Calculadora de Chao1: estima la riqueza real de especies de tu muestreo
Estima la riqueza real de especies con tus abundancias o con singletons y doubletons: Chao1 clásico y corregido por sesgo (con el factor (n−1)/n), varianza, intervalo de confianza log-lineal al 95%, ACE, especies no detectadas y cobertura de la muestra (Good y Chao–Jost).
Cómo funciona
Chao1 = S_obs + [(n − 1)/n] × f₁² ÷ (2f₂) (si f₂ = 0: S_obs + [(n − 1)/n] × f₁(f₁ − 1) ÷ 2) · corregido por sesgo = S_obs + [(n − 1)/n] × f₁(f₁ − 1) ÷ [2(f₂ + 1)] · var = f₂[(A/2)(f₁/f₂)² + A²(f₁/f₂)³ + (A²/4)(f₁/f₂)⁴], A = (n − 1)/n · IC = S_obs + T ÷ K a S_obs + T × K, con T = Chao1 − S_obs y K = exp(z√ln(1 + var/T²)) · ACE = S_abund + S_raras/C + (f₁/C)γ², C = 1 − f₁/N_raras · cobertura de Good = 1 − f₁/n
Las especies que viste una sola vez (singletons, f₁) son la pista de las que no viste: si muchas aparecieron con un único individuo, seguramente había más presentes sin muestrear, y si la mayoría de las raras aparecieron dos veces (doubletons, f₂), la muestra está casi completa. Chao1 convierte la razón entre singletons y doubletons en una estimación de las especies no detectadas y la suma a la riqueza observada, lo que da un límite inferior de la riqueza real. El software actual (EstimateS desde la versión 9.1, iNEXT, SpadeR) incluye el factor de muestra pequeña (n − 1)/n, que esta calculadora también usa, así que el resultado puede salir un poco menor que el clásico de libro S_obs + f₁²/2f₂. La forma corregida por sesgo evita dividir entre cero cuando no hay doubletons y es la predeterminada en EstimateS. El intervalo de confianza es el log-lineal de Chao (1987), que supone que el número de especies no vistas sigue una distribución log-normal; por eso el límite inferior nunca baja de lo observado y el intervalo se estira hacia arriba. ACE (estimador basado en la cobertura de abundancia) usa todas las especies con 10 individuos o menos y no solo f₁ y f₂; cuando esos conteos son muy desiguales (CV mayor que 0.5), Chao recomienda informar el mayor entre Chao1 clásico y ACE. La cobertura de Good, 1 − f₁/n, estima qué parte de los individuos de la comunidad pertenece a especies ya detectadas; la versión de Chao–Jost también usa f₂ y es un poco más precisa.
Ejemplo resuelto
En un muestreo de escarabajos en un bosque de niebla, Luis registra 17 especies y 97 individuos (25, 18, 12, 9, 7, 5, 4, 3, 3, 2, 2, 2, 1, 1, 1, 1, 1): 5 singletons y 3 doubletons. Con (n − 1)/n = 96/97 = 0.9897, Chao1 = 17 + 0.9897 × 25 ÷ 6 = 17 + 4.12 = 21.1 especies. La varianza es 23.40 (error estándar 4.84) y el intervalo log-lineal al 95% va de 17.7 a 42.5 especies. Chao1 corregido por sesgo es 17 + 0.9897 × 20 ÷ 8 = 19.5. ACE, con las 14 especies que tienen 10 individuos o menos (42 individuos, cobertura 0.881, γ² = 0.514), da 21.8. Faltarían unas 4 especies por detectar y la cobertura de Good es 1 − 5/97 = 94.8%.
Fuentes: EstimateS 9 User's Guide (Colwell): Chao1, bias-corrected form, (n−1)/n factor, log-linear CI, ACE · EstimateS User's Guide PDF
Preguntas frecuentes
¿Cómo se calcula Chao1?
Cuenta las especies vistas una vez (f₁) y dos veces (f₂) y suma f₁² ÷ (2 × f₂) a las especies observadas, multiplicado por (n − 1)/n en el software actual. Con 17 especies, 5 singletons, 3 doubletons y 97 individuos: 17 + 0.9897 × 25 ÷ 6 = 21.1.
¿Chao1 es un límite superior o inferior?
Es un límite inferior de la riqueza real: resulta conservador cuando quedan muchas especies raras sin detectar, así que la cifra real puede ser mayor, sobre todo con cobertura baja.
¿Uso Chao1 clásico o corregido por sesgo?
EstimateS usa por defecto la forma corregida por sesgo, y siempre cuando no hay doubletons. Muchos artículos informan la forma clásica cuando f₂ > 0. Si la distribución de abundancias es muy desigual (CV mayor que 0.5), Chao recomienda el mayor entre Chao1 clásico y ACE.
¿Por qué el intervalo de confianza no es simétrico?
El intervalo log-lineal de Chao trata el número de especies no vistas como log-normal, así que no puede bajar de la riqueza observada y se extiende más hacia arriba que hacia abajo, lo que refleja la incertidumbre real de la cola de especies no vistas.
¿Y si tengo datos de incidencia (presencia/ausencia)?
Usa Chao2, que sustituye los singletons y doubletons por las especies encontradas en exactamente una y dos unidades de muestreo, y el número de individuos por el número de unidades de muestreo.
¿Qué cobertura de muestreo se considera suficiente?
Por encima de 90 a 95% la muestra representa bien a la comunidad. Con coberturas menores, seguir muestreando todavía encontraría especies nuevas; compara sitios con la misma cobertura mediante rarefacción.
Calculadoras relacionadas
Esta calculadora tiene fines informativos. Verifica los resultados importantes antes de tomar decisiones.