CONCEPTOS BÁSICOS

M. C. Xavier García Cuevas

Investigador Titular “C”
Plantaciones y Sistemas Forestales
Campo Experimental Chetumal (INIFAP)
Introducción
En la actividad forestal se requiere el conocimiento de los diversos recursos
naturales con los que se cuenta, para hacer una adecuada planeación de los
aprovechamientos, administración y fomento de los mismos (Rodríguez, 1998).
Cuando se realizan proyectos de desarrollo, algunas de las preguntas mas
frecuentes suelen ser ¿cuál es la cantidad existente del recurso’, ¿cuáles son
sus características cualitativas o cuantitativas?, en donde se ubica el recurso?.
Esto puede ser respondido a través de la evaluación del recurso, lo cual
constituirá la base para la toma de decisiones (Rodríguez, 1998).
La evaluación de recursos tiene un amplio campo de acción, donde intervienen
varias ramas de la ciencia, como la fotogrametría y fotointerpretación, los
sistemas de información geográfica, métodos estadísticos, cómputo electrónico,
para que en conjunto se logre la realización de un inventario forestal con un
objetivo específico diseñado (Rodríguez, 1998).
Este es un curso de recetas para forestales, en donde se presentaran algunos
métodos de muestreo que se consideran son de utilidad práctica en las áreas
forestales tropicales. Por lo anterior, no se presenta en ningún momento, la
teoría en que se fundamentan estos métodos, ya que son muy pocos los
forestales que se aventuran o a los que les es fácil entender la complejidad de
la teoría.

El propósito aquí planteado es el de familiarizarse con la forma cotidiana con

que resolvemos los problemas de muestreo e inventarios forestales, pero que
en esta ocasión, se pretende alcanzar a entender algunos otras cuestiones que
nos plantea la NOM 152.
Definición de inventario forestal
Son una serie de procedimientos operativos para recopilar información
sobre la cantidad, calidad, condiciones y distribución de los árboles u
otras características necesaria para las toma de decisiones sobre el
manejo y aprovechamiento forestal.

Conocimiento de los diversos recursos naturales con los que se cuenta,

para hacer una adecuada planeación de los aprovechamientos,
administración y fomento de los mismos (Rodríguez, 1998).

Estimación de la cantidad y calidad de los árboles o recursos forestales y

de las características de la zona en la cual están creciendo (Husch, Miller
y Beers, 1972).
Conceptos básicos
Estadística
Ciencia que proporciona las técnicas para obtener, organizar, analizar e interpretar
datos de carácter cuantitativo con valides para un número mayor de individuos
(Población). En este proceso se evalúan las probabilidades de error en las
conclusiones.
Inferencia estadística
Arte de evaluar información para extraer conocimiento por inducción (de lo particular a lo
general) de fenómenos o eventos relevantes acerca de una población con base en una
probabilidad (95%), que se pretende sea máxima y un error determinado (10%), que
se pretende sea el mínimo.
Muestreo
Es un proceso inductivo que se basa en la realización de inferencias, tomando como
base el estudio de una parte de la población (Muestra), en donde la inferencia hacia la
población se realiza siempre bajo cierto nivel de probabilidad.
Población
Conjunto de elementos que poseen un o más características en común.

Muestra
Es una parte de la población, en la cual los elementos presentan una o más
características de la misma.

Sitio 1 Sitio 2 Sitio 3

Marco de muestreo
Es e número de parte de la población que se van a muestrear y que presentan
una o más características de la misma.

Sitio 1 Sitio 2 Sitio 3

Unidad muestral
Es un elemento de los cuales integran el marco de muestreo (sitio). Permite
tener un estricto control de los elementos en estudio, al momento de tomar la
información.

Sitio 1
Elemento
Unidad de estudio, es uno de los elementos (árbol) que se encuentran incluidos
en la unidad de muestreo (sitio) y es al cual se han de tomar las mediciones.

Árbol 1
Estimador
Es un estadístico utilizado para inferir sobre un parámetro de una población
muestra. Sirve para caracterizar a la población a través de la estimación de sus
parámetros.
Pueden ser estimadores de tendencia central o de dispersión
REFERIDO A LA MUESTRA REFERIDO A LA POBLACIÓN
y µ

s2 2
xn Xn
Estimadores de tendencia central
Las medidas de tendencia central son medidas estadísticas que pretenden resumir en un
solo valor a un conjunto de datos. Representan un centro en torno al cual se encuentra
ubicado el conjunto de los datos. Las medidas de tendencia central más utilizadas son:
media, mediana y moda.
Estimadores de tendencia central Estimadores de dispersión
Media aritmética Varianza
Mediana Desviación estándar

Moda Rango
Media cuadrática Coeficiente de variación
Media geométrica Error estándar de la media
Límites de confianza

Estimadores de dispersión
Las medidas de dispersión es el grado en que una distribución se estira. Ejemplos son la
varianza, la desviación estándar y el rango, coeficiente de variación, error estándar de la
media y límites de confianza. Las medidas de dispersión se contrastan con las de
tendencia central.
Variable
Es una característica que se va a medir a los elementos que componen la muestra.
DC=29.55 m

AT=16.75 m

DN=29.80 cm
AFL= 6.53 m

ADN=1.30 m

Parámetro
Son características inherentes a las poblaciones y se caracterizan por ser constantes que
definen a la población: Ejemplo, la media , la varianza, desviación estándar, coeficiente
de variación.
Datos
Son los registros de las características registradas del sitio de muestreo y las medidas a
cada uno delos elementos que componen la muestra.
 n

x y  35 .648 .567 .334 .238 .910

67 .344 .723 .778 .996 .5  53.56
y i 1

CONCEPTOS_BÁSICOS_EJERCICIO_1.XLSX
Media cuadrática
Es la raíz cuadrada de la suma de cada una de las mediaciones elevada al
cuadrado y dividida entre n.

2
x 2
yq 
35.6 2  48.52  67.32  34.2 2  38.9 2  67.32  44.7 2  23.7 2  78.9 2  96.52
2  57.84
yq  i 1
10
n

CONCEPTOS_BÁSICOS_EJERCICIO_1.XLSX
CONCEPTOS_BÁSICOS_EJERCICIO_1.XLSX

Media geométrica
Es la raíz i-ésima de la multiplicación de cada una de las mediaciones.

n
y G  10 (35.6)( 48.5)(67.3)(34.2)(38.9)(67.3)(44.7)(23.7)(78.9)(96.5)  49.25
yG  n  x x ..x
i 1
i 2 n
CONCEPTOS_BÁSICOS_EJERCICIO_1.XLSX

Mediana
En un conjunto de valores ordenados por su magnitud, es el valor
central. DN NO
8 23.7
4 34.2
1 35.6
5 38.9
7 44.7
2 48.5
3 67.3
6 67.3
9 78.9
Moda 10 96.5

Es el valor mas frecuente de un conjunto de valores.

Varianza
Es la suma de cada una de las desviaciones con respecto a la media
elevadas al cuadrado y dividida entre n-1 elementos.
2 2
 n  n
2  x   x  x 
i
xi    i 1 
n

 n
s 
2 i 1
n 1
s 2  i 1
n 1

 35.62  48.52 67.32 34.22 38.92 67.32  44.72  23.72 78.92 96.52   35.6 48.567.334.238.967.3 44.7  23.7 78.996.5 
2
 
s2  
10 1
 10

2
(53.56)
33458.28 
33458.28  28686.74
s 
2 10
  530.17
9 9
 X3

X1 X6

X4

Media

X2
X5
Desviación estándar
Es la raíz cuadrada de la varianza e indica la cercanía o lejanía de todos los
individuos con respecto a la media.
n

n x
2 x i  i 1

n s  2 s2 s  2 530.17  23.03
s i 1

n 1
Coeficiente de variación
Es el cociente o razón de la desviación entandar de una muestra y su media y
expresa la variabilidad de la muestra expresada en porcentaje. Sirve para
comparar dispersiones a escalas distintas pues una medida invariante ante los
cambios de escala.

n x
2 x i  i 1

i 1 n s  23.03 
cv  *100 cv    *100  42.99
cv  n 1 *100 x  53.56 
x
Error estándar de la media
Es una medida de la variación entre medias de muestras con una
corrección por finitud. Si la fracción de muestreo (n/N) es menos de
1/20, se puede omitir el error por finitud.

s2  n 530 .17  10 
sx  2
1   sx  2 1   s x  2 53.017 0.90   6.91
n  N 10  100 
Límites de confianza
Es el intervalo dentro del cual la estimación se hace bajo cierto nivel de
probabilidad (95 o 99%).

N = 100
n = 10
LC  ( x)  (t ( n 1)( / 2 ) ) * ( s x )
y  53.56
t (101)(0.05 / 2)  2.821
Con un nivel de confiabilidad del 95% (1-α),
s x  6.91
podemos inferir que el promedio de la
LI  53.56  (2.821)(6.91)  34.07 muestra es de 53.56, pero esta puede variar
entre un límite inferior de 34.07 y un límite
LS  53.56  (2.821)(6.91)  73.05 superior de 73.05