La estadística en la agricultura

  ¿Es necesaria la estadística en la agricultura?

Es ya muy popular la frase que indica “si siempre hacemos lo mismo no podemos esperar resultados distintos”. Como en cualquier proceso, esto es una realidad para la actividad agropecuaria. La siguiente pregunta sería: ¿Qué debo cambiar para mejorar mi proceso productivo?. Y la respuesta a esta pregunta es que necesito empezar a conocer en profundidad a los factores participantes del proceso, es decir, si se está trabajando con cultivos se debe conocer la variedad a sembrar, se debe conocer los suelos de los distintos lotes, se debe conocer la incidencia y abundancia estacional de los distintos insectos plaga y patógenos que afectan al cultivo, se debe conocer el clima (precipitación, temperatura, humedad, radiación solar, etc.) que predomina en los distintos lotes de siembra. En el caso de producción animal se debe conocer la

raza a utilizar, se deben conocer el grado de confort que brindan las instalaciones al animal, se debe conocer tanto el clima de la zona como el microclima generado por las instalaciones, en fin, sean cultivos o sean animales los protagonistas del proceso productivo, se debe conocer la mayor cantidad de factores que tengan influencia sobre el nivel productivo. La adquisición de ese conocimiento no es mas que la investigación agrícola, término que muchos reducen a la acción de personas con alto nivel académico pertenecientes a instituciones dedicadas a la generación de conocimiento. La investigación agrícola no debe reducirse solo a estas instituciones, lo que haga el productor si lo hace de manera sistemática será de gran valor para mejorar los niveles productivos. El conocimiento en profundidad del clima, de los suelos, mediante el registro de las variables que los definen, es parte de la investigación agrícola. Por ejemplo, el conocimiento de la pendiente del terreno en los lotes de siembra, o la producción de grano en los distintos lotes a través de los años, o la variación en la cantidad de lechones nacidos vivos para una raza en particular, o la variación en la producción de leche para una raza, o la cantidad de días requeridos para obtener pollos de 2,5 kg. es parte de la investigación agrícola, y es indispensable su conocimiento para iniciar la mejora de los niveles productivos.

A este conocimiento hay que sumar el derivado de la experimentación agrícola, que es otra faceta de la investigación: es la definición de tratamientos que permitirán conocer qué es lo más conveniente entre varias alternativas. En agricultura los ejemplos típicos tienen que ver con el manejo: ¿Qué será mejor, fertilizar mi cultivo solo una vez al inicio de la siembra, o fertilizar de manera fraccionada?, ¿qué será mejor, alimentar a mis pollos con el alimento X o con el alimento Y?, ¿qué especie de pasto es más conveniente para mis vacas?, ¿cuál es la edad óptima para el destete de mis lechones?…en fin, son muchas las interrogantes que nos hacemos al momento de manejar nuestra explotación agropecuaria, y la única forma de definirlo es mediante la experimentación agrícola, y es en esto donde las instituciones dedicadas a la investigación agrícola tienen una gran cantidad de herramientas para que el proceso de experimentación sea óptimo y los resultados que de allí se deriven sean lo suficientemente confiables como para cambiar nuestras prácticas de manejo y optimizar el proceso productivo. Bien sea registrando las variables de los factores de producción, o bien sea mediante la experimentación agrícola, la información obtenida requiere de la estadística para que dicha información deje de ser un conjunto de datos y sea finalmente herramientas gerenciales que permitan al productor del campo orientarse en los cambios que debe implementar en su unidad de producción y en su proceso productivo para incrementar la productividad y reducir sus costos de producción.

Conceptos básicos de estadística aplicados a la agricultura

Al ser este artículo orientado hacia la aplicación de la estadística, no se discutirá acerca de las distintas escuelas que existen dentro de esta área del conocimiento, no se discutirá sobre las diferencias entre la estadística bayesiana y la estadística frecuentista, sino que se irá directamente a aspectos prácticos que orienten al productor del campo, al que se inicia en la investigación agrícola y a los estudiantes de agronomía y/o veterinaria sobre como utilizar la estadística en la gestión de sus actividades.

El primer término a considerar es el de las probabilidades. Cuando se quiere conocer lo que ocurre dentro de nuestra unidad de producción, cuando se quiere conocer qué forma de manejo es la más adecuada, es necesario repetir varias veces las observaciones que se hacen. Así como debo lanzar varias veces una moneda para conocer la probabilidad de que caiga cara o que caiga sello (si concluyera en base a solo una observación, quizás mi conclusión absolutamente errada sería: “toda vez que se lanza una moneda caerá sello”), también debo observar varias veces el efecto que tenga un fertilizante foliar sobre mi cultivo, o el efecto de suplementar al ganado con bloques nutricionales, o el efecto de dar alimento balanceado a las cabras. Esas varias observaciones se deben hacer de manera organizada y sistemática, y es así que surge el concepto de Diseño de Experimentos que intentará maximizar las diferencias obtenidas por efecto de lo que se está probando, y adicionalmente intentará minimizar las diferencias debidas a factores que no se están evaluando. En el Diseño de Experimentos se establecen las Repeticiones que estarán representadas por el número de observaciones que se harán sobre el efecto de cierto tratamiento sobre cierta variable. Como es complejo tener todo bajo control, especialmente en el campo, la experimentación agrícola se hace normalmente en pequeñas parcelas, o con pocos animales. Las repeticiones serán pequeñas parcelas sobre las cuales se aplica un mismo tratamiento, por ejemplo, si se está probando dosis de un fertilizante, los tratamientos serán las distintas dosis y las repeticiones serán el número de parcelas sobre las cuales se aplica la misma dosis y sobre las cuales de tomarán observaciones de la variables que se está midiendo (probablemente rendimiento por parcela). O si se está probando distintas dosis de minerales en cerdos, los tratamientos serán las distintas dosis de minerales y las repeticiones serán la cantidad de animales a los cuales se les da la misma dosis y sobre los cuales se tomarán las observaciones de la variable que se está midiendo (probablemente ganancia de peso).

Cada parcela sobre la cual se toman observaciones (independientemente del tratamiento aplicado sobre ella) o cada animal o grupo de animales sobre los cuales se tomen observaciones, serán denominados unidades experimentales: ésta serán las unidades mínimas sobre las cuales se registran observaciones. Existen varios diseños de experimentos tales como completamente al azar, bloques al azar y cuadrado latino. La forma de organizar los tratamientos dentro del diseño de experimento también puede variar, por lo cual existen diseños de tratamiento factorial, o parcelas divididas. En la definición del Diseño de Experimentos se debe conocer la o las variables independientes y la o las variables dependientes. La variable independiente estará representada por los tratamientos, las variables dependientes estarán representadas por todo lo que se mida dentro de las unidades experimentales.

Análisis de datos

El análisis de datos viene dado en primera instancia por la cantidad de variables dependientes que se quieren analizar a un mismo tiempo. Suponiendo que un experimento logró registrar 22 variables dependientes sobre cada unidad experimental, se hablará de análisis univariado si hace 22 análisis estadísticos, es decir, si analiza el efecto de los tratamientos sobre 1 variable dependiente, y luego analizar el efecto de los tratamientos sobre otra variable dependiente, y luego otra, hasta completar las 22 variables dependientes. Se hablará de análisis multivariado si analiza varias variables dependientes (pueden ser las 22) a la vez.

En el análisis univariado se logrará conocer el efecto de los tratamientos sobre cada variable dependiente. En el análisis multivariado se logrará conocer como se relacionan los tratamientos (como se pueden ordenar o agrupar) basado en las variables dependientes.

Dentro del análisis univariado se da una diferenciación del tipo de análisis a usar, dependiendo de la forma en que se distribuyen los datos de la variable dependiente. Si estos datos siguen una distribución normal (curva de Gauss), se usarán análisis paramétricos tales como análisis de varianza. Si los datos no siguen una distribución normal se usarán análisis no paramétricos tales como prueba de Wilcoxon o la prueba de Kruskal y Wallis.

A continuación se presenta una clave dicotómica que puede servir de guía sobre el análisis estadístico más adecuado según los datos que se tengan (en esta tabla no se están considerando los análisis multivariados de ordenación y de agrupamiento):

 

1.	a. Sin distinción entre variables en relación causa-efecto (no se conoce si alguna es independiente o dependiente, o simplemente no hay interés en esta relación causa – efecto)	2.
	b. Con clara distinción entre variables dependientes de independientes	7.
2.	a. La(s) variable(s) es(son ) cuantitativa(s)	3
	b. La(s) variable(s) no es(son) cuantitativa(s)	4
3.	a. Se quiere analizar solo una variable	Caracterizar mediante media, mediana, varianza, desviación estándar y coeficiente de variación
	b. Se quiere analizar la relación entre dos variables	Analizar mediante correlación
4.	a. Se quiere analizar solo una variable	5
	b. Se quiere analizar la relación entre dos variables	6
5.	a. La variable es nominal	Analizar mediante frecuencias o mediante proporciones
	b. La variable es ordinal	Analizar mediante mediana
6.	a. La variables son nominales o binarias	Analizar mediante chi cuadrado o mediante tabulación cruzada
	b. La variables son ordinales	Analizar mediante prueba de Kendall o mediante prueba de Spearmann
7.	a. La variable independiente es cuantitativa	Analizar mediante regresión
	b. La variable independiente es nominal	8
8.	a. La variable dependiente es cuantitativa	9
	b. La variable dependiente es nominal	Analizar mediante prueba de Wilcoxon, o mediante prueba de Kruskall y Wallis
9.	a. Datos sin distribución normal	Analizar mediante prueba de Wilcoxon, o mediante prueba de Kruskall y Wallis
	b. Datos con distribución normal	Hacer análisis de varianza o prueba de “t”

Ing. Agr. Hernán E. Laurentin T. (M. Sc., Ph. D.)