IMPORTANCIA Y APLICACIÓN

DE LA ESTADISTICA EN LA
INGENERIA FORESTAL.
INSTITUTO TEGNOLOGICO DEL VALLE DE OAXACA

14 DE NOVIEMBRE DEL 2018

DOCENTE. M.C ALFONSO DE LA FUENTE ESCOBEDO.
Alumnos: ALEJANDRO SADOC GARCIA AGUIRRE.
RICARDO ELIAS VELASCO MARTINEZ.
La necesidad de regular los bosques y la industria ligada a ellos hace necesaria la
existencia de estadísticas forestales. Para poner de manifiesto sus
conocimientos, o bien para causar impacto o captar la atención del público.
Sin embargo, el uso de dichas estadísticas se convierte en algo serio cuando
se trata de decidir acerca de políticas o inversiones, y cuando las decisiones
afectan al medio ambiente, a la economía, al abastecimiento de materiales y
productos y, en consecuencia, a los ingresos, la seguridad y la calidad de
vida de mucha gente. (Martínez Fernández, Juan Fernández, 2011)

Los productos forestales constituyen un componente importante del comercio

internacional, representando el 3 por ciento del comercio mundial. Para
muchos países, tanto industrializados como en desarrollo, los ingresos
procedentes de las exportaciones de productos forestales constituyen una
parte considerable de su intercambio comercial total; por ejemplo, Finlandia
recaba el 60 por ciento de sus ingresos externos de las actividades forestales.
Los comerciantes y los importadores precisan información comercial, la cual
es necesaria, además, para fines de expedición y transporte, así como para
la organización de las instalaciones portuarias. Muchos de los insumos de la
producción - desde la maquinaria para las industrias forestales y las
actividades de corta, hasta los fertilizantes, los productos químicos, e incluso
las semillas y los plantones - son objeto de extenso comercio, y las decisiones
sobre su mercadeo y producción dependen de la información acerca del
sector forestal.

El conocimiento de la magnitud y la composición detallada de las operaciones de

silvicultura y de la industria forestal es importante para la toma de decisiones
acerca de la enseñanza, la capacitación y la investigación. Por ejemplo, las
estadísticas sobre el volumen por especies ayudan a enfocar el estudio de
las características de la madera y de la tecnología de elaboración, así como
a orientar las inversiones industriales hacia los equipos y procesos de
elaboración más apropiados.
Cuando no se dispone de estadísticas, tomar la decisión adecuada se convierte en
algo arriesgado. Un ejemplo es el de los productos forestales no madereros.
Se dispone de datos acerca de los productos que cuentan con una presencia
considerable en el comercio internacional, como el corcho, el ratón, el bambú,
la goma arábiga y los pertrechos navales, pero no se tienen estadísticas
acerca de la miríada de productos locales que se destinan al consumo en los
hogares o se comercian únicamente a nivel local. Como resultado de ello, a
menudo se subestima la importancia de dichos productos, con
consecuencias negativas para las comunidades locales. Afortunadamente,
se están intensificando los esfuerzos para identificar y evaluar la aportación
de los productos forestales no madereros.

Fundamentalmente, las estadísticas forestales internacionales están concebidas

como compilaciones objetivas de datos acerca de los recursos forestales, la
industria del sector forestal y los productos forestales primarios de cada país,
que son analizados e interpretados sobre una base comparable.

Para terminar el tema la estadística es fundamental para la toma de decisiones en

el ámbito pues todo puede ser susceptible a la falta de información, si se toma
una decisión mala con un error solo por dar una hipótesis sería malo desde
el cuidado ambiental hasta perdidas económicas desde algo pequeño a un
fenómeno mundial.

La Estadística es una ciencia de desarrollo reciente y de auge cada vez mayor. Se

centra en el estudio cuantitativo de conjuntos de datos, empleando modelos
matemáticos basados en la probabilidad y que permiten adquirir nuevos
conocimientos y tomar decisiones. Está íntimamente ligada con la
Investigación científica y es imprescindible para el desarrollo profesional del
Ingeniero Forestal. Se debe incluir, renovada, en los nuevos planes de
estudios.

La aplicación de la estadística en la ingeniera forestal da como resultado distintos

trabajos publicados a través de artículos científicos, revistas y demás de los
cuales podemos destacar, “Desarrollo forestal sustentable en Chihuahua,
México: una estrategia multidimensional” que trata sobre las tomas de
decisiones y estrategias multidimensional para lograr el desarrollo forestal
sustentable en la región de clima templado frío en Chihuahua, México, fue el
objetivo del presente estudio, que se obtuvo con la aplicación del modelo
Multiconferencia de Búsqueda (MCB) , basado en el sistema de organización
por asociaciones de productores forestales (ejidatarios, comuneros y
pequeños propietarios, incluidos indígenas y mestizos). La metodología
participativa aplicada consideró el carácter social de la propiedad de los
recursos forestales en México, y se apoyó en la colaboración activa de ejidos
y comunidades y demás actores relacionados. La estrategia multidimensional
establecida está integrada por las dimensiones ecológicas ambientales,
socioculturales, económicas, político–institucionales y científico–
tecnológicas, que incluye objetivos y acciones estratégicas que consideran
las necesidades e intereses comunes de los involucrados en la búsqueda del
desarrollo forestal regional, con visión de sustentabilidad (Lujan, Olivas,
González, Gómez & Cuautle).(…)(Lujan et al.,2008), En la cual se encuentra
distintas aplicaciones estadísticas pues en base a los cálculos de las
variables que se tomaron en cuenta se pudieron llevar a cabo tomas de
decisiones y estrategias. También podemos destacar otro título en donde se
aplica la estadística formalmente en un campo forestal “Aplicación de dos
pruebas estadísticas de bondad de ajuste en muestras complejas: un caso
práctico en el campo forestal”. El trabajo es una investigación se comparan
dos pruebas de bondad de ajuste en términos de su error tipo I: ji–cuadrada
de Pearson y Rao–Scott con corrección de segundo orden, aplicadas a datos
recolectados mediante técnicas de muestreo que no cumplen los supuestos
de independencia e igual probabilidad de inclusión de las observaciones,
llamadas muestras complejas. Ambas pruebas se usaron para ajustar
categorías diamétricas en una plantación de gmelina (Gmelina
arborea), aplicando muestreo sistemático con parcelas de área fija y parcelas
de área variable (Muestreo de Bitterlich o Parcelas de Radio Variable),
mediante técnicas de simulación. La prueba de Rao–Scott con corrección de
 segundo orden registra un error tipo I más bajo y cercano al valor
nominal α que la prueba ji–cuadrada de Pearson, debido a que toma en
cuenta los efectos del diseño muestral y corrige la violación de los supuestos.
Los resultados obtenidos en esta investigación muestran la inconveniencia
de usar la prueba de bondad de ajuste ji–cuadrada de Pearson en datos
obtenidos mediante muestreos con parcelas fijas y parcelas de área variable,
ampliamente usados en el campo forestal. Por tanto, es necesario usar
pruebas estadísticas que consideren la complejidad del diseño muestra, a fin
de obtener inferencias válidas. Las conclusiones obtenidas indican que la
validez de la prueba de bondad de ajuste ji–cuadrada de Pearson es
influenciada por la violación de los supuestos de independencia e igual
distribución de las observaciones que ocurre en el muestreo con parcelas de
área variable. Lo mismo sucede cuando se utiliza el muestreo con parcelas
de área fija. La violación del supuesto de independencia hace que la prueba
ji–cuadrada de Pearson tenga un error tipo I diferente del valor nominal
establecido. La magnitud de la distorsión del error tipo I de estas pruebas
varía de un muestreo a otro, siendo mayor cuando se usan parcelas de
tamaño variable.

Los niveles de significación altos para la prueba de bondad de ajuste ji–cuadrada

de Pearson cuando se aplican en muestras obtenidas con parcelas fijas y
parcelas variables puede conducir a conclusiones erróneas acerca de la
población en estudio, razón por la cual no se recomienda su uso. Es
conveniente aplicar una prueba de bondad de ajuste que corrija las
violaciones de los supuestos de independencia e igual probabilidad de
inclusión para todos los individuos. Una de estas pruebas es la de Rao–Scott
con corrección de segundo orden, que en esta investigación registró valores
del error tipo I menores que la prueba ji–cuadrada de Pearson y en muchos
casos bastante cercanos al valor nominal.
Los resultados de este trabajo muestran la importancia de considerar la complejidad
del diseño muestra utilizado cuando se analizan datos de una muestra
compleja (Quintero & Durán, 2008).

Por último, el articulo “Importancia del análisis estadístico exploratorio en el proceso

de interpolación espacial: caso de estudio Reserva Forestal Valdivia” este
artículo se discute sobre la importancia del análisis estadístico exploratorio
en el proceso de interpolación de datos espaciales. Para esto se han definido
las hipótesis básicas de interpolación y seleccionado un conjunto de métodos
estadísticos que pueden ser usados en su comprobación. De manera de
mostrar su aplicación práctica, un estudio de caso, basado en datos
forestales, ha sido planteado utilizando los atributos altitud y área basal de
árboles, los cuales han sido analizados desde un punto de vista
geoestadístico. Primero, los resultados mostraron que el atributo altitud
satisface las condiciones planteadas por la hipótesis intrínseca de variable
regionalizada. Segundo, se presentan evidencias que indican que el área
basal no satisface dichas condiciones, lo que es atribuible a la ausencia total
de correlación espacial en los datos estudiados. Dadas estas evidencias,
finalmente se puede indicar que un proceso de interpolación no puede ser
exitoso, si primero no considera los resultados obtenidos de un análisis
estadístico preliminar de datos a interpolar. Y se al concluir se muestra que
con el análisis estadístico exploratorio es posible describir la estructura
espacial de los atributos altitud y área basal, lo que puede ser extensivo a
otros del ámbito de recursos naturales. Además, ha permitido la verificación
de los supuestos básicos para una interpolación (existencia de dependencia
espacial) y, por otro lado, ha ayudado a la detección de problemas de
representatividad de los datos. Finalmente, el análisis estadístico exploratorio
se ha definido como un conjunto de herramientas del ámbito univariado y
espacial, de fácil implementación e interpretación, que es la primera etapa
para la obtención de buenos resultados en cualquier proceso de interpolación
espacial (Miranda & Condal, 2003).
Referencias
Juan Faustino Martínez Fernández. (2011). ¿Por qué hacemos las estadísticas
forestales? Murcia en clave ambiental, 28-29.

Ayuga-Téllez, Esperanza, González-García, Concepción, & Grande-Ortiz, María A.

(2010). Análisis de competencias en el Grado de Ingeniería Forestal para su
adaptación al Espacio Europeo de Educación Superior. Formación
universitaria, 3(3), 3-14. https://dx.doi.org/10.4067/S0718-50062010000300002

Luján Álvarez, Concepción, Olivas García, Jesús Miguel, González Hernández,

Hilda Guadalupe, Gómez Soto, Óscar, & Cuautle Coyac, María de los
Ángeles. (2008). Desarrollo forestal sustentable en Chihuahua, México: una
estrategia multidimensional. Región y sociedad, 20(42), 95-117. Recuperado
en 13 de noviembre de 2018, de
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1870-

39252008000200004&lng=es&tlng=es.

Quintero-Méndez, María A., & Durán-Núñez, Mariano J.. (2008). Aplicación de dos
pruebas estadísticas de bondad de ajuste en muestras complejas: un caso
práctico en el campo forestal. Agrociencia, 42(3), 287-297. Recuperado en
13 de noviembre de 2018, de
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-

31952008000300004&lng=es&tlng=es.

MIRANDA-SALAS, MARCELO, & CONDAL, ALFONSO R. (2003). Importancia del

análisis estadístico exploratorio en el proceso de interpolación espacial: caso
de estudio Reserva Forestal Valdivia. Bosque (Valdivia), 24(2), 29-
42. https://dx.doi.org/10.4067/S0717-92002003000200004