Caso de estudio: Muestreo estratificado
Monitoreo y evaluación de recursos en Tanzania
Edna Katerine Suárez León
Bogotá
Universidad Distrital Francisco José de Caldas
katerinesuarez@gmail.com
Resumen- Es un diseño de muestreo llevado a cabo en
Tanzania, realizaron un muestreo doble para realizar la
estratificación y la asignación optima de parcelas por estratos.
Palabras Clave- técnicas de muestreo, estadística, muestreo
estadístico aleatorio, muestreo por conglomerados, muestro
estratificado, población, etc.
I. DESCRIPCIÓN
La Organización de las Naciones Unidas para la
Alimentación y la Agricultura (FAO) ha recopilado
información forestal a nivel mundial desde 1947.
ONU-CEPE / FAO (Comisión Económica de las
Naciones Unidas para Europa / FAO) ha
cooperado con la FAO en la recolección y
publicación de los datos de la región templada y
boreal (UN-ECE / FAO, 2000). El informe más
reciente, FRA 2005, se publicó a fines de 2005
(FAO 2005). La evaluación de los recursos
forestales es basada principalmente en los
Inventarios Forestales Nacionales (NFI)
realizados a nivel nacional y subnacional.
Los países están planificando y realizando
inventarios sobre la base de sus propias
necesidades de información y tradiciones. Algunos
países tienen una larga tradición, desde el
comienzo de la década de 1920, mientras que
otros países tienen realizó solo un inventario o
incluso está planificando el primer inventario
basado en muestreo, o a nivel mundial, faltan
incluso el primer inventario. Si bien algunos
inventarios están orientados a la producción de
madera, algunos otros los inventarios están
destinados a producir información sobre bienes y
servicios no madereros, o son de uso múltiple
inventarios. La mayoría de los inventarios
recopilan información sobre las mismas variables
base; Sin embargo, algunos inventarios recolectan
algunos cientos de parámetros medidos en el
campo (Tomppo y Andersson 2008).
Durante los últimos 10 años, el Departamento
Forestal de la FAO ha invertido recursos
considerables para desarrollar un programa de
apoyo al monitoreo y evaluación forestal nacional
(NFMA) (Saket et al., 2010). NFMA opera
principalmente de países en desarrollo. La
capacidad técnica, financiera e institucional son a
menudo necesario.
Actualmente (marzo de 2010), la NFA se completó
en nueve países (Bangladesh, Camerún, Costa
Rica, Guatemala, Honduras, Líbano y Filipinas,
Zambia y Nicaragua), está en progreso en trece
países (Angola, República del Congo, Kenya,
Kirguistán, Tanzania, Gambia, Brasil, Comoras,
Argelia, Uruguay, Ecuador, Perú y Vietnam) y
formulado para cuatro países (Cuba, Nigeria,
Uzbekistán y Macedonia, FAO 2010).
Objetivo:
Sobre la base del acuerdo entre la Organización
de las Naciones Unidas para la Alimentación y la
Agricultura (FAO) y el Instituto Finlandés de
Investigaciones Forestales (Metla), las siguientes
actividades tuvieron que llevarse a cabo.
Analice más a fondo la utilidad de la detección
remota disponible, el mapeo digital y los datos de
inventario en Tanzania para fines de NAFORMA.
• Estudiar la viabilidad y proporcionar
recomendaciones sobre posibles alternativas de
muestreo y diseños de parcelas que podría
proporcionar datos del inventario forestal para
Tanzania con una mayor eficiencia y precisión /
precisión y eso proporcionaría información
confiable también a nivel de distrito.
• Proponer opciones para diseños de muestreo
eficientes para cumplir con el presupuesto y otras
restricciones y la necesidad de hacer
estimaciones para el nivel nacional y de distrito.
Una de las opciones es el presente NFMA
enfoque.
• Analizar y proporcionar recomendaciones sobre
si un posible inventario de múltiples fuentes
podría proporcionar datos del inventario forestal a
nivel de distrito para Tanzania.
El enfoque adoptado fue la simulación de
muestreo para la estimación de errores y la
evaluación de costos basada en el análisis SIG.
Las ideas presentadas en Tomppo y Katila
(2008) fueron utilizadas. Para esto, un modelo de
uso de la tierra y / o cobertura de la tierra con la
red de carreteras, se necesitan variaciones en la
elevación del terreno y el volumen de las
existencias en crecimiento.
Los conjuntos de datos de entrada y los métodos
para prepararlos se describen primero, luego de
eso, los estadísticos seleccionados marco para el
diseño, el procedimiento de simulación y
finalmente los resultados. Tenga en cuenta que
los principios principales del sistema de cálculo
de resultados futuros también se han
desarrollado.
REFERENCIAS
[1] J. Díaz-Verdejo, "Ejemplo de bibliografía", En
Actas de las XI Jornadas de Ingeniería
Telemática, vol. 1, n. 1, pp. 1-5, 2013.
[2] Tomppo, E. & Halme, M. 2004. Using coarse scale
forest variables as ancillary information and weighting
of variables in k-NN estimation: a genetic algorithm
approach. Remote Sensing of Environment 92: 1-20.
[3] Tomppo, E. 2006. The Finnish National Forest
Inventory. In: Kangas, A. & Maltamo, M. (eds.). Forest
inventory. Methodology and applications. Managing
Forest Ecosystems. Vol 10. Springer, Dordrecht. p.
179-194.
[4] Tomppo, E., Haakana, M., Katila, M. & Per¨asaari,
J. 2008a. Multi-source national forest inventory –
Methods and applications. Managing Forest Ecosystems
18. Springer. 374 p.
[5] Tomppo, E., Olsson, H., St°ahl, G., Nilsson, M.,
Hagner, O. & Katila, M. 2008b. Combining national
forest inventory field plots and remote sensing data for
forest databases. Remote Sensing of Environment 112:
1982-1999.
[6] Tomppo, E. & Andersson, K. (eds.) 2008. Technical
review of FAO’s approach and methods for National
Forest Monitoring and Assessment (NFMA). FAO,
NFMA Working Paper 38. 86 p.
[7] Tomppo, E. & Katila, M. 2008. Comparing
alternative sampling designs for national and regional
forest monitoring. In: Tomppo, E. & Andersson, K.
(eds.). Technical review of FAO’s approach and
methods for National Forest Monitoring and
Assessment (NFMA). FAO, NFMA Working Paper 38:
55-86.
[8] Tomppo, E.O., Gagliano, C., De Natale, F., Katila,
M. & McRoberts, R.E. 2009a. Predicting categorical
forest variables using an improved k-Nearest Neighbour
estimation and Landsat imagery. Remote Sensing
of Environment 113: 500-517.
[9] Arkin, H. (1968): Statiscal sampling in auditing, [s/e].
Carbajal, J. (1997): Cuestiones sobre muestreo aplicado a la
auditoría de cuentas,
[s/e], Santander.
[10] Centro Nacional de Superación Bancaria (1987): Manual
de muestreo para
auditores, La Habana.
11] Cook y Winkle (1995): «Decreto Ley N.o 159 de la
Auditoría», ONA T.
[12] Comité Estatal de Finanzas (1991): «Resolución N.o
22/91», La Habana.
[13] Cyerty, D. (1962): El muestreo estadístico aplicado a la
censura de cuentas, [s/e],
Barcelona.
[14] Taylor, D. (1998): Auditoría, integración de conceptos y
procedimientos, Limusa,
México D. F.
[15] Regulaciones y Normas de Auditoría Estatal (1990):
«Resolución N.o 44/90 y
Reglamento», La Habana.
[16] Anguera, M. T., Arnau, J., Ato, M., Martínez, R., &
Pascual, J. Vallejo; G.(1995). Métodos de investigación
en psicología. Madrid: Ed. Síntesis.
[17] Fuentes, J. M. D., García-Leiva, P., & Mendieta, M.
I. H. Técnicas cuantitativas y cualitativas aplicadas al
estudio de los Presupuestos Participativos. Democracia
Participativa y Presupuestos Participativos:
acercamiento y profundización sobre el debate actual,
179.
[18] Gámez, J. C. L. (2016). Abandono estudiantil de la
carrera de Desarrollo Rural, municipio La Dalia, periodo
2012-2016. Revista Científica de FAREM-Estelí, (18),
39-51.
[19] Rodríguez Aliaga, M. E. (2013). Influencia del
Merchandising Visual en el comportamiento de compra
de las consumidoras de la Empresa Payless
Shoesource Perú-Trujillo 2012.
[20] Leiman, J. M., Bengelsdorf, T., & Faussett, K.
(2006). Household Travel Surveys: Using Design Effects
to Compare Alternative Sample Designs (No. 06-0965).

[21] Azorín, F., & Sánchez-Crespo, J. L.

(1994). Métodos y aplicaciones del muestreo. Madrid:
Alianza.

[22] León, O. G., & Montero, I. (1997). Diseño de

investigaciones: Introducción a la lógica de la
investigación en psicología y educación (No. 303.44).
McGraw-Hill Interamericana,.