LA GUERRA DE LOS CIEN AOS DEL MUESTREO PROBABILSTICO

Comunicacin efectuada por el Dr. lvaro Gonzlez Villalobos en la sesin privada extraordinaria de la Academia Nacional de Ciencias de Buenos Aires del 13 de julio de 2006

La publicacin de los trabajos de los Acadmicos y disertantes invitados se realiza bajo el principio de libertad acadmica y no implica ningn grado de adhesin por parte de otros miembros de la Academia, ni de sta como entidad colectiva, a las ideas o puntos de vista de los autores.

Introduccin Me voy a referir a algunas de mis observaciones e ideas sobre algunos campos de la estadstica aplicada, especialmente a los mtodos probabilsticos y la enseanza del Muestreo Probabilstico aplicado a Censos y Encuestas Nacionales o en gran escala, es decir correspondientes a reas extensas. Me refiero a los modelos probabilsticos aplicados para obtener las principales estadsticas nacionales que se llevan a cabo en la mayora de los pases del mundo: censos y encuestas de agricultura, poblacin y vivienda, pesca, industria, bosques, econmicas, sociales y sobre el medio ambiente. Lo que se llaman estadsticas bsicas porque son aqullas sobre las cuales se apoyan la gran mayora de las estadsticas de un pas. Contar con estadsticas confiables, oportunas y pertinentes es hoy ms importante que nunca debido al auge de las economas de mercado en el mundo, ya que la competitividad asociada a la poltica de mercado exigen un buen uso de la informacin para la toma de decisiones pblicas y privadas tanto a nivel nacional como internacional. Dentro de este campo, tratar en especial de los modelos probabilsticos aplicables a los pases que pueden disponer de recursos limitados, o sea a la gran mayora de los pases del mundo. El diseo de estos modelos probabilsticos en gran escala para generar las estadsticas nacionales bsicas implican grandes esfuerzos: un gran nmero de personas, aos de trabajo y recursos econmicos importantes. Como el diseo de estos modelos probabilsticos constituyen una de las ms importantes aplicaciones del muestreo estadstico, es necesario llevar a cabo mejoras decisivas en la enseanza y divulgacin de esos mtodos. La enseanza de muestreo probabilstico El professor Leslie Kish, querido maestro y amigo que muri a los 90 aos en el 2000 (y quien realiz durante su vida importantsimas contribuciones a la prctica y la enseanza del Muestro Esta3

dstico) titul a uno de sus trabajos The Hundred Years Wars of Survey Sampling (1995), interesante publicacin que trata de algunos aspectos del desarrollo del muestro probabilstico durante el siglo XX. El ttulo nos ha gustado, aunque esta comunicacin tenga un enfoque diferente, porque la guerra contina. De hecho, la introduccin de mtodos probabilsticos en gran escala no se ha llevado a cabo en la mayora de los pases para producir las principales estadsticas nacionales. Adems nos referiremos aqu principalmente al perodo que va desde 1933, ao en el cual el genial matemtico Kolmogorov consigui lo que clebres cientficos, desde Cardano en el siglo XV, no haban conseguido: incluir la teora de probabilidades en el campo del anlisis matemtico. Esto permiti naturalmente a su vez dar bases slidas a la estadstica. El hecho que hemos mencionado de que la introduccin de mtodos probabilsticos en gran escala no se ha llevado a cabo en la mayora de los pases para producir las principales estadsticas nacionales es sin duda una paradoja en la era de la informtica y las comunicaciones (la era de John von Neumann y Claude Shannon) porque ahora hay ms facilidades que nunca para poder tomar decisiones basadas en estadsticas bsicas precisas, confiables y oportunas. Todos los estadsticos saben que, por definicin, hay una nica manera de obtener tales estadsticas nacionales precisas, confiables y oportunas, esto es, establecer un sistema nacional de estadsticas basadas en la aplicacin de mtodos probabilsticos. Esta falta de inters en la mayora de los pases para promover la enseanza y la prctica de mtodos estadsticos adecuados se debe en parte a la errnea creencia que la existencia y vasta divulgacin de computadoras, instrumentos computarizados, imgenes y fotos digitales satelitales, sistemas de informacin geogrfica y gran variedad de software estadsticos, disponibles an en los pases ms pobres (lo cual tiene naturalmente, enormes ventajas) pueda sustituir el conocimiento de mtodos de muestreo probabilstico. Pero nada puede sustituir al conocimiento y aplicacin de modelos o diseos probabilsticos adecuados, y por lo tanto para el propsito de disear y realizar encuestas probabilsticas los nuevos programas e instrumentos digitales por s slos son inservibles. Algunos pocos pases no pecan de estas errneas creencias: tal es el caso, por ejemplo en Asia, de la Repblica de Corea y ms notable an del Japn, en donde tuve la oportunidad de escuchar a su Alteza el emperador Akihito sealar la importancia de la estadstica para el Imperio. Y efectivamente su padre el emperador Hirohito, despus
4

de la Segunda Guerra Mundial, dio el nombre de William Edwards Deming a uno de los mayores premios cientficos que otorga el pas. Deming, clebre estadstico de encuestas, cambi la historia del Japn al introducir y aplicar de manera masiva mtodos de control de calidad. Y nosotros modestamente estamos de acuerdo con esa opinin del Emperador. Este parecer, este reconocimiennto de la importancia de la estadstica aplicada es lamentablemente muy poco frecuente entre polticos y responsables directos de las polticas cientficas y tcnicas nacionales en la enorme mayora de los pases del mundo. Otra razn de tal falta de inters en promover el muestreo probabilstico se puede verificar por la desaparicin de importantes centros internacionales de enseanza que contribuyeron por varias dcadas a la capacitacin de estadsticos aplicados y en particular a estadsticos de encuestas. Es el caso de la desaparicin del CIENES, el Centro Interamericano para la Enseanza de la Estadstica, dependiente de la OEA (la Organizacin de los Estados Americanos), que capacit miles de personas del continente americano durante dcadas. An peor, el hecho que la estadstica haya desaparecido del organigrama de la OEA. Otro ejemplo es el apoyo internacional que sola brindar en Pars el INSEE (Instituto Nacional de Estadstica de Francia) para los pases africanos de lengua francesa. En este caso, el centro de capacitacin fue trasladado a Abidjan, Costa de Marfil, donde los estudiantes africanos perdieron tanto la experiencia de vivir en Pars como el conocimiento personal de conocidos estadsticos. Eso s, pudieron apreciar de cerca la inestabilidad poltica africana. Adems de esos ejemplos, entre otros, cabe notar que el apoyo financiero ofrecido a estudiantes extranjeros en los Estados Unidos, la Unin Europea y las organizaciones internacionales ha disminuido considerablemente. Existen an, claro est, excelentes cursos que ofrecen algunos institutos nacionales de estadstica y universidades, principalmente en los Estados Unidos. Otra razn de la falta de inters en promover la aplicacin de muestreo probabilstico en gran escala, es, en muchos pases, la conveniencia de que se ignore la verdad. La enseanza de mtodos de muestreo para la agricultura: El uso de mtodos probabilsticos de muestreo Queremos en primer lugar, para mayor claridad, especificar el tipo de encuestas agropecuarias a que nos referiremos. Tomaremos
5

esta descripcin de un resumen de nuestro libro publicado por la FAO titulado Multiple Frame Agricultural Surveys - Current Surveys Based on Area and List Sampling Methods, Vol. I (1996) publicado en seis idiomas. Se trata del diseo general de un Programa de Encuestas sobre la Estructura y Produccin Agrcola, es decir, el diseo general de una encuesta agrcola peridica (anual o estacional), basada en mtodos probabilsticos de muestro y estimacin, cuyo propsito es obtener un gran nmero de datos bsicos oportunos y fiables sobre el sector agrcola. Se supone que se requieren estimaciones para la mayora de las siguientes variables: superficies agrcolas (preparadas, sembradas y cosechadas), rindes (previstos y obtenidos), produccin agrcola, inventarios de ganado, reservas de cereales, sistemas de cultivo, costos de la produccin, gastos en las explotaciones y caractersticas sociales y econmicas de las explotaciones agrcolas. Los mtodos descritos de muestreo con mltiples marcos de seleccin combinan una muestra probabilstica de reas llamadas segmentos, seleccionadas a partir de un marco de reas, con una breve lista complementaria de explotaciones agrcolas especiales que se enumeran totalmente durante la recoleccin de datos sobre el terreno. Las estimaciones con mltiples marcos de muestreo combinan las estimaciones derivadas del muestreo de reas con las estimaciones obtenidas de la lista de explotaciones agrcolas especiales. El marco de reas de la encuesta: El diseo de una muestra de reas consiste en una muestra probabilstica estratificada de segmentos, con un procedimiento de seleccin replicada. El marco de la muestra de reas considera que el territorio se divide en varios estratos segn el uso de la tierra, definidos por la proporcin de tierra cultivada, el predominio de ciertos cultivos u otras caractersticas referentes al uso de la tierra. Los estratos y los segmentos de la muestra deben tener lmites fsicos reconocibles y permanentes (caminos, sendas, ros, etc.), que puedan ubicarse tanto sobre el terreno como en los materiales cartogrficos utilizados para su identificacin (imgenes de satlites, mosaicos de fotografas areas y mapas). Se utilizan muestras replicadas para evitar el cansancio de los informantes. El marco de lista (de explotaciones agrcolas) complementario de la encuesta: La lista complementaria de explotaciones especiales asegura la inclusin de las explotaciones que contribuyen de manera significativa a la estimacin de algunas variables importantes de la encuesta. Esta lista de explotaciones especiales puede consistir, por ejemplo, en las explotaciones con la mayor superficie total, las que dedican mayor superficie a un cultivo determinado, las que tienen
6

mayor nmero de cabezas de ganado y aves de corral, las de mayores ingresos, las de mayor nmero de trabajadores agrcolas, las correspondientes a una produccin localizada y las que se concentran en tipos muy especializados de produccin: estas categoras podran no contar con una representacin adecuada en la muestra de reas de la encuesta, por lo tanto la precisin de las estimaciones respecto a ciertas variables podra resultar significativamente afectada. La adicin de una breve lista de explotaciones agrcolas especiales a un diseo con marco de reas presenta relativamente pocas dificultades tcnicas. Procedimientos de recoleccin de datos de la encuesta: El componente de muestreo de reas considerado requiere una recoleccin anual (o estacional) de datos sobre el terreno, realizada por encuestadores que completan un cuestionario para cada tramo incluido en cada segmento de la muestra. Un tramo es la parte de una explotacin (o de tierras no agrcolas) incluidas en el segmento. Los encuestadores recogen los datos para cada tramo mediante entrevistas personales con el productor u otra persona responsable que pueda dar informacin sobre el tramo. La recoleccin de datos, junto a la cumplimentacin de un cuestionario, requieren a menudo la identificacin y medida de tierras agrcolas. Para cada segmento de la muestra, el encuestador usa una fotografa area ampliada (o una foto satelital o un mapa o plano a escala) en donde consten los lmites del segmento. El encuestador comprueba los cultivos y otros usos del terreno en cada campo (un campo es un trozo de terreno en una parcela una fraccin de terreno totalmente rodeada por otra tierra, agua, caminos, bosques, etc., que no forman parte de la explotacin que est separado del resto de la parcela por lmites fcilmente reconocibles, como senderos, vallados, etc., en el cual se cultiva una variedad especfica de cultivo y tiene una fecha de siembra, o una combinacin de cultivos), informacin que tambin le facilita el productor de la explotacin. Estas superficies agrcolas identificadas en cada segmento de la muestra pueden ser medidas ms tarde en la oficina mediante un instrumento de medida operado con computadora. Existen dos tipos bsicos de diseos de muestreo en funcin de la unidad muestral de la ltima etapa y de las reglas para asignar sus probabilidades de seleccin, a saber: diseos de muestreo de reas (donde las unidades finales de muestreo son segmentos, es decir reas de terreno) y diseos de muestreo de lista (donde las unidades finales de seleccin son generalmente explotaciones agropecuarias), tambin llamados encuestas por muestreo con marco de reas y encuestas por muestreo con marco de lista.
7

Las encuestas agrcolas con mltiples marcos son las encuestas por muestreo probabilstico que combinan ms de un diseo de muestreo para obtener las estimaciones de la encuesta, combinando diseos con marcos de reas con diseos con marcos de lista. Una encuesta agrcola con mltiples marcos incluye generalmente una muestra de reas y muestras de listas. Comparacin entre diseos alternativos de encuestas agrcolas La eleccin de un diseo estadstico apropiado para una encuesta sobre la estructura y produccin agrcola requiere considerar comparativamente las ventajas, las desventajas y los requisitos de los diseos de encuesta con mltiples marcos, los diseos con marco de reas y los diseos con marco de lista. Diseos con mltiples marcos frente a diseos con marco de lista nicamente A continuacin se indican algunas de las ventajas, desventajas y requisitos de estos diseos con mltiples marcos para los programas de encuestas sobre la estructura y produccin agrcola en comparacin con los diseos basados en un marco de lista: Ventajas: Errores de cobertura relacionados con la cobertura completa. El marco de reas da una cobertura completa de la poblacin de unidades de informacin (explotaciones o tramos). Por consiguiente, las estimaciones probabilsticas basadas en la muestra de reas no estn sesgadas por errores de cobertura. Esto no puede lograrse con una encuesta por muestreo de lista ya que, en la prctica, no puede establecerse una lista completa de explotaciones, vlida en las fechas del perodo de recoleccin de datos. Errores de cobertura relacionados con el uso repetido del marco. Si ha de realizarse una encuesta agrcola anual o estacional, conviene saber que un marco de reas es generalmente mucho ms duradero que un marco formado por una lista de las explotaciones. Los cambios en el aprovechamiento de la tierra o en el nmero y situacin de las explotaciones pueden reducir la precisin de las estimaciones basadas en la muestra de reas, pero no introducen sesgos. Precisin de las estimaciones. Un diseo de muestra de reas, conduce a estimaciones ms precisas de las superficies agrcolas (va8

riable clave estudiada en todas las encuestas agrcolas) que una muestra de lista. En efecto, por definicin, en el muestreo de reas las probabilidades de seleccin y los factores de expansin de la muestra son proporcionales a las superficies agrcolas. Errores no muestrales y medicin objetiva de superficies. El diseo de muestreo de reas permite utilizar un procedimiento ms adecuado y exacto para las mediciones objetivas de superficies agrcolas, lo que es una ventaja importante para llegar a estimaciones exactas de superficie. En los diseos de muestreo de lista, la medicin de superficies suele hacerse nicamente en una submuestra de explotaciones durante la compilacin de datos. Este procedimiento es en general lento y de aplicacin engorrosa, y no es prctico cuando se trata de explotaciones formadas por parcelas muy separadas unas de otras. Base para encuestas sobre el rendimiento de cultivos con mediciones de cortes. En los pases en desarrollo, los productores son a menudo incapaces de facilitar estimaciones fiables de las cosechas y de la produccin, y existe el problema de las unidades locales de medida que con frecuencia varan de una aldea a otra o incluso de un productor a otro. Tamao de la muestra. Al comparar el tamao de la muestra de un diseo con mltiples marcos con un diseo con marco de lista puede ser necesaria una muestra de lista ms grande, a causa de las varianzas entre conglomerados y dentro de conglomerados. Las probabilidades de seleccin de las Unidades Primarias de Muestreo (UPM) y de las etapas iniciales del diseo de muestreo de lista a menudo no pueden establecerse debidamente para que el diseo de muestreo sea eficiente. Cambios en el sistema de explotaciones. La construccin del marco de reas es independiente de las explotaciones agrcolas. Por ello, el muestreo de reas es una solucin adecuada para, por ejemplo, los pases o regiones donde el sistema de explotaciones y otra infraestructura agrcola han sufrido cambios profundos y estarn en situacin inestable todava durante bastante tiempo, y para los cuales el conocimiento de la produccin agrcola es ms importante que obtener resultados por categoras de explotaciones (por ejemplo, los pases de Europa central y oriental). Costos de la recoleccin de datos. Las encuestas por muestreo de reas son rentables considerando el costo por explotacin, ya que cada segmento contiene un grupo o conglomerado de tramos (unidades de informacin). Si las unidades de una muestra de lista no
9

son conglomerados de explotaciones, las explotaciones que han de ser enumeradas por un encuestador podran estar separadas por una distancia considerable, con el consiguiente aumento de los costos de la encuesta. Desventajas y requisitos Requisitos cartogrficos. La construccin de un marco de reas requiere un material cartogrfico sobre el cual podr procederse a una identificacin y medicin exacta de las reas. Tal variedad de materiales e instrumentos cartogrficos no se requiere para las encuestas con marco de lista. Falta de lmites fsicos permanentes. Para un diseo de muestreo de reas con segmentos dotados de lmites fsicos reconocibles o con segmentos cuadrados o rectangulares, la falta de lmites permanentes en los mapas, imgenes de satlites y fotografas areas constituye un problema grave. En zonas tropicales como frica occidental, por ejemplo, a causa de las condiciones climticas y de los sistemas de agricultura migratoria, los lmites cambian con frecuencia o quedan cubiertos por la maleza y no son visibles en los materiales cartogrficos. Proximidad a la explotacin del productor o del informante. Puede no ser viable ni incluso posible utilizar una muestra de reas en algunos pases por lo escabroso del terreno, la falta de fondos o a causa de ciertos hbitos sociales de la poblacin rural. En varios pases, o amplias regiones de pases, los productores viven en aldeas, a menudo a cierta distancia de su explotacin. En este caso, una encuesta basada en una muestra de reas es difcil de realizar. Si se usa un diseo de muestreo de reas, se puede modificar la estratificacin para respetar las aldeas, y de tal manera que el rea del segmento no se tenga en cuenta salvo para definir a los productores que residan dentro del segmento (procedimiento de estimacin de segmento abierto). Costos de seleccin de la muestra. Al principio del programa de encuestas, los costos son ms elevados para la seleccin de una muestra de segmentos con lmites fsicos reconocibles que para una muestra de lista. Sin embargo, dado que para un programa peridico de encuestas sobre la estructura y produccin agrcola es preciso actualizar frecuentemente el marco de lista de las explotaciones, con objeto de controlar una cobertura adecuada y obtener estimaciones fiables, resulta fcil justificar los recursos necesarios para una muestra de reas alternativa.
10

 Personal tcnico. La ejecucin de un programa de encuestas agrcolas sustentable basado en mtodos de muestreo de reas requiere un personal de oficina altamente calificado que est dispuesto a soportar el tedio y a poner en los detalles la atencin exacta indispensable para la construccin y el mantenimiento del marco de reas. Se precisan estadsticos muy capacitados para el anlisis de datos, para la interpretacin de los resultados y los correspondientes ajustes necesarios y para el perfeccionamiento de los procedimientos de la encuesta. El marco y la muestra no sern ms duraderos que el personal. Cuando es posible construir un marco de lista exacto (un marco de lista es a menudo incompleto, o sesgado o envejecido), la ventaja de un diseo con marco de lista sobre un diseo con marco de reas se debe en general a sencillez de ejecucin y a que los mtodos de estimacin son ms sencillos, ya que suele existir una correspondencia uno-a-uno entre las unidades de muestreo y las unidades de informacin. En general, en la mayora de los pases ricos, desarrollados, se han hecho grandes esfuerzos para introducir mtodos probabilsticos de muestreo. En los Estados Unidos, por ejemplo, el pas pionero en este campo, ya en los aos 60 se introdujeron masivamente los mtodos probabilsticos de muestreo (en sustitucin de los procedimientos no probabilsticos) para las estadsticas bsicas de manera de ofrecer datos ms confiables en su programa de estimaciones agropecuarias nacionales. Importantes mtodos estadsticos de muestreo no incluidos en los textos clsicos Mtodos de muestreo para agricultura muy importantes no estn incluidos en los clsicos libros sobre muestro, que son an hoy los de mayor divulgacin y uso, a saber: el libro de Leslie Kish (1965) Survey Sampling, el libro de Cochran (tercera edicin de 1977) Sampling Techniques, el clsico libro de Hansen, Hurwitz y Madow (1953) Sample Survey Methods and Theory, el de Deming (1960) Sample Design in Business Research, el de Murthy (1967) Sampling Theory and Methods, Des Raj (1972) The Design of Sample Surveys, el libro de Desabie (1966) muy usado en pases de lengua francesa Thorie et Practique des Sondages, el de P. V. Sukhatme & B. V. Sukhatme (1970) Sampling Theory of Surveys with Applications, y finalmente el libro de Yates (cuarta edicin del 1981) Sampling
11

methods for censuses and surveys. Inclusive conocidos libros sobre estadsticas agropecuarias no incluyen algunos de los ms importantes mtodos de muestreo ya aplicados en los Estados Unidos y en otros pases del mundo. Por ejemplo los libros de S. S. Zarkovich (1965) Sampling Methods and Censuses o el de Kish (1989) Sampling Methods for Agricultural Surveys, ambos publicados por la FAO. Lo mismo vale para libros ms recientes pero que no tienen la divulgacin de los clsicos que hemos mencionado. Esto se debe a varias razones. Una muy importante, a mi entender, es una razn histrica: el hecho que en los Estados Unidos las estadsticas agropecuarias eran producidas por agencias diferentes del Gobierno. Y tambin el estilo de los destacados estadsticos responsables en las diferentes agencias, universidades y otros centros de investigacin de los Estados Unidos. Como resultado de estas rivalidades, las importantsimas investigaciones y aplicaciones llevadas a cabo en el Departamento de Agricultura (USDA) no fueron coordinadas con las investigaciones y las aplicaciones realizadas por la Oficina de Censos de los Estados Unidos (BUCEN) y otros centros de muestreo nacionales y privados y con las universidades. Los estadsticos ligados a estas ltimas instituciones fueron los que escribieron los libros hoy clsicos de los cuales la mayor parte de los estudiantes estudian muestreo estadstico, aun cuando no incluyen, como hemos ya indicado, mtodos de muestreo fundamentales para la agricultura que adems son ampliamente utilizados alrededor del mundo. En el Bureau of the Census (BUCEN), por ejemplo, se disearon y ejecutaron las principales estadsticas bsicas sobre Poblacin y Vivienda (adems de los Censos Agropecuarios, pero no las encuestas Anuales o Permanentes), bajo la direccin del eminente estadstico Morris Hansen hasta su renuncia del BUCEN cuando pas a dirigir el Westat, centro privado de investigacin de enorme prestigio. Morris Hansen y su fortsimo grupo de colegas (como por ejemplo el gran estadstico Joseph Waksberg) continuaron trabajando en el mejoramiento de los mtodos de muestreo en una gran variedad de campos, y cambiaron la manera que se realiza actualmente el muestreo probabilstico. En el Departamento de Agricultura de los Estados Unidos (USDA), por otra parte, se disearon y ejecutaron todas las encuestas agropecuarias excepto el Censo (realizado por el Bureau of the Census hasta hace algunos aos, cuando tal responsabilidad fue transferida al USDA). Fue en el USDA donde conocidos estadsticos (de esa institucin y contratados de diversas universidades) tuvieron a su cargo el diseo y la
12

ejecucin de las estadstcas agropecuarias cambiando radicalmente la manera que se realiza actualmente el muestreo probabilstico en agricultura, como indicaremos en lo que sigue. Una breve historia de los mtodos de muestro diseados en el USDA, y en particular la introduccin de muestreo de reas y muestreo con mltiples marcos de seleccin Mtodos con mltiples marcos de lista: Entre los estadsticos de encuestas que han contribuido ms al mejoramiento de los mtodos de muestro basados en muestro de mltiples listas cabe mencionar a Ivan Fellegi y Alan Sunter A Theory for Record Linkage (1969), por ejemplo. Mejoras importantes en este campo de mltiples marcos de lista fueron realizadas por estadsticos que trabajaron en otras agencias o universidades, como es el caso Margaret Gurney y Mara Elena Gonzlez, Estimates from Samples from Frames where Some Units Have Multiple Listings (1972). Mtodos de muestro de reas: Probablemente el principal mtodo de muestreo para agricultura, completamente diferente y novedoso, fue aplicado en el diseo probabilstico de la Encuesta Anual Agropecuaria y fue el mtodo de muestreo de reas, no incluido en los mencionados libros clsicos de muestreo, aun cuando las investigaciones sobre este mtodo empezaron en la dcada del 40. Estos nuevos mtodos fueron inventados, y su aplicacin fue realizada por varios estadsticos, en especial: Earl Houseman, Jessen, King y Trelogan. Cabe recordar que paralelamente a estos trabajos en los Estados Unidos, el famoso estadstico Mahalanobis introdujo el muestreo de reas en la India. Mtodos de muestreo de mltiples marcos: Entonces otra contribucin fundamental fue realizada por H. O. Hartley en los 60, quien introdujo el muestreo de mltiples marcos, combinando muestreo de reas con muestreo de listas. Como consecuencia, un gran desarrollo tuvo lugar en el USDA y la Encuesta Anual Nacional Agropecuaria basada en mtodos de mltiples marcos de muestreo fue implementada en todos los Estados del pas. Este desarrollo se debi a distinguidos estadsticos como es el caso de Caudill, Kibler y Paul Moore en los aos 60, Vogel, Bosecker, Pratt, Rockwell, Huddleston, y Hill, en los 70, Vogel, Nealon, Geuder, Fecso, Tortora, Ford, Cotter y Kott, en los 80 y 90. Muestreo de mltiples marcos combinado con el uso de imgenes satelitales: En los aos 70 empez otra muy importante contri13

bucin a las tcnicas de muestreo para la agricultura, a saber el uso efectivo de imgenes de satlites para construir los marcos de muestreo de la Encuesta Nacional Agropecuaria, y tambin para otros propsitos como para la estimacin de reas especiales y la estimacin de rindes de varios cultivos. Esta nueva contribucin fue realizada principalmente por estadsticos del USDA que aprendieron tcnicas de teledeteccin, ya que la NASA, luego de muchos aos, no pudo conseguir integrar estas tcnicas para usarlas con mtodos de muestreo de propsitos mltiples que era lo que requera el USDA y en particular la Encuesta Agropecuaria Anual. Los principales estadsticos que introdujeron tcnicas de teledeteccin y el uso de imgenes de satlites fueron Wigton, Bormann, Hanuschak, Geuder, Craig, Cotter y Tomczak, entre otros. Mtodos de mltiples marcos combinados con el uso de Sistemas de Informacin Geogrfica (SIG). El CASS: La ltima modificacin importante para la Encuesta Anual Agropecuaria de los Estados Unidos fue la gradual introduccin del llamado CASS (Computeraided stratification and sampling), un Sistema de Informacin Geogrfica ad-hoc desarrollado para la construccin de los marcos de reas (uno por Estado) y para la seleccin de las muestras. Esto signific una reduccin drstica del personal necesario, costes y tiempo requerido, en comparacin con los procedimientos tradicionales. Actualmente, todos los marcos de muestreo y la seleccin de las muestras en cada Estado se realizan usando el CASS. Muestreo de reas y de mltiples marcos para encuestas agropecuarias en otros pases y regiones del mundo A lo largo de los ltimos 30 aos, se han aplicado modelos probabilsticos basados en muestreo de reas o en muestro de mltiples marcos (reas y listas de establecimientos) en docenas de pases (o parte de pases) e inclusive en regiones formadas por varios pases, adaptando a las condiciones locales los mtodos que fueron originalmente aplicados en los Estados Unidos. Adems, durante los ltimos aos se han aplicado mtodos de mltiples marcos usando Sistemas de Informacin Geogrfica estndar y no especficos como en el caso del CASS. Algunos de los estadsticos que han contribuido de manera significativa en el diseo probabilstico de muestras de reas y de mltiples marcos, y en su aplicacin, en pases de frica, Amrica, Asia y Oceana, son los siguientes: Bouzaffour, Carfagna, Chinnappa, El Sheikh Elbashir, Glvez Calix, Hale, Huddleston, Khan, Kovar,
14

Maranda, Martins Carrilho, Moore, Nazif, Otaez, Silva, Steiner, Stepancich, Thberge, Trpanier, Vogel, Wallace, Wigton, y el que suscribe. En Europa, se introdujeron segmentos cuadrados en lugar de segmentos con lmites fsicos identificables en el terreno, excepto en Italia donde se reconsider y se volvieron a utilizar segmentos con lmites fsicos identificables. Algunos de los estadsticos de encuestas responsables por los diseos en los pases europeos son Carfagna y Gallego, entre otros. Italia es el pas ms avanzado de Europa en muestreo probabilstico de encuestas agropecuarias. Consideraciones finales y posibles soluciones Como consecuencia de los argumentos expuestos, y teniendo en cuenta la opinin de muchos de los colegas que he mencionado, nos parece apropiado afirmar que tal falta de capacitacin sobre mtodos estadsticos para encuestas agropecuarias podra ser mejorado de manera decisiva incluyendo en los planes de estudio sobre muestreo por lo menos a tres mtodos que son usuales y de gran importancia: muestreo de reas, muestreo con mltiples marcos (de reas y listas) y muestro por puntos. Por otra parte, la enseanza de mejores mtodos de muestreo probabilstico para encuestas agropecuarias en gran escala, debe ir acompaada de capacitacin en tcnicas de informtica, el uso de sistemas de informacin geogrfica, tcnicas de teledeteccin especialmente para el anlisis de imgenes y fotos de satlites, el uso de instrumentos como aparatos porttiles para determinar la posicin geogrfica GPSs, instrumentos computarizados de ingreso de datos, para la transferencia de escalas, programas de anlisis estadstico, etc. Y no slo porque estas tcnicas, software e instrumentos computarizados son de gran utilidad utilizados en combinacin con mtodos de muestreo, sino tambin, porque, aunque parezca mentira, dichos instrumentos estn disponibles en la mayora de los pases, aun en pases muy pobres, es decir que existen las herramientas para la aplicacin en los pases en desarrollo de los mtodos propuestos de encuestas agrcolas con mltiples marcos de muestreo. Estos mtodos pueden ser la manera ms prctica para que un pas produzca los datos bsicos anuales que se necesitan para el sector agrcola. Para mejorar las estadsticas agropecuarias y el conocimiento del sector agropecuario, en muchos pases es necesario mejorar los mtodos de muestreo, recoleccin de datos, uso de nuevos instrumentos
15

computarizados, as como nuevos mtodos de anlisis y divulgacin de datos. Es necesario, a travs de mejores estadsticas, mejorar el conocimiento de las condiciones de vida de millones de personas que viven en la miseria. Es necesario conocer para mejorar.
INSTITUTO DE INVESTIGACIN Y DESARROLLO de la ACADEMIA NACIONAL DE CIENCIAS DE BUENOS AIRES

16

MESA DIRECTIVA - 2005-2007 -

Presidente Dr. JULIO H. G. OLIVERA Vicepresidente 1 Dr. ROBERTO J. WALTON Vicepresidente 2 Dr. AMLCAR E. ARGELLES Secretario Dr. HUGO F. BAUZ Prosecretario Dr. JORGE SAHADE Tesorero Ing. PEDRO VICIEN Protesorero Dr. FAUSTO T. L. GRATTON

Director de Anales Acadmico Titular Dr. Alberto Rodrguez Galn Consejo Asesor de Anales Acadmico Titular Dr. Amlcar E. Argelles Acadmico Titular Dr. Mariano N. Castex Acadmico Titular Dr. Roberto J. Walton
Secretaria de Redaccin Dra. Isabel Laura Crdenas

Impreso durante el mes de febrero de 2007 en Ronaldo J. Pellegrini Impresiones, Bogot 3066, Depto. 2, Ciudad Autnoma de Buenos Aires, Repblica Argentina correo-e: rjpellegrini@fibertel.com.ar