Conceptos estadísticos

Inventario Forestal
Estadística: concepto

 “Ciencia encargada de colectar, organizar, analizar e

interpretar datos”.
 “Procedimiento formal para el estudio de la incertidumbre”

 Se puede dividir en dos grandes ramas:

 Estadística descriptiva que se encarga de resumir la

información contenida en los datos empleando estadísticos.

 Inferencia estadística que desarrolla procedimientos para

inferir características de la población con base a muestras.
Parámetro y variable

 Parámetro
Es una constante que describe una población.

 Variable
Cualquier característica (cuantitativa o cualitativa)que
pueda variar de una unidad a otra.

“Un parámetro se estima y una variable se predice”

Parámetro y variable

 Parámetros
Área basal
Densidad (árb ha-1)
Altura dominante
Índice de Sitio

 Variables
DAP
Altura total
Calidad
Tipos de variables

 Discreta
Cuando tiene un finito o contable infinito número de
posibles valores.

 Continua
Cuando puede tomar cualquier valor dentro de un
determinado intervalo y tiene un infinito número de
valores.
Escalas de medida
Exactitud, Precisión y Sesgo

 Exactitud
Cercanía entre un valor estimado y su valor real.

 Precisión
Grado de concordancia entre mediciones sucesivas.

 Sesgo
Error sistemático.
Exactitud, Precisión y Sesgo
Simetría
Curtosis
Posición central
Variabilidad

La misma
media
Menor
variabilidad

Mayor
variabilidad
Variabilidad

La misma
media
Menor
variabilidad

Mayor
variabilidad
Dispersión
Análisis descriptivo de datos
Resumir información
 Ejercicio
 Se ha medido el DAP y HT en 9 árboles muestras dentro de una población
finita de 50 árboles.
DAP (cm) HT (m)
18.1 18.1
17.2 16.2
16.5 15.4
21.6 21.4
33.2 27.1
23.1 23.4
17.3 15.8
14.3 14.0
5.2 8.3

 Resumir la información con estadísticos de tendencia central y dispersión.

 Estadística Inferencial

 Los conceptos básicos de Probabilidad y de distribuciones muestrales sirven como

introducción al método de Inferencia Estadística; esta se compone de dos áreas:

 Estimación: se encarga de buscar establecer los valores de los

parámetros de la población.
 Pruebas de hipótesis: constituyen un proceso relacionado con
aceptar o rechazar afirmaciones acerca de los parámetros de la
población.
Los dos pasos anteriores se pueden resumir diciendo que el propósito
es hacer inferencias sobre la población a partir de una muestra y
estimar la confianza con la que estas inferencias pueden ser
verdaderas.
Tipos de estimaciones

 Estimación Puntual: provee de una descripción

específica de la población a través de estadísticos
descriptivos muestrales.
n

y i
y= i =1
n
 Estimación de Intervalo: complementa la estimación
puntual incorporando incertidumbre a través de la
construcción de intervalos.

y  t(n −1),1− 2  S y
Población

 Es el conjunto de todas las posibles

observaciones de una variable. Se
define como el tamaño de la
población (N), el número de
unidades de muestreo
pertenecientes a una población.

 Finitas: Cuando se conoce o se

puede establecer su tamaño; N
toma un número entero.
 Infinitas: Cuando no se conoce o
no se puede calcular; N → ∞.
Unidad de muestreo

 Se define como el mínimo

elemento o parte en que está
dividida la población de objetos.
Son aquellos elementos sobre los
cuales se procede a hacer la
evaluación, medición o cálculo
de variables de interés. Estas
pueden ser parcelas, árboles,
trozas puntos en el bosque,
transeptos en el bosque, entre
otras.
 Muestra

Mediciones parciales objetivas, que son aseguradas por la teoría del

muestreo, siendo representativas de la población.

 Razones que apoyan el uso de muestras:

 La medición o enumeración completa de las unidades poblacionales es
imposible.
 El muestreo provee de información a menor costo.
 La información obtenida puede ser más precisa que la obtenida al medir
el 100 % de las unidades.
 Compilación y procesamiento de la información requiere menor tiempo.
Selección de muestras
 Permutaciones

 Una permutación de objetos es un arreglo de éstos en el que

orden sí importa. Para encontrar el número de permutaciones de
n objetos diferentes en grupos de tamaño k, se usa la siguiente
fórmula:

n! donde :
nPk = Cuando no se

(n − k )! permite repetición n = número total de

objetos.
k = número de objetos
dentro de cada grupo.
nPk = n k Cuando se
permite repetición
 Permutaciones

 Si se tiene un grupo de tres objetos: A, B y C.

 ¿Cuantos grupos distintos de 2 objetos se pueden formar?

Si no se permite repetición Si se permite repetición

nPk =
3!
=6 nPk = 3 = 9 2

(3 − 2)!
(A,B) ; (A,C) ; (B,A); (B,C); (C,A); (C,B) (A,A); (A,B) ; (A,C) ; (B,A); (B,B); (B,C);
(C,A); (C,B);(C,C)
Combinaciones

Una combinación de objetos es un arreglo de éstos en el que el orden

no importa. Para encontrar el número de combinaciones de n objetos
en grupos de tamaño k, se usa la siguiente fórmula:

n!
nCk =
k!(n − k )!
donde :
 n = número total de objetos.
 k = número de objetos dentro de cada grupo.
 Combinaciones

 Si se tiene un grupo de tres objetos: A, B y C.

 ¿Cuantos grupos distintos de 2 objetos se pueden formar?

3!
nCk = =3
2! (3 − 2 )!

(A,B) ; (A,C) ; (B,C)

 Glosario de términos

Termino poblacional Sigla Termino muestral Sigla

Media poblacional µ Media muestral 𝑦ത
Varianza poblacional 𝜎2 Varianza muestral 𝑠2
Desviación estándar Desviación estándar 𝑠
𝜎
poblacional muestral
Tamaño poblacional N Tamaño muestral n
 Distribución normal

 La distribución de probabilidad más importante de las

distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
 La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
 La media aritmética, la mediana y la moda de la
distribución son iguales y se localizan en el pico.
 La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la

X ~ N ( , )
izquierda de dicho punto.
 La distribución de probabilidad normal es simétrica
alrededor de su media.
 La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
 Distribución normal
Pico centro
distribución
 La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
 La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
 La media aritmética, la mediana y la moda de la
distribución son iguales y se localizan en el pico.
 La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la

X ~ N ( , )
izquierda de dicho punto.
 La distribución de probabilidad normal es simétrica
alrededor de su media.
 La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
 Distribución normal
Pico centro
distribución
 La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
 La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
 La media aritmética, la mediana y la moda de la
distribución son iguales y se localizan en el pico.
 La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la
µ ≈ Me ≈ Mo

X ~ N ( , )
izquierda de dicho punto.
 La distribución de probabilidad normal es simétrica
alrededor de su media.
 La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
 Distribución normal
Pico centro
distribución
 La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
 La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
 La media aritmética, la mediana y la moda de la
50% 50% distribución son iguales y se localizan en el pico.
 La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la
µ ≈ Me ≈ Mo

X ~ N ( , )
izquierda de dicho punto.
 La distribución de probabilidad normal es simétrica
alrededor de su media.
 La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
 Distribución normal
Pico centro
distribución
 La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
 La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
 La media aritmética, la mediana y la moda de la
50% 50% distribución son iguales y se localizan en el pico.
 La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la
µ ≈ Me ≈ Mo

X ~ N ( , )
izquierda de dicho punto.
 La distribución de probabilidad normal es simétrica
alrededor de su media.
 La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
 Distribución normal
Pico centro
distribución
 La distribución de probabilidad más importante de las
distribuciones estadísticas. Casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede
aproximar por una normal bajo ciertas condiciones.
 La curva normal tiene forma de campana y un solo pico
en el centro de la distribución.
 La media aritmética, la mediana y la moda de la
50% 50% distribución son iguales y se localizan en el pico.
-∞ +∞
 La mitad del área bajo la curva se encuentra a la
derecha de este punto central y la otra mitad está a la
µ ≈ Me ≈ Mo

X ~ N ( , )
izquierda de dicho punto.
 La distribución de probabilidad normal es simétrica
alrededor de su media.
 La curva normal desciende suavemente en ambas
direcciones a partir del valor central.
El teorema del límite central: las medias de muestras
grandes y aleatorias son aproximadamente normales

La distribución muestral de las medias

corresponde a:

  
Y → N  , 
 n
Donde:
μ = media poblacional
σ = es la desviación estándar poblacional
n = es el número de muestras
   
Ejemplo Y → N  , 
 n
Una población se compone de 5 alturas (m): 11, 13, 17, 15 y 14.

n = 5, k = 2 n = 5, k = 4
   
Ejemplo Y → N  , 
 n
Una población se compone de 5 alturas (m): 11, 13, 17, 15 y 14.

n = 5, k = 2 n = 5, k = 4
muestras posibles = 10 muestras posibles = 5
 (11, 13)  y =12  (11, 13, 17, 15)  y =14
 (11, 17)  y =14  (11, 17, 15, 14)  y =14.3
 (11, 15)  y =13  (11, 13, 15, 14)  y =13.3
 (11, 14)  y =12.5  (11, 13, 17, 14)  y =13.8
 (13, 17)  y =15  (13, 17, 15, 14)  y =14.8
 (13, 15)  y =14
 (13, 14)  y =13.5
 (17, 15)  y =16
 (17, 14)  y =15.5
 (15, 14)  y =14.5
n = 5 , k = 2, muestras n = 5 , k = 4, muestras
posibles = 10 posibles = 5

 2.00   2.00 
Y → N 14,  Y → N 14, 
 10   5 
 Error estándar
Ya vimos que la distribución muestral de las medias corresponde a:

  
Y → N  , 
 n
Como solo se tiene una muestra
El error estándar es el estimador de σ:
Para poblaciones infinitas Para poblaciones finitas

Sy Sy
n
Sy = Sy = 1−
n n N
Es la desviación estándar de las medias muestrales
 Límites de confianza
Como σ es desconocida en la mayoría de casos forestales
se estandariza usando la distribución t-student

Y −
t= Distribución t-student

Sy
n
 Límites de confianza: con σ desconocida
Si fijamos una probabilidad α, podemos obtener -t y t que limitan un área de
valor 1 - α.

y−
−t =   = y + t  Sy
Sy

y−
+t =   = y − t  Sy
Sy
1-α

Deshaciendo la estandarización obtenemos el

intervalo de confianza para la media:
-tα/2 +tα/2

( ) (
y − t( n −1;1− 2)  S y    y + t( n −1;1− 2)  S y )
Error de muestreo

El error de muestreo es el error que surge a causa de observar una muestra en

lugar de la población completa.

 Error de muestreo absoluto:

E = t(n −1;1− 2 )  S y
 Error de muestreo relativo:

t(n −1;1− 2 )  S y
E% =
y
 Ejercicio
 Se ha medido el DAP y HT en 9 árboles muestras dentro de una población finita de 50
árboles.

DAP (cm) HT (m)

18.1 18.1
17.2 16.2
16.5 15.4
21.6 21.4
33.2 27.1
23.1 23.4
17.3 15.8
14.3 14.0
5.2 8.3
 ¿ Cuál es el intervalo de confianza para la media de DAP y Altura para un α=0.05 ?