eva Cantoni, profesor del Centro de Investigación en Estadística de la Escuela de Economía y Gestión de Ginebra de UNIGE (GSEM). "Por lo tanto, era necesario llenar este vacío, lo que hicimos estableciendo un modelo muy general y flexible, llamado Modelo de obstáculos de efectos aleatorios ".
La complejidad de la generalidad
Los estadísticos desarrollaron un nuevo método con el objetivo final de introducir la pesca ordenada y reducir la captura incidental. "Tuvimos que tener en cuenta una serie de dinámicas, "continúa Cantoni." El objetivo no era solo analizar los cambios en el número de capturas a lo largo del tiempo, sino también estudiar las diferentes estaciones y el clima, todo ello teniendo en cuenta las condiciones técnicas:la profundidad de las redes, las estaciones (como ya he mencionado), el tipo de anzuelos utilizados, si se usaron barras de luz o no, y el tipo de embarcación ". Según estos datos, los investigadores identificaron las condiciones fácilmente influenciables (como la profundidad de los anzuelos) que reducirían el volumen de especies no comercializables que se capturan.
Luego, los estadísticos crearon una nueva metodología que combinaba modelos más antiguos que se especializaban en estructuras anidadas o gestión cero. "La dificultad radicaba en unir estos dos aspectos y, al mismo tiempo, garantizar que el modelo fuera lo más general posible para que pudiera adaptarse a muchas situaciones, "dice Joanna Mills Flemming, del Departamento de Matemáticas y Estadística de la Universidad de Dalhousie. Cuanto más general es un modelo, cuanto más complejo es de procesar. Se utilizaron técnicas de simulación modernas para estimar los parámetros del modelo (relacionados, por ejemplo, a la profundidad de los anzuelos) y su variabilidad. Los autores demostraron teoremas que determinan y cuantifican los márgenes de error del modelo y sus predicciones. Prevención de capturas accidentales y apoyo a la política medioambiental. Este modelo significa que ahora es posible estimar las capturas incidentales potenciales para una expedición de pesca. "Cuando los pescadores nos dan los datos de sus viajes, podemos predecir la captura incidental de tiburones martillo, por ejemplo, con más precisión, "afirma Cantoni." El método se puede utilizar para respaldar las políticas ambientales al prohibir la pesca a cierta profundidad en una época determinada del año, ya que implicaría demasiadas capturas incidentales, "agrega Alan Welsh de la Universidad Nacional de Australia.
El modelo llena un vacío estadístico:anteriormente, no existía un modelo general capaz de factorizar simultáneamente estructuras de datos complejas y anidadas y un gran número de observaciones igual a cero. Hoy dia, El nuevo modelo no solo sirve a la pesca comercial:también se puede utilizar en otras áreas con una estructura de datos compleja, incluida la economía de la salud, medicina y ciencia de la educación.