La incertidumbre, tal como se defini en la Consulta Tcnica sobre el Enfoque
Precautorio en Pesqueras (CTEP), es "la imperfeccin en el conocimiento sobre el
estado o los procesos de la naturaleza" (FAO/Gobierno de Suecia, 1995). La incertidumbre estadstica es "la aleatoridad o el error proveniente de varias fuentes como las descritas al usar la metodologa estadstica". La CTEP define el riesgo como "la probabilidad de que pase algo malo." Note que en trminos de teora de decisiones, el riesgo es definido como las prdidas promedio o las prdidas que se pronostican cuando algo malo sucede. Claramente, cuando las decisiones de ordenacin van a basarse en estimados cuantitativos, provenientes de los modelos de evaluacin pesquera, es deseable que la incertidumbre sea cuantificada y utilizada para calcular la probabilidad de lograr el objetivo deseado y/o de incurrir en eventos indeseables. El proceso de comunicar este riesgo a los que toman las decisiones est an en sus primeros estados de desarrollo y presenta retos sustanciales, tanto a los tcnicos pesqueros como a los administradores. Por otro lado, los administradores pesqueros y los participantes en la pesquera deben desarrollar medios para evaluar objetivamente los costos potenciales de los eventos indeseables y definir los niveles de riesgo aceptables y de capturas a corto plazo que puedan contribuir a reducir estos riesgos. Cuando se proponen medidas de ordenacin, es deseable la evaluacin de los costos esperados y de aquellos eventos indeseables que pueden resultar de una accin particular (Beddington, 1978; Francis, 1991). Mientras que en el pasado esta prctica ha sido rara, en los ltimos aos algunos fracasos en la ordenacin de poblaciones bien estudiadas ha transformado a este asunto en una prioridad cientfica. Recientemente, se han desarrollado varios talleres en donde se ha enfocado la evaluacin del riesgo en la ordenacin pesquera (SEPSC, 1991; NAFO, 1991; Anon., 1992; Smith et al, 1993; Kruze et al., 1993; FAO/Gobierno de Suecia, 1995). 3.1 Tipos de incertidumbre
3.1.1 Incertidumbre debida a errores de medicin y sesgo 3.1.2 Incertidumbre en el proceso 3.1.3 Incertidumbre en el modelo 3.1.4 Incertidumbre en la estimacin 3.1.5 Incertidumbre en la implementacin
Hay varias fuentes de incertidumbre en el clculo de los puntos de referencia y en la evaluacin del estado de las poblaciones con respecto a estos puntos de referencia. Cinco tipos de incertidumbre, que emergen de un conocimiento impreciso del estado de la naturaleza, son (Rosenberg y Restrepo, 1992): - Incertidumbre en la medicin, es el error en las cantidades observadas tales como la captura o los parmetros biolgicos; - Incertidumbre en el proceso, es la aleatoridad subyacente en la dinmica poblacional tal como la variabilidad en el reclutamiento; - Incertidumbre en el modelo, es la especificacin errnea de la estructura del modelo; - Incertidumbre en la estimacin, es la que puede resultar de cualquiera, o de una combinacin, de las incertidumbres descritas anteriormente y es la inexactitud e imprecisin en la abundancia o en la tasa de mortalidad por pesca; - Incertidumbre en la implementacin, es la consecuencia de la variabilidad que resulta de una poltica de ordenacin, i.e. incapacidad para alcanzar exactamente el objetivo de una estrategia de captura. Not que las fuentes de incertidumbre incluyen no slo el error estadstico en detectar el estado de la poblacin y las tendencias ambientales, o a los errores en el anlisis poblacional, sino tambin a las decisiones errneas y un marco de ordenacin ineficiente; asuntos que se tratan posteriormente en este trabajo. 3.1.1 Incertidumbre debida a errores de medicin y sesgo Las fuentes potenciales de variabilidad en los datos de pesqueras comerciales comnmente disponibles -captura, esfuerzo de pesca y muestras biolgicas de la captura por tamaos, determinacin de edades y de madurez- han sido el inters de los estadsticos pesqueros y de los cientficos encargados de las evaluaciones por varias dcadas (Doubleday y Rivard, 1983, Reporte del Grupo de Trabajo de Evaluaciones del ICES). Ahora, estas fuentes son relativamente bien conocidas y cuantificadas. Donde se utilizan cruceros de muestreo hay problemas estadsticos estndares relacionados con el tamao y la representatividad de las muestras. Sin embargo, la dificultad para contabilizar los descartes continua sesgando las estadsticas de desembarque de muchas pesqueras (Alverson et al., 1994). En las bitcoras y sistemas de reporte existen a menudo reportes errneos y, al cuantificar el esfuerzo, a menudo existen incrementos ocultos en el poder de pesca de las embarcaciones debido al aprendizaje de los pescadores y a los cambios tecnolgicos. Mientras que una prospeccin de pesca, con una embarcacin estndar y un diseo aleatorizado, puede proporcionar estimaciones objetivas o un ndice del tamao de la poblacin que son menos propensos a riesgos que los datos de captura, las estimaciones resultantes de la prospeccin tambin tienen una varianza significativa (Doubleday y Rivard, 1981). La varianza asociada con las prospecciones acsticas es tambin considerable (Simmonds et al., 1992) La tabla 4 incluye algunas estimaciones del rango de errores probables en algunas de las variables poblacionales para poblaciones de peces bien estudiadas. 3.1.2 Incertidumbre en el proceso La variabilidad natural asociada a los sistemas de produccin de peces puede ser enorme. La variabilidad ambiental, la fuente ms grande de errores en el proceso, usualmente se manifiesta como variabilidad en el reclutamiento (Hennemuth et al., 1980). En poblaciones de vida corta, esto puede resultar en fluctuaciones dramticas en la biomasa de los adultos (Lluch-Belda et al., 1989) Aunque pueden haber relaciones y patrones que pueden modelarse estadsticamente para proporcionar alguna explicacin de eventos anteriores, ha habido poco xito en predecir, con suficiente anticipacin, las condiciones ambientales o las respuestas de las poblaciones de peces y que sean tiles para la ordenacin (Walters y Collie, 1988). De esta manera, a menudo la variabilidad ambiental se considera completamente estocstica y, usualmente, el enfoque ms apropiado es medir directamente sus efectos sobre las poblaciones de peces mediante prospecciones de los pre-reclutas (Bradford, 1992). Adems de la variabilidad a una escala de tiempo inter-anual, tambin hay cambios ambientales que abarcan dcadas e incluso sobre escalas de tiempo ms largas, las cuales afecten la abundancia de la poblacin, su distribucin y localizacin en formas que son difciles de medir y mucho menos de predecir (Murawski, 1993) Generalmente se acepta que las poblaciones de peces llegan a ser ms susceptibles a la variabilidad ambiental en la medida en que se incrementa la explotacin. De esta forma, hay un efecto directo de la ordenacin en la incertidumbre y la reduccin de la incertidumbre puede ser, en si misma, un objetivo de la ordenacin. 3.1.3 Incertidumbre en el modelo Los errores de los modelos raramente son evaluados, debido a que los datos requeridos para distinguir entre los diferentes modelos no estn disponibles. Los estudios sobre el desempeo relativo de varias formulaciones de modelos, e.g. los modelos de produccin de Schaeffer y Fox, sugieren que stos pueden proporcionar resultados sustancialmente diferentes usando el mismo conjunto de datos. De hecho, el mismo modelo puede dar resultados bastante distintos dependiendo de la estructura de error asumida (Polancheck et al., 1993). Otros ejemplos de errores potenciales en los modelos de evaluacin de poblaciones incluyen los modelos utilizados para calibrar ndices de abundancia (e.g. ajuste o sintonizacin del APV), el uso de valores convencionales constantes para la mortalidad natural y el establecimiento de valores de F para los peces jvenes como una funcin de estos propios valores en los individuos ms viejos. El error en el modelo puede examinarse, en algn grado, utilizando varios modelos para evaluar el mismo recurso aunque, en la prctica, los datos y experiencia requeridos para un enfoque de multimodelos raramente existen. Sin embargo, en aquellos casos en que se ha intentado, a menudo se han encontrado diferencias sustanciales, por ejemplo, en el caso del atn de aleta azul del Atlntico Occidental, tres mtodos dieron estimados del MRS de 3942, 5530 y 6755 tm/ao (ICCAT, 1994). 3.1.4 Incertidumbre en la estimacin Debido a la naturaleza secuencial de las evaluaciones, los errores en la estimacin ocurren en varias etapas y se propagan a travs del proceso. Ellos pueden verse como el resultado combinado de los tres tipos de errores bosquejados anteriormente. Aunque en el pasado, los estimados explcitos de la exactitud eran raros, ahora han llegado a ser ms comunes en la literatura. En la tabla 4 se presentan algunos estimados del orden probable del error para las cantidades comnmente utilizadas en la evaluacin del estado de las poblaciones de pesqueras costeras. La generalidad de estos ejemplos puede ser cuestionable, pero probablemente estn subestimadas en el caso de las poblaciones de peces pelgicos y grandes pelgicos. Los intentos para cuantificar los errores en la estimacin utilizan la variabilidad estimada en los valores de los parmetros medidos. Es importante notar, sin embargo, que varios procedimientos utilizan entradas asumidas o sin mediciones, para las cuales no hay informacin sobre la variabilidad. El ms significativo de estos parmetros de entrada asumidos es la mortalidad natural, la cual raramente se mide o es fcilmente medible. Un anlisis reciente del eglefino en tres subreas del Mar del Norte proporcion estimaciones de M que varan desde 0.37 hasta 0.53, considerablemente ms altos que el valor convencional de 0.2 que se utiliza para las poblaciones demersales del Atlntico Norte (Jones y Shanks, 1990). La mayora de las evaluaciones de poblaciones y de los clculos de puntos de referencia objetivos involucran una secuencia de anlisis complejos. Inevitablemente, en cada etapa hay decisiones que tomar las cuales pueden afectar significativamente el resultado del anlisis. En ausencia de una metodologa que pueda proporcionar una solucin nica, muchos sistemas de ordenacin adoptan un enfoque de comit, en el cual el resultado, a menudo, es alcanzado por consenso. Para algunos tipos de evaluacin, notablemente las evaluaciones APV-basadas, este problema ha sido abordado mediante la automatizacin del procedimiento (Gavaris, 1988; Conser y Powers, 1990). Los errores en la estimacin que resultan de sesgos o de tendencias en las variables de entrada pueden ser muy difciles de detectar o de describir. Un ejemplo dramtico es el error sistemtico en la estimacin de la abundancia poblacional utilizando mtodos de anlisis secuencial de poblaciones (anlisis de poblacin virtual y anlisis de cohortes). Estos errores solamente fueron detectados cuando los cientficos realizaron un anlisis retrospectivo, varios aos despus de que los estimados poblacionales haban sido utilizados para suministrar asesora para la ordenacin. Esto slo pudo hacerse mediante la comparacin de los estimados poblacionales para cohortes que hubieran pasado casi completamente a travs de la pesquera (cohortes para las cuales los anlisis secuenciales de poblaciones, ASP, convergieron y para los cuales los estimados son poco afectados por los valores de entrada de F para los aos ms recientes), con las estimaciones de aquellas cohortes en el momento en que acababan de entrar a la pesquera. Fueron detectadas diferencias sustanciales entre las dos estimaciones, algunas veces diferencias de un orden de magnitud o ms. Debido a la complejidad del proceso de evaluacin, las causas de las diferencias encontradas por el anlisis retrospectivo fueron extremadamente difciles de evaluar y, todava, no estn bien comprendidas. Estas se han atribuido indistintamente a reportes errneos de capturas, a tendencias en la capturabilidad, al supuesto de una mortalidad natural constante a travs de todos los grupos de edad y a los supuestos concernientes al reclutamiento parcial (la susceptibilidad a la explotacin) a diferentes edades (Sinclair et al., 1990; Parma, 1993). Sinclair et al. (1990) concluy que "los estimados del tamao de la poblacin a partir de la convergencia del ASP no necesariamente representan el verdadero tamao de la poblacin para aquellos aos", dejando as dudas considerables en cuanto a la validez de una metodologa que ha sido una piedra angular en la evaluacin de poblaciones en muchas partes desarrolladas del mundo. Los valores de la tabla 4 muestran claramente que el tamao actual de la poblacin y la mortalidad por pesca se conocen con una precisin relativamente baja para la mayor parte de las pesqueras, aunque con los anlisis retrospectivos, particularmente el APV, las estimaciones anteriores pueden mejorarse algo. La captura total puede parecer una cantidad conocida con una precisin ms alta que otras variables, pero a menudo sufre de sesgos altos o desconocidos debido a los descartes y a los reportes errneos, particularmente si la ordenacin es a travs de cuotas. Las estimaciones de la biomasa mediante prospecciones tienen, tpicamente, una alta varianza, pero pueden estar menos sesgados y mejorarse con mayor investigacin. En todos los casos, la magnitud relativa del cambio de ao a ao ser conocida con mejor precisin que el valor absoluto. "EN AUSENCIA DE INFORMACION PRECISA, PUEDE SER NECESARIO ESTABLECER OBJETIVOS SENSATAMENTE PRUDENTES" Anon., 1991 Hasta la fecha, el inters ha estado en la cuantifcacin de la incertidumbre asociada con las estimaciones del estado de la poblacin. Los puntos de Referencia se ven frecuentemente como valores puntuales. El problema ser probablemente ms severo cuando el estado y los valores objetivos se estimen utilizando diferentes modelos y/o datos. En ltima instancia, los cientficos pesqueros necesitarn ampliar sus enfoques para tomar en cuenta la incertidumbre conjunta de las estimaciones del estado de la poblacin y de los puntos de referencia y, si es posible, de las interacciones en el proceso de estimacin. 3.1.5 Incertidumbre en la implementacin El error en la implementacin usualmente se considera fuera del componente cientfico de la ordenacin pesquera y, aunque es muy evidente, ha sido poco estudiado (O'Boyle, 1993). Este error est ligado, principalmente, a la falla en el control de la explotacin por cualesquiera de las medidas de MCV (monitoreo, control y vigilancia) que hayan sido adoptadas. Las razones son muchas y estn interrelacionadas, por ejemplo, una pobre vigilancia y control; falta de preocupacin por parte de la administracin de justicia cuando los casos son odos; fallas de los participantes en el apoyo a las medidas debido a la falta de oportunidad de participacin durante su desarrollo o por simples desacuerdos con las medidas que se han establecido. En los sistemas de ordenacin basados primariamente en una asesora generada a partir de evaluaciones biolgicas, la falla al incorporar informacin no biolgica, o su incorporacin incorrecta, tambin contribuye al error en la implementacin. Frecuentemente, estos problemas pueden ser conocidos por los administradores y sus asesores tcnicos, pero puede ser imposible cuantificar la incertidumbre, excepto de manera retrospectiva. Un taller para revisar la ordenacin de las poblaciones de peces demersales de la Plataforma de Nueva Escocia en el este de Canad, desde 1977 a 1993, concluy que el error en la implementacin fue la causa principal de la falla para conservar las poblaciones (Angel et al., 1994). El Taller not que "En suma, el enfoque tctico seleccionado para controlar la mortalidad por pesca gener un comportamiento ilegal que no fue controlado por el rgimen de control disponible". Los aspectos institucionales del error en la en la implementacin sern considerados en mayor detalle en la Seccin 4. 3.2 Estimacin de la incertidumbre y del riesgo El enfoque ms comn para estimar el efecto de la variabilidad sobre los resultados de los modelos que utilizan una variedad de parmetros de entrada, es una simulacin de la propagacin de los errores, en la cual se permite variar los parmetros de entrada y la variabilidad de los resultados del modelo se describe en trminos probabilsticos. Los dos enfoques metodolgicos ms comnmente utilizados para la propagacin de errores son las simulaciones de Monte Carlo y las tcnicas de remuestreo tales como la del "bootstrapping". La simulacin de Monte Carlo es la replicacin de un procedimiento con datos de entrada o parmetros extrados aleatoriamente a partir de una distribucin paramtrica (a menudo referida como bootstrap paramtrico). Las tcnicas de remuestreo involucran la replicacin de un procedimiento utilizando datos de entrada obtenidos por mustreos a partir de observaciones empricas (Manly, 1991). Smith et al. (1993) proporcionan una visin general del enfoque de "bootstrap" para identificar y cuantificar las incertidumbres asociadas a los puntos de referencias. Estos procedimientos proporcionan estimaciones de la funcin de densidad probabilstica (FDP) para los resultados, la cual puede ser mostrada de diferentes maneras (Fig. 12). La simulacin de Monte Carlo requiere de ms estadstica que la tcnica de "bootstrap", ya que requiere conocer la distribucin del error de los parmetros de entrada. Rice (1993) sugiere que los mtodos de estimacin de la densidad no- paramtricos (Silverman, 1986) tambin pueden ser aplicables, particularmente en los casos donde hay dudas sobre el grado en que los modelos especifican errneamente la relacin funcional entre pares de variables histricas, e.g. entre la biomasa de la poblacin desovante y el reclutamiento. La informacin sobre la variabilidad en las entradas de los modelos ha sido utilizada para evaluar el riesgo de dos maneras. Primero, ha sido utilizada para simular la respuesta de la poblacin a varias estrategias de explotacin, con el propsito de comparar enfoques de ordenacin a largo plazo (Ruppert et al., 1985). Segundo, ha sido utilizada para estimar la probabilidad de estar en, o cerca de, un punto objetivo en un determinado ao y, a la luz de esto, estimar la probabilidad de exceder algn lmite o umbral indeseable (Mohn, 1993). El ltimo uso ha sido el foco de atencin ms reciente en la ordenacin pesquera. Para asesorar sobre el riesgo, es necesario ir ms all de la probabilidad de ocurrencia de eventos particulares y cuantificar el grado en que estos eventos son indeseables, esto es, el costo o el impacto del evento. Esto requiere que la relacin entre los resultados especficos y la consecuente prdida de beneficios sean especificadas (Anon., 1992). Un incremento de las capturas est acompaado de una reduccin en la biomasa en las pesqueras y tiene asociado riesgos de variabilidad y de colapso de la poblacin. El enfoque ms simple de riesgo es, usual mente, "Cunta captura puede obtenerse sin reducir la poblacin al punto dnde sta pueda fluctuar inaceptablemente y/o sea incapaz de reponerse por s misma por debajo de un 10 % (o incluso ms alto)". Hay muchas otras preguntas con relacin al riesgo, de la misma forma que hay objetivos de ordenacin, o combinaciones de objetivos de ordenacin. En la medida en que la cuantificacin del riesgo y la aplicacin de la teora de decisiones basada en los riesgos llegue a estar ms formalmente incorporada dentro de la ordenacin pesquera, el concepto inevitablemente ser aplicado a asuntos econmicos y sociales ms complejos. En el presente, uno de los principales impedimentos para la evaluacin y uso del riesgo en el suministro de asesora para la ordenacin, ha sido la definicin formal de "seguro" (riesgo aceptable). Claramente, ste debiera ser especfico para cada pesquera. Sin embargo, algunas generalizaciones precautorias son deseables. Por ejemplo, aunque el riesgo est incluido en la base conceptual de la ordenacin de las Pesqueras de Nueva Zelandia, ste no ha sido formalmente definido. Francis (1993) propone una definicin en la cual el nivel de captura debiera ser considerado seguro si mantiene la biomasa de la poblacin desovante por encima del 20 % del nivel de la poblacin virgen, al menos el 90 % de las veces. Las definiciones de riesgo aceptable sern generalmente expresadas en trminos como los discutidos hasta ahora, que niveles de riesgo debajo de un 10 % (o incluso mayores) estarn justificados por los datos disponibles. Figura 12: Tres maneras de mostrar la informacin sobre la incertidumbre utilizando una distribucin de probabilidades: (a) la Funcin de Densidad Probabilstica es ms apropiada cuando la preocupacin principal es la posibilidad de alcanzar un objetivo; (b,c) la probabilidad de supervivencia y las Distribuciones de Probabilidades Acumulativas, son ms apropiadas cuando la preocupacin principal es evitar un PRL superior e inferior, respectivamente. Se pueden identificar dos categoras de riesgos: el riesgo de no lograr un PRO y el riesgo de exceder un PRL (Mace, 1994). Los costos de no alcanzar un PRO usualmente estn definidos en trminos de la reduccin o interrupcin en el corto- plazo del flujo de beneficios para los participantes en la pesquera y para los consumidores, an cuando esto pueda resultar en ganancias netas en el largo plazo. Esto tambin puede ser balanceado por un aumento de los precios en el mercado como resultado de una reduccin en la oferta. Para especies con una mortalidad natural baja, la mayor parte de la biomasa no capturada en un ao puede estar disponible el ao siguiente. Para especies con una alta mortalidad natural, la biomasa que no se pesca har una contribucin, a travs de la depredacin, a otros componentes, posiblemente valiosos desde el punto de vista comercial, de la trama trfica. Los costos de exceder un PRL son mucho ms serios y han sido discutidos anteriormente y pueden ir desde una disminucin al colapso de las poblaciones, impactos sobre las especies asociadas y desestabilizacin de los ecosistemas y prdidas de los ingresos a largo plazo, incluyendo impactos intergeneracionales. Si la condicin para una captura segura slo puede lograrse mediante gastos en la investigacin, ordenacin y control que excedan la renta neta que probablemente proporcione el recurso, debieran considerarse otros enfoques de ordenacin menos costosos, tales como capturas intermitentes (pesca en pulsos o selectiva) bajo una estrecha supervisin, o la rotacin de la pesca entre las reas de pesca. Consistente con las dos categoras de riesgo descritas anteriormente, hay dos tipos de errores de ordenacin que pueden surgir debido a la incertidumbre sobre el estado actual de la poblacin (Rosenberg y Restrepo, 1995). Los trminos errores de Tipo I y de Tipo II han sido adoptados del mismo modo en que se usan en la estadstica convencional. El error de Tipo I ocurre cuando los cientficos asesoran errneamente a los administradores de que se est produciendo una sobrepesca. El error de Tipo II ocurre cuando los cientficos errneamente concluyen que la poblacin est subexplotada. Como se indic anteriormente, las consecuencias de un sesgo hacia errores de Tipo II son ms serias que los sesgos hacia errores de Tipo I. Un marco de ordenacin que invoque a acciones prefijadas cuando uno o ms PRLs (ya sean cuantitativos o cualitativos) han sido excedidos es, en efecto, un enfoque precautorio. Un contexto para este enfoque es anlogo a un termostato (Die y Caddy, en prensa): la pesquera que opera bajo un estricto control del acceso, no est sujeta a un objetivo de captura o de limitacin, pero una vez que uno, o una serie de PRLs, muestra evidencia de sobrexplotacin, se pone en prctica una accin de ordenacin pre-establecida para reducir el esfuerzo de la flota. Esto es mantenido o reforzado hasta que el recurso se recupera a un nivel pre-acordado, cuando la tasa de explotacin puede ser incrementada ligeramente. Tambin pueden haber riesgos debidos a interacciones biolgicas no previstas, que van ms all del mbito de control de la ordenacin, pero que a pesar de esto afectan a la pesquera. Por ejemplo, la invasin de aguas Noruegas por focas "arpas", para las que se estim que, en 1987 y 1988, consumieron 325,000 75,000 t de bacalao y pescadilla, produjeron una disminucin sbita en las clases de edad de tres aos (Ugland et al., 1993). Tales eventos biolgicos y ambientales, aunque no necesariamente son causados por la pesca, necesitan ser pronosticados cuando sea posible, monitoreados y tomados en cuenta en relacin a cualquier PRL biomasa- basado. 3.3 Asesoramiento a los administradores sobre incertidumbre y riesgo No hay mtodos estndares para comunicar la incertidumbre y el riesgo a los que adoptan las decisiones sobre pesqueras (Rosenberg y Restrepo, en prensa). Las estadsticas bsicas proporcionan una variedad de medios de comunicar la variabilidad, los que pueden ser utilizados para indicar la incertidumbre asociada a una estimacin en particular, o para indicar la probabilidad de ocurrencia de un evento indeseable. Las funciones de densidad probabilstica se usan ms frecuentemente para comunicar la variabilidad asociada a una media cuando las observaciones estn normalmente distribuidas. Para propsitos de ordenacin pesquera, las probabilidades acumulativas o distribuciones de supervivencia acumuladas pueden ser ms tiles cuando el propsito es estimar la probabilidad de evitar el lmite superior e inferior (Fig. 12). Los mtodos no-paramtricos basados en percentiles y cuartiles y el uso de "box plots" pueden ser ms apropiados cuando las distribuciones estn sesgadas. El mtodo para comunicar la incertidumbre y el riesgo a los administradores depender de su nivel de sofisticacin tcnica. En situaciones de muchos pases en desarrollo, ser importante relacionar la incertidumbre con caractersticas de la pesquera que son bien conocidas, e.g. una cantidad de captura en lugar de un nivel de F. Una simple presentacin grfica fue utilizada para los peces voladores en el Caribe oriental como un medio de comunicar las tendencias en las capturas, las tasas de captura, su variabilidad y la probabilidad creciente de eventos indeseables cuando se incrementaba la F (Fig. 13). Para muchas poblaciones valiosas, los intentos de cuantificar la incertidumbre y el riesgo estarn justificados. Para la pesquera de bacalao del norte en Terranova y Labrador, Restrepo et al. (1992) utilizaron el enfoque de Monte Carlo para investigar los riesgos asociados con la ordenacin por cuotas. Utilizando 1000 corridas de simulacin ellos encontraron que, si al final de 1990 nosotros deseamos obtener F 1991 = F 1990 , los estimados de cuotas para 1991, cuando todos los elementos conocidos de incertidumbre fueron introducidos en el modelo, podran estar en el orden de 170,000-260 000 t. Tal tipo de simulacin proporciona la base para evaluar el riesgo de cualquier cuota. De esta manera, ellos notaron que incrementando en 5 000 t la cuota de 210,000 t, se doblaba el riesgo de exceder F 1990 . (Incidentalmente, hay un inters particular en revisar esta evaluacin particular del riesgo despus del colapso y el cierre de esta pesquera de bacalao en los ltimos aos). Hilborn y Peterman (1995), recomendaron que los cientficos eviten presentar simplemente un espectro de valores. Ellos plantean que la asesora debera tratar tanto con las consecuencias de las hiptesis alternativas como con las acciones alternativas. Ellos sugieren que en lugar de decir que "la captura sostenible puede estar entre 5 y 100 tm, con nuestro mejor estimado de 75 tm", se lograra una discusin mucho mejor informada si se presenta en la siguiente forma "hay una probabilidad del 40 % de capturar 50 tm/ao por los prximos 20 aos, una probabilidad del 50 % de capturar 75 tm/ao y una probabilidad del 10 % de capturar 100 tm/ao." El inters actual acerca de la cuantificacin de la incertidumbre y del riesgo requiere una considerable cantidad de informacin y experiencia. Es importante para los administradores y asesores pesqueros notar que una visin subjetiva del riesgo, basada en la experiencia de los participantes, tambin puede ser aplicada en la ordenacin. La mayora de los pescadores y administradores informados estaran de acuerdo en que hay un riesgo inaceptablemente alto de que la pesca sin control de las agrupaciones reproductivas del mero conduzca a la extincin de las mismas y que el acceso a las agregaciones debera estar controlado. No se requiere la evaluacin de una poblacin particular para una accin de ordenacin. Los datos para estimar un escape ptimo pueden no estar disponibles ni que tampoco sea percibido como econmicamente viable, debido a la tasa de descuento, adquirir y analizar los datos, pero la sustentabilidad puede lograrse limitando el acceso