Análisis Estadístico Para La Predicción Y Control De La Cosecha En El híbrido Interespecífico Elaeis Oleífera X Elaeis Guineensis En La Zona Palmera Occidental De Colombia.

Análisis estadístico para la predicción y control de la cosecha en el híbrido interespecífico Elaeis oleífera x Elaeis guineensis en la zona palmera occidental de Colombia.

Statistical analysis for the prediction and control of harvest in interspecific hybrid Elaeis oleifera x Elaeis guineensis palm in the western area of Colombia.

John Piriache G1., Brayan Velásquez G1., Sergio Valencia R1

Estudiantes Ingeniería Agroindustrial, Universidad de los Llanos.

RESUMEN

La intención de este trabajo fue realizar un análisis estadístico a un artículo científico de Corpoica nombrado como “Prediccion y control de la cosecha en el hibrido interespecifico Elaeis oleifera x Elaeis guieneensis en la zona palmera occidental de Colombia.” que tiene como propósito la identificación del periodo de madurez del fruto con mayor acumulación de aceite en los racimos. El análisis se baso en un diseño de experimentos completamente al azar con igualdad en el número de observaciones por tratamiento con ello se realiza un analisis de varianza (ANOVA) y una prueba de comparación de medias (Test de Tukey). Los resultados indican que se obtiene mayor rendimiento de aceite entre 170 y 180 dias después de la polinización asistida.

ABSTRACT

The intent of this study was to perform a statistical analysis of a scientific paper Corpoica named "Prediction and control of harvest in the interspecific hybrid Elaeis oleifera x Elaeis guieneensis in western Colombia palm area." That aims to identify the fruit maturity period of more oil accumulation in the clusters. The analysis was based on a design of experiments completely random with equal number of observations per treatment thus an analysis of variance (ANOVA) and mean comparison test (Tukey test) was performed. The results indicate that higher oil yield between 170 and 180 days after pollination assisted obtained.

INTRODUCCIÓN

El análisis estadístico de datos se ha asociado de manera general con la investigación de corte experimental, o podemos decir que es característico de los enfoques positivistas.

Este término se define de muchas maneras según se conciba desde una perspectiva más amplia o más restringida, y según se entienda también el proceso de investigación.

El concepto de análisis estadístico de datos no se agota en las acepciones que se identifican con un conjunto de datos o enumeración de hechos, o con procedimientos de tipo descriptivo destinados a recoger, organizar y presentar la información relativa a un conjunto de casos. De esta manera, el análisis estadístico de datos ha dejado de ser únicamente la ciencia de recopilar datos y, tras fusionarse con la corriente de estudios sobre el cálculo de probabilidades, se ha constituido en una rama de la matemática aplicada, entendiendo ésta como el uso de principios y modelos matemáticos en diversos ámbitos de la ciencia o la técnica.

Dentro del análisis estadístico de datos encontramos dos vertientes:

Análisis estadístico de datos (propiamente matemático), que supone el estudio de los fenómenos estadísticos utilizando los métodos matemáticos y proporciona conocimiento acerca de las técnicas que integran los métodos estadísticos.

Análisis estadístico de datos aplicado; este carácter aplicado ha estado presente desde los inicios de esta ciencia, sobre todo en cuanto a su conexión con el estudio y resolución de problemas prácticos con datos reales. Todo ello ha estimulado la innovación de nuevos métodos y procedimientos, y el avance de análisis estadísticos.

Al realizar pruebas de hipótesis, se parte de un valor supuesto (hipotético) en parámetro poblacional. Después de recolectar una muestra aleatoria, se compara la estadística muestral, así como la media (x), con el parámetro hipotético, se compara con una supuesta media poblacional (). Después se acepta o se rechaza el valor hipotético, según proceda. Se rechaza el valor hipotético sólo si el resultado muestral resulta muy poco probable cuando la hipótesis es cierta.

Hipótesis estadística: Al intentar alcanzar una decisión, es útil hacer hipótesis (o conjeturas) sobre la población aplicada. Tales hipótesis, que pueden ser o no ciertas, se llaman hipótesis estadísticas. Son, en general, enunciados acerca de las distribuciones de probabilidad de las poblaciones.

Hipótesis nula: En muchos casos formulamos una hipótesis estadística con el único propósito de rechazarla o invalidarla. Así, si queremos decidir si una moneda está trucada, formulamos la hipótesis de que la moneda es buena (o sea p = 0,5, donde p es la probabilidad de cara).

Analógicamente, si deseamos decidir si un procedimiento es mejor que otro, formulamos la hipótesis de que no hay diferencia entre ellos (o sea. Que cualquier diferencia observada se debe simplemente a fluctuaciones en el muestreo de la misma población). Tales hipótesis se suelen llamar hipótesis nula y se denotan por Ho.

Para todo tipo de investigación en la que tenemos dos o más grupos, se establecerá una hipótesis nula.

La hipótesis nula es aquella que nos dice que no existen diferencias significativas entre los grupos.

La distribución normal es de suma importancia en estadística por tres razones principales:

Numerosas variables continuas de fenómenos aleatorios tienden a comportarse probabilísticamente mediante ésta.

Es el límite al que convergen tanto variables aleatorias continuas como discretas.

Proporciona la base de la inferencia estadística clásica debido a su relación con el teorema del límite central.

Propiedades de la distribución normal

Su grafica tiene forma acampanada.

El valor esperado, la mediana y la moda tienen el mismo valor cuando la variable aleatoria se distribuye normalmente.

Su dispersión media es igual a 1.33 desviaciones estándar. Es decir, el alcance intercuartil está contenido dentro de un intervalo de dos tercios de una desviación estándar por debajo de la media a dos tercios de una desviación estándar por encima de la media.

En la práctica, algunas de las variables que observamos sólo pueden aproximar estas propiedades. Así que si el fenómeno puede mediarse aproximadamente mediante la distribución normal se tendrá:

Que el polígono puede verse en forma de campana y simétrico.

Sus mediciones de tendencia central tienen bastante parecido.

El valor intercuartil puede diferir ligeramente de 1.33 desviaciones estándar.

El dominio de la variable aleatoria normalmente distribuida generalmente caerá dentro de 3 desviaciones estándar por encima y por debajo de la media.

El análisis de la varianza (ANOVA) es una potente herramienta estadística, de gran utilidad tanto en la industria, para el control de procesos, como en el laboratorio de análisis, para el control de métodos analíticos. Los ejemplos de aplicación son múltiples, pudiéndose agrupar, según el objetivo que persiguen, en dos principalmente: la comparación de múltiples columnas de datos y la estimación de los componentes de variación de un proceso.

En palma africana de aceite la madurez del fruto es definida como la máxima acumulación de aceite en el fruto con un mínimo de acidez (Toong y Yeang, 1993). Los primeros intentos para determinar la madurez óptima de cosecha en palma de aceite bajo las condiciones ambientales de la zona palmera de Tumaco, Colombia, fueron realizados por Narváez et al. (1996) y Vera et al. (1998) quienes demostraron que la edad de la palma no ejercía influencia sobre el periodo de maduración de los frutos, además que aumentaba la tasa de extracción de aceite cosechando 180 días después de antesis.

Este nuevo sistema de producción trae consigo nuevos problemas, siendo el principal un desconocimiento generalizado de su manejo agronómico lo cual justifica generar conocimientos básicos que permitan hacerlo rentable y sostenible. El propósito de ésta investigación fue identificar el periodo de madurez óptima en palmas del híbrido OxG Corpoica Elmira en la zona palmera de Tumaco- Nariño-Colombia, equivalente a determinar el periodo de maduración en días después de la polinización asistida, para cosechar racimos con mayor contenido de aceite.

El análisis de las tablas de contingencia se utiliza para el estudio de la asociación entre variables cualitativas. La prueba Chi-Cuadrado fue desarrollada por Karl Pearson (1857-1936) en 1900, aplicando sus resultados en el ámbito biológico. Sir Ronald Aylmer Fisher (1890-1962) fue un brillante estadístico autor del famoso libro: "Statistical Methods for Research Workers" (1925) donde se marcaban las pautas de la estadística tal y como se conoce hoy en día.

Trabajó con Pearson, aunque debido a disputas personales fue a trabajar a Rothamsted, donde estudió el diseño de experimentos, introduciendo el concepto de aleatorización y el de análisis de la varianza. Se puede decir que R.A. Fisher fue el padre de las pruebas exactas, particularmente desarrolló la prueba que se conoce como prueba exacta de Fisher.

Cuando se rechaza la hipótesis nula de no diferencia de más de dos medias (H0:  1 =  2 = … =  k) en un análisis de varianza surge la pregunta acerca de cuáles pares de medias son diferentes, puesto que el rechazo de una hipótesis nula con cuatro tratamientos (H0:  1 =  2

...