ESTUDIO FAO:

ESTUD110 FAO: MONTES

MONTES 2212
22/2

estimaci 7n del
estimacion d& volumen
volumen forestal
predicci6n del
y prediccion delrendirtnAentfo
rendimiento
on referencia
con referencia especial
especial a los trpicos
tropicos

prediccin del rendimiento

vol. 22 - predicci6n
yob.

por

d. alder
commonwealth forestry institute, vein
commonwealth reino unido
unido

ORGANIZACION DE LAS
ORGANIZACION DE LAS NACIONES
NACIONESUN
UNIDAS PARALA
IDAS PARA LAAGRICULTURA
AGRICULTURAYYLL
LAALIMENTACION
ALiMENTACION
Roma 1980
1980
.1/

Las denominaciones
Las denominaciones empleadas
empleadas en
en esta
esta publica-
cin
ci6n yy lalaforma
formaen enque
queaparecen
aparecenpresentados
presentados
los datos que contiene
co ntiene no
no implican,
implican, de parte
parte de
de
la
la Organizacin
Org anizaci6n dede las
las Naciones
Naciones Unidas
Unidas para
para 10.
Ag ricu ltura y la Alimentacin,
Agricultura Alimentaci6n, juicio alguno
alguno
sobre la
sobre la condicin
condici6n jurdica
jurldica de
de pases,
parses, territorios,
territorios,
ciudades
ciudades 0o zonas,
zonas, o0 de
de sus
susautoridades,
autoridades, nini
respecto de la
respecto de la delimitacin de sus
delimitaci6n de sus fronteras
fronteras o
a
Ifmites.
lmites.

M-35
ISBN 92-5-300923-3
ISBN

Este libra
Este libro es
es propiedad
propiedad de la Organizacin
Organizaci6n de las Naciones
Naciones Unidas
Unidas para
para la
la
Agricultura
Agricultura y la Alimentacin,
Al imentaci6n, yy nono podr
podrfl ser
ser reproducido, ni en
reproducido, ni en su
su
totalidad
totalidad nini en
en parte,
parte, por
par cualquier
cualquier mtodo
metoda o0 procedimiento,
procedimiento, sin
sin una
una
autorizacin por escrito
auto rizaci6n por derechos de
escrito del titular de los derechos de autor.
autar. Las
peticiones para tal
peticiones para tal autorizacin especificando lala extensi6n
autarizaci6n especificando extensin de
de lo
10 que
que se
se
desea
desea reproducir propsito que
reproducir y el prop6sito que con
can ella persigue, debern
ello se persigue, deberfln
Director de
enviarse al Director
enviarse de Publicaciones, Organizacin de
Publicaciones, Organizaci6n de las Naciones
Unidas para la
Unidas para la Agricultura
Agricu ltura yy la
la Alimentacin,
Alimentaci6n, Via
Via delle
delle Terme
Terme di
diCaracalla,
Caracalla,
00100
00100 Roma,
Roma, Italia.
Italia .

I
(O FAO
FAO 1981
1981
 PROLOOO
PROLOGO

Probablemente son pocas

pocas las
las discrepancias
discrepancias que
que hay
hay entre
entre los
los encargadoB
encargados del
del manejo
manejo de
de
los
los bosques
bosques en cuanto
cuanto aa que la capacidad
capacidad de
de estimar el
el volumen
volumen de
de lOB
los arboles
rboles yy de
de los
los
rodales y de prever lo producir~ el
10 que producir e1 bosque en diferentes
diferentes sitiDS
sitios con diferentes
diferentes trata-
trata-
mientos silvicolas
mientos silvicolas es
es de
de importancia
importancia fundamental
fundamental para
para todo
todo proceBo
proceso de planificacin
planificaci6n racio-
nal relacionado
relacionado con
con la
la actividad
actividad forestal.
forestal. Pero
Pero hay
hay mucha diversidad
diversidad de opiniones
opiniones acerca
acerca
de lo
10 que constituye el
e1 "rendimiento"
"rendimiento" y sobre
sabre la
la manera de estimarlo
estimarlo y proyectarlo hacia
e1 futl.U'O.
el futuro.

En el
En e1 presente manual se hace un esfuerzo por codificar metodoB
mtodos actualmente empleados
empleados
para estimar el volumen de los
lOB rboles
arboles yy de los rodales y pronosticar
pronoBticar el rendimiento
rendimi ento del
del
pr4ctica y util
bosque de una manera que sea prctica las personas encargadas de efectuar estos
til a las estos
calculos sin
clculos sin que necesariamente tengan
que necesariamente mucha experiencia
tengan mucha experiencia en la materia.
en la materia.

Es
Es preciso que esta
preciso reconocer que sta es
es una
una esfera dede la
la actividad
actividad humana
humana que
que se
se encuentra
en un proceso
actualmente en proceeD de evolucin rapida. sobre todo en lo
evoluci6n rpida, respect a a los bosques
10 que respecta
que crecen en
en el
e1 medio
medio tropical.
tropical. PorPor consiguiente hay que considerar todo
todo lo10 que
que se
se dice
dice
en el
el present e manual
presente manual como
como provisional
provisional yy sujeto
sujeto aa futuro
futuro perfeccionamiento,
perfeccionamiento, segUn
segn las
las ssitua-
itua-
ciones particulares que sese presenten o invent en Es
tecnicas que se inventen.
0 las nuevas tcnicas F.s de notar
notar
que haya otras t~cnicas que
otras tcnicas que no se
se mencionan
mencionan en
en este
eate texto,
texto, aunque
aunque sean
sean superiores
superiores para
para
determinados fines.
fines.

As!
As es
es que
que no
no se
se trata
trata de
de un
un manual
manual en el verdadero
verdadero sentido
sentido de
de la palabra;
palabra; es ms
mas
bien un conjunto de instrucciones para escoger un procedimiento,
procedimiento, combinadas con
can explica-
ciones ms
m!s detalladas acerca de la tcnica
tecnica de clculo
c!lculo que se aplica en
en algunos casos
especificos.
especficos.

Este
Este manual
manual Be
se refiere
refiere especialmente al tr6pico
trpico y es
es aplicable a llos
OB bosques tanto
tanto
naturales como artificiales. Dada la gran dificultad de estimar el el crecimiento y el
el rendi-
miento de los bosques naturales mixtos disetAneos, los mtodos
disetneos, los metodos que se dan a conocer sirven
para construir modelos de crecimiento, principalmente a los
crecimiento, aplicables principalmente lOB bosques coetneos.
coetaneos.
No
No se da ninguna instruccin
instrucci6n especfica
especifica sobre
sabre el
el caso
caso de los mixtos, sino m~s
los bosques mixtOB, ms bien
ejemplos
ejemplos de
de las
las posibles
posibles maneras de resolver los problemas que estos bosques presentan.
maneras .de presentan.

Este manual
manual se compane
compone de dos
dos volu.menes.
volmenes. En el el primer volurnen se dan
volumen se dan aa conocer
conocer las
l as
tecnicaa
tcnicas utili zadas para medir los
utilizadas los rboles
arboles y estimar
estimar el
el volumen de stos
estos y de los
los rodales
rodales
el segundo
yy en el segundo volumen,
volurnen, las
las de pron6stico
pronstico del crecimiento y del rendimiento.
rendimient o. EDEn una serie
de apendices
apndices se incluyen tecnicas estadiaticas y matemticas,
tcnicas estadsticas matematicas, algunos cuadros estadsticos,
estadisticos,
formularios
formularios en blanco de
de cAl culo y registro de datos y una
clculo una bibliografa
bibliograf!a anotada.
anotada.

El
Ea volumen II de este manual 10 redact6 Francis
lo redact FranciB Cailliez,
Cailliez, Centre Technique
Technique Forestier
Forestier
Tropical
Tropical (CTFT), Nogent-Bur-~~ne,Francia yy el
(CTFT),Nogent-sur-Marne,Francia el Volumen
Volumen II,
II, Denis
DeniB Alder,
Alder, Commonwealth
Commonwealth
Forestry Institute
Institute (CFI),
(CFI), Oxford, Gran
Gran Bretana, quien
quien tambin
tambien prepar
prepar6 los
los apndices.
apendices.
Coordin6
Coordin la labor
labor de
de ambos
ambos autores Jtlran
Juran Fries, Sueca de
Fries, Universidad Sueca de Ciencias
Ciencias Agrcolas,
Agricolas,
Upsala,
Upsala, Suecia. Formularon yy orientaron los
lOB trabajos
trabajos Jean-Paul
Sean-PaUl Lanly
Lanly yy Karn
Karn Deo
Deo Singh,
Singh,
Direcci6n ReCUTBOB ForestaleB,
Direccin de Recursos Forestales, FAO. Jean Clement (CTFT) colabor6 en la etapa inicial
(CTFT) colabor en la etapa inicial
de este
eate estudio.
estudio.
 La traducci6n
La espanola del
traduccin espaola del Manual fue
fue hecha
hecha por
por el
el senor Noel Ogaya
seor Noel Ogaya de
de la
la Facul tad de
Facultad de
Fbrestales de la Universidad de
Ciencias Forestales de Los Andes,
Andes, M6rida, Venezuela, al
M~rida, Venezuela, eual estamos
al cual estamos sin-
ceramente agradecidos.

El primer borrador del presente manual se someti

someti6 a la consideracin
consideraci6n del
del Grupo
Grupo Secto-
.. rial 34.01 de la IUFRO
de la IUFRO (dendrometria, re~i6n celebrada
(dendrometr!a, crecimiento yy rendimiento) en su reunin
en Oxford en septiembre de 1979 y se
se debati
debati6 en
en detalle
detalle durante
durante todo
todo un
un dia.
dia. Entre los
los
" participantes habra
habla dendr6metras forest ales tropicales,
dendrmetras forestales especialmente por la FAO
tropicales, invitados especialmente FAO
para que hicieran un examen
examen critico
cr!tico y exhaustivo
exhaustivo del
del contenido del
del manual. Adem~s se
manual. Adems se envi
envi6
eate manual a varios especialistas
este especialistas solicitando
solicitando sus
sus observaciones.
observaciones. Los aut ares
Los autores mencionados
redactaron una versi6n
versin corregida del manual basindose
basndose en dichas observaciones.
observaciones.

El
Ea presente manual es el
e1 primero en su au genera
gnero en 10
lo que se refiere aa la
la actividad
actividad fores-
fores-
pera hay
tal tropical, pero hay un
un gran
gran margen
margen para
para mejorarlo y completarlo.
completarlo. SeSe necesitan de
de inme-
diato sobre todo nuevos
nuevas estudios
estudios complementarios
complementarios sobre
sobre los
los rodales
rodales mixtos coet~eos.
mixtoB no coetneos.
I'llucho se
Mucho se agradecer
agradecerA cualquier
cualquier sugerencia
sug erencia al
al respecto.
respecto.

I~. A. Flores
M.A. Flores Rodas
Rodas
Subdirector General
Subdirector General
Departamento de
Departamento de Montes
Montes
 -i-
-1-

VOLUMEN
VOLUMEN II
II

INDICE P~g.
Pgg.

1 INTRODUCCION: EL PROBLEMA DE LA PREDICCION DE

INTRODUCCION: DE CRECIMIENTO Y
RENDIMIENTO 1

11
11 Razones
Razones para predecir crecimiento yy rendimiento
rendimiento 1

111 Planificacion la produccin

Planificacin de la produccion 1
1

112 Investigacin silv1c~ltural y

Investigaci6n silvicultural planificaci6n
y planificacin 1

113 Investigacin eco16gica yy manejo

Investigacion ecolgica manejo ambiental
ambiental 1

1.2 La metodologa
metodolog!a de
de la
la prediccin
predicci6n del
del crecimiento
crecimiento yy rendimiento
rendimiento 22

121 estimaci6n del crecimiento

La estimacin crecimiento y rendimiento
rendimiento 22

122 La construcci6n
construccin de modelo matem~tico
de un modele a
matemgtico yy su ajuste a

los datos 33

123 Prueba del modelo para su validacin

validaci6n 3
3

124 La aplicacion
aplicacin del
del modele final requerido
modelo para el uso final 4
4

2
2 DISEROS DE ESTUDIOS PARA LA
DISEOS LA PREDICCION
PREDICCION DEL
DEL RENDIMIENTO
RENDIMIENTO 5
5

21 Aspectos especiales en la
la estimacin
estimaci6n de los par~metros de
los pargmetros de

regresi6n
regresin 5

22 Diseno del muestreo para la

Diseo la construccin
construcci6n del modelo
modele 5

221 Parcelas temporales

tempora1es 5

221.1 Inventarios forestales

foresta1es 6
221. 2
221.2 Estimaci6n del crecimiento por
Estimacin por medio de
de anillos
anillos
anuales 6
6
221. 3
221.3 Muestreo para obtener relaciones alom~tricas
relaciones alomtricas 6
6
221. 4
221.4 Muestreo para definir los par~metros de
los pargmetros de las
las
explotaci6n
operaciones de explotacin 66
221. 5
221.5 Muestreo de regeneracin
regeneraci6n 77

222 Parcelas de muestreo permanentes

permanentes (PMP)
(PMP) 7
7

222.1 requeridas
Cantidad de PMP requeridas 7
7
222.2 Ubicaci6n las PMP
Ubicacin de las PMP 7
7
222.3 Tamano las PMP
Tamao de las 8
8
222.4 Forma de las PMP 8
8
222.5 ~poca de
Frecuencia y poca de las
las mediciones 9
9
222.6 Muestreo con reemplazamiento
reemplazamiento parcial
parcial 9
9
 -ii-

23 Disenos experimentales
Diseos experimentales 10

231 Disenos aleatorios

Diseos 10

231.1 en bloques
Experimentos en bloques aleatorios
aleatorios 11
231.2 factoriales
Experimentos factoriales 12

232 Disenos sistem~ticos

Diseos sistematicos 12
12

232.1 Experimentos de ~rboles individuales

de arboles individuales 12
232.2 clinales
Parcelas clinales 13
13

24 Ejemplos de experimentos de crecimiento y rendimiento 14

241 Bosques uniformes 14

14

241.1 de espaciamiento
Experimentos de espaciamiento 14
14
241.2 Experimentos de
Experimentos de clareos
clareos para ~reabasal
paraununarea basaloonstante
constante 14
241.3 Experimentos de clareos usando tratamientos de cla c1a
graduales.
reos graduales. 15
15
241.4 Experimentos factoriales con diferentes componen-
tratamientos de
tes de tratamientos de clareos
clareos 15
15

242 Bosques mixtos 16

242.1 Diseno de bloques aleatorios

Diseo 16
242.2 Definici6n
Definicin de tratamiento 16
242.3 Diseno yy dimensiones
Diseo dimensiones de
de las
las parcelas
parcelas 17

33 RECOLECCCION DE
PROCEDIMIENTOS PARA LA RECOLECCCION DE DATOS
DATOS YY ANALISIS PRELIMINAR
PRELIMINAR 18

31 Delimitacion de las parcelas de muestreo 18

311 Ubicaci6n
Ubicacin 18

312 Identificaci6n
Identificacin en el terreno de las parcelas
parcel as de muestreo

permanentes
permanentes 18

313 Determinaci6n de
Determinacin de los ~rboles del
los arboles del borde
borde 18

314 Marqueo
Marque() de
de los
los arboles
rboles 19

315 ~rbcles de la
Mapeo de los rboles la parcela
parcel a 19

316
316 Identificaci6n
Identificacin de los ~rboles de ingreso
los drboles ingreso 19

32
32 Formatos para las
las mediciones
mediciones de
de las
las parcelas
parcelas de
de muestreo an~
muestreoy yaria

lisi9
lisis preliminar 19

321
321 Bosque uniforme 20

322 Bosque mixto 23

 -iii-

323 inicial de
Levantamiento inicial de parcelas
parcelas permanentes
permanentes 24

33 Procedimiento de
de anglisis
anlisis del
del fuste
fuste 26

34 Metodos especiales
Mtodos especiales de
de estimacin
estimaci6ndel incrementodedelos
delincremento los arboles
futoles 27

341 simples
Mediciones simples 27

342 sucesivas en
Mediciones sucesivas en rboles
rboles con aletones 27

343 Bandas
Bandas perimetrales 28

344 Medici6n
Medicin de anillos
de anillos de crecimiento 29

35 Estimacin indirecta
Estimacion indirecta de la
la altura de los arboles y de la altu
rboles y
ra dominante
dorninante 30

4
4 DE DATOS
SISTEMAS DE ALMACENAMIENTO DE DATOS 32

41 ventajas de los
Ventajas de los sistemas
sistemasdedealmacenamiento
almacenamientode de datosoamputariza-
datosccanputariza-
dos
dos.. 32

42 Validaci6n datos
Validacin de datos 33

43 para la
Contratos para la preparacin
preparaci6n de
de programas
programas de
de computacin
computacion 34

44 Sistemas de almacenamiento de los

los datos de las parcelas 35

441 Introducci6n
Introduccin 35

442 Estructura de los archivos 35

35

443 Comprobacion
Comprobacin de
de errores y edici6n
y funciones de edicin 36
36

444 Surnarios las parcelas

Sumarios de las 37

445 Programas-utilidades 37
37

446 la base
Seguridad de la base de
de datos
datos 38

45 'rransferencia de
Transferencia de aatos
datos entre
entre sistemas
sistemas de
de computacin
computaci6n 38

5
5 ANALISIS DE DATOS DE CRECIMIENTO Y
Y RENDIMIENTO
RENDHUENTO DE
DE LOS
LOS BOSQUES
BOSQUES UNIFORMES 39
UNIFORMES39

51
51 Clasificaci6n sitios
Clasificacin de sitios 39

511 Uso de indicador del sitio

de la altura dominante como un indicador 39

512 Construcci6n
Construccin de
de curvas de ndice
indice de sitio 40

512.1 Metodos grficos

Mtodos grficos de
de construcci6n
construccin 40
512.2 Metodos matemticos
Mtodos materna ticos
de de ajustededecurvas
ajuste curvasde
de Indice
indice de
de
sitio 44

513 Modelos estimaci6n de sitio basados

Modelos de estimacin basados en factores am
en factores am
bientales 60
 -iv-

513.1 funcionales para

Modelos funcionales para prediccin
predicci6n de
de
clases de sitio
sitio 61
513.2 Construccion selecci6n
Construccin y y seleccin dede variablesambientales
variables ambientales 61
513.3 Problemasenenlalaaplicacin
Problemas aplicaci6n de funciones de
de funciones de estimacin
estimaci6n de
sitio 62

52 M~todos estticos
Mtodos est~ticos de
de prediccin
predicci6n de
de rendimiento
rendimiento 62

521 M~todos grficos

Mtodos gr~ficos basados
basados en
en la
la funcin
funci6n diametro/altura
diametro/altura 62

522 Estimacin
Estimaci6n estadstica
estadistica directa
directa de
de funciones
funciones de
de predic-
predic-
ci6n
cin del di~metro promedio
del dimetro 65

523 Definici6n de la
Definicin la historia
historia de
de los
los tratamientos
tratamientos en
en funcin
funci6n
de la y la
la densidad y la edad
edad 66

524 est~ticas de
Funciones estticas de rendimiento
rendimiento predictivas
predictivas de ~rea
de rea
basal o
0 volumen 67

525 Limitaciones de
de los
los modelos est~ticos de
modelos estticos de rendimiento
rendimiento 67

53 M~todos din~micos
Mtodos dinmicos predicci6n del crecimiento y rendimiento
de prediccin rendimiento 69

531 La funcin
funci6n de incremento
incremento del ~rea basal
del rea basal 69

531.1 Incremento
Incremento del area basal como funcin
del rea funci6n de la
la al
al
tura dominante 69
531.
531.22 Otros mtodos
metodos de prediccin
predicci6n del
del incremento
incremento del
del
~rea basal
grea 70
531.
531.33 pr~cticos en
Problemas prcticos en el an~lisis de
el anlisis de datos
datos de
de
incremento 71

532 Construcci6n
Construccin de un modele
modelo de crecimiento con datos
datos de
un experimento de espaciamiento:
espaciamiento: Hiptesis
Hip6tesis de respues
respues
ta de Marsh - 71
71

533 Conversin
Conversi6n de modelos de
de crecimiento
crecimiento a
a modelos de ren
por integracin
dimiento por integraci6n 74

533.1
533.1 Introducci6n
Introduccin 74
533.2 Teora bsica
Teor!a basica 74
533.3 Aplicaci6n
Aplicacin de un modele
modelo integral de rendimien
to
to aa diferentes tratamientos de clareo 75
533.4 Ejemplo de uso de un modelo integral de rendi
rendi
miento - 76
533.5 Ajuste de modelos compatibles de crecimiento
yy rendimiento aa datos
datos de incremento 78

534 Usos de modelos de

de crecimiento
crecimiento por
por simulacin
simulaci6n 79

534.1 Requerimientos
Requerimientos dedeununmodelo
modele de simulaci6n
de simulacin 79
534.2 M~ todos de
Mtodos construcci6nde
de construccin un"redel
deun modele de simulacin
simulaci6n 79
534.3 Ejemplo unmodelo
Ejemplo dedeun modele simple
simple de simulaci6n
de simulacin 80

54 Clareos 82
541 proporci6n de
La proporcin de clareo
clareo 82
 -v-
-y-

542 Estimaci6n de
Estimacin los rendimientos
de los rendimientos de
de clareos
clareos en
en modelos
modelos
esta,ticos
estticos 88

543 Estimacion
Es de los rendirnientos
timac ion de rendimientos de clareos en
en modelos
rnodelos dinmicos
di~cos 89

55
55 Mortalidad 90
551 en el
Mortalidad en el establecimiento
establecimiento 90
552 /,lortal idad dependiente de la densidad
Mortalidad 91

553 por enfermedades

Mortalidad por enfermedades yy plagas
plagas 91

554 Danos por vientos

Daos incendios
vientos ee incendios 91
91

56 Prediccion volumen del

Prediccin del volumen del rodal
rodal 93

561 Ecuaciones de volumen del rodal basadas en altura do-

area basal
minante yy rea basal 93
93

562 Utilizacion de ecuaciones de volumen

Utilizacin volurnen de los rboles p~
arboles pa
ra predecir el volumen
ra volurnen del
del rodal
rodal 94
94

563 Estimaci6n del volumen

Estimacin volurnen hasta un dimetro
diametro limite
lfmite tope 94

564 de los
Volumen de los clareos
clareos 95

57
57 Tecnicas prediccion de crecimiento yy rendimiento
Tcnicas avanzadas de prediccin 95

571 Modelos de clases de grosor 95

572 posicion del rbol

Modelos de posicin arbol 96

6
6 DATOS DE
ANALISIS DE DATOS DE CRECIMIENTO
CRECIMIENTO YY RENDIMIENTO
RENDIMIENTO DE
DE BOSQUES
BOSQUES MIXTOS
/UXTOS 97

61 Clasificacion sitio
Clasificacin de sitio 98

62 Funciones estticas
estaticas de rendimiento para bosques mixtos 100

621 Principios generales 100

622 analisis de datos

Procedimientos para el anlisis 101
101

623 Metodos selecci6n de una

Mtodos de seleccin una ecuacin
ecuacion de rendimiento 102

624 estaticos de rendimiento

Problemas con modelos estticos rendimiento en
en bosques
bosques
mixtos 102
102

625 consideracion aa los

Conclusiones en consideracin los modelos estticos
estaticos de
de
en bosques
rendimiento en bosques mixtos 103
103

63 de transicin
Modelos de matrices de transici6n 103
103

631 Definici6n de un modelo de matriz de transicin

Definicin transici6n 103
103

632 Metodos construccion de matrices de

Mtodos de construccin de transicin
transicion 105
105
 -vi-

632 .1
632.1 Datos de rboles
&rboles individuales
individuales 105
105

632.2 Datos de clases de

de grosor
grosor 106
106

633
633 Refinamientos aa los
los modelos
modelos de
de transicin
transici6n 107

634 de los
Desventajas de los modelos de
de transicin
transici6n 108
64
64 independiente de la distancia basados en
~rbol independiente
Modelos de rbol
ecuaciones diferenciales 108
108

641
641 Definici6n
Definicin 108
642
642 y dinmicas
alom~tricas y
Variables alometricas din&micas 109
643
643 Representaci6n de la
Representacin la competencia
competencia 109
644 los datos y enfoques
Requisitos de los enfoques para el anlisis
an~lisis 109
109

645 Estructura bsica del modelo

b~sica del modele 110
646 Ingreso,
Ingreso, mortalidad y explotacin
explotaci6n 110
647 Conclusiones en consideracin
consideraci6n a
a los
los modelos de rbol
~rbol 111
7
7 Y RENDIMIENTO
VALIDACION DE LOS MODELOS DE CRECIMIENTO Y 112
71 El la validacin
Ei papel de la validaci6n 112

72 validaci6n
Datos de validacin 112
73 residuales
Errores residuales 113
74 Comparaciones grficas
gr~ficas 114
75 Definici6n los limites
Definicin de los Hmites de utilidad
utilidad del modelo
modele 115
88 LA APLICACION DEL MODELO PARA EL USO
USO FINAL
FINAL REQUERIDO
REQUERIDO 116
116

81 Introducci6n
Introduccin 116
116

82 coet~neos
Rodales coetneos 116
83
83 Rodales
Rodales mixtos 117
 -1-

1i INTRODUCCION:
INTRODUCCION: EL PROBLEMA DE LA PREDICCION DE CRECIMIENTO
CRECIMIENTO Y RENDIMIENTO
RENDIMIENTO

11 RAZONES
RAZONES PARA PREDECIR CRECIMIENTO Y RENDIMIENTO
las razones
Para poder entender las razones de lala diversidad de mtodos est~n siendo
metodos que estgn
rendimiento, es conveniente exa
utilizados para predecir el crecimiento y el rendimiento,
las preaicciones
minar en detalle porque las pred ic ciones de crecimiento y rendimiento son ne
cesarias.

111 Planificacion de la
Planificacin la produccin
producci6n

foresta l efectivo implica la aplicacin

Un manejo forestal aplicaci6n de un sistema de tratamien
tos para el control de la la masa forestal
forestal de modo tal,
tal, que el incremento en va va-
l or econmico
lor economi co y/o social
social de dicha masa sea mgs m~s rgpido
r~pido que el inters
interes acumula
acumula
costa de los
do del costo los tratamientos.
tratamientos. -
Al mismo tiempo,
tiempo, todas
t oda s las operaciones de explotacin, disminuir~n la masa
explotac i 6n, disminuirn
en mayor
futura en a menor
mayor (5 menor grado
grado.. Una
Una tasa
tasa de
de explotaci6n severa trae
explotacin demasiado severa trae
r~ como consecuencia
rg consecuenc i a final
fina l la liquidacin
liquidacion del recurso
rec urso forestal;
forestal; una tasa muy
ligera puede privar a a la comunidad de recursos inmediatos
i nmediatos yy reducir el poten
cia 1 del crecimiento futuro
cial futuro del
del bosque.
bosque. -
Slamente podr~n tomarse decisiones racionales sobre
Solamente podrn sobre intensidad y pocas
epoc as de
clareos yy explotaciones,
explotaciones, si la respuesta de los bosques a a estas operaciones
puede cuantificarse. es tudios de crecimiento y rendimiento
cuantificarse. Los estudios rendimiento son los
los me-
dios utilizados para lograr
lograr este
este fin.
fin.

112 Investigacion
Investigacin silvicultur a l yy planificaci6n
silvicultural planificacin

pr i mario de
Aunque el objetivo primario de los
los estudios
estudios de
de crecimiento
crecimiento yy rendimiento
rendimiento es
es
probablemente
probablemente la cuantificacion producci6n forestal,
cuantificacin de la produccin foresta l, como respuesta a
a
l os tratamientos y
los y explotaciones, relaci6n dual entre es-
explotaciones, existe una marcada relacin
estudios yy pr~cticas
tos estudios
tos m~s cualitativas de investigaciones silvicultura-
prgcticas ms
les. Es una relacin
les. relaci6n dual
dual porque:
porque:

(i) La silvicultura de de una

una especie puede
puede determinar
determinar el
e l tipo
tipo de
de modelo
modele
aa uti li zar para predecir su crecimiento,
utilizar crecimiento, y puede suministrar una
base logica para agrupar especies en bosques complejos.
base lgica complejos. Los aspec-
tos silviculturales m~s
tos sugerir~n rela-
mgs resaltantes de una especie sugerirn
ciones
ciones que modele cuantitativo,
que deben ser incluidas en un modelo cuantitativo, si se
se de
sea que dicho modelo
sea modele sea
sea efectivo.
efectivo.

(ii) modele cuantitativo que

Un modelo que contenga
contenga relaciones
relaciones adecuadas
adecuadas puede
puede ser
ser
p r obar hiptesis
usado para probar hipotesis silviculturales
silvicultura l es yy para
para sugerir
sugerir diseos
disenos
experimentales y tratamientos que probablemente suministrar~n re-
probab lemente suministrarn
sultados tiles.
utiles .

113 Investigacion
Investigacin ecologica
ecolgica yy manejo
manejo ambiental

Los
Los modelos
modelos cuantitativos para
par a predecir crecimiento y rendimiento
rendimiento pueden
pueden in-
in-
teractuar
teractuar con
con las necesidade s de la investigacin
las necesidades invest igacion ecolgica
eco16gica y planificacin
planificacion
ambiental
ambiental de diversos modos. Por
Por ejemplo:
ejemplo:

(i)
(i) Un modele indicar la
modelo forestal puede indicar la cantidad
cantidad de
de luz
luz que
que llega
llega al
al
suelo
suelo en las diferentes pocas
en las epocas del ciclo
cicIo de crecimiento.
crecimiento.

((ii)
ii) Un modele r~pidamente para
modelo forestal puede adaptarse rapidamente para mostrar
mostrar la
la bio
bio
masa y
y la tasa de produccin
produccion de
de una
una cosecha
cosecha de ~rboles.
de rboles.
 ~-
-2-

(iii) La duracion
duracin del ciclo de crecimiento durante
durante el cual la cosecha fo
cual la
restal est~
restal est disponible para los
los grandes herbvoros
herbivoros es
es una informa~
una informa-
cion importante para el
cin el manejo
manejo de
de la
la fauna
fauna silvestre.
silvestre.

Los modelos ecolgicos

ecologicos en general usan tcnicas
tcnicas diferentes aa las
las empleadas
en los
los estudios de crecimeinto y rendimiento forestal.
forestal. Esto se debe aa que
ultimos tienen necesidad de concentrarse en predicciones
los dltimos predicciones muy precisas de
las
las propiedades geomtricas
geomtricas de la cosecha,
cosecha, mientras en ecologa,
ecologia, es posible
tratar conjunto. Adem~s,
tratar con poblaciones y niveles de un ecosistema en conjunto. Adems, los
modelos ecolgicos
ecologicos tienden
tienden aa concentrarse
concentrarse en
en describir o explicar los
0 explicar los aspec-
aspec-
tos
tos cualitativos de un ecosistema:
ecosistema: un nivel mayor de precisin
precision rara vez
vez es
posible o necesario. Los modelos forestales
0 necesario. forestales por su
su lado,
lado, deben ser
ser razonable
mente precisos si
si quieren justificar
justificar su
su existencia
existencia yy cumplir
cumplir su
su propsito.
proposito. -
tcnicas de los
Las tcnicas los modelos ecolgicos
ecologicos proporcionan
proporcionan un ndmero
nUmero de puntos de
de
contacto tiles
utiles con
con los
los modelos
modelos forestales:
forestales:

(i) En bosques mixtos, composicion de

mixtos, la composicin de especies puede ser modelada
por medio de tcnicas
tcnicas de din~mica de
de dinmica de poblaciones.
poblaciones.

(ii) Cuando la mortalidad,

mortalidad, defectos o0 disminuciones del
del crecimiento se-
an atribuibles a
a enfermedades o0 pestes especificas de conocida e-
tiologia,
tiologa, dichas prdidas din~
prdidas pueden cuantificarse con modelos de ding
en los
mica de poblaciones, en los cuales
cuales la
la informacin
informacion del
del habitat
habitat se
se
obtiene de un modelo de crecimiento forestal,
forestal, y el crecimiento de
los ~rboles
los est~ influenciado por la magnitud de la peste 0o enfer-
rboles est
medad.

futuro, estos puntos

En el futuro, puntos de contacto
contacto seguramente ser~n ms
seguramente sern m~s numerosos.
numerosos. En
En
particular, el creciente inters
particular, inters enen productos
productos no
no maderables dede los
los bosques
bosques
yy los difciles
dificiles problemas de lala compleja
compleja mezcla dede especies
especies yy edades
edades en
en los
los
pod ran ser
bosques podrn ser mejor enfocados,
enfocados, usando
usando variantes de
de los
los modelos ecolgi-
ecologi-
flujo de
cos de flujo de energa/ciclo
energia/ciclo de
de nutrientes.
nutrientes.

12
12 LA METODOLOGIA
METODOLOGIA DE LA PREDICCION DEL CRECIMIENTO Y
Y RENDIMIENTO

La metodologia la prediccin
metodologa de la prediccion del
del crecimiento
crecimiento yy rendimiento
rendimiento puede
puede conside-
cons ide-
fases principales,
rarse como abarcando cuatro fases principales, que se
se discuten
discuten en
en los
los par-
para-
siguientes.
grafos siguientes.

121
121 estimacion del crecimiento
La estimacin crecimiento yy rendimiento
rendimiento

La estimacin
estimacion del crecimiento o0 del
del rendimiento
rendimiento implica
implica dos
dos tipos
tipos de proble-
proble-
mas. definicion del
mas. Uno es el de definicin del trmino
trmino rendimiento
rendimiento que
que puede
puede ser
ser el
el volu-
volu-
~rboles de una
men de los rboles una cosecha,
cosecha, o0 el
el volumen
volumen de
de los ~rboles de
los rboles de un
un grupo
grupo
particular de especies,
especies, o tambin algdn
0 tambin algun producto
producto no
no maderable,
maderable, taltal como
como cor-
cor-
teza, foliaje,
teza, foliaje, resina,
resina, etc.
etc. El enf~sis ms
El enfasis m~s coman
comun en
en los
los pases
paises tropicales
tropicales eses
t a en la prediccin
t prediccion del
del volumen
volumen yy clasificacin
clasificacion dede todos
todos los
los productos made~
productos made-
madera para
rables incluyendo madera para aserrlo
aserrio yy para
para pulpa,
pulpa, postes
postes yy lefia.
lena. Como la
Como la
composicion de especies afecta
composicin afecta la
la utilidad
utilidad del
del producto,
producto, elel rendimiento
rendimiento nono
aislado de
puede considerarse aislado de esta
esta composicin
composicion dede especies
especies en
en los
los bosques
bosques
mixtos.
La medicion
medicin del rendimiento yy del
del crecimiento
crecimiento eses relativamente
relativamente fcil
facil una
una vez
vez
que se han hecho las
las definiciones apropiadas.
apropiadas. Las
Las dificultades
dificultades mayores
mayores son
son
indole prctico
de ndole practico y estn
estan relacionadas
relacionadas concon la
la accesibilidad
accesibilidad deldel bosque,
bosque, de-
de-
limitacion
limitacin yy medicion
medicin de parcelas y el mantenimiento de de parcelas
parcelas permanentes
permanentes
periodos de
durantes largos perodos de tiempo.
tiempo. Estos
Estos problemas
problemas sese tratan
tratan en en las
las seccio-
seccio-
 -3-

nes 22 yY 3.
3.

122 La construccin modelo matem~tico

construcci6n de un modele matemtico yy su ajuste
ajuste aa los
los datos
datos de
de cre-
cimiento y rendimiento

Una vez que sese dispone de datos, modelo matem~tico

datos, puede construirse un modele matemtico y a-
justarlo aa dichos datos.
datos. Un matem~tico consiste
Un modelo matemtico consiste enen un
un conjunto
conjunto de
de e- e-
cuaciones 0o gr~ficos
cuaciones grficos que
que muestran
muestran las
las relaciones
relaciones cuantitativas
cuantitativas entre
entre las
las va-va-
riables.
procedim1ento de ajuste
El procedimiento ajuste de un modele estad!stico, usando por e-
modelo puede ser estadstico,
jemplo regresi6n
jemplo lineal, 0o puede
regresin lineal, puede ser subjetivo,
subjetivo, trazando
trazando l!neas
lineas aa traves
travs de de
los gr~ficos. Si
los datos ploteados en grficos. Si se
se requiere,
requiere, estas
estas curvas
curvas hechas
hechas aa mano
rna no
ecuaciones. En el apndice
pueden expresarse posteriormente como ecuaciones. apendice A de este
se describen
manual se describen algunos
algunos mtodos
metodos de
de ajuste
ajuste de
de curvas.
curvas.
Los
Los tipos
tipos de
de curvas dibujadas
dibujadas 0o de
de ecuaciones ajustadas
ajustadas pueden basarse
basarse en al al
guna ley
ley natural
natural de crecimiento, 0o pueden ser
de crecimiento, ser emp!ricos,
empricos, enen cuyo
cuyo caso
caso las
las -
funciones 0o ecuaciones de
funciones de ajuste se escoger~n
ajuste se escogern unicamente
nicamente por
por su
su habilidad
habilidad pa pa
ra
ra representar una forma
forma determinada.
determinada . -
En los momentos actuales no existe una funcin
funci6n genuina para el crecimiento
de los ~rboles
de los rboles basada en una
una ley natural,
natural, aunque
aunque hay
hay algunas,
algunas, como la fun-
como la fun-
ci6n
cin de
de Chapman-Richard (descrita
(descrita en la seccin
secci6n 5)
5) que
que representan
representan parcial-
parcial-
los procesos de
mente los de crecimiento.
crecimiento.

123
123 Prueba
Prueba del
del modele
modelo para su validaci6n
validacin

vez que el modele

Una vez side construido
modelo ha sido construfdo y ajustado
ajustado a a los
los datos,
datos, debe ser
probado para determinar su su validez
validez y precisin.
precisi6n. Esta operacin
operaci6n es preferible
hacerla con un segundo conjunto de datos que no no haya
hay a sido utilizado ' para a-
justar ninguna
justar ninguna de
de las funciones
funciones del
del modelo.
modelo. El modele
modelo se usa
usa para predecir
predecir
el comportamiento de loslos rodales que han suministrado
suministrado los
los datos de lala compro
baci6n y los resultados se
bacin se comparan
comparan con
con las
las observaciones
observaciones reales.
reales . -
Frecuentemente eses necesario repetir el proceso de validacin
va lidaci6n varias veces,
veces,
ajustes 0o correcciones al modelo como resultado de las
con ajustes las aparentes anoma-
lias
las que se presentan
presentan enen cada
cada etapa.
etapa.
Hay una serie de razones por las cuales
cua les los
los modelos pueden comportarse err-
err6-
cuando se
neamente cuando se validan:
validan:

(i) El
El conjunto de datos originales puede representar un patrn
patr6n dife-
rente
rente de
de comportamiento del crecimiento que el conjunto de datos
se prueba.
con el cual se prueba.

(ii) Han podido utilizarse en la construccin

construcci6n del modelo
modele mtodos inapr~
metodos inapro
piados de ajuste de
de las
las ecuaciones.
ecuaciones.

(iii) Algunas
Algunas de extrapolarse durante la
de las funciones ha podido extrapolarse la compro-
baci6n
bacin con lo
10 cual los datos de la
la validacin
validaci6n han entrado
entrado en
en un in
in
son imprecisos.
tervalo donde son imprecisos.

(iv) Si
Si el
el modele ecuaciones puede volverse
modelo abarca un sistema de ecuaciones vo lverse inesta
inesta
ble cuando se trata como conjunto, aa pesar
pesar de que cada
cada una
una de las
las-
funciones en forma aislada puede ajustar
funciones ajustar los
los datos adecuadamente.
adecuadamente.

(v) Pueden haber varias clases de errores

errores humanos
humanos durante la
la transcriE
transcri
ci6n
ojn 0o aplicaci6n ecuaciones o
aplicacin de las diferentes ecuaciones gr~ficos.
0 grficos.

Estos
Estos puntos se exponen con cierta extensin,
puntos se extensi6n, con
con el
el fin
fin de
de enfatizar
enfatizar la
la im-
im-
de probar cualquier modelo
portancia de modele antes
antes de
de aplicarlo
aplicarlo aa la
la planificacin
planificaci6n
 -4-

investigaci6n. En
o investigacin. En la
la seccin
secci6n 66 se
se trata
trata la
la validaci6n
validacin de
de modelos con deta-
lIe.
lle.

124 La aplicacin
aplicaci6n del modelo para
para el
el uso
uso final
final requerido
requerido

los modelos de crecimiento y rendimiento pueden ser aplicados

Esencialmente los
de las
en una de las tres
tres formas
formas siguientes:
siguientes:

(i) Como una simple tabla o0 grgfico,

grafico, o 0 conjunto
conjunto de
de tablas
tablas o0 grgficos.
graficos.
Estas
Estas pueden ser utilizadas
utilizadas directamente
directamente por
por los
los planificadores
planificadores fo
fo
restales
restales 0o pueden alimentar en forma
forma tabular
tabular aa un
un computador
computador para-
para
mantener al d!a conjuntos de
da conjuntos de datos
datos de
de inventario.
inventario.

(ii) Como
Como un
un programa
programa para unun ordenador
ordenador 0o computador
computador que
que pueda
pueda producir
producir
una
una tabla
tabla 0o grafico
grgfico de crecimiento yy rendimiento
de crecimiento rendimiento para
para un
un conjunto
conjunto
tratamientos. Esto es apropiado cuando el modele
particular de tratamientos. modelo tie
ne
ne suficiente
suficiente flexibilidad
flexibilidad inherente
inherente yy no
no es
es posible
posible definir
definir todas
las
las predicciones en un slo
s610 conjunto
conjunto de
de tablas.
tablas.

(iii) Como un programa de computacin

computaci6n en forma de subrutina,
subrutina, contenido
en
en un
un programa
programa general
general de
de planificaci6n
planificacin forestal
forestal yy al
al cual
cual puede
puede
incorporarse
incorporarse una
una base de
de datos
datos de
de informaci6n
informacin de
de inventarios
inventarios yy va-
va-
rias
rias funciones
funciones restrictivas
restrictivas de
de tipo
tipo econ6mico
econmico 0o tecnico
tcnico sobre
sobre ope-
ope-
raciones
raciones de
de explotaciones yy tratamientos.
tratamientos .
 ~5-

22 DISE~OS
DISEOS DE ESTUDIOS PARA .LA PREDICCION DEL
LA PREDICCION DEL RENDIMIENTO
RENDIMIENTO

21 ESTlMACION DE LOS PARAMETROS

ASPECTOS ESPECIALES EN LA ESTIMACION PARAMEIDROS DE REGRESION

Los disenos
diseos experimentales yy de
de muestreo para estudios
estudios de
de crecimiento
crecimiento yy ren-
ren-
dimiento deben
deben condicionarse al
a] tipo de
de modele
modelo dede ajuste
ajuste de
de los
los datos
datos aa obte
obte
nerse, que usualmente es
nerse, es alguna
alguna clase
cla se de
de modelo
mode l o de
de regresin.
regresi6n.
Al respecto,
respecto, deben tenerse
tenerse siempre
siempre pendiente los los puntos
puntos siguientes:
siguientes:

(i) sabe que el modelo

Cuando se sabe mode l e a
a ser ajustado es lineal,
lineal, los
los trata-
mientos experimentales 6 el muestreo debe concentrarse en los los dos
extremos de la
la linea.
linea. Para un plano de regresin
regresi6n relativo aa 3 va-
riables, muestraran las
riables, se muestrardn las 44 esquinas extremas.
extremas.

(ii) Con frecuencia,

frecuencia,. la
la forma
forma precisa de la funcin
funci6n aa ajustar es
es desco-
nocida yy posiblemente sera alguna curva.
curva. Una buena practica en es-
te
te caso,
caso, es dividir el intervalo de la la variable
variable predictora
predictora en
en 55
secciones iguales yy efectuar
secciones iguales efectuar muestreos
muestreos de
de igual
igual intensidad
intensidad en
en cada
cada
secci6n (sujeto aa (iii)
seccin (sujeto (iii) mds
mas abajo).
abajo).

(iii) La intensidad
intensidad de
de muestreo
muestreo en
en cualquier
cualquier pari:e
parte ddel
el intervalo debe
ser proporcional
ser proporcional aa la varianza de
la varianza de las
las muestras con res
muestras con pcc to
resp. to al
al mo
mo-
-
delo. Esto es
delo. Esto es particularmente
particularrnente importante
importante cuando
cuando sese pre.dice
predice el volu
volu
men,
men, como se
se seala
senala en
en la
la parte
parte II de
de este
este manual.
manual .

(iv) El muestreo aleatorio o sistemat ico por superficies,

0 sistematico superficies, que ese s muy a-
f orestales, es ineficiente
propiado para inventarios forestales, inef i ciente como basamen-
to para la
la construccin
construcci6n de
de modelos
modelos de
de crecimiento
crecimiento yy rendimiento,
rendimiento,
pues significa una intensidad de muestreo
mU2streo demasiado alta en la par
te central del intervalo de respuesta y dernasiado
demasiado baja en los ex- ex--
la respuesta.
tremos de la respuesta.

(v) En los disenos experime n tales para prediccin

diseos experimentales predicci6n del crecimiento y y
rendimiento, siempre
rendimiento, siempre deben
deben incorporarse
incorporarse los
los tratamientos
tratamientos extremos,
extremos ,
relac ionados con la
especialmente los relacionados l a densidad del rodal.
rodal. Esta
anadir mucha
practica puede aadir mucha precisin
precisi6n al
al modelo.
modelo.

22 DISE~O
DISEO DEL
DEL MUESTREO
MUESTREO PARA LA CONSTRUCCION DEL MODELO
MODELO

El
El muestreo
muestreo es
es una
una alternativa de de la experimentaci6n situaciones donde
experimentacin en situaciones donde
las variables
las variables que
que entran en el el modele
modelo no
no pueden ser controlada
controladas s por
por el
el inves
inves
tigador. En estudios
tigador. En estudios de
de crecimiento yy rendimiento
rendimiento esta condicin
condici6n se aplica
aplica
principalmente aa las
principalmente las variaciones
variaciones dede sitio.
sitio. Los tipos de
de bosque contro
bo sque pueden contro
larse al
larse al seleccionar
seleccionar las
las areas
dreas experimentales
experimentales 0o al establecer loslos tipos
tipos de
de -
bosques
bosques deseados;
deseados; lala densidad
densidad de los rodales
de los rodales puede ser contro lada por opera-
controlada
ciones silviculturales
silviculturales yy dede explotacin.
explotaci6n.
Los
Los experimentos
experimentos son
son generalmente
generalmente mas
mds eficientes,
eficientes, yy por lo
10 tanto
tanto menos
menos onero
sos que
sos que el
el muestreo,
muestreo, para
para una
una determinada exactitud yy precisin
precisi6n dede la predic
prediE
ci6n.
cin. Sin
Sin embargo
embargo se
se necesitan
necesitan datos
datos de
de ambos tipos, si las
ambos tipos, la s vvariaciones
ariaciones de
de -
sitio van
sitio van aa incluirse efectivamente
efectivamente enen el
el modelo.
modelo.
Los
Los efectos
efectos reales
reales de
de las
las operaciones
operaciones dede explotaci6n tambien muy difici-
explotacin son tambin difci-
les
les de
de simular
simular experimentalmente
experimentalmente yy normalmente se determinan por un programa
de muestreo,
muestreo, efectuado inmediatamente despus
despues de la
la explotacin.
explotaci6n.

221 temporales
Parcelas temporales

Las
Las parcelas
parcelas temporales se usan
temporales se usan primordialmente para la estimacin
estimaci6n de rela-
 --6-
6-

ciones independientes del tiempo.

tiempo. Sin embargo
embargo esta
esta distinci6n
distincin no
no es
es tan
tan cla-
cla-
ra, ya que existe la
ra, la posibilidad
posibilidad de
de determinar
determinar relaciones
relaciones dependientes
dependientes del
del
la informacin
tiempo con la informaci6n de
de los
los anillos
anillos de
de crecimiento,
crecimiento, en
en situaciones
situaciones don
de stos
estos existan.
existan.

221.1 Inventarios
Inventarios forestales

Los diseos
disenos de inventarios
inventarios forestales est~n orientados principalmente para
forestales estn
estimaciones confiables de las
obtener estimaciones las masas boscosas en relacin
relaci6n a
a las su-
su-
ocupan. Sin embargo,
perficies que ocupan. embargo, mucha de la informacin
informaci6n obtenida puede
ser util
til en estudios dede crecimiento
crecimiento yy rendimiento.
rendimiento.
El aspecto general
general del diseo an~lisis de inventarios forestales
diseno y anlisis est~ cu-
forestales est cu-
en el
bierto en el manual
manual de
de la
la FAO
FAD de
de inventarios
inventarios forestales.
fores,t ales.
Generalmente es ineficiente,
ineficiente, requerir
requerir mediciones
mediciones de par~metros en
de parmetros en todas
todas las
las
forestal para las predicciones de crecimiento yy ren-
parcelas del inventario forestal ren-
dimiento. seleccionar un conjunto de parcelas para mediciones
dimiento. Es preferible seleccionar mediciones
m~s detalladas.
ms detalladas.

221.2 Estimaci6n por medio

Estimacin del crecimiento por medio de
de anillos
anillos anuales
anuales

Donde los
los anillos
anillos anuales
anuales estn
esten claramente
claramente presentes,
presentes, pueden
pueden realizarse
realizarse los
los
estudios en
en parcelas
parcelas temporales
temporales en
en lugar
lugar de
de parcelas
parcel as permanentes.
permanentes. EnEn general
general
estimacin del incremento por medio de anillos anuales es m~s
la estimaci6n ms dif1cil
difcil yy
cara que el uso de parcelas permanentes para este fin.fin. Por otra parte
parte sin
sin em
bargo, resultados mucho
bargo, se obtienen resultados m~s rpidamente.
mucho ms r~pidamente.

221. 3
221.3 Muestreo para obtener relaciones
relaciones alomtricas
alometricas

Una relacin
relaci6n alomtrica
alometrica es es la
la que
que se
se establece
establece entre dos mediciones de un r ~r
bolo Por ejemplo,
bol. ejemplo, la
la relacin
relaci6n entre
entre el di~metro de la
el dimetro la copa di~metro del
cop a y el dimetro
fuste la altura total
fuste 0o entre la total yy la
la altura
altura del
del fuste.
fuste. Las
Las relaciones
relaciones alomtri
alometri
pueden ser
cas pueden ser importantes
importantes en en algunos
algunos modelos.
modelos. Los
Los datos
datosnecesarios, menu~
necesarios,a amenull
do, no se
do, se obtienen en forma
forma utilizable de un inventario
inventario forestal,
forestal, de modo
que es deseable hacer un programa de muestreo para determinar las las relacio-
nes.
nes.
b~sica del muestreo es
La unidad bsica ~rbol individual,
es usualmente el rbol individual, pero por
conveniencia sese establecen
establecen parcelas
parcelas yy se
se miden
miden todos
todos los ~rboles de
los rboles de ellas.
elIas.
El ndmero depender~ de
numero de muestras depender de las
las relaciones
relaciones a estudiar.
estudiar. Un buen proce-
dimiento es analizar los datos a medida que se se van obteniendo y terminar el el
muestreo
muestreo una
una vez
vez que
que se
se ha
ha alcanzado
alcanzado elel grado
grado de
de precisin
precisi6n requerido.
requerido.
Una tarifa de voldmenes
volGmenes de los ~rboles es un ejemplo
los rboles ejemplo particular de una rela-rela-
ci6n alome'trica.
cin alomtrica.

221.
221.44 par~etros de las 0operaciones
ara definir los parmetros
Muestreo para eraciones de explota-
ex lota-
cin

La
La mayorfa
mayora de los modelos de prediccin
predicci6n aceptan como
como entrada
entrada (input)
(input) las es-
formales de
pecificaciones formales de las
las operaciones
operaciones de
de explotacin
explotaci6n intermedias
intermedias o c1-
0 c-
clicas.
clicas. Es posible asumir que la la operacin
operaci6n fu
fue ejecutada
ejecutada tal
tal como se
se especi-
fic6, pero tambin
fic, tambien es posible formular
formular un programa de muestreo para examinar
entre las
las relaciones entre las especificaciones
especificaciones tericas
te6ricas yy los
los resultados
resultados reales.
reales.
requerir~n informacin
Adicionalmente, muchos modelos requerirn informaci6n sobre
sobre aspectos
aspectos de
de la
la
explotaci6n
explotacin no cubiertos en las las especificaciones.
especificaciones. Por ejemplo,
ejemplo, usualmente es
conocer la
necesario conocer la distribucin di~etrica de
distribuci6n diametrica de los ~rboles removidos
los rboles removidos o la
0 la
relaci6n
relacin entre el nmero ~rboles removidos y su
nGmero de rboles sO ~rea basal.
u rea basal.
llevado a
Un muestreo llevado a cabo
cabo inmediatamente
inmediatamente despus
despues de
de la
la explotacin
explotaci6n puede
puede
proveer informacin
informaci6n enen estos
estos aspectos.
aspectos . Alternativamente,
Alternativamente, pueden
pueden establecerse
establecerse
semipermanentes que
parcelas semipermanentes que se
se miden
miden antes
antes yy despus
despues de
de las
las operaciones
operaciones dede
 -7-

explotacion
explotacin para obtener informacin
informacion precisa
precisa de
de los
los rboles
arboles removidos.
removidos.
Una caracterstica
caracteristica general de estos
estes estudios es la llsar parcelas
la necesidad de usar
mayores
mayores que para otro tipo de estudios.
estudios. Dimensiones tpicas
tfpicas podran
podrfan ser:
ser:

Bosques uniformes - 0.5 ha

0.1 -
tropicales
Bosques mixtos tropicales 55 -- 10 ha

Esto
Esto es
es debido a
a que las
las operaciones
operac iones de explotacin
explotacion tienden a producir efec-
efec-
tos
tos rouy
muy heterogeneos asociadas con
heterogneos asociados con los
los caminos
eaminos de
de extracin
extracion yy las
las 'reas
areas de
de
carga.

221.5 Muestreos de regeneracin

regeneracion

En
En bosques
bosques mixtos tropicales,
tropicales, o tipo de bosques no
0 en cualquier otro tipo caeta-
no coet-
neas,
neos, 0o en
en bosques uniformes
uniforrnes que se par germinacin
5e regeneran por gerrninacion directa, las las
es timaciones de la regeneracin
estimaciones regeneraci6n pueden ser una parte importante
irnportante de los los mode-
los
los de
de prediccion rendimienta.
prediccin del rendimiento.
Las parcelas
Las parcelas de rnuestreo
muestreo de la regeneracin
regeneraci6n son pequeas.
pequefias. Pueden ser ser subpar-
subpar-
celas
celas dentro
dentro de las parcelas de inventarios
inventarios forestales
forestales convencionales
convencionales o pue-
0 pue-
den basarse
basarse en un diseno
diseo de muestreo deferente,
deferente, que se 5e lleva
lleva a cabo
cabo dede 33 aa
55 anos
aos despues
despus de
de lala explatacion.
explotacin. Tfpicamente las parcelas se dividen en cua
Tpicamente las
drados: cuadrado se
drados: en cada cuadrado se observa
observa la
la presencia
presencia o0 ausencia
ausencia de de las especies~
las especies:-
Puede
Puede efectuarse tambin
tambien un conteo
con teo de rboles
arboles sobre
sobre unun cierto
cierto dimetro
diametro o0 al-
al-
tura,
tura, pero
pero usualmente con esto no se aade
anade mucho a lala utilidad
utilidad de la la informa
informa
cion.
cin. Tamanos tfpicas de estas parcelas son
Tamaos tpicos son 0.01 (10
(10 xx 10
10 m)
m) 0 0.04 ha ha (20
(20 Tc x
20
20 m),
m), subdivididas segn
segun el caso
caso en
en cuadrados
cuadrados de m2 0 de
de 11 m2 m2 .
de 44 m2.

222 Parcelas de
de muestreo
muestreo permanentes
permanentes (PM?)
(PMP)

Muchos forestales consideran los

Muchos los datos
datos obtenidos
obtenidos de
de PMP
PMP como
como la
la contribucin
contribucion
mas importante
ms importante para
para los
los modelos
modelos de
de crecimiento
crecimiento yy rendimiento.
rendimiento. Aunque
Aunque esto
esto es
es
verdad en muchos casos,
casos, los
los experimentos
experimentos deben
deben considerarse
considerarse como
como una
una adicin
adici6n
necesaria para introducir tratamientos extremos
extremos que
que no
no se
se encuentran
encuentran en
en el
el
bosque. Tambien
bosque. 1a medici6n
Tambin la de anillos
medicin de anillos anuales
anuales significa
significa una
una alternativa
alternativa aa
las mediciones
mediciones en
en PM?.
PMP.

222.1 PMP requeridas

Cantidad de PM? requeridas

definir el
No es posible definir el nmero
nlimero de
de PMP
PMP requeridas
requeridas desde
desde unun punto
punt o de
de vista
vista pu-
pu -
ramente estadstico. La precisin
ramente estadfstico. precision de de un
un modelo, ajustado
ajustado aa datos
datos de
de PMP,depen
PMP , depen
dera lacalizacion de las
der de la localizacin las parcelas,
parcelas, dede lala duracin
duracion dede las
las mediciones
mediciones pos pas
teriores, as
tenores, as! como
como de
de las
las covarianzas
covarianzas dede las
l as diferentes
diferentes variables
variables predictoras
predictoras
yy coeficientes en en el
el modelo
modele ajustado.
ajustado.
La
La experiencia sugiere sin sin embargo,
embargo, que
que aproximadamente
aproximadamente 100 100 parcelas
parcelas que
que cu-
cu-
las variaciones de
bran las de sitio
sitia yy el
el desarrollo
desarrollo histrico
historico del
del rodal
rodal pueden
pueden serser
suficientes
sufi cie ntes en un determinado tipo tipo de
de bosque
bosque o0 enen una
una plantacin,
plantaci6n, aa menos
menos queque
haya evidencia de de diferentes
diferentes patrones
patrones de
de crecimiento
crecimiento sobre
s obre una
una parte
parte de
de lala zo
zo
na de estudio.
estudio.

222.2 Ubicacion PMP

Ubicacin de las PM?

parcel as de muestreo permanente

Las parcelas permanente deben ubi carse con
deben ubicarse con igual
igual frecuencia
frecuencia en:
en:

sitios pobres

sitios promedios

sitios buenos

yen:
y en:

rodales de baja densidad

 -8-

- rodales de
de densidad promedio
- rodales muy densos

yen:
y en:

- rodales jvenes
j6venes o recientemente explotados
0 recientemente explotados

- rodales a
a mitad del ciclo
cicIo o
0 turno de corta

- rodales a la
la edad de
de rotacin
rotaci6n o0 al
al fin
fin del
del ciclo
cicIo de
de corta.
corta.

Esto probablemente conlleva

conI leva una
una distribucin
distribuci6n espacial
espacial de
de las
las parcelas
parcelas muy
muy de
de
ser proporcionalmente
sigual y parece ser proporcionalmente deficiente
deficiente para
para los
los rodales promedios~
rodales promedios.
Sin embargo,
embargo, ste
este es
es el
el mtodo
metodo ms
mas eficiente
eficiente de de muestreo para
para determinar
determinar los
los
parametros
parmetros de regresin
regresi6n dede acuerdo
acuerdo aa lo
10 sealado
senalado enen la
la seccin 21.
secci6n 21.
El estratificaci6n implcito
El tipo de estratificacin impllcito enen lo
10 dicho
dicho anteriormente,
anteriormente, puede
puede no
no ser
ser
posible debido a falta
falta de conocimientos
conocimientos dede las
las condiciones
condiciones dede crecimiento
crecimiento
del bosque, en cuyo caso
del bosque, caso las
las parcelas
parcelas sese ubican
ubi can sistematicamente
sistematicamente o0 usando
usando u-
u-
na estratificaci6n geogrfica
na estratificacin geografica para
para obtener
obtener una
una cobertura
cobertura uniforme.
uniforme. EnEn este
este
caso se
se requerir
requerira un
un n.G.mero
nlimero mucho
mucho mayor
mayor de
de parcelas
parcelas que
que si
si se usa elel tipo
tipo de
de
estratificaci6n, mas efectivo,
estratificacin, mgs efectivo, descrito
descrito anteriormente.
anteriormente.

22 .3
22.3 Tamano
Tamao de las PMP

En general el
el tamao
tamano de
de las
las parcelas
parcelas de de muestreo
muestreo permanente
permanente est
esta determina-
do por el
el tipo
tipo de
de bosque,
bosque, lala homogeneidad
homogeneidad de de la
la masa
masa forestal
forestal yy la
la distribu-
distribu-
cin
ci6n de
de las
las especies.
especies.
En bosques mixtos tropicales,
tropicales, un un tamao
tamano de
de 11 ha
ha es
es usualmente
usualmente apropiado.Pue-
apropiado.Pue-
de ser conveniente dividir la
convenien~e dividir la parcela
parcela en 100 cuadrados
en 100 cuadrados de 10 xx 10
de 10 10 m.
m. En
En bos-
bos-
ques uniformes sese usan
usan normalmente
normalmente parcelas
parcelas de
de unas 0.05 ha.
unas 0.05 ha.
Estas cifras
cifras pueden
pueden sufrir
sufrircjran.5ei?
g:;-:-anaer3 variaciones
variaciones par
por diversas
diversas circunstancias.
circunstancias.
Para experimentos
experimentos son
son ms C01"une~ parcelas
mas comune:J parcelas de
de mayor
mayor tamano.
tamao. La siguiente ta-
bla suministra algunas indicacio~es al
algunas indicaciones al respecto,
respecto, aunque
aunque las
las cifras
cifras indicadas
indicadas
no deben ser
ser tomadas
tomadas muy
muy rgidamente:
rlgidamente:

Tamao
Tamano de las parcelas permanentes
permanentes

Tipo de bosque Mixto Uniforme

Uniforme
Parcelas de
de muestreo
muestreo 11 -- 2 ha 0 . 04 -- 0.08 ha
0.04 ha

(excluyendo
Experimentos (excluyendo 11 -- 5 ha 0.08 -- 0.12 ha
ha
aislamiento)

Estudios de operaciones de 55 -- 10 ha 0.1 - 0.5

- ha
cortas reales*

**Como contraposicin
contraposici6n a operaciones simuladas,
simuladas, las
las cuales
cuales se
se clasifican
clasifican en
en
la categoria
la de experimentos.
categora de experimentos.

222.4 Forma de las

las PMP

las parcelas
Generalmente las parcelas de
de muestreo
muestreo permanentes
permanentes pueden
pueden ser
ser rectangulares
rectangulares o0
circulares. En
circulares. En inventarios
inventarios sese han
han utilizados
utilizados otras
otras formas,
formas, por
por ejemplo
ejemplo cruces
cruces
y conglomerados de
y de parcelas
parcelas circulares,
circulares, que
que tienen
tienen ventajas
ventajas especificas
especlficas para
para
 -9-

bosques, pero que no

muestreo de bosques, no son
son particularmente 5tiles
utiles como
como PM?.
PMP.
Las parcelas circulares son m~s rpidas
son ms r~pidas de ubicar
ubi car que las
las rectangulares
rectangulares para
tamanos inferiores a
tamaos a 0.1 ha
ha en rodales
rodales poco densos y 0.05 ha ha en rodales den-
den-
sos. Tambin
sos. Tambin se recomienda
recomienda su usousa en plantaciones como superficie efectiva
no dependiente dede las
las lineas
Ifneas dede plantacin.
plantaci6n.
Las parcelas rectangulares son m~s adecuadas para tamaos
son ms tamanos mayores de 0.1 ha.
ha.
La relacin
relaCi6n entre la longitud
longitud y la la anchura de las parcelas
parcel as rectangulares
rectangulares pue
pue
de ser variable.
variable. En terrenos pendientes,
pendientes, es preferible una relacin
relaci6n alta,ha
alta,has
de 5 a
ta de a 1, longitud siguiendo
1, con la longitud siguiendo la pendiente y la la anchura las curvas
curvas-
de nivel.
nivel. Para terrenos planos,
pIanos, una tendr~ menor permetro
una parcela cuadrada tendr perfmetro
yy por lo ser~ ms
10 tanto ser m~s fcil
f~ c il de
de demarcar
demarcar yy medir.
medir.

222.5 poca de las

Frecuencia y poca las mediciones

La frecuencia
frecuencia de las mediciones de las depender~ de la
las PMP depender la tasa de crecimien
to de los
to de los arboles.
rboles. En las parcelas nuevas es provechoso efectuar la la segunda
segunda-
medici6n despus
medicin despus de un un lapso
lapso de
de tiempo m~s corto
tiempo ms corto que
que el
el normal,
normal, con
con el
el fin
fin
de utilizar
de 10 mas
utilizar lo r~pidamente posible los
ms rpidamente los datos de crecimiento que suminis
tren.
11neas generales puede decirse que
En lineas que mientras mayor
mayor sea
sea el
el lapso
lapso entre
entre las
las
mediciones con mayor precisin podr~ determinarse
precisi6n podr determinarse el
el incremento
incremento dede los ~rbo
los rbo-
les.
les
organizaci6n responsable
En una organizacin responsable de
de un
un gran
gran n5mero
nUmero de
de PMP
PMP es
es una
una buena
buena idea
idea
alternar
alternar las quiz~s slamente
las mediciones de manera que quizs s61amente un tercio
terci o de las
las par-
se midan
celas se midan en
en un
un ario
ano cualqiera.
cualqiera.
A
A continuacin
continuacion se se indican
indican intervalos
intervalos aproximados
aproximados entre
entre dos
dos mediciones
mediciones sucesi
sucesi
v as:
vas:

Tipo de bosque Intervalo

Intervalo entre medi-
ciones (anos)
ciones (arios)

jovenes en los
Plantaciones jovenes los trpicos
tr6picos 1
1

Plantaciones viejas u otro tipo

tipo de
de
bo sque uniforme en los
bosque los trpicos
tr6picos 2-4
2 - 4

Bosques mixtos tropicales 3

3 -- 55

Bosques templados uniformes 3

3 -- 55

La poca
poca de las mediciones debe tomar
tomar en
en cuenta
cuenta los
los efectos
efectos estacionales.
estacionales. Si Si
estaci6n de crecimeinto definida,
existe una estacin definida, las
las mediciones
mediciones deben
deben efectuarse
efectuarse
despus de
despus estaci6n. En cualquier
de dicha estacin. cualquier caso,
caso, una
una parcela
parcela determinada
determinada debe
debe
medirse siempre
siernpre en el
e1 mismo mes,
mes, cuando
cuando las
las mediciones
rnediciones son
son anuales,
anuales, para
para per
per
mitir
mitir ccomparaciones
o mparaciones y estimaciones de crecimiento
crecimiento anuales.
anuales . Con
Con lapsos
lapsos mayo--
mayo--
res yy climas menos estacionales, la
res la poca
poca de
de medicin
medici6n es
es meros
me no s critica.
crftica.
En algunos casos la poca
poca de medicin
medici6n puede
puede estar
estar restringida
restring ida por
por considera-
considera-
ciones de
ciones de accesibilidad o 0 posibilidad de
de trabajar
trabajar slo
solo en
en determinadas
determinadas fe-fe-
chas.

222.6 Muestreo con reemplazamiento parcial

parcial

Estrictamente hablando,
hablando, el muestreo con
con reemplazamiento
reemplazarniento parcial
parcial es
es un
un diseo
diseno
de
de inventario donde se utilizan parcelas
parcelas semipermanentes
semipermanentes para
para complementar
complementar
informaci6n de las parcelas temporales.
la informacin temporales. Sin
Sin embargo,
embargo, el
el mismo
mismo contexto
contexto ge
ge
neral puede aplicarse a
neral a las parcelas de
de muestreo
muestreo permanente.
permanente. -
 -10-

m~s veces
Mientras ms veces se
se mida una
una PMP, ser~ la
PMP, menor ser la informacin
informaci6n que suministra
suministra
r~, comparada con las
ra, las mediciones previas,
previas, aa menos que se es~
se encuentre en un es-
trato de densidad-edad-sitio de un un rodal
rodal que
que no
no haya
haya sido
sido suficientemente
suficientemente
muestreado. bosques con
muestreado. Para bosques con edades
edades uniformes
uniformes surgen
surgen dos estrategias b~sicas
estrategias bsicas
en relacin
de muestreo en relaci6n aa las
las PMP:
PMP:

(i) est~n establecidas en todas las clases de edad.

Las parcelas estn edad. En es-
te
te caso
caso el
el muestreo es m~s
muestreo es ms eficiente si una
una proporci6n
proporcin de las parc~
de las parce
las se reemplaza despu~s de
reemplaza despus de la
la tercera
tercera o0 cuarta
cuarta medicin.
medici6n .

(ii) Las parcelas se establecen slamente

s61amente en plantaciones jvenes
j6venes (por-
(por-
que no existen clases de edad mayores).
mayores). En este caso,
caso, una propor-
ci6n de las
cin las parcelas,
parcelas, un
un 30%, debe mantenerse
30%, debe mantenerse durante
durante la
la rotacin.
rotaci6n.
El restante 70% reemplazar~ despus
se reemplazar
70% se despu~s de
de 33 66 44 mediciones.
mediciones.

se presenta
En bosques mixtos se presenta una
una situacin an~loga, excepto
situaci6n anloga, excepto que
que en
en lugar
lugar de
de
la
la edad, nGmero de aos
edad, se toma el nmero anos transcurridos desde la
la ltima
ultima operacin
operaci6n
de extraccin.
extracci6n.

23 EXPERlMENTALES
DISE~OS EXPERIMENTALES
DISEOS
experimentos son
Los experimentos son la
la fuente
fuente dede datos m~s eficiente
datos ms eficiente yy til
util para
para la
la cons-
cons-
trucci6n de modelos de crecimiento y
truccin y rendimiento.
rendimiento. SinSin embargo,
embargo, lala utilidad
utilidad
de muchos experimentos llevados
llevados a cabo
cabo en
en investigaciones
investigaciones forestales est~ li
forestales est li
falta de
mitada por falta de una
una clara
clara representaci6n
representacin del modelo matem~tico
del modele matemtico quequevava a-
a
comprobar el experimento.
experimento.
Los estudios dede crecimiento
crecimiento yy rendimiento
rendimiento no
no tratan
tratan fundamentalmente
fundamentalmente con con la
la
determinaci6n significativas entre
determinacin de diferencias significativas entre tratamientos,
tratamientos, sino
sino con
con la
la
construcci6n respuesta. Por
construccin de superficies de respuesta. Por esto,
esto, es
es un
un error
error comn,
comun, asu-
asu-
los experimentos
mir que los experimentos forestales
forestales de
de larga
larga duracin
duraci6n puedan
puedan proveer
proveer solu-
solu-
ciones tiles
utiles aa problemas originados por por causas
causas econmicas
econ6micas actuales.
actuales .
Casi
Casi siempre ocurre que cuando el experimento
experimento comienza
comienza aa suministrar
suministrar infor-
infor-
maci6n til,
macin util, las
las condiciones
condiciones econmicas
econ6micas han
han cambiado
cambiado dede tal
tal manera,
manera, que
que los
los
son irrelevantes.
resultados son irrelevantes.
soluci6n de este
La solucin este problema
problema eses concebir
concebir el
el experimento
experimento concon intencin
intenci6n dede de
de
finir principios generales a travs
finir traves de modelos matem~ticos, ms
modelos matemticos, m~s bien
bien que cal
que con
el fin de seleccionar el 'mejor'
el fin 'mejor' de una
una serie
serie de
de tratamientos.
tratamientos.
Similarmente, par~metros a medir nunca
Similarmente, los parmetros nunca deben
deben definirse
definirse en en trminos
terminos econ
econ6
micos, sino siempre
micos, sino siempre en t~rminos silviculturales
en trminos silviculturales o0 ecolgicos.
eco16gicos. -
Los experimentos de de poca
poca duracin
duraci6n que
que se
se definen
definen enen trminos
terminos de par~metros
de parmetros
econ6micos conocer el
econmicos son necesarios para conocer el costo
costo dede los
los tratamientos
tratamientos silvicul
silvicul
turales y lala determinacin
determinaci6n deldel rendimiento
rendimiento utilizable,
utilizable, enenrelacin
relaci6na amtodo-s-
metodos
especfficos
especficos de explotacin,
explotaci6n, pero estas
estas materias est~n fuera
materias estn fuera del
del alcance
alcance del
del
presente manual.
presente manual.
LOS principales diseos
Los disenos experimentales
experimentales queque son
son relevantes
relevantes para
para las
las investiga
investiga
ciones -de
de crecimiento y rendimiento pueden dividirse en aleatoriosaleatorios yy sistema
sisterj
ticos. Los primeros pueden
ticos. pueden estar
estar sujetos
sujetos al an~lisis de
al anlisis de varianza
varianza convencio-
convencio--
nal, mientras que los
nal, los ltimos
ultimos sonson normalmente
normalmente satisfactorios
satisfactorios cuando
cuando lala regre
regre
si6n
Sin es el principal mtodo an~lisis y
me to do de anlisis y pueden
pueden ser m~s econmicos
ser ms econ6micos en en su
su -
ejecuci6n
ejecucin que los diseos
disenos aleatorios. LosLos diseos
disenos aleatorios
aleatorios tambin
tambien pueden
pueden
por regresin,
analizarse por regresi6n, yy por
por lo
10 tanto,
tanto, preferirse
preferirse problamente
problamente en en todos
todos
los
los casos, los experimentos de
casos, excepto en los de espaciamientos
espaciamientos en en plantaciones.
plantaciones.

231 Disenos aleatorios

Diseos aleatorios

caracterfstica de
La principal caracterstica de los
los diseos
disenos aleatorios
aleatorios es
es la
la asignacin
asignaci6n de
de
los a las parcelas
los tratamientos a parce l as del experimento
experimento por
por algn
algun proceso
proceso aleatorio,
aleatorio,
 -11-

una tabla
usualmente una tabla de
de nmeros
nUmeros aleatorios.
aleatorios.
otra caracterstica
Otra caracteristica es
es el
el principio
principio de replicacin.
replicaci6n. Cualquier
Cualquier tratamiento
tratamiento de
de
be minimo dos
be replicarse como mnimo dos veces,
veces, enen dos
dos parcelas
parcelas diferentes.
diferentes. -
caracteristicas son
Estas dos caractersticas son el
el comn
comun denominador de unauna amplia
amplia diversidad
diversidad
disenos experimentales que, incluyen
de diseos incluyen experimentos irrestrictamente
irrestrictamente aleato
aleat
rios, l'atices,
rios, latices, cuadrados
cuadrados latinos,
latinos, bloques
bloques incompletos, parcelas divididas.
incompletos, parcelas divididas.
mas comunes,
Los libros de textos ms comunes, tales
tales como
como Snedecor
Snedecor (ver
(ver bibliografa),
bibliografia), cu
cu
analisis y el uso
bren el anlisis uso apropiado
apropiado de tales
tales diseos.
disenos. Dawkins,
Dawkins, en
en su
su bien
bien co
ce-)
nocido
nocido libro de formatos,
formatos, suministra planillas para el clculo calculo de muchos de
estos diseos.
disenos.
En estudio de crecimiento yy rendimiento
rendimiento probablemente
probablemente slo
s610 dos
dos diseos
disenos alea-
alea-
torios comunmente apropiados:
torios son comnmente apropiados: loslos bloques aleatorios y los los experimentos
factoriales

en bloques
231.1 Experimentos en bloques aleatorios
aleatorios

La
La estructura de un experimento tpico
tipico en bloques aleatorios completos,
completos, se
se
ilustra aa continuacin:
continuaci6n:

ba t4

63 t, I -t,

LOs tratamientos,
Los tratamientos, de loslos cuales puede
puede haber
haber cualquier
cualquier nmero
nUmero (como
(como mnimo
minimo
2),
2), se
se designan
designan como
como t1' t2' etc.
tl, t2, etc . Se agrupan en bloques denominados bl, bl, b2,
b2'
etc. numero de
etc. Puede haber cualquier nmero de bloques.
bloques. Cada
Cada bloque
bloque contiene
contiene una rpl~
una rpli
cada tratamiento.
ca de cada tratamiento.
estan dispuestos de
Los bloques estn de tal
tal manera, queque las
las variaciones
variaciones de de sitio
sitio o0
de condiciones forestales,
forestales, son
son pequeas
pequenas dentro
dentro dede los
los mismos,comparadas
mismos,comparadas concon
las
las variaciones entre
entre ellos.
ellos.
Las
Las parcelas
parcelas dede un bloque no necesariamente tienentienen que seradyacente
seradyacente fisica-
fsica-
mente , como se
mente, se muestra arriba,
arriba, pero
pero usualmente
usualmente deben
deben estar
estar relativamente
relativamente cer
cer
canas comparado con la la distancia
distancia entre
entre los
los bloques.
bloques.
Los tratamientos se se asignan aa cada
cada parcela
parcel a dentro
dentro dede un
un bloque
bloque usando
usando una
una ta
ta
nUmeros aleatorios.
bla de nmeros aleatorios.
aleatori o incompleto
Un bloque aleatorio incompleto surge
surge cuando
cuando uno
uno o0 ms
mas tratamientos
tratamientos nono se
se re-
re-
uno o
plican en uno 0 ms
mas bloques.
bl oques. Esto
Esto puede
puede ser
ser un
un aspecto
aspecto deliberado
deliberado del
del dise-
dise-
no,
o, especialmente
especialmente cuando hay un gran nmeronumero de tratamientos,
tratamientos, o0 puede
puede ser
ser el
el
resultado dede la
la perdida
prdida de una o 0 ms
mas parcelas porpor accidentes.
accidentes. El El anlisis
analisis dede
varianza de un experimento de de bloques
bloques aleatorios
aleatorios incompletos
incompletos eses ms
mas complejo
complejo
completos, pero
que en el caso de bloques completos, pero en
en lo
10 relativo
relativo aa estudios
estudios de
de regre
regre
si6n, diferencia entre
si6n, no existe una gran diferencia entre ambos.
ambos. -
crecimiento yy rendimiento,
En los experimentos de crecimiento rendimiento, los los bloques
bloques aleatorios
aleatorios son
son
situac i ones donde los
adecuados para situaciones los tratamientos
tratamientos no no forman
forman un
un continuo
continuo di-
di-
mensional claramente definido. Por Por ejemplo,
ejemplo, sisi los
los tratamientos
tratamientos comprenden
comprenden
espaciamientos iniciales en en una
una plantacin,
p lantaci6n, estos
estos pueden
pueden variarse
variarse continua-
continua-
mente en cuyo caso los diseos factoriales o0 clinales
disenos factoriales clinales sonson ms
mas apropiados.
apropiados. PePe
ro
ro si
si los tratamientos son especificaciones de tratamientos
los tratamientos tratamientos de de explotacin
explotaci6n -
hUmedos expresados en
en bosques hmedos en funcin
funci6n de
de grupos
grupos dede especies
especies yy diferentes
diferentes
llmites
lmites dede corta
corta para
para diferentes grupos,
grupos, entonces
entoncesno esta claro
no est claro la
la continui
continui
los tratamientos
dad entre los tratamientos yy no pueden
pueden usarse
usarse disenos factoriales 0o clinales.
diseos factoriales clinals.
En este caso,
caso, un diseo
diseno de bloques
bloques aleatorios
aleatorios es es ms
mas apropiado.
apropiado.
 -12-
-12--

231.2 Experimentos Factoriales

Los factoriales se
Los experimentos factoriales se utilizan en situaciones donde el el tratamiento
tratamiento
consiste de dos o0 ms
consiste mas factores
facto res interactuantes.
interactuantes. Por
Por ejemplo,
ejemplo, en un experimen-
to
to de
de clareo
clareo de
de una plantaci6n,
plantacin, uno de los factores
factores puede representar la
representar la
edad yy el
edad el otro la intensidad del del clareo como dos separados.
dos factores separados.
Cada nivel de un factor
factor se
se combina concon cada
cada nivel
nivel de cada
cada uno
uno de los
los otros
factores, as! si
factores, as si hay
hay tres
tres niveles
niveles de
de un
un factor
factor yy dos niveles de unun segundo
segundo
factor,
factor, habra
habr en total
total seis
seis tratamientos.
tratamientos.
Todos
Todos los tratamientos deben ser ser replicados alal menos dos veces.
veces. Es eficiente
eficiente
agrupar las replicaciones en bloques,
bloques, pues ello
ella permite tener
tener en
en cuenta
cuenta lala
variaci6n bloques.
variacin entre bloques.
Los
Los tratamientos cualitativos,
cualitativos, tales comocomo por ejemplo, poda
pod a o no poda,
0 no poda, pue-
den inclu!dos en
den ser incluidos en un experimento factorial,
factorial, como
como un tratamiento
tratamiento con
con dos
niveles: presencia o0 ausencia.
niveles: presencia ausencia.
Los
Los experimentos factoriales
factoriales sonson muy apropiados
apropiados para estudios
estudios en
en bosques
bosques uni
uni
formes,
formes, que
que abarquen epoca
poca ee intensidad de clareos,
clareos, espaciamiento inicial,
inicial, -
podas,
podas, usa
uso de fertilizantes y control de maleza.
maleza. Existe ms
mas dificultad para
aplicarlos
aplicarlos extensivamente en bosques mixtos a causa de la la compleja
compleja naturale-
naturale-
za
za de
de la definici6n
definicin dede los
los tratamientos
tratamientos yy de
de sus
sus efectos.
efectos.

232
232 Disenos sistematicos
Diseos sistemticos
Los disenos sistemticos
Los diseos sistematicos son
son aquellos,
aquellos, en
en los
los cuales
cuales la asignac~on de
la asignacin de los
los
tratamientos
tratamientos no aleatorio, sino consencuencia de algdn
no es aleatorio, algun esquema, para eco-
eco -
nomizar
nomizar enen el tamano yy costo del experimento.
el tamao experimento . Los
Lo s experimentos
experimentos sistemticos
sistematicos
no
no pueden
pueden ser analizados
analizados por anlisis
analisis de varianza,
varian za, pero son
son muy eficiente
eficiente
como
como medios para proveer datos en en la
la estimacin
estimaci6n dede los
los parmetros
parametros de
de regre-
regre-
si6n.
sin.
La
La aplicaci6n
aplicacin principal de de los
los diseos
disenos sistemticos
sistematicos sese orienta
orienta hacia
hacia experi-
experi-
mentos de espaciamiento en en bosques
bosques uniformes.
uniformes. En
En aquellas
aquellas situacines
situaciones donde
donde
hayan algunas dudas sobre
sobre los
los resultados
resultados del
del experimento,
experimento, por
por ejemplo
ejemplo en
en ex-
ex-
p erimentos de fertilizacin
perimentos fertilizaci6n debe usarse
usarse un
un diseo
diseno aleatorio.
aleatorio.
En los experimentos de de espaciamiento
espaciamiento existen
existen dos
dos enfoques
enfoques bsicos
basicos de
de dise-
dise-
nos
os..

232 . 1
232.1 Experimentos de rboles
arboles individuales
individuales

diseno de espaciamiento
En el diseo espaciamiento sistemtico
sistematico dede rboles
arboles individuales,
individuales, el
el espa-
espa-
ciamiento entre cada rbol
arbol vara
var{a en
en una
una forma
forma continua.
cont!nua. Un
Un ejemplo
ejemplo muy
muy cono
co no
de Nelder,
cido es el abanico de Nelder, en
en el
el cual
cual los
los rboles
arboles se
se plantan
plantan en
en los
los ra-
ra-
dios que salen de un
un punto
punto central,
central, incrementndose
incrementandose lala distancia
distancia entre
entre rbo
arbo
les
les aa 10 la misma proporcin
lo largo de los radios en la proporcion que
que la
la distancia
distancia entre
entre-
los
los radios.
radios. La apariencia general se
se ilustra
ilustra aa continuacin:
continuaci6n :
 ':13-

aban~cos de Nelder
Los abanicos NeIder son
son algo
algo difciles
dif!ciles de planificar yy ejecutar
ejecutar en
en el
el cam
cam
po, pero es posible sustituirlos
Po, sustituirlos por algunos
algunos diseos
disefios rectangulares
rectangulares igualmen-
igualmen=

I iI
te
te efectivos.
efectivos. En
En el diagrama siguiente se muestra un disefio
diseo en el cual el es
paciamiento entre arboles
rboles sese incrementa
incrementa en
en medio metro para cada
cada grbol,
rbol, tan-
tan=
to
to en
en direcci6n como en
direccin vertical como en la
la horizontal
horizontal
Tfr_ r_______,
r---r--,---....---- -r- --- ....,
__ __
I
:_
I
!...-~----1
I I
1____________
_____
1I_____I_____
I I

i
I

I I
i
--!I
I

~
1

I I :
:1 : Ii
1

II I I
i I I i
I
I

---4---- 1-- -- -,-

eI -- -I _e-------
r I
I I I I I I
t---~----.---- t ______ _
1
I
I
I I
lI
I I
:
I II
II I

I I
1 rI II I
I II
I It II I II I;
.---,----
I

I
--- .... -------------.--------.
I

I
II

:
--..
i i i
I I
1
Ii

I
I
Ir
II
1

II
I
I
1

II
I I
Ii
I

I I
i
: I I I I
1
r I
I
-
I I , t I I I

!---~-- ---J-----f------ ._---------!

; I
;

4 .
II II1
,
II
I
I I
I o
I
I
II I
I
I I
I
I
I
1

I
I
'I
o

I
JI
II
II I
I
Ii
I iI Ii I I II
I I
1 I I I I
~-!
I
1
-1 -- - - -!------!----- -1--
1 - - - ---.~
-i

Este plan tiene la ventaja de comprobar todas todas las

las combinaciones
combinaciones de espacia-
espacia-
miento cuadrados yy rectangulares
rectangulares yy de
de replicar
replicar dos
dos veces
veces cada
cada combinacin.
c ombinaci6n.
~ ununincremento
Si se uoila incrementomenor
menorde
demedio
medio metro
metro se
se obtiene
obtiene un
un experimento mayor
mayor
se ver
el cual se menos
verg afectado
menos porlalap~rdida
afectadopor perdida dede rboles individuales.
arboles individuales.
Los
Los experimentos de espaciamiento de grboles
rboles individuales
individuales suministran
suministran datos
utiles sobre
muy tiles sobre la
la respuesta
respuesta del
del dimetro
digmetrodel
del fuste
fuste yy del dimetro
digmetro de
de la
la co
pa para
para bosques
bosques uniformes,
uniformes, pero estos datos no no son
son fgcilmente
fcilmente compatibles
compatibles -
los provenientes de parcelas convencionales,
con los convencionales, a menos que que haya
haya adoptado
adoptado
una estrategia de modelos de arboles
&rboles individuales.
individuales. LosLos experimentos
experimentos de grbo-
rbo-
les
les individuales
individuales son muy sensitivos aa la p~rdida
son muy prdida de rboles,
arboles, la cual destru-
sus arreglos
ye sus arreglos yy diseo.
disefio.

232.2 Parcelas clinales

Las
Las parcelas
parcelas clinales son aquellas,
aquellas, en las
las cuales
cuales los
los tratamientos
tratamientos se se dispo-
dispo-
nen de
de manera
manera que nivelessucesivos
que los niveles sucesivos sean adyacentes.
adyacentes. La ventaja princi-
es la
pal de estas parcelas es la posibilidad
posibilidad de
de eliminar
eliminar las
las zonas
zonas de de aislamien-
aislamien-
to, excepto
to, excepto en los lados externos del experimento.
en los experimento. Esto
Esto se se ilustra
ilustra enen el
el dia
dia
grama siguiente:
siguiente: 4>t 4."....
0 vv, I 2.0"'r
So vo -

Zonq
;tonQ dol.
Q(slawytie-,;To
ct (56,1/l'en-ro
t5

AiMi
ti t3 t
V0
Itit
I
1

1
1
I
i / Pov-c.al s ci <2.
1rcrl-co

f
E

...o
;44:1-iS

tz t3 t4 t5 E
E

../ ti 16

-A
r fE
o
cq
"
 -14-

los experimentos
Para los experimentos de de espaciamiento,
espaciamiento, usualmente
usualmente eses deseable tener
tener de
de 55 aa
tratamientos. El espaciamiento m~s
8 tratamientos. ms cercano debe ser de 2 x 2 m 2.5 x
m 6 de 2.5
2.5 m,
2.5 m, dependiendo si si son especies de copa reducida (por (por ejemplo,
ejemplo, eucaliptos
pinos) o
o pinos) de copa
0 de copa ancha
ancha (por
(por ejemplo,
ejemplo, Gmelina
Gmelina arborea).
arborea). ElEl espaciamiento
espaciamiento marna
ser~ de
yor ser de 77 xx 77 m
m 66 de
de 88 xx 88 m.
m. Es
Es muy importante
importante incorporar
incorporar siempre
siempre estos
estos
dos extremos, como
dos tratamientos extremos, como se
se seala
senala en
en la
la seccin
secci6n 21.
21.
las parcelas
Los datos de las parcelas clinales
clinales pueden
pueden combinarse
combinarse sin
sin dificultad
dificultad con
con da-
da-
tos
tos de
de otras parcelas. parcel as en s
parcelas. Las parcelas sf mismas, son menos sensitivas a la
mismas, son la
prdida ~rboles individuales
perdida de rboles individuales queque los
los experimentos
experimentos de ~rboles individua-
de rboles individua-
les.

24 DE EXPERIMENTOS
EJEMPLOS DE EXPERIMENTOS DE
DE CRECIMIENTO
CRECIMIENTO YY RENDIMIENTO
RENDIMIENTO

literalmente una
Existe literalmente una infinita
infinita variedad
variedad de
de maneras
maneras de
de disear
disenar yy ejecutar
ejecutar
experimentos que provean datos para predicciones de crecimiento y rendimie-
to.
to. El
El prop6sito
propsito principal de esta seccin,
secci6n, es presentar ejemplos sintetiza-
sintetiza-
dos
dos de los tipos m~s comunes
tipos ms comunes de
de experimentos,
experimentos, con
con alguna
alguna discusin
discusi6n de
de su
su uti
uti
lidad
lidad yy de
de los problemas especiales que surgen en su su ejecucin an~l isis. -
ejecuci6n y anlisis.
Existe una divergencia de tcnicas,
tecnicas, entre
entre los
los mtodos
metodos para
para bosques
bosques uniformes
uniformes
coet~neos y los
coetneos los mtodos
metodos para bosques
bosques mixtos.

241 Bosgues Uniformes

Bosques
Los estudios de
Los estudios de crecimiento
crecimienno yy rendimiento
rendimiento de
debosques
bosquesuniformes
uniformeshan
hantendido
tendido aa .
concentrarse sobre
sobre los
los efectos dede densidad
densidad del
del rodal,
rodal, fertilizacin
fertilizaci 6n yy podas.
podas.
Los
Los experimentos de fertilizacin
fertilizaci6n y poda
poda no
no pueden
pueden ser
ser considerados
considerados directa-
directa-
manual, ya que raramente son relevantes
mente en este manual, relevantes al
al problema
problema directo
directo de de
la predicci6n rendimiento. La
prediccin del rendimiento. La densidad
densidad de
de los
los rodales
rodales es
es de
de importancia
importancia
como la
primaria como la variable
variable principal
principal con
con la
la cual
cual el
el forestal
forestal es
es capaz
capaz dede con-
con-
trolar
trolar un bosque uniforme durante su su rotacin.
rotaci6n. Existe
Existe 44 formas b~sicas en
formas bsicas en
las
las cuales, interacci6n entre
cuales, la interaccin entre la
la densidad
densidad dede los
los rodales
rodales yy el
el crecimien-
crecimien-
to,
to, puede estudiarse
estudiarse experimentalmente.
experimentalmente.

241.1 de espaciamiento
Experimentos de espaciamiento

Los
Los experimentos de espaciamiento pueden
pueden catalogarse
catalogarse como
como experimentos
experimentos de de
~rboles clinales. Las
rboles individuales 6 como parcelas clinales. Las ltimas
ultimas son
son probablemente
probablemente
un
un tipo
tipo de experimentacin m~s til.
experimentaci6n ms util. Pueden
Pueden usarse
usarse entre
entre 55 yy 88 espaciamien-
espaciamien-
tos diferentes.
mejor, clarear
Es mejor, clarear las
las parcelas
parcelas aa su
su espaciaciamiento
espaciaciamiento final
final enen el
el segundo
segundo 66
tercer ario
ana de
de crecimiento
crecimiento que
que plantar
plantar directamente
directamente alal espaciamiento final.Es
espaciamiento final.Es
te
te ultimo sensitivo aa la
ltimo enfoque es demasiado sensitivo la baja
baja sobrevivencia
sobreviv encia que
que sigue
sigue -
a la plantaci6n.
plantacin. Cuando se efect~a el
se efecta el clareo
clareo al
al espaciamiento
espaciamiento final,
final, ste
este
debe
debe ser un clareo no selectivo
selectivo para lograr
lograr elel espaciamiento
espaciamiento deseado,
deseado, no
no un
un
clareo bajo 66 de
de copas.
copas.
Un experimento dede espaciamiento
espaciamiento debe continuarse durante todo todo elel turno
turno nor-
nor-
rotaci6n de
mal de rotacin de la
la cosecha.
cosecha. Una
Una vez
vez establecido,
establecido, nono debe
debe clarearse
clarearse ms.
mas.
f~cil analizar
Es muy fcil analizar los
los datos
datos dede los
los experimentos
experimentos dede espaciamiento
espaciamiento para
para
un modelo
que provean un modele flexible
flexible de
de crecimiento
crecimiento dede las
las especies
especies enen cuestin.
cuesti6n.
Los detalles sese discuten
discuten en la la seccin
secci6n 55 de
de este
este manual.
manual.

241.2 Experimentos de clareos para

para un ~rea basal
un rea basal constante
constante

experimento de
En un experimento de clareo
clareo para
para un ~rea basal
un 'rea basal constante, se
constante, las parcelas se
sistem~tica
ubican sistemtica o
0 aleatoriamente, y y se
se permite
permite el
el crecimiento
crecimiento hasta
hasta que
que
cada ~rea basal
cada parcela alcance el rea basal designada.
designada. Entonces
Entonces se
se clarean
clarean cada
cada ao
ano o0
cada dos arios
anos para
para mantener el ~rea
mantener el rea basal
basal al
al nivel
nivel designado parc~
designado para cada parce
lao
la.
 -15-

Deben llevarse anotaciones muy cuidadosas del nmero ~rboles removidos y

namero de rboles y
del ~rea basal removida en cada parcela,
del rea exper~
parcela, si se desea que este tipo de experi
sea atil.
mentos sea util.
analisis es
El anlisis es ms
mas difcil
dif1cil que
que en
en los
los experimentos
experimentos de
de espaciamiento
espaciamiento ee involu
involu
cra
cra el
el ajuste de un modelo
modele predictivo del incremento ~rea basal,
incremento del rea basal, en fun-
fun-
ci6n del rea
cin area basal
basal yy de
de otras
otras variables,
variables, por
por ejemplo
ejemplo la
la edad
edad yy la
la densidad
densidad
(numero
(nmero dede arboles/hal.
rboles/ha). Como
Como una
una estrategia
estrategia para
para construir
construir un
un experimento
experimento di
di
n~mico de clareo, este
nmico este enfoque
enfoque tienen
tienen la
la ventaja
ventaja de
de la
la simplicidad
simplicidad del dise~
del dise-
no, aunque la
o, la ejecucin
ejecuci6n puede
puede que
que no
no sea
sea tan
tan sencilla,
sencilla, ya
ya que
que se
se requieren
requieren
registros
registros continuos y cuidadosos para que los los resultados sean
sean plenamente
utiles.
tiles.

241.3 de clareos
Experimentos de clareos usando
usando tratamientos
tratamientos de clareos
clareos graduales
graduales

En este tipo dede experimento

experimento se
se define
define unun nmero
namero de
de clareos
clareos (tpicamente
(t1picamente cua-
cua-
tro),
tro), que difieren entre si,
s1, en funcin
funci6n de lala poca
epoca ee intensidad
intensidad de los
los cla-
cla-
reos yy posiblemente tambin
reos tambien en funcin
funci6n del espaciamiento
espaciamiento inicial.
inicial. Estos
Estos tra-
tra-
tamientos pueden ser clasificados aa grosso
tamientos grosso modo de clareos
clareos ligeros
ligeros a a clareos
clareos
severos. Este tipo de experimento es
severos. es muy similar
similar al
al del
del rea
area basal
basal constan-
constan-
te, en cuanto al anlisis
te, analisis yy registro de la informacin
informaci6n se refiere.
refiere. Deben
numero de
llevarse registros del nmero ~rboles y
de rboles y rea
area basal
basal removidos
removidos en
en cada
cada cla-
cla-
reo. El
El analisis de diferentes maneras, la
anlisis puede hacerse de la mejor de
de las
las cua-
cua-
les
les es
es el
el ajuste
ajuste de un modele
modelo predictivo del incremento del dimetro
diametro o0 del
area funci6n del
rea basal como funcin del nmero
namero de ~rboles,
de rboles, area edad, etc.
rea basal, edad, etc.
La principal ventaja sobre
sobre los
los experimentos ~rea basal
experimentos de rea basal constante,
constante, eses que
que
los
los clareos
clareos usados tratamientos, que pueden ser usados en
usados son tratamientos, en la
la realidad,
realidad,
permitiendo que los costos y y daos
danos de
de los
los clareos,
clareos, riesgos
riesgos por
por el
el viento
viento yy
efectos sobre la calidad dede la
la madera,
madera, puedan
puedan ser
ser estimados
estimados enen el
el experimen-
experimen-
to. Ademas,los
to. clareos, no
Adems,los clareos, no necesitan
necesitan ser
ser llevados
llevados aa cabo
cabo tan
tan frecuentemente
frecuentemente
como en el experimento anterior, simplificando
simplificando porpor lo
10 tanto
tanto la
la administra-
administra-
ci6n.
cin.

241.4 factoriales con

Experimentos factoriales con diferentes
diferentes componentes
componentes de
de tratamiento
tratamiento de
de
clareos.

Un tratamiento de clareo en
en un
un bosque
bosque uniforme,
uniforme, puede
puede dividirse
dividirse en
en un
un nmero
numero
de componentes, tales
tales como:
como:

espaciamiento inicial
inicial

edad del primer clareo

clareo

proporci6n la masa removida en cada

proporcin de la cada clareo
clareo

tiempo clareo
tiempo transcurrido entre cada clareo
Tambien son posibles otras variaciones,
Tambin variaciones, como
como por
por ejemplo
ejemplo el
el rea
area basal
basal al
al
primer clareo
clareo yy en los clareos subsiguientes,
subsigu ientes , o el uso
0 el uso de
de la
la altura
altura en
en lu-
lu-
gar de la
la edad.
edad.
Cuando el experimento se se disea
disena de
de esta
esta manera
manera puede
puede ser
ser considerado
considerado como
como un
un
experimento factorial, asignndose
experimento factorial, asignandose un
un nmero
numero de
de niveles
niveles aa cada
cada componente
componente
clareo.
del clareo.
El resultado puede serser un
un experimento
experimento muy
muy grande,
grande, con
con un
un considerable
considerable nmero
namero
de
de parcelas
parcelas de tratamiento, pero en
de tratamiento, en el
el anlisis
analisis eses posible
posible separar
separar los
los dife-
dife-
rentes
rentes efectos
efectos de edad del clareo, de de la
la intensidad
intensidad deldel mismo,
mismo, etc.Obviamen-
etc.Obviamen-
te
te el
el elevado
elevado namero significa que
nmero de tratamientos significa que sese requiere
requiere una
una adminis-
adminis-
traci6n
tracin muy
muy cUidadosa,
cuidadosa, mientras queque la
la naturaleza
naturaleza factorial
factorial del
del experimento,
experimento,
 -16-

ser destruida
puede ser destru!da fcilmente
f&cilmente por
por causas
causas accidentales,
accidentales, tales
tales como
como fuego
fuego o0
brote infeccioso.
un brote infeccioso.
242 Bosques mixtos

La principal funcin
funci6n de
de los
los experimentos
experimentos enen bosques
bosques mixtos eses provocar
provocar un
un
de perturbacin
grado controlado de perturbaci6n enen el
el bosque,
bosque, de
de modo que
que finalmente
finalmente pueda
pueda
relacione el
ajustarse un modelo que relacione el incremento
incremento dede los
los rboles
&rboles con
con los
los dife-
dife-
par&metros del rodal,
rentes parmetros rodal, al
al cual
cual se
se le
le est
est& aplicando
aplicando el
el tratamiento.
tratamiento.
Un problema muy com5n
comun con
con los
los experimentos
experimentos enen bosques
bosques mixtos radica
radica en
en que
que
los
los tratamientos se especifican en trminos
t~rminos irrelevantes a a los parmetros
par&metros
principales del rodal
rodal que controla
control a el crecimiento.
crecimiento . Esto
Esto se
se discute
discute con
con mayor
profundiad y con numerosos ejemplos
ejemplos en Synott (ver
(ver bibliograf!a).
bibliografia). Sin embar
go,
go, un caso tpico
t!pico puede implicar
implicar la
la definicin
definici6n dede cuatro
cuatro tratamientos,
tratamientos, como
como
ejemplo:
por ejemplo:

1 -- Madera de todas las

las especies comerciales mayores de 30
30 cm
cm de
de didme
di&me
tro.
tro.

2 -- 1, pero envenenando o
Como en 1, 0 anillando todas
todas las
las especies no
no co-
co-
merciales de
de ms
m&s de
de 30
30 cm.
cm .
3 -- en 2,
Como en 2, pero
pero eliminando
eliminando todos
todos los
los rboles
&rboles no
no comerciales
comerciales mayo-
mayo-
10 cm.
res de 10 cm.
4 -- 3, pero
Como en 3, pero extrayendo
extrayendo las
la s especies
especies comerciales
comerciales mayores
mayores de
de 20
20
cm.
cm.

El efecto de loslos tratamientos,

tratamientos, definidos
definidos dede esta
esta manera,
manera, sobre
sobre el
el rodal
rodal de-
de-
pender& completo de
pender por completo de las
las condiciones
condiciones del
del rodal
rodal antes
antes de
de la
la explotacin:
explotaci6n:
de distribuci6n por clases
de la distribucin clases de
de grosor
grosor yy de
de especies.
especies . Es
Es posible
posible que
que para
para
el tratamiento msm&s severo (p~r ejemplo
severo (por ejemplo 4)
4) se tenga el menor efecto.
efecto.
Surgen otros problemas, cuando
cuando sese seleccionan
seleccionan slo
s610 un
un subconjunto
subconjunto dede rboles
&rboles
la medicin
para la medici6n del
del incremento,
incremento, basandse
basand6se en
en criterios
criterios comerciales,
comerciales, los
los cua
cua
les muestran unauna infortunada tendencia a cambiar durante los los intervalos
intervalos en-
en=
tre
tre las mediciones de las las parcelas.
parcelas . El
El mtodo de medir
m~todo de medir los
los incrementos
incrementos haha si
si
do incapaz de
do frecuentemente incapaz de enfrentar
enfrentar elel problema
problema del
del desarrollo
desarrollo dede los
los ale
ale
tones.
tones. -
los momentos actuales,
En los actuales, las
las investigaciones
investigaciones de de crecimiento
crecimiento yy rendimiento
rendimiento
en bosques\' tropicale s estn
bosquestropicales est&n desarrollndose
desarroll&ndose rapidamente.
rapidamente. Las
Las recomendaciones
recomendaciones
simplemente para
siguientes se hace simplemente para ayudar
ayudar aa evitar
evitar los
los errores
errores del
del pasado
pas ado yy
no
no con el fin de imponer
imponer reglamentaciones
reglamentaciones innecesarias
innecesarias aa los
los trabajos
trabajos actua-
actua-
les.
les.

242.1 Diseno
Diseo de blogues
bloques aleatorios
en los
Se sugiere que en los experimentos
experimentos en
en bosque
bosque mixtos
mixtos se
se adopte
adopte siempre
siempre un
un di-
di-
sene aleatorio,
seo replicaci6n . Las
aleatorio, con replicacin. r~plicas deben
Las rplicas deben estar
estar en
en bloques
bloques de
de
acuerdo
acuerdo aa los patrones de distribucin
distribuci6n de sitios yv especies,
de sitios as! como tam-
especies, asi tam-
bien a las explotaciones pasadas.
bin pasadas. Las rplicas
replicas dentro de loslos bloques
bloques deben
deben
ser 10
lo m&s posible. Esto implica
ms uniforme posible. implica un
un estudio
estudio preliminar
preliminar muy
muy cuidado-
cuidado-
so
so del &rea de experimentacin.
del rea experimentaci6n.
242.2 Definici6n de tratamiento
Definicin tratamiento
definirse en funcin
tra~amientos deben definirse
Los tratamientos funci6n del rea
&rea basal total
total a
a dejar
dejar en
en
pie, despu~s de la explotacin
pie, despus explotaci6n y/o envenenamiento,
envenenamiento, referida a
a los rboles
&rbo les con
con
di~metros superiores
digmetros superiores aa 10
10 cm.
ern.
Los tratamientos pueden definirse de otraotra manera,
manera, pero siempre
siempre en funcin
funci6n de
de
la
la masa
masa que
que va
va aa permanecer y no del material
material aa ser remouido yy deben ser in-
dependientes de
dependientes de consideraciones
consideraciones econmicas.
econ6micas.
adopt ados, deben incluir
Los tratamientos adoptados, incluir siempre
siempre dos extremos,
extremos, uno el
el de
de un
un
rodal no alterado,
rodal alterado, y el
el otro un tratamiento
tratamiento extremadamente
extremadarnente severo, quiz~s re
severo, quizgs re
todo el
moviendo todo el material
material sobre
sobre 10
10 cm
cm de di~etro.
de digmetro.

242.3 Diseno yy dimensiones

Diseo dirnensiones de
de las
las parcelas
parcelas

inv olucre n tratamientos

Para experimentos que involucren tratamientos de corta
corta se
se requieren grandes
grandes
parcelas.
parcelas. Regularmente son son necesarias
necesarias parcelas
parcelas de 200
200 mm x 200
200 mm (4
(4 ha)
hal con
con
aislamiento de
una zona de aislamiento de 100
100 m.
m.
Todos los ~rboles gruesos
los arboles gruesos (sobre
(sobre 3030 cm)
cm) deben
deben ser
ser dibujado
dibujado en
en un
un mapa
mapa de
de la
la
parcela . Es deseable establecer subdivisiones
parcela. subdivisiones de la la parcela,
parcela, enen cuadrados
cuadrados de de
20
20 m
m xx 20 m,
m, 10 cual permitir~
lo cual permitir incluir en los modelos de crecimiento efectos
locales, regeneracin
competitivos locales, regeneraci6n yy mortalidad.
mortalidad.
Puede efectuarse un conteo
con teo detallado de brinzales
brinzales en
en un
un submuestreo
submuestreo sistem-
sistema-
los cuadrados.
tico de los cuadrados .
Los metodos
mtodos para medir el el incremento
incremento se se discuten
discuten en
en la
la seccin
secci6n 3.
3.
3
3 RECOLECCION DE DATOS Y
PROCEDIMIENTO PARA LA RECOLECCION Y ANALISIS PRELIMINAR
31
31 Delimitaci6n
Delimitacin de las parcelas de muestreo

311
311 Ubicaci6n
Ubicacin
permanentes necesitan
Las parcelas de muestreo permanentes necesitan localizarse
localizarse con
con exactitud
exactitud en
los
los mapas forestales y determinar su posicin
posici6n precisa en el bosque con el el
brujula y cinta.
uso de brjula cinta. Adems,
Adem.s, es til
util dejar
dejar hitos
hitos de referencia
referencia .de
de piedra
en los
o de concreto en los caminos
caminos forestales
forestales cercanos,
cercano.s , mostrando la
la distancia y
la parcela.
rumbo a la parcela .
Las parcelas temporales taIDbi~n necesitan
temporales tambin necesitan ser
ser localizadas
iocalizadas en
en los
los mapas de
trabajo, pero el grado
trabajo, grado dede precisin
precisi6n requerido
requerido usualmente
usualmente es
es menor.
menor.
disefio relacionados
Los principios del diseo J;"elacionados con
con la
la ubicacin
tibicaci6n de parcelas
parcelas. se
se dis-
en la
cute en la seccin
secci6n 22.
22.
312
312 Identificaci6n el terreno
Identificacin en el terreno de
de las
las parcelas
parcelas de
de muestreo
muestreo permanentes
permanentes
permanentes deben
Las parcelas de muestreo permanentes deben demarcarse permanentemente en el
terreno.
terreno. Las parcelas circulares se marcar.n
marcarn en el centro con un poste de rna ma
durable, de concreto o0 de metal, indicando
dera durable, indicando elel nmero
nUmero de
de identificacin
identificaci6n-
parcela. Este punto
de la parcela. punto central
central tambin se sealar
tambi~n se sefialar. por
por medio de dos zan-
zan-
jas perpendiculares de 50 cm
jas crn de profundidad y aproximadamente 2.5 rn m de lar-
lar-
go. Con esto se
go. se tiene
tiene una
una marca permanente en en el
el suelo,
suelo, en
en caso
caso de que el
sea destruido.
poste central sea destru!do.
Las parcelas rectangulares se se demarcarn
demarcar.n en
en forma
forma similar
similar en
en las
las 44 esquinas
esquinas
postes, uno de los
con postes, los cuales
cuales llevar
llevar. el
el nmero
numero dede identificacin.
identificaci6n. Tambin
Tambi~n
zanjas que se
se recomienda hacer zanjas se intercepten
intercepten en
en las
las esquinas
esquinas de las
las parce-
las.
las
La identificacin
identificaci6n de la
la parcela tambi~n debe
parcela tambin debe pintarse
pintarse en
en forma
forma visible en un
.rbol cercano al
rbol al poste
poste central
central o0 alal poste
poste esquinero
esquinero con
con la
la identificacin.
identificaci6n.
Las parcelas rectangulares subdivididas
subdivididas enen cuadrados
cuadrados pueden
pueden tener
tener tambin
tambi~n
postes en lala interseccin
intersecci6n de loslos cuadrados. Estos
Estos postes
postes deben
deben ser
ser de menor
rnenor
tamao para evitar
tamafio que los esquineros para evitar confusiones.
confusiones. Un
Un mtodo alternativo es
m~todo alternativo
los cuadrados
replantear los cuadrados en
.en cada
cada medicin.
medici6n.
313
313 Determinaci6n de los
Determinacin los rboles
.rboles del borde
La mayor!a los rboles
mayora de los .rboles se
se hallaran
hallaran claramente
claramente dentro
dentro o0 fuera
fuera de
de la
la parce-
parce-
lao Algunos sin embargo se
la. se hallarn
hallar.n interceptando
interceptando los los limites
l!mites de
de la
la parcela.
parcela.
Estos sern
seran incluidos enen la
la parcela
parcela si
si el
el centro
centro estimado
estimado del
del rbol
.rbol se
se halla
halla
dentro de la linea de demarcacin
demarcaci6n y sern
seran excluidos
excluidos enen caso
caso contrario.
contrario .
Los bordes de una parcela circular
circular sese determinan
determinan usando
usando una
una cuerda
cuerda extendida
extend ida
desde el poste central;
central; debe
debe tenerse
tenerse cuidado
cuidado dede que
que dicha
dicha cuerda
cuerda no
no sea
sea elas-
els-
(rnuchas cuerdas de nylon
tica (muchas nylon son
son muy elsticas),
el.sticas), nini que
que se
se enrolle
enrolle en
en el
el
poste central mientras se se est
esta limitando
limitando lala parcela.
parcela.
La siguiente tabla muestra los los radios
radios (distancias
(distancias deldel centro
centro de
de la
la parcela
parcela
al borde)
borde) para algunas reas
areas comunes
comunes de parcelas
parcelas circulares.
circulares.
Area de las parcelas Radio
(ha)
(ha) (m)
00.04
. 04 11. 28
11.28

00.05
. 05 12.62
0.08 15.96
0.10 17.84
 -19
-19--

Para parcelas rectangulares

rectangulares pequeas,
pequenas, elel borde
borde puede
puede determinarse
determinarse por
por medio
medio
entre dos
de visuales entre dos postes.
postes. Con
Con parcelas
parcelas de
de mayores
mayores dimensiones, ser~ nece
dimensiones, ser nece
sario materializarlo por
sano materializarlo por medio
medio de
de algunas
algunas marcas
marcas adicionales.
adicionales. La vegetacion-
vegetacin
pequena en
pequea en el
el borde
borde puede
puede ser
ser removida,
removida, siempre
siempre que
que no
no se
se destruya
destruya la regen~
la regene
racion
racin que forma parte de la la masa forestal
forestal a estudiar

314 los _ rboles

Marqueo de los ~rboles

~rboles de
Los rboles de las
las parcelas
parcelas permanentes
permanentes deben
deben ser
ser identificado
identificado de
de forma
forma per-
per-
manentemente. Hay ?os
manentemente. Hay maneras de
dos maneras de hacerlo:
hacerlo:

1. el nmero
Pintando el nfrmero de
de identificacin
identificacion en
en el ~rbol.
el rbol.

2. de aluminio
Utilizando placas de aluminio que se
se clavan
clavan al ~rbol
al rbol

5i el nmero
Si ~rbol se
nfrmero del rbol se pinta,
pinta, el
el sitio
sitio dede medicin
medicion para
para el
e l diametro
d!ametro debe
debe
marcarse tambin,
tambien, pintando
pintando unun anillo
anillo alrededor
alrededor del ~rbol. Si
del rbol. 5i se
se utiliza
utiliza una
una
placa de aluminio,
aluminio, sta
esta se clavar~ a
se clavar a una
una distancia
distancia fija
fija sobre
sobre elel punto
punto de
de me
me
dicion del
dicin di~metro, usualmente
del dimetro, usualmente 50
50 cm m~s arriba,
cm ms arriba, de
de manera
manera que
que pueda
pueda ser 10
ser13-
exactamente en
calizado exactamente en las
las mediciones
mediciones futuras.
futuras. ElEl punto
punto dede referencia
referencia para
para-
la
la medicion
medicin del di~metro normalmente es
del dimetro es 1.3
1.3 m,
m, aa excepcin
excepcion dede los ~rboles
los rboles
aletones. Esta altura
con aletones. altura inicial
inicial puede
puede cambiar
cambiar con
con el
el tiempo
tiempo si si se
se altera
altera
el nivel del suelo.
suelo.
Una segunda placa de de aluminio
aluminio deben
deben clavarse
clavarse enen el
el tronco
tronco del ~rbol, cerca
del rbol, cerca
del nivel del suelo.
suelo. Esto
Esto ayuda
ayuda en
en la
la identificacin
identificacion de de los
los tocones
tocones cuando
cuando
se
se cortan los ~rboles y aade
l os rboles anade seguridad
seguridad contra
contra lala prdida
perdida dede lala otra
otra placa.
placa.
Las marcas de de pintura no
no debe
debe ser
ser usadas
usadas como
como medio
medio nico
unico de
de identificacin
identificacion
las especies
cuando las especies pierden
pierden sus
sus corteza
corteza (por
(por ejemplo,
ejemplo, muchas
muchas especies
especies dede eu-
eu-
caliptos) .
caliptos).
Las marcas debe serser renovadas
renovadas en
en cada
cada medicin
medicion sisi se
se han
han vuelto
vuelto borrosas
borrosas o0
si se perdido.
se han perdido.

315 Mapeo de los rboles

arboles de la parcela

sea posible,
Cuando sea posible, los ~rboles debe
los rboles debe ser
ser mapeados,
mapeados, durante
durante el
el levantamiento
levantamiento
inicial. En parcelas
parcelas circulares anotar~
circulares se anotar la distancia y el rumbo de cada
arbol al centro de la parcela.
rbol parcela . Las parcelas
parcelas rectangulares se subdivir~n en
se subdivirn en
cuadrados, cada uno de los cuales no ser
cuadrados, ser~ mayor de 10 m x 10 m,
m x se medir~
m, yy se medir
la ~rbol a los
la distancia del rbol los limites
l!mites del
del cuadrado
cuadrado respectivo.
respectivo. Estas
Estas distan-
distan-
anotar~n como
cias se anotarn como las
las coordenadas
coordenadas de de los ~rboles dentro
los rboles dentro del
del cuadrado.
cuadrado.
El mapeo de
de los ~rboles es
los rboles es til
util tanto
tanto para
para resolver
resolver las
las frecuentes
frecuentesconfusio-
confusio-
nes que ocurre con la identificacin
identificacion de de los
los arboles, an~lisis
rboles, como en el anlisis
fenomenos de
de los fenmenos de crecimiento
crecimiento en en las
las parcelas.
parcelas.

316 Identificacion ~rboles de ingreso

Identificacin de los rboles ingreso

~rboles que ingresan

En los bosques naturales es necesario identificar los rboles ingresan
medicion, asignndoles
en cada medicin, aS ignandoles un
un nmero
nfrmero de
de identificacin,
identificacion, el
el nmero
nfrmero del
del
sobre el
cuadrado y coordenadas sobre el croquis
croquis de lala parcela.
parcela. Se
5e requiere mucha
mucha
atencion para asegurarse de que el nmero
atencin numero asignado,
asignado, no ha sido asignado pr~
side asignado pre
viamente en esa parcela, ~rboles ya muertos o
parcela, incluyendo rboles extra!dos en las
0 extrados las
etapas iniciales. confusion cuando se proc~
iniciales. De otra manera resulta una gran confusin proce
lo s datos.
san los datos.

32 Formatos para
Formatos para las
las mediciones
mediciones de
de las
las parcelas
arcelas -de an~lisis pre-
muestreo y anlisis
de muestreo re-
liminar
 -20-

321 Bosque uniforme

En las parcelas de muestreo

muestreo de
de bosques coet~neos monoespecificos
bosques coetneos monoespec!ficos (normalmen-
(normalmen-
se requiere
te plantaciones) se requiere la
la medicin
medici6n de:
de:

1. Di~metro sobre
Dimetro sobre corteza
cortez a aa 1.30
1.30 m,
m, de
de cada ~rbol, usando
cada rbol, usando una
una cinta
cinta
diam~trica.
diamtrica.

2. Altura de los ~rboles, de

los rboles, de un sistem~tica de
un muestra sistemtica ~rboles, con-
de 88 rboles, con-
~rboles dominantes no incluidos
juntamente con la altura de los rboles inclu!dos en
la muestra.

La altura dominante sese define como

como la
la altura
altura promedio
promedio dede los
los 100 ~rboles ms
100 rboles m~s
gruesos por
por ha.
ha. As,
As!, el
el n.G.mero de ~rboles
nUmero de rboles requerido
requerido para
para la
la estimaci6n de la
estimacin de la
ser~ la
altura dominante ser la superficie
superficie de lala parcela
parcela expresada
expresada enen ha,
ha, multipli-
cada por 100.
100. Por ejemplo,
ejemplo, enen una
una parcela
parcela de 0.04 ha,
ha, se requerir~n 4
se requerirn ~rbo
4 rbo-
les. ~rboles con copas daadas,
les. Los rboles danadas, no
no se
se usan
usan en
en el
el muestreo
muestreo de
de la
la altura.
altura.
Pueden anotarse algunas caractersticas
caracter1sticas adicionales
adicionales de cada ~rbol, tales
cada rbol, tales co-
co-
mo problemas de enfermedad, ~rboles con
enfermedad, rboles con manchas,
manchas, daos
danos por
por el
el viento
viento o0 insec
insec
tos y ~rboles marcados para los clareos.
y rboles clareos. Estas
Estas anotacio nes adicionales
anotaciones adicionales de--
de--
ben ser codificadas de una
una manera uniforme
uniforme yy rgida.
r1gida. La
La siguiente sugeren-
sugeren-
cia de codificacin
codificaci6n podra
podr1a ser
ser adoptada:
adoptada:

Codigo Descripci6n
Descripcin

Ninguno Arboles saludables,

saludabl e s, sin daos,
danos, sin
marcas de clareo y con tallo unico
nico
sin defecto.

A Danos por animales

Daos a n imales

B Arbo les daados

Arboles danado s por el viento

D Pro blemas de
Problemas d e enfermedades
e nfermedades

L Tallo doble o0 m-51tiple

Tallo doble multiple

M Arboles marcado
marcadoss para clareo (pero
(pero
todav!a en pie)
todava

S Arboles manchados para

p ara supresin
supresi6n

T (puede ser
Arboles derribados (puede ser medi-
e n el
do en el suelo)
suelo)

w Arboles inclinados
Arboles inclinados66 turbados
tumbados par
par da-
nos del viento
os

xX muerto s
Arboles muertos
continuaci6n de las letras pueden aadirse
A continuacin anadirse cdigos
c6digos numricos
numericos que
que indican
el
el grado
grado de severidad del problema.
problema. Se
Se sugiere
sugiere la
la escala
escala siguiente:
siguiente:

11 -- Danos / enfermedades presentes, pero

Daos/enfermedades pero muy
muy ligeras
ligeras

22 -
- Daos m~s severos
Danos ms severos -- parecen
parecen significativos
significativos para
para reducir
reducir el
el creci-
creci-
miento o impedir su
0 impedir su utilizacin.
utilizaci6n.
 -21-
-21.-

33 -- Danos/enfermedades
Daos/enfermedades muy severas. ~rbol morira
severas. Posiblemente el rbol morir o ser~
0 ser
inservible.

espec{ficos pueden
Para problemas especficos pueden utilizarse
utilizarse otros
otros cdigos.
codigos. Para
Para que
que un
un sis-
sis-
tema de esta naturaleza puede serser de utilidad,
utilidad, el m~s importante
el punto ms importante eses
que debe ser
ser completamente
completamente rgido
rfgido yy sin
sin alteraciones
alteraciones nini omisiones
omisiones aa travs
traves
muchos aos.
de muchos anos.
El formato 3.1, p~gina siguiente/se
3.1, pagina siguiente,se presenta
presenta como
como una
una planilla
p1anilla de
de registro
registro
este tipo
de datos para este tipo de
de parcelas. Est~ diseado
parcelas. Est disenado especialmente
especialmente para
para faci-
faci-
1itar autom~tico de los
litar el procesamiento automtico los datos.
datos. Las
Las anotaciones
anotaciones en
en el
el campo
campo
deben hacerse
deben hacerse con
con un
un lplz
lapiz suave
suave de
de manera
manera que
que puedan
puedan borrarse
borrarse los
los errores
errores
se comentan.
que se comentan.
Los variables preliminares
preliminares aa calcular
calcular de
de una
una parcela
parcela son:
son:

1. Densidad o0 ndmero
numero de ~rboles por
de rboles por ha
ha (N).
{N}. Se
Se divide
divide el
el nmero
nilrnero total
total
~rboles vivos en la
de rboles 1a parcela entre su
su superficie.
superficie. Del
Del ejemplo,
ejemp10, con
con
en el
tenido en el formato
formato 3.1:
3.1:

N
N ;
= 9/0.04 = 225 rboles/ha
225 arboles/ha

2. Di~metro del rbol

Dimetro con rea
~rbol con basal promedio
~rea basal promedio (D).
{D}. Suma
Surna de
de los
los cuadra-
cuadra-
dos de los di~metros dividido
los dimetros dividido entre
entre el
el nmero
nilrnero de ~rboles en
de rboles e n la
la parce
parc e
lao
la. A este resultado se le
Ie extrae la
la raz
rafz cuadrada.
cuadrada. Para
Para el
el ejemplo:
ejemplo:

1d22 =
Ld 16237

V16237/9';
Dg = \b_6237/9 = 42.5 cm
42.5

3. Altura dominante del rodal

rodal (H0).
{H o }. Es
Es la
la altura
altura promedio
promedio del
del nmero
numero es
es
arboles dominantes de
pecificado de rboles de la
la parcela.
parcela. Para
Para el
el ejemplo:
ejemplo :

; (32.1
Ho = {32.1 + 29.6 30.8 ++ 33.1)/4
29.6 + 30.8 33.1}/4 =; 31.4
31.4 mm

4. Altura promedio del

del rodal
rodal (H).
{H}. Promedio
Promedio de
de la
la altura
altura dede los ~rboles
los rboles
sistematica, o0 bin
de una muestra sistemtica, bien como
como en
en el
el ejemplo
ejemplo del
del formato
forma to
3.1,
3.1, el
el promedio de todas las alturas.
alturas. En
En el ejemplo:
ejemplo :

H
H ;= 31. 7 m
31.7 m

5. Volumen del rodal (V).

{V}. Se
Se calcula
calcula usualmente
usualmente de
de una
una tarifa
tarifa para ~rbo
para rbo
les
les individuales entrando
entrando con
con el di~etro yy la
el dimetro la altura.
altura . Hay
Haydos meto~
dos mtol-
dos:

Ii} C~lculo
Clculo del volumen ~rbol de
volurnen del rbol di~metro Dg
de dimetro Dg yy altura
altura HH yy multi
multi
la densidad
plicar por la densidad NN para
para obtener
obtener el
el volumen
volumen en m3 /ha.
en m3/ha. -

Iii} C~lculo
Clculo de los
los volmenes
volilrnenes individuales
individuales de de los ~rboles v
los rboles v con
con los
los
diametros
dimetros d,alturas
dolturas h. h. Suma
Surna de
de estos
estos volmenes
volilrnenes yy divisin
division entre
entre
la
la superficie de la parcela para para obtener
obtener elel volumen
v ol urnen por
por ha.
ha. En
En
este caso,
caso, si h no es conocida para para todos
todos los ~ rboles se
los rboles se puede
puede
estimar de una regresin altura/di~metro (vea
regresion altura/dimetro {vea seccin
seccion 3) 3} o0 se
se
su lugar
usa en su lugar H.
H.

metodos introducen
Ambos mtodos introducen un
un error
error en
en la
la estimacin
estimacion del
del volumen.
volurnen. El
El primero
resultante de
tiene un error resultante de la
la distribucin
distribucion dede los di~etros yy el
los dimetros el segundo,
segundo,
de la estimacin
estimacion de las alturas.
alturas. El segundo mtodo
metodo es generalmente preferi-
por su
ble por su precisin,
precision, especialmente
especialmente sisi el
el volumen
volurnen va
va aa ser
ser estimado
estimado hasta
hasta un
di~metro Ifmite.
dimetro limite.
 -22-

3.1
Formato 3.1 Evaluaci6n muestreo -- Plantaciones
Evaluacin parcelas de muestreo Plantaciones
Hoja
HOjaD de=
d~

Bosque
Bosque Distrito
Distrito Compartimiento
Compartimiento N* parcela
N parcela Especie
Especie
lilol31
o 1010 lot 1 I 111.21AI
lil.<.IAI 11.(.13Iql;t1
MINIENGIFI klii
Ic.lt-I
Area parcela Pendiente evaluaci6n
Fecha evaluacin . N~ de
:Di de oficina
oficina
I11111C10
1 40151 I I GI
I ('I 10111
o I~I'JI
0131 1 l.t I
mes ano Wurmro tarjetas
NiIJeri) tarjetas

Arbol
Asbol N [W> c/cort
DAP c/oort Al.tura
Altura ------- Cdigos
OSdigos .-------

~Lt
.2 ,"
1 ~ '3 I" '-
13
i
" " "r i i

-r ~ 3
(4 5
5"
i "I

2. I
2. 1
F
'3
4
it
"
4 i 2..
't
5"
Lt
Z. q
3

,EMI
3 1 3
() If
8t3 3
2, Ix
X

.1 ~
1- 3 II i 4 1,
Lt 4 Z ,S 3 1111
'3 i'
'3 Lt 14. '\ 3 Ell
u.
? L

Observaciones an-Let 3 f,x,t do n..At . On

...................................... .... ...................................................................................... . ......................

. . .. .. .. . . .. .. . .. . . .. .. . . . . . . . . . . . . . . . . . . .. .. .. .. .. . .. . .. . .. .. .. .. .. .. . . . .. .. .. .. .. .. . . . .. .. . .. .. .. .. .. .. .. . . .. . ..
Levantado por .~ ~!'."!
Levantado tymi t-
~ .. ~.Q.~.
4-2 (der," . . . . . .. 7 I/ . . 4
Fecha 1. 'f .. I./ :-t1-'-5 ..
USE
USE EL
EL RESPALDO PARA CALCULAR LAS ALTURAS
 -23-

Cuadro 3.1
3.1 Simbolos
Smbolos de las variables primarias del
del roda1
rodal
Simbo10
Smbolo Descripci6n
Descripcin Unidades
A 1a plantacin
Edad de la p1antaci6n del rodal afios
aos

Dg Di~metro del rbol

Dimetro ~rbol de rea
~rea basal promedio em
cm
Dg
G basal del
Area basal del rodal
roda1 m2/ha

H Altura promedio del rodal

roda1 m
Ho dominante del
Altura dominante del rodal,
roda1, definida
definida como
como la
1a altu-
altu-
los 100
ra promedio de los ~rbo1es con
100 rboles di~metro
con mayor dimetro
hect~rea
por hectrea m

N - nmero
Densidad - ~rbo1es vivos/ha
nUmero de rboles vivos/ ha arboles/ ha
arboles/ha
V Vo1umen del rodal.
Volumen rodal . El
E1 tipo
tipo de volumen
vo1umen se
se designa
indice, por
con un indice, por ejemplo:
ejemplo: m3/ha

Vsc
V50 vo1umen sin
volumen sin corteza

V7 -- co rteza hasta 7 em
volumen con corteza cm
Las mediciones
medi c iones efectuadas inmediatamente
inmediatamente despus
despues de
de los
los clareos
c1areos pueden
pueden ser
ser
designadas con un un apstrofe
ap6strofe (').
('j. Por
Por ejemplo:
ejemplo: N'
N' densidad
densidad despus
despues del
del clareo.
clareo .
Las extracciones
extrac ciones de los
los clareos
clareos deben
deben designarse
designarse con
con el
el indice
indice e.
e. Por
Por ejem-
ejem-
p10 : Ge
plo: ser~ el rea
Ge ser ~rea basal
basal removida
removida enen el
e1 clareo.
c1areo.

Diferentes volmenes
volUmenes pueden ser calculados,
ca1cu1ados, usando
usando diferentes
diferentes ecuaciones
ecuaciones de
de
volumen . Por
volumen. Por ejemplo:
ejemp10:
Vee
Vcc total con
Volumen total con corteza
cortez a (es
(es decir
decir hasta
hasta el
e1 tope
tope del ~rbolj.
del rbol).

Vsc
Vsc Volumen .tota1 sin corteza
total sin corteza

V7 Volumen di~metro limite

Vo 1ume n hasta un dimetro limite de 7 cm
em

V15 Volumen di~metro limite

Vo lumen hasta un dimetro limite de 15 cm
em
Los diferentes smbolos
sfmbolos y unidades usadas para estas
estas variables
variables primarias
primarias se
se
el cuadro
listan el el cuadro 3.1.
3.1 .

322 Bosque mixto

Los an~lisis primarios en bosques mixtos tienen

Los anlisis tienen como prop6sito
propsito principal
principal la
la
construccion roda1 que suministre
construccin de una tabla de rodal suministre el
e1 nmero ~rboles, agru
nUmero de rboles, agru
pados por categoras
categor{as de
de grosor,
grosor, para
para cada
cada especie
especie o0 grupo
grupo de
de especies.
especies. -
Una
Una vvez
ez que la tabla de rodal haya sido
side construida,
construida, se presentan varias
varias a1-
al-
ternati v as para medir el crecimiento de la
ternativas 1a masa forestal,
forestal, usando
usando diferentes
diferentes
criterios
criterios. . Po
Porr ejemplo,
ejemplo, a desear~ obtener el rea
a veces se desear ~rea basal total
total de
de
los ~rboles
los rboles para una
una determinada combinacin
combinaci6n de grupos de especies
especies sobre
sobre un
un
cierto
cierto grosor;
grosor; otras podr~
otras veces se podr repetir el procedimiento anterior usan-
do
do diferentes grupos de especies
especies o0 limites
limites de
de grosor.
grosor .
 -24
-24--

Una tabla de rodal

rodal puede construirse
construirse directamente,
directamente, aa medida que se mide la la
parcela, contando
contando yy anotando los ~rboles
anotandolos arboles por tamanos yy de
por clases de tamaos de especies.
Este procedimiento nono es
es recomendable
recomendable con
con ningn
ningun tipo
tipo de
de inventario,
inventario, a exce~
a excep
cion
cin del recursos m~s
del levantamiento de recursos mgs preliminar. dimensiones de los
preliminar. Las dimensiones
arboles
grboles individuales y la la especie
especie de los
los mismos,
mismos, deben
deben anotarse
anotarse siempre,
siempre, aun
aun
que intencion posterior
que la intencin posterior sea
sea de
de sumarizar
sumarizar los
los datos.
datos. Esto
Esto es
es particularmeri
particularmen
te importante en
te en parcelas
parcelas permanentes,
permanentes, puesto
puesto que permitit~ estimar
que permititg estimar incremeri
incremen
tos
tos de
de arboles
grboles individuales. -
Los formatos para anotar las
Los formatos las mediciones de parcelas de de bosques mixtos pueden
variar considerablemente, dependiendo de las
variar considerablemente, las caractersticas
caracter{sticas a anotar.
anotar. Comn
Comun
se encuentran los
mente se los siguientes
siguientes tipos
tipos de
de situacin:
situacion:

(a) Bosque mixto tropical

tropical de
de montarla
montana (unas
(unas pocas
pocas especies
especies heliofitas
heli6fitas de
de
edades). Puede usarse
varias edades). usarse el formato
formato 3.1,
3.1, reservando
reservando las
las prime-
prime-
ras
ras dos
dos columnasdel 'cdigo'
'codigo' para codificar laslas especies por dos di
gitos o letras. Debe de
0 dos letras. de medirse siempre
siempre una
una muestra sistemgtic
sistematica
de alturas con el fin
fin de
de construir una
una curva
curva altura/digmetro.
altura/diametro.

(b) Bosque hmedo

hGmedo tropical (gran
(gran nGmero
nmero de
de especies mezcladas, lianas,
lianas,
epffitas, aletones). Normalmente se
epifitas, aletones). se usan parcelas
parcelas grandes,
grandes, de una
una o
0
m~s hectreas
ms hectareas subdivididas
subdivididas en en cuadrados
cuadrados dede 10
10 xx 10
10 m.
m. Las
Las alturas
alturas
generalmente no se pueden medir,
medir, clasificando loslos grboles
arboles por
por la
la
forma y posicion
forma y sus copas.
posicin de sus copas. En los
los arboles con
con aletones deben me
dirsedos di~metros de
dirsegios digmetros de referencia.
referencia. Normalmente
Normalmentepueden
puedenhaber
haberalguno-s-
algunos
cientos de especies distintas
distintas enen una
una parcela.
parcela.

(c) Bosques semi-hmedos

semi-humedos (Bosque
(Bosque Miombo
Miorobo en
en Africa
Africa Oriental).
Oriental). Aqu
Aqui la
la
forma
forma yy longitud de los
los tallos comerciales son
son caracteristicaSde
caracteristicrude im
im
portancia. La altura es
portancia. f~cilmente medible
es fgcilmente medible por
por la
la apertura
apertura del
del do--
do--
sel,
sel, pero unicamente al metro mgs
pero nicamente mas cercano aa causa
causa de la
la forma
forma difu-
sa
sa de
de la
la copa.
copa. Pueden haber hasta mgs
mas de 100
100 especies
especies presentes.
presentes.

(d) Bosques de zona ~rida.ius arboles

zona drida.i,os rboles son
son generalmente
generalmente muy
muy ramificados
ramificados
siendo
siendo la y la especie las nicas
la altura y unicas caractersticas
caracteristicas de impor-
impor-
tancia. Las alturas deben
tancia. deben medirse
medirse al
al decimetro
decimetro mgs
mas cercano.
cercano.

3.1, muestra formatos

La figura 3.1, formatos alternativos
alternativos de
de registro
registro de
de datos
datos para
para estos
estos
casos, conjuntamente con
cuatro casos, con el
el formato
formato de
de registro
registro de
de plantaciones
plantaciones (for-
(for-
mato 3.1).
mato 3.1). Se asume
asume que un registro
registro es
es la cantidad de datos que puede con-
perforada de
tener una tarjeta perforada de 80
80 columnas,
columnas, la
la cual
cual representa
representa el
el medio
medio mgs
mas
comun de entrada de datos
comn datos para
para un
un computador
computador electrnico.
electronico.

323 Levantamiento inicial de parcelas permanentes

Cuando se levanta
l evanta una
una parcela
parcel a permanente
permanente por
por primera
primera vez,
vez, se
se requiere
requiere la
la si-
si-
informacion adicional:
guiente informacin adicional :

(1) El rea
area 0o superficie exacta de la parcela,
parcela, como proyeccion
proyeccin horizon
horizon
tal,
tal, es
es decir corregida por la
la pendiente.

(2) Informacion
Informacin basica lugar, incluyendo
bgsica del lugar, incluyendo latitud,
latitud, longitud,
longitud, aspec-
aspec-
to, altitud,
to, altitud, pendiente, exposicin
exposicion dede la
la pendiente,
pendiente, historia
historia del
del
anterior de
bosque y uso anterior de la
la tierra.
tierra .

(3) Imformacion
Imformacin metereologica la estacin
metereolgica de la estacion mgs
mas cercana,
cercana, consistente
consistente
mensuales yy temperaturas
en precipitaciones mensuales temperaturas promedio,
promedio, mxima
maxima yy m-
mi-
nima.
 Figura 3.1
Figura 3. 1 Formato s de
Formatos d e registros
reg i s tro s de mediciones ~rboles en
rne dicione s de rboles e n diferentes
di f ere nte s
tipos de bosques.
b o sques .

i. C o !v~\"Q.~
j - '.' G B
CoUNInm5
5 0

Plantaciones yy otros
otros i ar- 'b 0 I
c;r6.1
Qt" \Svcd
\VJ10.1 ?Qr(../ ar6"\Q5
?ora CA-60),ZS 5" ",'" \' 0\
rnonoespec!f~
bosques monoespecifi 200 400
cos ijoo

I I
DAP
DA P
con
~7on
I II
1
."'" t
t1
I ,
C,,;r'!3O$
C.,:;-a

I II II
o.s. 2 , 3'!! '1 4 1.1"o

I I
DR?
<on
C:orirL'lC{
I I ,
H
V\

I , t
coa;gos
Coat,c_yS

I II II

,. 5 .,.
1 G .. 2Z
o0 3 5

Bosques 116medos
Bosques hGrnedos con rtgdoo
C",adrod
Cucza <tr dr
11 'ar Q'rbo { 1..D o (
i J ue l Q'r bO I
3v- ci-r-60
3!if

I
III
N
I
~rboles con aletones
rboles aletone s

I11111
I I 1I
k.l'-' C 8. ;,y 1)iJ""
IJ" (oa;3"

1111 1111
1I
..-r.....-c:.s
1._.; I <:iro
.. il1~l2'rio'f'
6,5iy,x;Q.
&.;pori 1001-(05^
1-1
1-\
I
1
I"ttar~l\c.lq
ir,-<,s

1
re.farenciR

11/
I "
P
(>
.$uyerlor
&u~. V"io"(""

1 -1
>1
1I
1 D
D
111
I I'
.ir5

....
.oo
o F.S.
~
I1,:
i
,. ..
T
c:o
, 2' 001,01

,
",,0

I I
~'-'di~o
(caso

I 1I
1 1 1
Dicrndiro;
Di&"V'T1a1Y'o$re-(a
6.1Tae_14, in -r ioY
06F(.iq.
"T 111
1 11 ' 1
1
D
n
TACcia
"'(!~ltl"'",

1
ia
&O~r-
SO ?c? y"tIO~

\ TI.,II i
Or.

1
O
0
t
.a :20

oCr

~t
o

i
, IA
6 B
G
Bosques semihmedos
sernihUrnedos s ",,1001
(Parcelas
(Parcelas ternporales,
temporales, 'to!! arl,o\
oirocA \uol
\~l.lol ~C.1Y'<""\, arboles
(Zy-bo\zs
~rboles sin numerar)
rboles sin nurnerar) ~.g PA? ~
" . f~ t;;0 .~" '2 tO n pot~1 "
DO?
"
Dft 4
Con Tottlct.1 k""", 2", 3~'r 'I 4"
4L' 0 0

1 'I'"
Oon ltal Co~
3~n I I
oi7\62ci
CO'l(Il&l.

I I, I

J J q, ~ eo~
u""
~
I
1
'1 I I I I 1 11
1 11 I I' I

i a - v'
Bosques de zonas
Bosques de z o nas ridas
Arboles bifurcados -
Midas
o
1" Q'
0
\'01
ciAn
\-\ i '>\JU\ D"y-Q a.rbo l s
etri:115 9
2 ... 1 S
3
310 QYIOO
1 0' arbol
~
(3u \
vara
(Parcelas
(Parcelas ternporale
~rboles
temporales,
sin numerar)
rboles sin nurnerar)
s,
io/) o~
()0 " iJ

.cs
uoo { )
N
'l~~~ ..J \

~
"
0>t d
\1
r",
~
J L 1. I 'U0 W
" ~
or
..L
AI
I I /
I' I
 -26-

(4) La posici6n ~rboles en la parcela.

posicin de todos los rboles parcela. En parcelas circula
res
res esta posici6n indicara por rumbos
posicin se indicar rumbos yy distancias al centro de-
de
las parcelas.
las podr~ darse,
parcelas. En parcelas rectangulares podr darse, como coordena-
das drn, de la
das X,Y en dm, la esquina
esquina suroeste
suroeste de
de la
la parcela.
parcela.

(5) Inforrnaci6n del suelo

Informacin del perfil del suelo incluyendo:
incluyendo:

- Color

- Textura

- pH

- Anlisis
Analisis de
de N,
N, P,
P, K,
K, Ca,
Ca, Mg.
Mg.

- Profundidad

- Densidad

para cada horizonte distinguible

distinguible del suelo.
suelo. Las
Las muestras del suelo suelo
deben replicarse enen cada
cada parcela.
parcela. Dos
Dos muestras sern
seran suficiente,
suficiente,
grandes y variadas.
exceptuando aquellas parcelas muy grandes variadas. LasLas ' tcnicas
t~cnicas
analticas podr~n variar de acuerdo a
anal!ticas podrn a los m~todos usuales de cada
los mtodos cada
pa!s
pas y aa la condiciones especiales que se se encuentran
encuentran y debern
deberan ser ser
determinadasen
determinadas colaboraci6n con
en colaboracin con los
los especialistas en en suelos.
suelos. Sin em ern
bargo cuando unun sistema
sistema de
de anlisis
analisis del
del suelo
suelo haya
hay a sido establecido~
sido establecido-7
modificar~ por razones muy contundentes
solamente se modificar contundentes y en el momen-
to de la
to la modificaci6n
modificacin sese analizarn
analizaran una
una serie
serie de
de muestras
muestras (20 (20 66 30)
30)
m~todos, el
por ambos mtodos, el viejo
viejo yy el
el nuevo,
nuevo, con
con el
el fin
fin dede determinar
determinar una una
regresi6n perrnita comparar
regresin que permita comparar resultados m~todo viejo con
resultados del mtodo con los
los
del nuevo.
nuevo.

33 Procedimiento de anlisis
analisis del fuste
fuste

analisis del fuste

Los anlisis fuste permiten
perrniten la
la reconstruccin
reconstrucci6n de
de la
la historia
historia del
del creci-
creci-
miento de
de un
un rbol
arbol por:
por:

(a) Turnba o
Tumba ~rbol;
del rbol;
0 apeo del

(b) Corte de discos aa intervalos

intervalos de unos
unos 22 mmalo largo del
a lo largo del fuste.
fuste.

(c) Conteo cuidadoso yy medicin

medici6n de
de los
los anillos
anillos de
de crecimiento,
crecimiento, en los
discos.

cantidad de
Una gran cantidad de informacin
informaci6n sobre
sobre la
la dinmica
dinarnica de
de un
un rodal,
rodal, puede
puede ser
ser
obtenida del
del analisis fuste, pero en
anlisis del fuste, en este
este manual,
manual, el
el principal inter~s
principal inters
radica
radica en la reconstruccin
reconstrucci6n histrica
hist6rica del
del crecimiento
crecimiento dede la
la altura
altura dominan-
dominan-
te
te de un rodal.
rodal.
El
El procedimiento slamente
s6lamente eses posible
posible en
en climas
climas estacionales
estacionales yy con
con especies
especies
anillos claramente
que produzcan anillos claramente definidos.
definidos.
la reconstruccin
Para la reconstrucci6n del
del crecimiento
crecimiento de
de la
la altura,
altura, slamente
s6lamente sese necesita
necesita
anotar
anotar la altura de la medicin
medici6n yy contar
contar los
los anillos.
anillos. Con
Con especies
especies yy climas
climas
anillos muy
que produzcan anillos muy diferenciados
diferenciados esto
esto puede
puede hacerse
hacerse en
en el
el campo
campo con
con
poca dificultad.
Cuando los anillos no son
Cuando los son tan
tan claros,
claros, deben
deben cortarse
cortarse discos,
discos, yy marcar
marcar clara-
clara-
mente en el campo tanto susu punto de origen en el rbol,
arbol, como . susu orienta-
ci6n laboratorio para
cin y llevarlos al laboratorio para su
su evaluacin
evaluaci6n por
por uno
uno de
de los m~todos
los 22 mtodos
 -27-

siguientes:
siguientes:

(1) Pulitura del disco,

disco, seguido
seguido de un canteo
conteo de anillos a lo
10 largo
largo de
de
dos ejes,
ejes, utilizando
utilizando un
un microscopio.
microscopio.

(2) Corte de 22 muestras en cruz, an~lisis subsiguiente

cruz, con un anlisis subsiguiente por
por densi
densi
dometria con rayos
dometra con rayos X.
X.

Tanto en el caso (1)

(1) como
como en
en el
el (2),
(2), debe
debe comprobarse
comprmbarse la la presencia
presencia dede ani-
ani-
llos falsos o
llos difusos por
0 muy difusos por confrontacin
confrontaci6n con
con registros clim~ticos. En
registros climticos. En el
el
caso
caso (2), estimaci6n num~rica
(2), el cual produce una estimacin numrica de
de la
la anchura
anchura del
del anillo
anillo yy
densidad,
densidad, es posible obtener correlaciones
correlaciones directas
directas con variables clim~ti
con variables climti-
cas.
cas
La edad a la
la cual
cual el ~rbol alcanza
el 'rbol alcanza una
una altura determinada, est~
altura deterrninada, est dada por elel
numero de anillos en la
nmero la base del ~rbol menos
del rbol menos el
el nUrnero
nmero dede anillos
anillos aa dicha
dicha al
al
tura.
tura. Asi
As la altura puede plotearse directamente
directamente en
en relaci6n
relacin con
con la
la edad
edad del
del
~rbol.
rbol.
8i
Si el
el arbol
rbol de muestra es un rbol
arbol dominante,
dominante, lala curva
curva altura-edad,
altura-edad, puede
puede
ser
ser considerada esencialmente igual
igual a lala curva
curva altura-edad
altura-edad obtenida
obtenida de
de una
una
parcela de muestreo permanente
permanente yy puede
puede analizarse
analizarse de
de la
la misma
misma manera.
manera.

34
34 Metodos
Mtodos especiales de estimacin
estimaci6n del
del incremento
incremento ~rboles
de los rboles

341 Mediciones simples

simples

En parcelas permanentes, el incremento de los

permanentes, el ~rboles se
los rboles se estima
estima por
por la
la dife-
dife-
rencia entre dos mediciones sucesivas del di~metro
rencia dimetro dividida
dividida entre
entre el
el interva
interva
10
lo de
de tiempo transcurrido.
Para que este procedimiento sea
sea preciso,
preciso, se
se requiere:
requiere:
(1) ~rboles individuales
Los rboles individuales deben
deben estar
estar clara
clara ee inequvocamente
inequ!vocamente iden-
iden-
en la
tificados en la parcela.
parcela.

(2) ~rbol debe ser relocalizable con mucha

medici6n en el rbol
El punto de medicin
precisi6n. Dos
precisin. m~todos alternativos
Dos mtodos alternativos son
son posibles:
posibles:

(i) anillo en
Pintando un anillo en el
el punto
punto de
de medicin
medici6n aa la
la altura
altura del
del pe
pe
cho.
cho. Esto
Esto puede
puede ser en algunas
algunas ocasiones un m~todo
ocasiones un mtodo relativa--
relativa--
mente complicado.
complicado .

(ii) Insertando un clavo a a una distancia precisa

precisa sobre
sobre el
el punto
punto
medici6n (se
de medicin (se sugiere
sugiere 50 ern) y localizando el punto con re
50 cm) re
ferencia al clavo.
ferencia al clavo. El clavo tambin
tarnbien puede
puede tener
tener una
una placa
placa con
con
la identificacin
identificaci6n del ~rbol.
del rbol.

342 Mediciones sucesivas

sucesivas en ~rboles con
en rboles con aletones.
aletones.

Cuando
Cuando los ~rboles desarrollan aletones,
los rboles aletones, es costumbre
costurnbre medir el dimetro
diametro en
un punto
punto de referencia de aproximadamente un metro sobre los aletones.
aletones. Pues-
to que
to los aletones pueden extenderse entre las
que los ser~
las mediciones,obviamente ser
necesario mover el
el dimetro
diametro de
de referencia
referencia dede vez
vez en
en cuando.
cuando.
Este
Este procedimiento hace imposible la la determinacin
deterrninaci6n del incremento por dife-
sucesivas.
rencia de dos mediciones sucesivas.
Dos
Dos metodos adoptarse para
mtodos pueden adoptarse para obviar
obviar este
este problema:
problema:

1.
1. Usar dos dimetros
diarnetros de referencia en
en cada
cada medicin.
medici6n. As,
Asi, si
si es nece-
nece-
sario mover el dimetro
diarnetro de referencia
referencia inferior,
inferior, se
se reemplazar
reemplazara por
el superior y se tomar~ un nuevo
se tomar di~metro de
nuevo dimetro de referencia m~s arriba
referencia ms
 -28-

del
dei original. ser~ posible la
siernpre ser
original. De esta manera siempre la estimacin
estimaci6n di-
incremento.
recta del incremento.
Se recomienda que los di~metros estn
los dos dimetros est~n separados 1.5 m m entre si,
si,
con el di~metro inferior a
el dimetro a 1 metro sobre el extremo de los
los aletones.
aletones.
El
El procedimiento se
se ilustra
ilustra en
en el
el siguiente
siguiente dibujo:
dibujo:

-e.2------------ d1

-d2-------____ d
1

medici6n
Primera medicin medici6 n
Segunda medicin Tercera medici6n
medicin

incremento = (d1 (d1 dede ala medi-

Zamedi- incremento =(d1 en 3ra
3ra medicion-d2
medicion-d 2
ci6n - d2
cin - d2 de
de la
la Ira
:Ira medici6n)
medicin)/ ! 26a medici6IJV tiempo
en la 2damediciry tiempo
tiempo
tiempo..

di~metros de referencia
Los dimetros referencia deben
deben marcarse
marcarse con
con pintura
pintura o0 clavos.Se-
clavos.Se-
r~
r necesario trepar
trepar los ~rboles con
los rboles con escaleras
escaleras yy medir
medir los di~me
los dime-
tros con cinta.
cinta. Los
Los instrumentos
instrumentos pticos,
6pticos, tales
tales como
como el
el relascopio,
relascopio,
precisos para
no son suficiente precisos para estimaciones
estimaciones de
de incrementos.
incrementos.

2. El otro m~todo
2. El mtodo consiste en en usar
usar bandas
bandas perimetrales como sese descri
be aa continuaci6n
continuacin y y obtener las estimaciones del incremento en pe-
rodos
riodos cortos (1(1 aa 22 aos),
anos), antes
antes que
que los
los aletones
aletones puedan
puedan influir
influir
significativamente el di~metro de
el dimetro de referencia.
referencia.

343 Bandas perimetrales

Las bandas perimetrales pueden

pueden ser
ser construldas
constru!das localmente
localmente resultando
resultando muy
muy eco
eco
n6micas y son particularmente
nmicas particularrnente 5tiles
utiles para
para investigaciones
investigaciones intensivas,
intensivas, por
por -
ejemplo, experimentos de
ejemplo, de clareos.
clareos . Si
Si no
no tienen
tienen una
una escala
escala vernier,
vernier, su
su preci-
preci-
si6n es de aproximadamente 0.5
sin 0.5 mm,
rom, la
la cual
cual es
es muy
muy apropiada
apro piada para
para estimacio-
estimacio-
nes dede incrementos
incrementos anuales
anuales de especies tropicales.
tropicales . Con la adicin
adici6n de
de una
una es
es
cala vernier,
vernier, la
la precisin
precisi6n se
se incrementa
incrementa hasta
hasta 0.05
0.05 mm
rom en
en la
la medicin
medici6n del
del -
di~metro. A este
dimetro. nivel, pueden indicar respuestas fisiolgicas
este nivel, fisio16gicas yy fluctuacio-
fluctuacio-
nes estacionales
nes estacionales de crecimiento. (Las
de crecimiento. (Las mediciones con cintas convencionales
convencionales
por el contrario no puedan dar incrementos con m~s
el contrario precisi6n de 5 rom
ms precisin mm en el
el
di~metro en los
dimetro ~rboles pequeos,
los rboles pequenos, dismuyendo la precisin trata de ~r
precisi6n si se trata r-
grandes).
boles grandes).
 -29-

Los requerimientos basicos para la construccin

bsicos construcci6n de las bandas
bandas son los si-
guientes:

(1) basicos necesarios

Los materiales bsicos necesarios son:
son: un
un rollo
rol10 de banda
banda o0 fleje
fleje
acero inoxidable
de acero inoxidable de 1 cm em de ancho,
ancho, un resorte de alambre sufi
sufi
cientemente largo
cientemente largo de
de 1/3
1 / 3 cm
em de
de grosor,
grosor,plantillas
plantillaspara
paramarcar
marcarla-s-
las
escalas, pintura de
escalas, de cermica
ceramica de color color negro
negro mate, una
una perforadora
perforadora
huecos en
para abrir huecos en acero
acero y un un horno
horne de
de gas
gas o el~ctrico.
0 elctrico.

(2) fleje de longitud

Un pedazo de fleje longitud adecuada
adecuada se
se enrolla
enrolla alrededor
alrededor de
de
lata cilndrica
una lata cilindr ica vaca
v acia y se
se pinta
pinta de
de negro.
negro. La lata
lata con
con el
el fle-
fle-
je enrollado se
se coloca
coloca en
en el
el horno
horne para
para curar
curar la
la pintura.
pintura.

(3) fleje pintado se

En un extremo del fleje se hace
hace una
una marca cero
cero con
con un
un pun-
pun-
z6n. Si
zn. se va aa anadir
Si se aadir la escala vernier se toma esta marca como
inicio
inicio de la misma,
misma, yy con la plantilla
plantilla del vernier
v ernier se definen las
las
graduaciones de
graduaciones ~ste.
de ste.

(4) Debe conocerse aproximadamente lala circunferencia

circunferencia del
del rbol
arbol antes
antes
la escala mayor que tendr
de fijar la tendra aproximadamente
aproximadamente 10
10 cmem de
de longi
l o ngi
(equivalente a 33 cm
tud (equivalente em de dimetro).
diametro) . Esto
Esto permite
permite cortar
cor tar elel fleje
fleje
a la longitud adecuada y fijar
a fijar la
la escala
escala en
en el
el punto
punto correcto.
co rrecto . LaLa
se marca en
escala se en el fleje usando la
el fleje la plantilla
plantilla correspondiente.
corr e s pondiente.

(5) Se perforan dos ranuras en en el

el fleje
fleje para
para retener
retener el
el resorte:
resorte: una
una
all de la marca cero y la otra dentro de la
mas alIa
ms la escala mayor.E1
mayor.El
resorte se fija
fija en un
un extremo, elel fleje
fleje sese coloca
coloca alrededor
alrededor del
del
arbol,
rbol, teniendo cuidado en en remover
remover los
los pedazos
pedazos de
de corteza
corteza sueltos
sueltos
yy evitar que sese formen
formen flechas
flechas o0 pandeos
pandeos enen la
la parte
parte posterior
posterior del
del
rbol despu~s se
a rbol yy despus se fija
fija el
el extremo
extremo libre
libre del
del resorte
resorte en
en la
la otra
otra ra
ra
nura del fleje.
fleje. El resorte
resorte sese corta
corta aa un
un longitud
longitud tal
tal que
que produzca
produzca
una tensin
tensi6n apropiada
apropiada al
al fleje.
fleje.

El incremento se se mide
mide como
como el
el movimiento
movimiento dede la
la escala
escala entre
entre las
las lecturas
lecturas ini
ini
final. Las
cial y final. Las escalas
escalas tienen
tienen normalmente
normalmente graduaciones
graduaciones en en unidades
unidades 1f cm~
1T cm,
dando lecturas
dando lecturas directas
directas del
del dimetro.
diametro. Si
Si elel punto
punto dede partida
partida dede la
la escala
escala ma
rna
y or ha sido
yor side colocado
colocado aa un
un numero
nGmero exacto
exacto dede cm
em de
de la
la marca
marca cero,
cero, lala banda
banda da
da-
tambi~n
tambin una lectura absoluta del del dimetro.
diametro. SiSi la
la escala
escala mayor
mayor comienza
comienza en en un
un
p unto arbitrario, el
punto el dimetro
diametro absoluto
absoluto (como
(como opuesto
opuesto alal incremento)
incremento) debe
debe ser
ser
una cinta
medido con una cinta justamente
justamente arriba
arriba o0 debajo
debajo dede la
la banda.
banda.
para marcar
Las plantillas para marcar yy cortar
cortar las
las bandas
bandas pueden
pueden obtenerse
obtenerse de de un
un distri
distri
instrumentos forestales
buidor de instrumentos forestales o0 manufacturadas
manufacturadas localmente
localmente enen un
un taller
taller -
equipado.
bien equipado.
directamente varios
Pueden comprarse directamente varios tipos
tipos dede bandas
bandas perimetrales
perimetrales sofistica-
sofistica-
das,, algunas equipadas para telemetra.
das telemetria. A A causa de sus costos,
costos, slo
s6lo deben
trabajos de
utilizarse en trabajos de investigacin
investigaci6n muymuy intensivos
intensivos yy bajo
bajo una
una supervi-
supervi-
sion
sin ccontinua
o ntinua en las
las reas
areas experimentales
experimentales aa causa
causa dede los
los daos
danos humanos
humanos o0 dede
pueden sufrir.
animales que pueden sufrir.

344 Medicion
Medicin de anillos de crecimiento
Cuando existan anillos de
de crecimiento,
crecimiento, pueden
pueden utilizarse
utilizarse para
para estimar
estimar el
el in-
in-
cremento. m~todo ms
cremento. El mtodo mas prctico,
practico, es
es usar
usar secciones
secciones dede rboles
arboles apeados
apeados toma-
toma-
das aa la altura del
del pecho.
pecho. La
La anchura
anchura de
de los
los -Gltimos
ultimos tres
tres 0o cuatro anillos
ser medidas en
anuales debe ser en dos
dos dimetros
diametros perpendiculares
perpendiculares de de la
la seccin.
seccion. Los
Los
dimetros deben ubicarse a
diametros a lo
10 largo de los
los eje mayor y menor,meno r, si
si la
la seccin
seccion
eliptica. Esto da
es elptica. da el
el incremento
incremento peri6dico
peri6dico bajo
bajo corteza.
co r teza. Es
Es necesario
necesario cons
cons
 -30-

truir una regresin

regresi6n que relacione laslas mediciones directas del digmetro
dimetro bajo
corteza, las mediciones del digmetro
corteza, con las dimetro sobre
sobre corteza medido con cinta,
cinta, pa-
ra hacer compatible los
los incrementos bajo corteza con laslas mediciones normales
del dimetro aa la
del digmetro la altura
altura del
del pecho.
pecho.
El tambi~n por medio de muestras barrenadas en
El incremento puede estimarse tambin
los rboles, est propenso aa numerosos errores,
rboles, pero esto esta errores, especialmente en en
los rboles blanda. La muestra barrenada
rboles de madera blanda. barrenada puede estar
estar dilatada o 0 eses
piralmente comprimida. tambi~n que no sea radial.
comprimida. Puede tambin radial. -
A las dificultades
A causa de las dificultades enen contar
contar los
los anillos
anillos de
de crecimiento
crecimiento de de maderas
tropicales frecuentemente se se requiere utilizar microscopios calibrados o 0 den
sid6metros rayos XX yy utilizar
sidmetros de rayos utilizar secciones
secciones completas.
completas. El
El uso
usc de
de aparatos ba~
aparatos ba-:
rrenadores no es
es usualmente
usualmente conveniente.
conveniente .
35 Estimaci6n indirecta
Estimacin indirecta de
de la
la altura
altura de
de los
los rboles
rboles yy de
de la
la altura
altura dominan-
dominan-
te
Como el
el procedimiento de medi r las
medir las alturas de los
los arboles
rboles es
es relativamente
relativamente
lento, usualmente no se
lento, se miden mgs
ms de 88 a 10 arboles
rboles por parcela.
parcela. Si sese re-
quiere la
la altura de
de todos
todos los
los arboles
rboles de
de la
la parcela,
parcela, puede
puede construirse
construirse una
una
curva altura-digmetro
altura-dimetro de
de la
la forma
forma siguiente:
siguiente:
h = bo + bid +b2d2

Deben sefialarse
sefialarse algunos
algunos puntos
puntos especiales:

(I)
(1) Los m~todos clculo para esta regresin
mtodos de calculo regresi6n se
se explican
e xplican en el apn-
apen-
dice A. 2, conjuntamente
A.2, conjuntamente con
con un
un ejemplo.
ejemplo.
(2)
(2) Si hay ms rodal, los
mgs de una parcela en un rodal, los arboles
rboles de muestra de
las
las diferentes parcelas deben ser tomados
tornados en
en conjunto
conjunto para ajustar
la regresin
regresi6n altura/digmetro.
altura/ dimetro .
(3)
(3) Muestras de rodales
rodales de
de densidades
densidades o0 edades
edades diferentes
diferentes nunca
nunca deben
deben
tomarse en conjunto para lala determinacin
determinaci6n de la
la regresin,
regresi6n, a menos
las comparaciones de
que las de las
las diferentes
diferentes regresiones
regresiones (apndice
(apendice A.
A.
2.8)
2.8) muestren no significativas.
muestren diferencias no significativas.
(4)
(4) regresi6n ajustada
La regresin ajustada no
no debe
debe utilizarse
utilizarse para
para predecir
predecir alturas
alturas si
si
no se satisfacen las tres
no tres condiciones siguientes:
siguientes:
(i) de la
El valor de F de la regresin
regresi6n es
es significativo al nivel
significativ~ al nivel del
del
95%.
95%.

(ii) El coeficiente
coeficiente bl
bl es
es positivo.
positivo.
(iii}El coeficiente b2
(iii)E1 b2 es
es negativo.
negativo .
(5)
(5) Una vez la regresin
vez que se ha calculado la regresi6n yy se
se ha
ha comprobado
comprobado que
que es
es
utilizable, la altura promedio
utilizable, promedio HH puede
puede estimarse
estimarse como
como lala altura
altura
se obtiene cuando
que se cuando en
en la
la regresin,
regresi6n, se
se sustituye
sustituye dd por
por Dg.
Dg.
(6)
(6) De forma
forma similar,
similar, la altura dominante Ho se predice cuando el dig di
de los
metro promedio de los arboles
rboles dominantes
dominantes (los
(los 100
100 arboles
rboles con
con los
los-
dimetros por
mayores digmetros por hectgrea)
hectrea) simbolizado
simbolizado por
por Do
Do entra
entra en
en la
la re-
re-
gresi6n lugar de
gresin en lugar de d.
d.
Respecto al punto (4),
(4), debe observarse
observarse que
que cuando
cuando esas
esas condiciones
condiciones no
no se
se sa-
sa-
 -31-

m~s seguro
tisfacen es mgs segura asumir
asumir que laslas alturas
alturas de los ~rboles individuales
los arboles individuales hh
usadas para lala estimacin
estimacion del
del voltmen
volUffien son
son iguales
iguales a la la altura
altura promedio
promedio del
del
H. Esta situacin
rodal H. situacion surge
surge con
con muchas especies
especies tropicales,
tropicales, porque
porque las
las va-
va-
riaciones en las alturas de de los ~rboles no
los arboles est~n relacionadas
no estgn relacionadas con con las dife ~
las dife-
di&metro yy los
rencias de digmetro los errores
errores de loslos instrumentos
instrumentos utilizados
uti liz ados en
en las
las medi
medi
ciones son mayores que loslos efectos
efectos del digmetro
di&metro sobre
sobre lala altura.
altura. Regresiones
Regresiones
relaciones bien
significativas y relaciones bien desarrolladas entreentre digmetros
di&metros y alturas de
los
los &rboles
Arboles parecen ocurrir masm&s frecuentemente entre especies escifitas
esciofitas y
en rodales de densidades
densidades altas.
altas.
En rodales no coetgneos,
coet&neos, lala regresin
regresion ser
ser& siempre
siempre significativa
significativa yy podr
podr&
determinacion de
usarse para la determinacin de las
las alturas
alturas de
de Arboles
&rboles individuales.
individuales . Sin
Sin em
em
bargo, hay que tener
bargo, tener cuidado
cuidado de
de nono mezclar
mezclar regresiones
regresiones de de rodales
rodales diferen-
diferen-
tes, sin haber hecho
tes, hecho las
las pruebas
pruebas estadsticas
estadfsticas apropiadas
apropiadas sobre
sobre la
la homogenei-
homogenei-
los datos.
dad de los datos.
regresion altura-digmetro
Si una regresin altura-di&ffietro sese ajusta
ajusta aa una
una serie
serie dede plantaciones
plantaciones dede didi
ferente edad ser
ser& tambin
tambin significativa.
significativa . Debe
Debesealarse
senalarsesin sinembargo,
embargo,que s~
ques.7.
diferente al
te es un modelo diferente al que
que sese obtiene
obtiene cuando
cuando se se ajustan
ajustan rodales
rodales coetg-
coet&-
ser& apropiado
neos y no ser apropiado para
para predecir
predecir alturas
alturas individuales
individuales dentro
dentro de
de un
un ro-
ro-
dal uniforme (a(a menos
menos que
que se
se prediga
prediga la la altura
altura promedio
promedio HH como
como una
una funcin
funcion
diametro promedio Dg,
del dimetro Dg, en
en el
el supuesto
supuesto de
de que
que la
la densidad
densidad deldel rodal
rodal sea
sea
constante).
constante). Dentro de de un
un rodal
rodal dede edad
edad -dnica,
unica, lala regresion
regresin refleja
refleja diferen-
cias
cias de
de dominancia. rodales de
dominancia. Entre rodales de diferente edad,
edad, refleja
refleja relaciones
relaciones dede
crecimiento dependientes
dependientes deldel tiempo.
tiempo.
 -32-

44 DE ALMACENAMIENTO
SISTEMAS DE ALMACENAMIENTO DE
DE DATOS.
DATOS.

41 de los
Ventajas de los sistemas
sistemas de almacenamiento
almacenamiento de datos computarizados
co mputarizados

Un sistema dede almacenamiento

almacenamiento de de datos
datos computarizado
computarizado almacenar
almacenara los los datos
datos de
de
las
las parcelas permanentes,
permanentes, experimentales y temporales en discos o ma~
0 cintas mag
neticas. Los
n'ticas. Los datos
datos seran
sern accesibles
accesibles rapidamente
rpidamente para su su anglisis
analisis o0 sumariza=:
sumariza-
ci6n. El
cin. E1 sistema
sistema podrg
podra estar
estar sujeto
sujeto aa procedimientos
procedimientos de de comprobaciones
comprobaciones auto-
auto-
maticas
mticas de errores con con el
el fin
fin de
de corregir
corregir las
las mediciones dudosas.
dudosas. Tambin
Tambien popd
dran ser
(Irn ser puesto
puesto alal d1a
da 0o corregirse
corregirse de manera relativamente
re1ativamente fcil.
faci1. -
informaci6n computarizada
Un almacenamiento de informacin computarizada todava
todaV1a requiere
requiere del
del manteni-
manteni-
miento de un sistema
sistema convencional de de archivos
archivos para
para cada
cada parcela
parcel a permanente
permanente o0
cada experimento
experimento en en el
el cual
cual se
se guardan
guardan las
las hojas
hojas originales
orig inales del
del campo,
campo, notas,
notas,
diagramas etc.
diagramas etc.
reciente el costo de
Hasta fecha reciente de unun sistema
sistema dede computacin
computaci6n yy la la falta
falta del
personal entrenado para manejarlo, hacan hac1an prohibitivo
prohibitivo el el uso
uso de
de sistemas
sistemas dede
informaci6n computarizados.
almacenamiento de informacin computarizados. Con Con la
la llegada
llegada dede los
los microcom
microcom
putadores, los costos cayeron drgsticamente
putadores, los drasticamente y y actualmente
actua1mente son son del mismo
mismo or-
or--
den del precio de un un vehculo
veh1culo de
de motor.
motor. Los
Los microcomputadores usualmente
usualmente opeope
ran en BASIC,
BASIC, el cual es un lenguaje
lenguaje de de fgcil
facil aprendizaje.
aprendizaje. Cualquer perso~
Cualquier perso-
na puede aprender BASIC por si S1 misma yy tener
tener acceso
acceso aa unun microcomputador.
microcomputador.
Adicionalmente algunas
Adicionalmente algunas instituciones
instituciones forestales
forestales ofrecen
ofrecen entrenamiento
entrenamiento espe-
espe-
cializado en el procesamiento de datos datos para
para personal
personal graduado
graduado o0 tcnico.*
tecnico.*
La falta de un almacenamiento de de informacin
informaci6n computarizado
computarizado es es un
un factor
factor sig-
sig-
-nificativo que inhibe tanto el desarrollo y validacin
que inhibe validaci6n de los los modelos de
rendimiento como una efectiva planificacin
planificaci6n y control del rendimiento.
rendimiento. Con
manual de
procesamiento manual de los
los datos
datos dede los
los archivos
archivos slo
s610 pueden
pueden construirse
construirse
los modelos mgs
los mas simples,
simples, mientras la la validacin
validaci6n por
por andlisis
analisis de de residuales
residua1es
es
es imposible a a causa de la enorme carga carga de trabajo
trabajo que
que ello
ella implica.
implica. Tampoco
Tampoco
es
es posible examinar estrategias alternativas
alternativas concon los
los mismos
mismos datos,
datos, nini actua-
actua-
lizar las funciones de los los modelos aa medida que se se recolectan
recolectan nuevos
nuevos datos.
datos.
Ademas, 1a productividad
Adems, la productividad del del personal
personal queque utiliza
utiliza procedimientos
procedimientos manuales
manuales dede
calculo
clculo es extremadamente baj
es extremadamente ~ . La
baj. La recoleccin
recolecci6n dede cantidades
cantidades adecuadas de de d~
da
tos
tos tiende a a disminuir,
disminuir, sencillamente porque los los procedimientos
procedimientos manuales
manuales son
son
incapaces de analizarlos.
analizarlos.
expresamente que
Se recomienda expresamente que todas
todas las
las organizaciones
organizaciones forestales
forestales deben:
deben:

(a) Tener acceso aa las facilidades

facilidades de
de un computador grande,
grande, con un
plazo maximo dia en
mximo de un da en la
la entrega
entrega de
de trabajos
trabajos procesados.
procesados. El
El
plazo de entrega debe tomar
tomar en cuenta
cuenta aquellos
aquellos periodos
per!odos del
del mes en
en
los
los cuales
cuales el
el computador no (debido a prioridades de
no es accesible (debido
otros usuarios), dificu1tades de transporte
usuarios), dificultades transporte hacia
hacia o0 desde
desde el
el compu
compu
etc.
tador, etc. -

o bien:

(b) Adquisici6n de
Adquisicin de un sistema
sistema de
de microcomputacin
microcomputaci6n con:
con:

32
32 -- 64
64 K bytes de memoria
Sistema de discos o0 disquetes

*
* Por ejemplo, el
Por ejemplo, e1 Instituto forestal
forestal para
para la Ma~comunidad Britnica,
la Mancomunidad Brit~nica, en
en
Ing1aterra.
Oxford, Inglaterra.
 -33-

Impresora

Un teletipo que pueda establecer interfases entre el computador

lectoras yy perforadoras
y lectoras perforadoras de
de cintas
cintas dede papel,
papel, para
para usarlo
usarlo en
en la
la
preparaci6n de
preparacin de los
los datos
datos fuera
fuera de
de linea.
l!nea.

BASI C o0 FORTRAN
Un compilador BASIC FORTRAN

sistema de
Un sistema de este
este tipo
tipo podra
podr!a costar
costar aa los
los precios
precios de
de mediados
mediados de
de
1979,
1979, unos $$ 10.000 en Europa
10.00 0 en Europa o0 Norte
Norte Amrica.
America.

La opci6n (b) da aa la
opcin (b) la organizacin
organizaci6n forestal
forestal un
un computador
computador propio
propio que
que proba-
proba-
blemente serg
sera mas productiv~ y
mgs productivo y facilitara
facilitara el
el entrenamiento
entrenamiento de
de personal
personal mgs
mas
rapidamente que la
rgpidamente la opcin
opci6n (a).
(a).

42 Validaci6n de los
Validacin de los datos.
datos .

Los
Los errores en los
l o s datos magnticamente
magneticamente almacenados
almacenados provienen
provienen de
de las siguie~
las siguien
tes fuentes:
fuentes :

(1) Errore s en
Errores en las
las mediciones
medic iones de
de campo
campo

(2) en la
Errores en la entrada
entrada de
de datos
datos o0 en
en la
'la perforacin
perforaci6n

(3) Errore s de
Errores de programas
programas

E l tercer tipo
El tipo de errores
errores se
se asume
asume que
que serg
sera eliminado
eliminado por
por las
las comprobaciones
comprobaci o nes
con algun
algn programa de computacin
computaci6n usado para
para almacenar,
almacenar, corregir,
corregir, actualizar
actualizar
imprimir 0o seleccionar datos.
datos. La comprobacin
comprobaci6n dede los
los programas
programas es
es responsabi
responsabi
lidad del
del prog ramador, el cual es
programador, es directamente responsable
responsable por
por los
los errores
errores -
pro gramas as
de sus programas as! como
como lo
10 es,
es, el
el investigador
investigador dede campo
campo por
por los
los errores
errores dede
los datos obtenidos.
los '
Los
Los errores
errores de de entrada de datos o 0 de perforacin
perforaci6n sese eliminan
eliminan en
en gran
gran parte
parte
verificaci6n, el
por el proceso de verificacin, el cual
cual debe
debe usarse
usarse siempre
siempre que
que exista
exista un
un
volumen apreci a ble de datos.
apreciable datos. La verificacin
verificaci6n supone
supone comprobar
comprobar dos
dos veces
veces cada
cad a
dato , por dos
dato, do s operadores diferentes
diferentes o0 en
en dos
dos corridas
corridas dede programas
programas diferen-
diferen-
tes.
tes. Los
Los dos
dos conjuntos de datos se se comprueban
comprueban entre
entre si
s! automgticamente
automaticamente yy
ualquier inconsistencia se
ccualquier se reporta al
al operador,
operador, el
el cual
cual podrg
podra suministrar
suministrar
la
la correcci
correccin6 n apro piada. Los detalles del proceso
apropiada. proceso de
de verificacin
verificaci6n dependergn
dependeran
del sistema de entrada de de datos
datos usados.
usados. La
La mayora
mayorla de
de las
las organizaciones
organizaciones de de
preparaci6n de datos,
preparacin datos, ofrecen
ofrecen la
la verificacin
verificaci6n como
como un
un servicio
servicio normal
normal yy esto
esto
debera siempre estipularse explcitamente,
deber expl!citamente, cuando
cuando se
se enven
env!en datos
datos para
para per-
per-
forar
forar..
Lo s errores de mediciones de
Los de campo
campo no
no podrgn
podran ser
ser eliminados
eliminados enen su
su totalidad,
totalidad,
ppero
ero pueden reducirse:
reducirse:

(a) Prestando atencin

atenci6n al
al entrenamiento
entrenamiento yy aa la
la moral
moral de
de los
los trabajado-
trabajado-
res proveyendolos de
res de campo y proveyndolos de los
los instrumentos
instrumentos adecuados
adecuados para
para la
la
de datos.
toma de datos.

(b) Corriendo programas de

de comprobacin
comprobaci6n concon los
los datos
datos archivados magn~
archivados magn
ticamente. La comprobacin
ticamente. La comprobaci6n de
de datos
datos se
se basa
basa en
en pruebas
pruebas para
para detec-
detec-
inconsistenci~16gicas
tar inconsistenciaS lgicas tales
tales como
como mediciones
mediciones muy
muy grandes
grandes 0o muy
pequenas, negativos en
pequeas, incrementos negativos en digmetros
diametros o0 alturas,
alturas, ndmeros
nUmeros
perdidos de rboles,
arboles, nmeros
nUmeros de rboles
arboles que reaparecen despues
despus de
de
haberse explotado, cambios
cambios de
de la
la identificacin
identificaci6n de de especies,
especies, yy as
as!
sucesivamente.
 -34-

Inconsistencias l6gicas como las anteriores

Inconsistencias lgicas son reportadas
anteriores son reportadas par los programas
por los
de
de comprobaci6n deber~n ser
comprobacin de datos y deberan ser examinadas,
examinadas, para determinar la causa
del error. suministrar~n las
error. Se suministraran las correcciones necesarias y usando un programa
de edicin
edici6n de
de datos se
se corrigen
corrigen los
los datos
datos almacenados
almacenados magnticamente.
magneticamente.
El proceso entero 10 indica
entero lo indica el
el diagrama
diagrama siguiente:
siguiente:

Recolecci6n de
Recoleccin
datos
datos en el campo Regresar al campo para de-

t,,---------,
Jf4
Perforaci6n
Perforacin "=
terminar el verdadero
- verdadero valor

Suplir las
las
. J
Verificaci6n
correcciones
Verificacin
lAlgun
Alg5n error?
Si l'
J
Almacenamiento
Si

en un
de datos en
media magnetico
medio magntico
la correccin
lEs posible la
Es correcci6n
J
Programa de comprobaci6n
Programa de comprobacin
la oficina?
en la

lAlgun l6gico?
Algdn error lgico? Si
Si

J,JI
listos para
Datos listos para
analizarlos

43 Contratos para la preparacin

43 preparaci6n de
de programas
programas de
de computacin
computaci6n

Los
Los contratos para la
la preparacin
preparaci6n de
de programas
programas de
de computacin
computaci6n deben
deben contener
contener
cl~usulas
clausulas que cubran las
las condiciones
condiciones siguientes:
siguientes:

(i)
(i) El
El contratista
contratista debera
deber entregar todos los
los listados
listados originales
originales de
de
los
los programas
programas que elabore (en
(en BASIC,
BASIC, FORTRAN o0 cualquier otro len-
utilizado).
guaje utilizado).

(ii)
(ii) Documentaci6n
Documentacin completa de todos los
los programas,
programas, incluyendo:
incluyendo:

(a) Un
Un glosario del significado
significado de
de los
los identificadores
identificadores yy varia-
varia-
bles usados en
en el
el programa.
programa.

(b) Diagrama de flujo indicando la secuencia

secuencia de operaciones de
los programas y subprogramas
los subprogramas .escritos par el
escritos por el contratista,
contratista, yy
la secuencia y naturaleza de
la de los
los datos
datos transferidos
transferidos de
de medios
medios
externos y de almacenamientos
almacenamientos magnticos.
magneticos.

(c) Definiciones explcitas

explicitas de
de la
la estructura
estructura de
de los
los registros
registros de
de
magneticos yy de
todos los archivos magnticos de todos
todos los
los medios
medios de
de entra-
entra-
da y salida.
salida .

(d) Explicaci6n de la
Explicacin de la teora
teoria en
en la
la cual
cual se
se basa
basa el
el programa,
programa, con-
con-
juntamente con
con referencias
referencias aa textos
textos uu otro
otro material
material de
de apoyo.
apoyo.

(iii)
(iii) Responsabilidad
Responsabilidad del contratista
contratista por
por cualquier
cualquier error
error los
en los pro-
 -35-
-35-

gramas o falla del programa cuando es operado de

0 por cualquier falla
con la
acuerdo con la documentacin
documentaci6n suministrada.
suministrada.
(iv) Entrenamiento por el contratista para algn
algGn miembro del personal
organizaci6n forestal
de la organizacin forestal en el uso de los
los programas,
programas, hasta el
momento donde se
se demuestre que los
los programas operan a satisfac-
ci6n de la
cin la organizacin
organizaci6n forestal,
forestal, sin
sin ninguna supervisin
supervisi6n por el
contratista.
(v ) sobre la
Derechos de autor sobre la documentacin,
documentaci6n, programas y
y reportes a
favo
favorr de la
la organizacin
organizaci6n forestal.
forestal.
los costos
Es posible reducir los costos de
de un
un contrato
contrato haciendo
haciendo algn
algGn grado
grado de conce-
conce-
siones
siones en
en 10 (iii) y (v),
lo relacionado a los puntos (iii) (v), pero debe insistirse en
los
los otros
otros puntos,
puntos, si los programas escritos son para un uso continuo de la
organizaci6n.
organizacin.

44 Sistemas de almacenamiento de los

los datos de las
las parcelas
parcelas
441 Introducci6n
Introduccin
es la
No es la intencin
intenci6n dardar descripciones
descripciones detalladas
detalladas de
de programas
programas para
para almacenar
almacenar
y resumir los
y l o s datos de
de parcelas
parcelas permanentes,
permanentes, experimentales
experimentales o0 temporales. E~
temporales . Es
variaran bastante
tos probablemente variaran bastante de
de acuerdo
acuerdo aa las
las facilidades
facilidades de
de computa-
computa-
ci6n existente.
cin e x istente.
Aqui s 6 1amente la
Aqu se va a describir slamente la estructura
estructura dede los
los archivos
archivos de
de entrada
entrada yy
salida yy los tipos
tipo s de
de funciones
funciones que
que los
los programas
programas pueden
pueden realizar.
realizar.
442
442 Estructura de los
los archivos
Un
Un archivo,
archivo, en terminologa
terminologia de computacin,
computaci6n, consiste
consiste de
de un
un conjunto info~
conjunto de infor
maci6n
macin asequible a la la mgquina
maquina que
que se
se halla
halla en
en un
un medio
medio magntico
magnetico (cinta
(cinta o0
disco)
disco) 0o en tarjetas
t a rjetas perforadas o cintas de papel
0 en cintas papel perforadas.
perforadas. Los
Los archi-
archi-
vos
vos de
de entrada particular yy pueden
entrada suministran datos para un programa particular pueden ser
ser aa
su
su vez
vez archivo
archivos s de salida de otros
otros programas.
programas.
La
La estructura de un archivo define,
define, en
en el
el contexto
contexto presente,
presente, la
la organizacin
organizaci6n
de los diferentes tipos de informacin
de los info rmaci6n que debe
debe ser
ser agrupada,
agrupada, para
para represen-
represen-
tar
tar una parcela
parcel a individual.
individual.
Para
Para parcelas permanentes la 'l a informacin
informaci6n bsica
basica de
de una
una parcela
parcela individual
individual sese
define como sigue:
sigue :

Levantamiento inicial de la parcela

1laa medici6n la parcela
medicin de la parcela
Repetido en la cinta/disco
cinta/ disco 2d
2a medici6n la parcela
medicin de la
para cada parcela.
parcela.
- meaicin
n - medici6n de
de la
la parcela
parcela
Fin del registro de la
la parcela

Para
Para parcelas temporales la
la estructura
estructura de
de los
los registros
registros es
es mgs
mas simple,
simple, sien-
sien-
do
do Gnicamente
nicamente::

Levantamiento de la parcela 11
 -36-

Levantamiento de la parcela 2

Levantamiento de la parcela n
Esta estructura de registros
registros se
se refiere
refiere aa la
la base
base de datos permanentes,
permanentes, la
la
en forma
cual debe estar en forma magn6tica en cinta
magn~tica en cinta o0 en
en disco.
disco. Para datos
datos de
de entra-
entra-
da de parcelas permanentes
permanentes son
son posible
posible dos
dos tipos
tipos diferentes de
de entrada:
entrada:
(i) inicial
Levantamiento inicial

(ii) Datos de las

las mediciones
mediciones
En el caso (i),
(i), se
se ha
ha creado
creado una
una nueva
nueva parcela
parcela en
en la
la base
base de
de datos,
datos, pero
pero el
el
necesitara comprobar
programa necesitara comprobar que
que la
la identificacin
identificacion dede la
la parcela
parcela no
no coinci-
coinci-
da con la
la otra ya
ya existente.
existente. En
En el
el caso
caso (ii),
(ii), la
la parcela
parcela yaya existe
existe (de
(de otro
otro
modo se
se reportara
reportara unun error)
error) yy las
las nuevas
nuevas mediciones
mediciones se
se almacenaran
almacenaran enen el
el lu-
lu-
adecuado.
gar adecuado.
Las parcelas experimentales
experimentales normalmente
normalmente podran
pod ran tratarse
tratarse del
del mismo
mismo modo
modo que
que
las
las parcelas permanentes. embargo, las
permanentes. Sin embargo, las parcelas
parcel as de tratamientos
tratamientos relacio-
relacio-
S1, se
nados entre si, se colocaran
colocaran adyacentes
adyacentes unas
unas aa otras
otras en
en la
la cinta,
cinta, como
como por
por
ejemplo:

-Tratamiento 1
{Tratrmiento
Bloque 11 -

Tratamiento n
-Tratamiento

Tratamiento 11
_[ Tratrmiento
Bloque 22 T
Tratamiento n
-Tratamiento

Tratamiento 11
{Tratrmiento
Bloque m
m
Tratamiento n
'-Tratamiento

Para obtener todos

todos los
los datos
datos del
del experimento
experimento grabados
grabados en
en la
la cinta,
cinta, deben
deben
leerse n x m
leerse m parcelas desde
desde la
la posicin
posicion inicial
inicial de
de la
1a cinta
cinta (o disco) o0 des-
(0 disco) des-
de la
1a primera parcela
parce1a del
del experimento.
experimento.
443 Comprobacion de errores y funciones
Comprobacin funciones de
de edicin
edicion
A informacion de las
A la informacin las parcelas
parce1as permanentes
permanentes debe
debe hacrsele las siguientes
hac~rse1e las siguientes
comprobaciones de
comprobaciones de errores:
errores:
(l) Que la
1a parce1a la cinta
parcela exista en la cinta (si
(si una
una nueva
nueva parcela
parce1a no
no esta
esta
siendo agregad~o
siendo agregada)o que todava
todav1a no exista (si
(si una parcela nueva
nueva este
esta
siendo agregada)
(2) Que los datos de mediciones estan
estan en
en una
una secuencia
secuencia consistente
consistente yy
ascendente.

(3) Que los arboles que han sido

side clareados
c1areados .(desaparecidos
(desaparecidos en
en medicio-
medicio-
nes pasadas)
nes en una
pasadas) no reaparezcan en una medicin
medicion futura.
futura.
(4) Que los arboles no cambien
cambien de
de especie
especie (slamente
(s61amente en
en parcelas
parce1as de
de
 -37-
-37.-

bosques mixtos) 0 que las parcelas 'no

mixtos) o carnbien de especie (en
no cambien (en parce-
las de plantaciones).

(5) los incrementos

Que los incrementos de
de los
los dimetros
dlametros sean positiv~s y no excesiva-
sean positivos
grandes.
mente grandes.

(6) Comprobaci6n los intervalos de tamao

Comprobacin de todos los los par~metros
tamafio de los t~
parmetros ta
les como alturas,
les alturas, diretros, c6di~os de especies etc.
diametros, cdigos etc. para valores
excesivamente grandes
excesivamente grandes o0 pequeos
pequenos o0 cdigos
c6digos no
no reconocibles.
reconocibles.
temporales slamente
En parcelas temporales s61amente son
son posibles
posibles las
las comprobacines
comprobaci6nes del punto
punto
6.
6
ser aadidos
Los datos deben ser anadidos aa la
la base
base de
de datos, adn
aun en
en el
el caso
caso de
de contener
contener
errores; con un
errores; un programa
programa de
de edicin
edici6n se
se manipulan
manipulan yy corrigen
corrigen los
los datos
datos almace
almace
nados
nados magneticamente. Con cualquier
magnticamente. Con cualquier volumen significativ~ de
volurnen significativo de datos,
datos, este
este pro-
pro
cedimiento es usualmente mucho ms
mas conveniente que pretender corregir las las --
tarjetas perforadas originales.
originales.
444 Surnarios de las
Sumarios las parcelas
surnarios o0 resmenes
El programa de sumarios reslirnenes dede las
las parcelas
parcelas puede
puede incorporar
incorporar los
l o s pro
pr o
cedimientos para comprobacin
comprobaci6n de de errores.
errores. Su principal funcin
funci6n serd
sera la
la de de
una informacin
producir una informaci6n resumida
resumida yy relevante
relevante de de cada
cada tipo
tipo dede bosque
bosque particu
particu
lar, para su uso en anlisis
lar, analisis posteriores.
posteriores. En plantaciones, el el sumario
surnario puede
puede-
incluir alturas promedio y dominante de la la parcela, dimetro
diametro del
del rbol
arbol de de
area
rea basal promedio, densidad
densidad yy volumen.
vo lurnen.
Para bosques mixtos elel sumario
sumario tambin
tarnbien incluir
incluira normalmente
normalmente tablas
tablas del
del rodal
rodal
y caractersticas seleccionad~por
caracter!sticas seleccionad clases de
porclases de especies
especies yy categoras
categor!as dede grosor.
grosoL
surnarios debe
El programa de sumarios debe producir
producir salidas
salidas tanto
tanto en
en forma
forma impresa,
impresa, concon
los textos
los textos necesarios para hacerlo
hacerlo comprensible,
comprensible, como
como en
en forma
forma accesible
accesible pa- pa-
ra la maquina,
ra la mquina, para utilizarlas comocomo entrada
entrada directa
directa de
de los
los programas
programas de de an
ana
lisis de datos.
lisis datos. Esta segunda
segunda forma
forma puede almacenarse
almacenarse ,'en
en discos
discos o0 cintas
cintas mag-mag=-
neticas,
nticas, o0 bien perforar cintas de de papel o tarjetas, segdn
0 tarjetas, segun sea
sea ms
mas convenien
convenien
teo
te. Si magnetica debe hacerse con
Si la salida es en cinta magntica con 'formatos'
'formatos' y no no utT
uti
lizando
lizando la codificacin
codificaci6n binaria
binaria dede lala mquina.
maquina. -
Para bosques mixtos en particular, aunque aunque tambin
tarnbien para
para plantaciones,
plantaciones, es es con-
con-
veniente tener facilidades
facilidades enen elel programa
programa para
para que
que slamente
s61amente partes
partes seleccio
seleccio
nadas se impriman
nadas de la salida se impriman o0 se se graben
graben enen cinta.
cinta.
445 Programas-utilidades
Probablemente ser
sera necesario utilizar
utilizar otros
otros dos
dos programas
programas para
para la
la base
base de
de da
da
tos
tos de las parcelas de muestreo:
de las muestreo :
Un programa para sortear,
sortear, que sea
sea capaz de
de reordenar
reordenar lala secuencia
secuencia de
de
las parcelas en la cinta de modo tal que puedan
las puedan ser
ser agrupadas
agrupadas por bosbos
ques, distritos,
ques, distritos, especies,
especies, compartimientos,
compartimientos, etc.
etc. Normalmente
Normalmente las
las par-
par=-
celas entran en la base de
de datos en un orden
orden arbitrario,
arbitrario, mientras queque
en los sumarios
surnarios probablemente se
se preferir
preferira alguna
alguna s ~~-uencia l6gica .
uenc ia lgica.

Un programa para codificar caracteres

caracteres yy archivos,
archivos, que
que transfiera
transfiera la
la
base de datos principal del disco o0 de la
de datos la cinta
cinta en
en una
una forma
forma apropia-
apropia-
da
da para el archivo (ver
(ver abajo)
abajo) o0 la
la transfiera
transfiera aa otro
otro lugar
lugar del
del compu
compu
tador. Este programa implica
tador. implica codificar
codificar la
la ,base de datos
base de datos por
por completo
completo-
-
y ' grabarla en
en cinta
cinta magntica.
magnetica.
 -38-

446 Seguridad de la
la base de
de datos
datos

Una base de datos dede considerable

considerable tamao,
tamano, almacenada
almacenada en disco o magn~
cinta magn-
0 cinta
tica, r~pidamente destruida
tica, puede ser rapidamente destru!da por accidentes,
accidentes, programas o fallas del
0 fallas
computador. Por
computador. Por lo
10 tanto
tanto es
es esencial,
esencial, que despu~s de cada
que despus cada adicin
adici6n de un vo-
lumen significativo de inforrnaci6n, se copie por completo la base en otra
de informacin,
cinta o disco, para
0 disco, para tener
tener un
un duplicado. Estos
Estos duplicados pueden
pueden rotarse,
rotarse, de
modo que en determinado
deterrninado momento sese tenga
tenga una
una versin
versi6n actualizada de trabajo,
trabajo,
versi6n actualizada de
una versin de archivo,
archivo , y
y dos
dos o tres versiones de la
0 tres la base
base de da-
da-
tos.
tos.

45 Transferencia de
de datos entre
entre sistemas
sistemas de computacin
computaci6n

Frecuentemente existe
e x iste la
la necesidad
necesidad de
de transferir
transferir datos entre
entre diferentes sis-
sis-
temas de computacin,
computaci6n, bien
bien para una
una investigacin
investigaci6n cooperativa,
cooperativa, o para permi-
0 para
tir aa los investigadores de una organizacin
organizaci6n realizar
realizar estudios utilizando
utilizando
sus propios datos
sus datos enen cualquier
cualquier lugar.
lugar.
manera de
La mejor manera de transferir
transferir grandes
grandes cantidad
cantidad de
de. datos
datos es
es con
con cintas magn~
cintas magn-
ticas de marcas conocidas.
conocidas . Pueden ser
ser cintas
cintas de 77 6 99 pistas.
pistas. Cuando sese gra-
una cinta,
be una cinta , debe
debe anotarse
anotarse la
la siguiente
siguiente informacin:
inforrnaci6n:

numero de
El nmero de pistas
pistas (7
(7 66 9)
9)

densidad (usualmente
La densidad (usualmente 800
800 6 1600
1600 bits
bits por
por pulgada)
pulgada)

paridad (par
La paridad (par o0 non)
non)

(gap) entre bloques

Los espacios (gap) bloques en
en mm(o
rnrn(o aa falta
falta de
de esto,
esto, la
la marca
e l fabricante
exacta y el fabricante del
del mecanismo
mecanisme dede control
control dede la
la cinta).
cinta).

Las cintas que se se utilizan

utili zan para
para transferir
transferir informacin
informaci6n entre
entre computadores
computadores dede
siempre grabadas
be estar siempre grabadas concon formato
formato 6 codificacin
codificaci6n dede caracteres,
caracteres, yy utili-
utili=
zar preferentemente registros de longitud
zar longitud fija
fija de tamao
tamano moderado, probable-
mente menos de 120120 caracteres
caracteres porp~r registro,
registro, para
para facilitar
facilitar la
la lectura
lectura dede la
la
cinta. El tipo de codificacin
cinta. codificaci6n de de caracteres
caracteres utilizado
utilizado (EBCDIC,
(EBCDIC, ASCII,
ASCII, BCD,
BCD,
etc.) debe especificarse si
etc.) si es
es posible,
posible, aunque
aunque esto
esto no
no es
es critico,
crftico, ya
ya que
que el
el
ti p o es
pase de uno a otro tipo es un
un problema
problema simple.
simple. Debe
Debe enviarse tarnbi~n con
enviarse tambin con la
la
cinta, un listado
cinta, listado de los
los primeros
primeros cientos
cientos dede lineas
Ifneas yy de
de las
las ltimas
ultimas cientos
cientos
de lneas,
l{neas, para ayudar
ayudar aa comprobar
comprobar cuando
cuando sese lee
lee la
la cinta
cinta de
de que
que ningn
ningun re-
re-
gistro o registros se
0 partes de registros se han
han perdido.
perdido.
Etiquetas de encabezamiento yy marcas
marcas dede cinta
cinta constituyen
constituyen generalmente
generalmente pro-
pro-
blemas cuando se se leen
leen cintas
cintas extraas
extranas porpor lo
10 cual
cual es
es mejor
mejor grabar
grabar las
las cintas
cintas
como un nico
unico archivo sinsin ninguna
ninguna etiqueta
etiqueta alal principio.
principio. ElEl final
final de
de la
la in-
in-
formaci6n normalmente se
formacin se indica
indica con
con una
una marca
marca doble.
doble.
La informacin
inforrnaci6n concerniente aa las las caractersticas
caracterfsticas de de la
la cinta
cinta (pistas,
(pistas, densi
densi
dad
dad,, paridad,
paridad, codificacin
codificaci6n de de caracteres),
caracteres), el el contenido
contenido yy la
la direccin
direcci6n dede en
en
vio deben ser anotados en una una etiqueta
etiqueta adherida
adherida aa la
la cinta.
cinta. -
Las cintas pueden enviarse
enviarse normalmente
normalmente concon facilidad
facilidad por
por el
el correo.
correo. Sin
Sin em-
em-
bargo, los detectores de metal de
bargo, de alta
alta frecuencia
frecuencia pueden
pueden borrar
borrar parcial
parcial o0 to
to
informaci6n de una
talmente la informacin una cinta.
cinta.
El paquete donde
donde se
se enve
envfe debe
debe por
por lo
10 tanto
tantomarcarse
marcarseclaramente
claramentey yser f~cil
serf.ficil
de abrir para una inspeccin
inspecci6n ocular.
ocular.
 _39_
-39-

5
5 ANALISIS DE DATOS DE
DE CRECIMIENTO
CRECIMIENTO Y
Y RENDIMIENTO DE
DE BOSQUES
BOSQUES UNIFORMES

uniformes son
Los bosques uniformes son aquellos
aquellos enen los
los cuales
cuales la
la cosecha
cosecha principal
principal de ~r
de r-
es de
boles es de edad
edad conocida
conocida yy uniforme.
uniforme.
est~n compuestos
Usualmente estn compuestos dede una
una sola
sola especie
especie o0 de
de pocas
pocas especies
especies ecolgica
eco16gica
similares. Los
mente similares. Los bosques
bosques uniformes,
uniformes, porpor definicin,
definici6n, sese manejan
manejan bajo
bajo unun --
sistema de corta total,
total, con
con o 0 sin
sin clareos intermedios.
intermedios. La regeneracin
regeneraci6n puede
ser por plantacin,
plantaci6n, por
por siembra
siembra artificial
artificial o0 natural
natural o0 por
por brotes.
brotes.
clase de situacin,
En esta clase situaci6n, los par~metros principales
los parmetros principales para
para la
la prediccin
predicci6n del del
crecimiento y est~n bien definidos.
y los rendimientos estn definidos. Existe una amplia varie vari~
modelos posibles
dad de modelos posibles aa utilizar.
utilizar. ElEl principal
principal factor
factor limitante
limitante dede la
la efeC-
efe
tividad del modele
modelo usualmente es es la
la disponibilidad de datos de los los bosques -
en cuesti6n, amplia gama de sitios,
cuestin, que cubran una amplia sitios, edades
edades y densidades de
rodales.
los rodales.
El crecimiento yy rendimiento
rendimiento dede un
un bosque
bosque puede
puede ser
ser modelado
modelado aa tres
tres niveles
niveles
b~sicos: el
bsicos: el rodal
rodal completo,
completo, lala categora
categorfa de de grosor
grosor yy el ~rbol individual.
el rbol individual. En En
los bosques uniformes,
los uniformes, los
los modelos de los los rodales
rodales son
son usualmente
usualmente apropiados
apropiados
la mayor parte
para la parte de los
los propsitos,
prop6sitos, yy sonson tambin
tambien mucho m~s simples
mucho ms simples para
para
construir y y usar que los
los otros dos tipos
tipos de modelos.
modelos. EnEn consecuencia,
consecuencia, sta
esta
es
es la estrategia de modelaje que que se tratar~ ms
se tratar m~s ampliamente;
ampliamente; los
los otros
otros dosdos
enfoques sese discuten someramente
someramente en en la
la seccin
secci6n 57.
57.
Aun dentro del nivel m~s simple
nivel ms simple de
de modelos
modelos dede rodales,
rodales, existe
existe una
una amplia
amplia va-
va-
riedad de eleccin
elecci6n en el conjunto
conjunto particular de funciones
funciones aa ser
ser incorporadas
incorporadas
en
en el
el modelo. seccio nes siguientes,
modelo. En las secciones siguientes, se se presentan algunas
algunas alternativas
alternativas
conjuntamente con un intento
intent o de
de definir
definir laslas situaciones
situaciones enen las
las cuales,
cuales, un m~
un m
to
todo m~s apropiado.
do particular es el ms apropiado . Se hanhan omitido
omitido otras
otras alternativas,
alternativas, sim-
sim-
plemente por lala necesidad
necesidad de
de mantener
mantener este
este manual
manual razonablemente
razonablemente conciso.
conciso.
resumen, se
En resumen, se discuten las
las tcnicas
tecnicas que
que se
se caracterizan
caracterizan por
por su
su simplicidad,
simplicidad,
precisi6n yy flexibilidad.
precisin flexibilidad.
Dentro de un aspecto particular del del modelaje de de rodales,
rodales, como
como por
por ejemplo
ejemplo la la
producci6n de un
produccin un conjunto
conjunto de
de curvas
curvas de ~rea basal/altura/densidad
de rea basal/altura/densidad del del rodal,
rodal,
se
se ha hecho un intento de incluir
incluir tanto
tanto mtodos gr~ficos, como
metodos grficos, como mtodos
metodos esta-
esta-
disticos grados de
dsticos de diferentes grados de complejidad.
complejidad.

51 CLASIFICACION DE SITIOS

precisi6n que
La relativamente alta precisin que es
es posible
posible con
con los
los modelos
modelos de
de crecimien-
crecimien-
to
to yy rendimiento para rodales uniformes,
uniformes, en en parte
parte proviene
proviene dede la
la precisin
precisi6n
con la cual es posible clasificar
clasificar sitios.
sitios. Esto
Esto es
es en
en si
sf mismo,
mismo, una consecue~
una consecuen
cia
cia del la edad
del hecho de que la edad es
es normalmente
normalmente conocida
conocida aa travs
traves de
de los
los regis-
regis-
tros que la
tros administrativos y de que la altura
altura de
de los
los rboles
arboles dominantes
dominantes puede
puede ser
ser
normalmente medida con
con hipsmetros
hips6metros o0 instrumentos simi lares
instrumentos similares.

511 Uso
Uso de la altura dominante como
de la como un indicador
indicador del
del sitio
sitio

La
La altura de un rodal uniforme aa una
una edad
edad dada,
dada, es
es un
un buen
buen indicador
indicador del
del po-
po-
tencial
tencial productivo de ese tipo
tipo de
de bosque
bosque enen ese
ese sitio
sitio particular.
particular. Por
Por eso,la
eso,la
construcci6n
construccin de curvas altura/edad
altura/ edad para
para diferentes
diferentes clases
clases dede sitio,
sitio, es
es el
el
primer paso en la la construccin
construcci6n de
de modelos
modelos dede crecimiento
crecimiento yy rendimiento.
rendimiento.
Sin embargo,
embargo, la altura promedio dede un
un rodal
rodal es
es usualmente
usualmente sensitiva
sensitiva no
no slo
s610
aa la
la edad yy a
a la clase de sitio,
sitio, sino
sino tambin
tambien aa la
la densidad
densidad del
del rodal.
rodal. Por
Por
consiguiente.,
consiguiente, se usa normalmente la la altura
altura dominante
dominante enen la
la definicin
definici6n dede la
la
altura del rod al. La altura dominante es
del rodal. es casi
casi insensible
insensible aa diferencias
diferencias dede
densidad de los
los rodales.
La altura dominante puede definirse de varias maneras,
maneras, pero la definicin
definici6n
mas aceptada, es la
ms ampliamente aceptada, la de la
la altura promedia de los arboles m~s
los 100 rboles ms
gruesos por ha.
ha. La altura dominante
dominante se
se llama
llama aa veces
veces tambin
tambien 'altura
'altura tope'.
tope'.
 -40-
-40--

Baja u ~ g u ~ as circunstancias
Bajc _,14ur,as circunstancias encontradas
encontradas en
en bosques
bosques uniformes
uniformes de los trpicos,
tr6picos,
la
la altura dominante deja de ser un buen indicador de la clase de sitio. sitio. Esto
ocurre en rodales jvenesj6venes de especies
especies de
de muy rpido
rapido crecimiento,
crecimiento, yy tambin
tambien
con ciertas especies que varan var!an notablemente
notablemente enen sus
sus crecimientos
crecimientos de
de altura
altura
tales como Pinus Pinus caribaea.
caribaea.
situaci6n puede
Esta situacin puede ser
ser detectada
detectada ordenando
ordenando los
los datos
datos de
de parcelas
parcelas permanen-
permanen-
tes
tes por alturas dentro de cada cada clase
clase de
de edad.
edad. Si
Si la
la posicin
posici6n de
de las
las parcelas
parcelas
ordenadas en sucesivas
sucesivas ocasiones muestra una baja correlacin,
correlaci6n, cualquier
curva de
de clase de sitio sitio que se
se construya
construya debe considerarse
considerarse de dudoso valor.
valor.
El problema se se presenta
presenta simplemente
simplemente por
por la
la gran
gran variabilidad
variabilidad del
del crecimiento
crecimiento
de
de la altura,
altura, a a causa de los
los efectos de sitio,
sitio, en
en este
este tipo
tipo de rodales.
rodales. Po-
Po-
drfa solucionarse
dra solucionarse parcialmente
parcialmente por
por una
una redifinicin
redifinici6n dede la
la altura
altura dominante
dominante
que requiera una una muestra
muestra mayor
mayor de
de rboles
arboles por
por parcela,
parcela, por ejemplo equiva-
lente aa 200 6 400
400 rboles/ha.
arboles/ha. Otra idea
idea alternativa
alternativa eses correlacionar
correlacionar lala pro-
pro-
ductividad final final con variables del medio ambiente,
ambiente, y usar una clasificacin
clasificaci6n
solamente en
de sitio basada slamente en pendiente,
pendiente, altitud,
altitud, tipo
tipo de
de suelo,u
suelo,u otros
otros facto
facto
res
res que
que aparenten ser ser significativos.
significativos.

512 Construcci6n curvas de

Construccin de curvas de indice
!ndice de
de sitio
sitio

relaci6n altura-edad-Indice
La relacin altura-edad-!ndice dede sitio
sitio es
es bsica
basica para
para la
la prediccin
predicci6n del
del cre
cre
bosques uniformes.
cimiento en bosques uniformes. Esta
Esta relacin
relaci6n usualmente se denomina mas siE
ms sim
curvas de
plemente como curvas de ndice
fndice de
de sitio
sitio para
para una
una especie
especie en
en un
un medio ambien~
medio ambien-
dado.
te dado.
La construccin
construcci6n de
de curvas
curvas de
de Indice
!ndice de
de sitio
sitio puede
puede hacerse
hacerse por
por mtodos graf~
metodos grfi
cos o anal isis de
0 por anlisis de regresin.
regresi6n.

512.1 Metodos grficos

Mtodos graficos de construccin
construcci6n

Los
Los metodos graficos de
mtodos grficos de construccin
construcci6n proceden
proceden como
como sigue:
sigue:

1. Ploteo de todos los

los datos disponibles
dispo nibles de
de altura-edad
altura-edad dede los
los rodales
rodales
de la especie en consideracin.
consid eraci6n . Deben
Deben usarse
usarse alturas
alturas dominantes,
dominantes, yy
no promedias, ya que las
no alturas promedias, las primeras
primeras son
son mucho ms
mas independien
independien
tes
tes de las variaciones de lala densidad del
del rodal.
rodal. EnEn el
el grfico pue~
grafico pue-
inclu{rse las
den incluirse las parcelas
parcelas permanentes
permanentes vy las
las temporales.
temporales. Con
Con las
las
parcelas permanentes, los puntos de mediciones sucesivas
permanentes, los sucesivas deben
deben unir
unir
se con lineas
l!neas rectas.
rectas. Esta etapa se se ilustra
ilustra en
en la
la figura
figura 5.1
5.1 que
que -
muestra datos de
de rodales
rodales de
de Pinus
Pinus patula
patula en
en Uganda.
Uganda.

2. A continuacin
continuaci6n se dibujan 33 curvas a
a mano aa travs
traves de los
los datos.Es
datos.Es
tas
tas ccurvas
urvas deben de seguir
seguir las
las tendencias
tendencias de:
de:

(i) borde inferior

Las parcelas del borde inferior de
de la
la masa
masa de
de datos;
datos;

(ii) tendencia central

La tendencia central de
de los
los datos;
datos;

(iii) El borde superior de los

los datos.

En cada caso,
caso, las
las curvas
curvas deben
deben trazarse
trazarse tantan paralelas
paralelas como
como sea
sea posi
posi
las tendencias
ble a las tendencias de
de las
las parcelas
parcel as de
de muestreopermanentesen
muestreopermanentesenaque-
aque-
grafico. El
lla parte del grfico. El dibujo
dibujo de
de estas
estas 33 curvas
curvas se
se muestra
muestra en
en la
la
5.2.
figura 5.2.
Cuando todos los datos son de parcelas
parcel as temporales,
temporales, puede aplicarse
aplicarse
el mismo metoda,
el mtodo, pero existe lala posibilidad de cometer un error
error con
con
siderable debido aa que
que las
las parcelas
parcelas dede edades
edades diferentes
diferentes pueden
pueden no
no-
representativas de
ser igualmente representativas de diferentes
diferentes sitios.
sitios.
 Figura 5.1
5.1 Datos
Datos de parcelas permanentes yy temporales
de parcelas ternporales listos

construcci6n de curvas de indice

para la construccin !ndice de sitio
sitio
35

..
30 .. +
.5
...,<1l
s::
..
+ +
..
+ +
III
....s:: 25
+
.
eo T ..
+
+
'"
III +
k
...," 20
+
+
M
..: + + ...
I
....I
15

10
10

oo
o
0 2 4
4 6 8
8 10
10 12 14 16 18 20
20 22 24
24 26 28 30 .

Edad (aos)
(anos)
 5.2
Figura 5.2 Curvas
Curvas de
de indice
Indice de
de sitio
sitio dibujadas
dibujadas aa mano
mano trazadas
trazadas por
por los
los datos
datos

que
que representan las tendencias mnima,
minima, mediana m~xima.
mediana yy maxima.
35

..
30
.5
-E.

....cv
a)
4-3
s::
...
'"
MI
s:: 25
.....
..-1

8E
O

'"
Ti

'"
(11

k
20 ...
...."
o
4--)

.-<
,-1
..:
4 .
I
IV
I

15

10

5
5

o
0
o
0 2
2 4
4 6
6 88 10
10 12 14
14 16
16 18
18 20
20 22
22 24
24 2,6
26 28
28 30
30

Edad (aos)
Edad (anos)
 Figura 5.3
5.3 cqivas principales de indice de sitio y
Trazado de las tres curvas
dos
dos Curvas
curvas intermedias
intermedias anadidas
aadidas por
por interp.o+aci6n,
interpolaci6n, con
con cada
cada curva
curva

35 asiqnada
asignada aa una clase de sitio
sitio

1 sitio
clases de sitio
30
E:
JI.
Q)
.... m
c
....'c" 25
E:
o __ - - llZ:

..-- --
'" ...--
'"
H
...."
.-<
..:
20

//
/~_/.
...
...--/ -- __ V ....I
w
I

15
//
//
//
10
10 //
//
/
5
5

o
o -->

o
0 22 4
4 6
6 88 10
10 12 14 16
16 18 20 22
22 24 26 28 30

Edad (aos)
(anos)
 -44-

3.
3. Se pueden interpolar
interpolar do.s
dos curvas'
curvas adicionales
adicionales entre
entre la
la curva superior
super i or
y central y
y entre la
y entre la curva
cur-va . inferior
i'riferior y
y central.
centra.! . El sistema
sistema puede
puede di di
bUj,ar,se
bujarse en una p~9ina diferente dando
una pgina dando el
e.1 resultado q\.]e se
resultado que se muestra
muestra-
en la .figl1ra 5.3
figura 5.3

4
4 .
. sistem'a de-curvas
El sistema de curvas puede expresarse
expre'sarse como
como una una ecuacin
ecuaci6n usando los
mtodos del apndice
mtodos apndice A.1. curyas se
A.1. Las curvas se enumeran
enumel?an secuencialmente
secuencialmente y
se
se denominan c.u r.va s de clases de :sitio
denominan curvas sitio (o al.gunas veces
(0 algunas veces clases
clases de
de
prdducc'i6n, clases
produccin, clases de de rendimiento,
rendirniento, et.c.
etc.). ) . As,
As.!, en
en la
la figura
figura 5.3,
5.3,
las cl.ases
las sitio se enumeran desde I
clases de sitio I (la (.1-a m~s
ms productiva)
productiva) aa V V
( La menos
(la menos productiva). ..
La
La simplicidad de esta tcnica
tcnica de construcci6n
construccin de curv a s de ndice
curvas indice de sitio
de sitio
por mtodos gr~ficos es
metodos grficos es obvia.
obvia. Tiene 33 desventajas
desventaja.s ,significativas.:
significativas:
(i.) juicio de
Las curvas producidas dependen en gran parte del juicio
la persona que hace el trabajo,
la trabajo, especialmente
especialmente' si
si los
los datos
datos
son escasos o
son de parcelas
0 provienen mayormente de parcelas temporales.
temporales.
producir~n diferentes conjuntos de cur-
Diferentes personas producirn
vas, las
vas, ser~n ms
las cuales sern mas o e insesgadas
0 menos precisas e insesgadas en
la
la representaci6n la tendencia real.
representacin de la real.

(ii) Cuando exista un gran volumen de datos y stos

stos ya se
se hallen
almacenados en una forma accesible para un computador (por(por
ejemplo, en tarjetas Hollerith de 80 columnas
ejemplo, colurnnas o cint a s mag
0 cintas mag--
nticas),
nticas), este metodo
mtodo es entonces muy lento
lento comparado
compara do con
las
las tecnicas
tcnicas estadisticas
estadsticas que
que pueden
pueden efectuarse
efectuarse con
con el
el com-
com-
putador.

(iii) Cuando se requiera expresar

e x presar elel sistema
sistema de curvas comoc omo una
ecuaci6n (por
ecuacin (por ejemplo,
ejemplo, si las las curvas van a a usarse en un pro
grama de proyeccin
proyecci6n de crecimiento o inve ntario), el trT
0 de inventario), tra
implicito en este nico
bajo implcito u n ico paso puede
pue de ser
ser tan
t an grande,cor7
grande,come
el trabajo total de ajustar las las curvas
curvas directamente por una u na
de las tcnicas
tcnicas estadsticas.
estadisticas.

512.2 Metodos matemticos

Mtodos matematicos de
de ajuste
ajuste de
de curvas
curvas de
de Indice
indice de
de sitio
sitio

tecnicas matemticas
Las tcnicas matematicas de
de ajuste
ajuste de curvas
curvas de
de indice
indice de
de sitio
sitio tienen
tienen una
una
ventaja considerable sobre
sobre los
los mtodos gr~ficos, si
mtodos grficos, si se
se dispone
dispone de
de un
un compu-
compu-
tador y el volumen de datos
tador datos es
es considerable.
considerable . Sin
Sin embargo,
embargo, no
no debe
debe suponerse
suponerse
estas tcnicas
que los resultados de estas tecnicas son
son necesariamente ~s precisos
necesariamente ms precisos que
que el
el
trazado
trazado de
de curvas a
a mano; depender~ en
mano; esto depender en gran parte 10 adecuado
parte de lo adecuado que
que
sea
sea el
el modele
modelo de
de crecimiento de alturas escogido yy de la la validez
validez de las
las supo
supo
siciones
siciones estadisticas
estadsticas usadas en el ajuste de ' los par~metros del
los parmetros del modelo.
model o . Las
Las-
tcnicas matem~ticas
tcnicas matemticas pueden ser clasificadas enen 44 grupos
grupos del
del modo
modo siguien-
siguien-
te:

I
parcelas
Datos de parcelas Datos de parcelas
temporales permanentes

Curvas
, Mtodo
I

Metodo del Regresi6n

I
Regresin jerrquica
I

jer~rquica Regresin
Regresi6n mltiple
multiple con
proporcionales minimo-maximo
mnimo-mximo sin
sin indice sitio indice
Indice de sitio de sitio
Indice de sitio apriori
apriori
 -45-

m~todos la
De estos 44 mtodos la regresin jer~rquica (nested)
regresi6n jerrquica (nested) es
es estadisticamente
estad!sticamente el
el
tambi~n es
apropiado yy tambin es adecuado
adecuado para c~lculos manuales.
para clculos manuales. Por
Por consiguiente
consiguiente sese
examinar~ esta
examinar t~cnica con
esta tcnica m~s detalle,
con ms detalle, discutiendo
discutiendo los
los otros m~todos de
otros mtodos de ma-
ma-
m~s abreviada.
nera ms abreviada.
m~todos pueden
Los 4 mtodos pueden referirse
referirse aa un
un modelo
modelo simple
simple de
de crecimiento
crecimiento de
de altura,
altura,
ecuaci6n de
como la ecuacin de Schumacher:*
SChumacher:*

H
Ho Hmax exp
o = Hmax exp (b/Ak)
(b/Ak) (1)
(1)

donde, es la
donde, Ho es la altura
altura dominante,
dominante, Hmax
Hmax es
es un par~metro a
un parmetro a ser
ser ajustado
ajustado que r~
que re
presenta la m~xima altura
la mxima altura que
que la
la especie
especie podria
podr!a alcanzar,
alcanzar, exp
exp ( ) es la
( la ano-
) ano-
taci6n
tacin matematica para indicar
matemtica para indicar que
que la
la expresin
expresi6n dentro
dentro del par~ntesis es
del parntesis es el
el
exponente de lala constante
constante ee == 2.71828;
2.71828; b,k
b,k son
son parmetros
par~metros aa ser
ser ajustados
ajustados yy
A la edad
A es la edad del
del rodal.
rodal.
Las esta ecuacin
Las formas dadas por esta ecuaci6n se
se ilustran
ilustran en
en la
la figura
figura 5.4.
5 . 4. Utilizando
Utilizando
e(ln) en
logaritmos de base e(in) en ambos
ambos lados
lados de
de la
la ecuacin
ecuaci6n (1)
(1) se consigue:

in Ho
1n I n Hmax + b/Ak
Ho = in (2)
(2)

Si
Si se hace a = inIn Hmax,
Hmax ' entonces
entonces aa yy bb pueden
pueden ajustarse
ajustarse por
por regresin
regresi6n lineal
lineal
siempre que k sea
sea conocido.
conocido. Para
Para la
la mayor
mayor parte
parte de
de las
las especies
especies los
l os valores
valores
apropiados de k varian entre
entre 0.2
0.2 yy 2,y
2,y pueden
pueden ser
ser estimados
estimados por
por tcnicas
tecnicas des
des
critas m~s
critas secci6n, o0 por
ms adelante en esta seccin, por estimaciones
estimaciones no no lineales
lineales como
como se
se-
ap~ndice A.4.
describen en apndice A.4. Para muchas especies,
especies, un valor asumido
asumido dede k=l
k=1 su-
su-
min istrar~ un ajuste satisfactorio.
ministrar par~metro b
satisfactorio. El parmetro b en lala ecuaci6n (2) debe
ecuacin (2) debe
ser
ser siempre negativo;
negativo; si
si no
no lo
10 es,
es, comprobar
comprobar los c~lculos en
los clculos en busca
busca de
de erro-
erro-
res.
res
El parametro a
El parmetro a normalmente
normalmente se hallar~ entre 2 y
se hallar 7; de
y 7; nuevo comprobar
de nuevo comprobar para
para
correcci6n de
correccin de errores,
errores, si
si difiere
difiere ampliamente
ampliamente de de dichos
dichos valores.
valores.
proporcionale~ se
Para curvas proporcionales se ajusta
ajusta lala ecuacin
ecuaci6n (2)
(2) al
al conjunto
conjunto global
global de
datos de las parcelas de muestreo temporales por
datos por regresi6n lineal, siendo
regresin lineal, siendo lala
variable dependiente Y,Y, el inIn Ho, Y la
Ho ' y la variable predictora X la expresi6n
expresin
l/Ak.
1/Ak. Si
Si kk no es conocido,
conocido, sese siguen
siguen las
las indicaciones
indicaciones del ap~ndice A.
del apndice A. 4 para
determinarlo.
Esto da la tendencia de crecimiento de la altura promedio,
promedio, asumiendo
asumiendo que
que en
en
edad, todos los sitios
cada clase de edad, sitios tienen igual
igual probabilidad de de estar
estar re-
re-
presentados.
presentados. Si se conoce que, ejemplo, las clases m~s
que, por ejemplo, ms viejas
viejas sese hallan
hallan
m~s pobres y
en sitios ms m~s jovenes
y las ms jovenes en los m~s ricos, no
ms ricos, no debe
debe usarse
usarse este
este
metodo. dibujadas a
mtodo. Se construyen entonces curvas dibujadas a mano,
mano, o si se dispone
0 si dispone dede
datos de PMP se usa la regresin
datos regresi6n jerrquica.
jerarquica.
Una vez que lala curva
curva de
de crecimiento
crecimiento de de la
la altura
altura promedio
promedio ha ha sido
sido ajustada,
ajustada,
pueden trazarse curvas
curvas de
de la
la misma
misma forma
forma que
que pasen
pasen por
por diferentes
diferentes valores
valores
del
del !ndice sitio. Si el Indice
ndice de sitio. !ndice de sitio S se define como la altura altura domi-
domi-
nante
nante del rodal a a una edad Indice
!ndice AL,e1 par~metro a
AL.el parmetro a de la curva que pasepase por
por
este Indice
!ndice de sitio,
sitio, ai
at estar
estara dado
dado por:
por:

ai = in
ai b/A~
In S -- b/Ai (3)
(3)

donde:
donde: b yY k provienen
provienen de
de la
la curva
curva promedio.
promedio.
El
El metodo
mtodo m!nimo - m~ximo
mnimo - m~s flexible
mximo es ms flexible en el tipo de la forma de la
la curva
curva

* Schumacher,
* F.X., 1939.
Schumacher, F.X., 1939. A
A new growth
growth curve and its application to timber
timber
yield studies. J. Forestry
studies. J. Forestry 37:
37: 819-820.
819-820.
 -46-
-46-

Figura 5.4
5.4

(a)
(a) Gr~fica
Grgfico 1a ecuaci6n de Schumacher
de la Schumacher con
can aa == log(Hmax),
1ag(Hmax ), kk == 1,
1,

va1ares de
y diferentes valores de b.
b.

b
Hmax
.-i
5
'"'a"
5

I< 10
10
.-i
Q)
20
'"
'"
I<
"
.j.J
.-i
..:

Edad (arias)
o 10 20 30 40
40 50
50

(b) Gr~fica de la
Grglico 1a ecuaci6n
ecuaci6n de
de Schumacher
Schumacher con
con aa == log(Hmax),
1ag(Hmax ), bb = 5,
5,

Y va1ares de
y diferentes valores de k.
k.

k
Hmax
1
1

0.67

0.50

o0 10 20 30 40 50
50

(arias)
Edad (aos)
 -47-

que el mtodo
metodo de
de curvas
curvas proporcionales,
proporcionales, pero
pero requiere
requiere observaciones
observaciones mltiples
multiples
en cada clase
clase de
de edad
edad (como
(como mnimo
minimo 3)
3) por
por lo
10 cual
cual no
no puede
puede usarse
usarse con
con una
una
cantidad limitada
limitada de
de datos.
datos.
El
El procedimiento es
es el
el siguiente:
siguiente:

(1) edad, se
En cada clase de edad, se calcula
calcula elel promedio
promedio de de Ho
Ho para
para todas
todas las
las
parcelas, yy los
los valores
val ore s mnimo
minimo yy mximo
maximo de
de Ho.
Ho'

(2) Se
Se ajustan 3 regresiones
regr e sione s diferentes,
diferentes, del tipo de la ecuacin
ecuaci6n (2),
(2),
a1 conjunto de observaciones de
al de los
los mximos,
maximos, mnimos
minimos yy promedios.
promedios.
El parmetro
parametro no
no lineal
linea l kk se
se asume
asume como
como una
una constante
con stante para
para los
los 33
conjuntos, o0 se
se ajusta
ajusta independientemente.
independientemente.

(3) Como paso final,

final, los
los coeficientes
coe ficientes de
de cada
cad a una
una de las
las 33 lineas
lineas pue-
pue-
ser armonizados para
den ser para obtener
obtener una
una sla
s61a ecuacin,
ecuaci6n, utilizando
utilizando los
los
metodos en el
mtodos descritos en el apndice
apendice A.1.
A.l.

Se mas compleja
Se justifica una variante ms compleja de
de este
este mtodo,
metodo, sisi existe
existe unauna gran
gran
edad, como podrian
cantidad de datos en cada clase de edad, podran obtenerse
obtenerse en en un
un inven-
inven-
forestal. Las observaciones de las alturas
tario forestal. alturas de
de cada
cada clase
clase sese orden an,de
ordenan,de
mayor aa menor,
menor, yy cada
cada punto
punta se
se asigna
asigna aa una
una clase
clase de
de sitio
sitio SS de
de acuerdo
ac uer do a:
a:

S = (
( i
i - 1/2 )) /
- 1/2 / n

donde ii es la
la posicin
posici6n de la parcela despues
despus del sort eo 0o arreglo,
del sorteo arreglo, yy nn eses la
la
parcelas en
cantidad de parcelas en la
la clase
clase de
de edad.
edad. Despus
Despues dede que
que las
las parcelas
parcelas han
han si
si
d o asignadas
do asignadas aa una
una clase
clase de
de sitio,
sitio, puede
puede hacerse
hacerse elel anlisis
analisis usando
usando regre-
regre- -
si6n
sin multiple,
mltiple, como enen el
el ltimo
ultimo mtodo
metodo queque se
se describe
describe msmas adelante.
adelante.
conven iente observar
Es conveniente observar que
que los
los mtodos
metodos anteriores
anteriores con datos provenientes de de
parcelas de de muestreo temporales
temporales deben
deben ser
ser considerados
aonsiderados como de utilidad pro- pro-
visional, ya ya que
que depende
depende crticamente
cr{ticamente del supuesto
supuesto de que todos los los sitios
igual probabilidad
tienen igual probabilidad de
de estar
estar representados
representados en en cada
cada clase
clase de de edad.
edad.
En la
la realidad
realidad este
este caso
caso es
es raro,
raro, yy de aqu
aqui que
que las
las curvas obtenidas son en
mayor o 0 menor grado
grado defectuosas.
defectuosas. LaLa /mica
unica solucin
soluci6n es obtener datos peridi-peri6di-
cos de altura-edad
a ltura-edad de parcelas permanentes o 0 de anlisis
analisis de de fustes,
fustes, los
los cua-
cua-
ser analizados
les pueden ser analizados por
por uno
uno de
de los
los mtodos,
metodos, que
que se
se explican
explican aa continua
continua
ccin.
i6n. -
metodos de
Los mtodos de regresin leElaui
regresi6n jerarquica ('nested
,'nested regression')
regression') son son dede dos
dos tipos.
tipos.
El primero usausa variables
variables condicionales
condicionales (o (0 variables
variables 0-1)
0-1) en
en regresin
regresi6n multi-
mlti-
ple, ejemplo del apndice
ple, como se describe en el ejemplo apendice A.2.10.
A.2.10. Este metodo
mtodo no haha
side
sido utilizado,
utilizado, de acuerdo aa loslos conocimientos
conocimientos del del autor,
autor, en en lala construccin
construcci6n
de curvas de Indice
de indice de sitio,
sitio, probablemente porque con cualquier numero nmero real
real
de parcelas, el el nmero
numero de
de variables
variables envueltas
envueltas en en la
la regresin
regresi6n seria
seria enorme;
enorme;
pero el enfoque
enfoque es
es realizable,
realizable, con un un programa
programa especialmente adaptado para
generar y manejar una una gran
gran cantidad
cantidad dede variables
variables condicionales.
condicionales.
segundo mtodo,
El segundo metodo, descrito por
por primera vez vez por
por Bailey
Bailey y Clutter*,
Clutter*, implica
implica
estimadores de
el uso de estimadores de pendiente
pendiente comn
comun yy de
de trmino
termino independiente
independiente comn,
comun,
anal isis de covarianza.
del anlisis covarianza. Este mtodo
metodo es es apropiado
apropiado para la la construccin
construcci6n de
indice de
curvas de indice de sitio
sitio yy es
es lo
10 suficientemente
suficientemente simple
simple para
p a r a hacer
hacer posible
el calculo manual de
el clculo de los
los parmetros.
parametros.

** Bailey, R.L. and Clutter,

Bailey, R.L. J.L., 1974.
Clutter, J.L., 1974. Base-Age .Invariant
Invariant Polymorphic Site
Site
Curve s. Forest Science
Curves. Science 20
20 : 155 -- 159.
: 159.
 -48-
-48-

El
El modele regresi6n de pendiente comn
modelo de regresin comun representado en la figura 5.5
5.5 (a)
(a)
est~
est dado por la
la ecuacin:
ecuaci6n:

Y = ai + b X (4)
(4)

donde
donde ai parcela, pero bb (la
a; es diferente para cada parcela, (la pendiente)
pendiente) es la
la misma
para todas las parcelas.
toaas las parcelas.
El
El modele termino independiente
modelo del trmino independiente comn
comun mostrado enen la
la figura
figura 5.5
5.5 (b)
(b) se
representa por lala ecuacin:
ecuaci6n:

Y = a + bi X (5 )
(5)

donde interseccion o0 trmino

donde la interseccin termino independiente
independiente aa es
es el
el mismo para todas
todas las
las
parcelas,
parcelas, pero lasl a s pendientes bi
b i difieren.
difieren.
De
De acuerdo a la
acuerdo a la ecuacin
ecuaci6n de Schumacher,
Schumacher, ambos
ambos modelos pueden
pueden ser
ser usados,
usados, con
con
Y como in
In Ho,
Ho , y
Y X 1/Ak. El modelo
X como 1/A1. modele de
de pendiente
pendiente coman
comun corresponde
corresponde en en su
su
forma al
forma al conjunto de curvas
curvas proporcionales, pero
pero hay
hay una
una distincin
distinci6n importan
importan
te
te entre este enfoque y el de las las parcelas temporales,
temporales, consistente
consistente enen que
que 17
la
distribuci6n de
distribucin de los
los sitios
sitios en
en las
las diferentes
diferentes clases
clases de
de edad
edad no
no tiene
tiene influen
influen
cia
cia en este mtodo.
metodo.
Los
Los estimadores estadsticos
estadfsticos para loslos modelos de
de pendiente
pendiente comn
comun yy trmino
termino
comun son
independiente comn son los
los siguientes:
siguientes:

Pendiente comn
comun b:
b:

In ni n
z1 yii /
2.2.

T(> xii yii - 7- xii ni )

i (6
(6))
b = i i i
n- ni
Ei2
rn

.Z.( xii - (Z xii) 2

/ ni )

1 j j

Termino independiente comn

Trmino independiente comun a:
a:

m
m m
m
;r; ~
i
2
.....
n.

j
J
Yij - I" (2:
i j
ni
Xii
Xij ~
ni

J
Xii.Yii
ni
n.

j
2
Xij' Yij IE Xii
XIj /E
a.

(7
(7))
aa =
= J
m
Lni
Lni
i
rn m
-r
i
((((
t J
..)2
Xij)2 I
n
ni
1.44)
tXfj)
J
j j

Como
Como estas
estas formulas
frmulas parecen mas complejas (aunque
ms bien complejas (aunque en
en el
el fonda
fondo son
son muy
muy
simples)
simples) sese da
da un formato de calculo con un un ejemplo
ejemplo calculado,
calculado, elel formato
formato
5.1, partes 1 y 2.
5.1, 2 . La parte 11 contiene las sumatorias dentro de las las parce-
las correspondientes al al indice
fndice jj de
de las
las frmulas
formulas anteriores
anteriores entre
entre 11 yy ni,
ni'
mientras
mientras que
que la parte 2 contiene las sumatorias entre entre las
las parcelas
parcelas correspon
correspon
dientes
dientes alal Indice
fndice ii desde 11 hasta
hasta m.
m. -
El
El ejemplo utiliza los datos mostrados en la la figura 5.6 de seis
seis parcelas
parcelas de de
muestreo permanentes en rodales de Cupressus lusitanica en Kenia. Kenia. Para
Para prop
prop6
sito
sito de
de ilustraci6n se ha asumido el
ilustracin se el valor
valo r del
del parmetro
par&metro kk como
como 1.
1. Los
Los datos
datos
altura-edad sese transcriben enen las
las dos
dos primeras
primeras columnas
columnas de
de la
la parte
parte 11 del
del
formato
formato 5.1. hojas de
5.1. Se necesitan dos hojas de esta
esta parte
parte para
para las
las seis
seis parcelas.Los
parcelas.Los
valores transformados X
valores X e
e YY se hallan
ha11an en las columnas 3 y 4, X2est~
y 43 X2est en la la co
co
lumna
lumna 55 yy los productos XY en lala columna
columna 6.6. Los c~lculos deben
Lo s clculos deben hacerse
hacerse con
con
un mfnimo
mnimo de cuatro dgitos
dfgitos significativos.
significativos. Los totales para cada parcela
(totales
(totales dentro
dentro de parcelas) de las
de las parcelas) las columnas
columnas 33 a a 6 se hallan en la la lnea
linea
 -49-

Figura 5.5 Regresiones con

con pendientes
pendientes comunes
comunes o t~rminos independientes
0 trminos inde~endientes comu-
comu_
nes.

x
X

(a)
(a) Regresiones
Regresiones para
para cuatro
cuatro parcelas con pendiente
pendiente coman

x
(b)
(b) Regresiones
Regresiones para
para tres
tres parcelas con el trmino
trmino independiente
independiente comn
coman
 _50_
-50-

Figura 5.6
5.6 Datos de
de seis
seis parcelas
parcelas de
de muestreo
muestreo permanentes
permanentes en
en rodales
rodales de
de
Cupressus lusitanica
lusitanica en Kenia.
Kenia. Ejemplo usado en el texto para el
el
ajuste de curvas de Indice
Ljuste 1ndice de sitio
sitio por
par regresin
regresi6n jer.rguica
jerarquica

....---43 Puntas medici6n &&

Puntos de medicin
NGmero
namero de la parcela en PMP
35
198

30

er,
.. /46
(l)
....<: -

n1 25 52
<:
OM
f'i
a
'tl /
n1
I-<
...."
ri
20
.0:

15

10

5 10 15 20 25 30

Edad (aiios)
Edad (aos)
 -51-

Formato 5.1
5.1 Modelos de regresin
re resi6n de pendiente
endiente comn
comun y trmino
termino independien-
inde endien-
corn n.
te com6n.

Parte
Partel1 Resumen de los datos de la parcela,
parcela. Usar tantas hojas de la
la
parte 11 como
como sean
sean necesarias
necesarias para
para todas
todas las
las parcelas.
parcelas.

Transformaci6n
Transformacin de datos X = A
usada:
Y =
[-- Caisari-4./

-
Parcela 3
Datos oriqinales
a-tos oriainalesDatos
Datos transformados
transformados
A H ,
,,!L xv
iiiniNii
f",,!-
MEiraip
4-1

1,6
'f.b 0.14
X
, 44(0
q:,
o l3 r,
Z.M
Y
11f
2,648'
.4).

~. l) 2 n 8 o. ,n'
+.t:
iIRMII
~O, b
~L 0
~4.8 : ~
e o'l4:'4
e
.,
J. \q
Ata
'l4'
+'5
cr--415 D.'" 11-34
0.'D n'H
o. o 9 E' o
1l.()Of~O
o.'l,iS'S'
o.H42-

fal
H.t:
lZ . 6
d.5"
4S'.1..
H.'"
~ ~.
,,
c;
0 . 0 gf,.H
o.Otq~1
O.Di-'-IO;
o 2.t ) Z2.
2.42 n
l, f
2.+ '42
l.t
O, El o~4:,
0.0o no
0.00 63,9
o. 00 ~4~
~.l%'
Il.22. H'
O.2.I'?'O
11111114"El
~4.Lj 4 K.:' ~'CjLI
0. 0614(4
0.0 .1..'H>
:, 61) 0.00 4f:1- o.20i~
Totales nn =; 1-7. O. 6843 1.b'l,S-i?
D. (;84:' ??. 05-g \9.0 t lS3
0-041S3 4.
0\. 't't':t ')
Parcela 35'
batos
1... oriqinales Datos transformados
A H X Y XL xy
(,.1- g.i 14 q." ~.E1H~ 1. ~ 'Z. S'g DJin
f.r
T.
'l.r
.s*
i
o.?
{o.f
S'A.
0.+
O.
I
O. ln&
flI loS'>
2:n 0.4
2 . ~ 'IS'
.
0.)
0.07_2.2.
1 84
0.0 i'l, 84
o. i iJ40011
D.D S'
o.
O.2.'if"l
Q.
O. l:r
oS'
os-
IIFICII
10. (, 12.S n, ,1l '\4'>4 2.; n- n nO 1?'t 100 D.2. 'l,.\'3
to.2.
42. b
11E4E11 14.3 w ,I1
'1-1)1-
I. 1.6601,:,
:I..Ho ,. o 630
ll.ooG,o 0.2..~ HA
0.
MEINIMEN
HS
4.4
0\1 4-1.4
H:.2
0\4.T
/;.s-
0.0
0. otol
Ii. 0+401
O.O(;fj44
1..1U'l.
2...7 9.
2.Ro "4
o / 'I
D. DO C; 4
0.00 4~~
0-0o 1-?2,
O,,toH
0.ZOiC
D.1<\l"i-
D. 't 141-
O. "1414 2- go 3I-1
7
n ;= ':(.
Totales n O.H'34
O. 6M-4 S-S s7,2.,
4.rts 2,; 0.1)1-2 H
0.942 'Ti ~.6gt-:z,
4. 681-9v

Parcela :,"
Ta-r-c-7--5-----Z_a S
oriqinales Datos
Datos originales Datos transformados
AA- H X
X yY x~
X2 Xy
XY
b.':f. t.'3 14"1,
00,14613 2.4 f?61 0.1).2,2.2.
'+
1-.6 A1.i
/14.1 n.nl'
0.1'3 t. a .z.140_6_ 9.0 11-31 0.34 C-4
~.6
40. 6 i 4.6
14.(' 0l-,34
0 . 0,\4)4 2_4. 10 0.o o VIO
i 41. 6 -I 6.5 0.6.8 621 /,,to$3
42. 4$.1 0.01-q31 2..J',!:r~
.2..r1s-5 o so 3 o
0.00630 o.l.l'H
0. 2.2.q e
43.<
43.s" 2,0.0O.ofL,0
2..0.0 0.0 rljO ,1/ 54 ' 0. oo 549 0.12,49
0\'-1.4
46i.1-1 .11.0
.2..1.0 o.06(/44
o.o't44 3.o44f
3. ott /AS" D.0041?.2..
0. oo 4 8,9.- 0.24 414
O.2H4
; '1-
Totales n =7. P.6343
O.6(J43 41.0135 0.04A,S3 4.8001-
 -52-

Formato 5.1
5.1 Mode10s de
Modelos de regresi6n
regresi6n de
de pendiente comn
comtin y termino independien-
y trmino independien-
.te comG.n.
te comn.

Parte 11 Resumen de los datos

datos de la parcela. hojas de la
parcela. Usar tantas hojas
parte 11 como
como sean
sean necesarias
necesarias para
para todas
todas las
las parcelas.
parcelas.

Transformaci6n de
de datos
datos x -==
X i /A A J....d
A = EE 4.k.ci.
usada: y =
Y -en

n>arcela
Parcela 4
46 i

n>tos oriainales
lo.tos originalesDatos
Datostransformados
transformados
A-
A H
1-4 X Y '\{2
2 YV
H.>:j:
46. "1 II.1
. o.oC;'\~
0.0s'018 ( "I. 'I
9 ." n mo ~ <" .,
on SS" ) () HI J. /,
O
1-.--z z?:L.
MEIMMEll iol
A

..M.
).().
?
&. ".i
I.Z - ?~~
MilinglIIMI,
Ea"r
0.6.0 Z3
o 0 s.
O.048r4
,
O.n4{'30
81
r'K~ ." lo'l i
117 70.
-':-'4 b
11
0.00,.2.3
n .nO
. O ).,
S6 ,
o-00 2.ILL
o.oo,z"L<
0.. f!l.f,1-
i
0.45-(
o.1'1b44
i. 4s-01
n. ~~11~
0:

F.b W
IIMOMPTEll fl.O 4 c(.7.)' _,22 G,
(.~,
(p. ~.oo 1q5q
0.00 ~qS'., " ~4444'+
41.
? 4.~
IRIZEI LkWNTTTJ
2.~. ~
O.04o'H' 3. ':z..il.j
1. 2.4 d.o0 4680
0.001680 ()4 (16i
rH,1.

=
Totales n = b 0.2 'lbW {'1.H8~ O.O!4'1~
o.01.1-161g f)-'~ 4L
0.ct 14 (, fe i

Parcela 4..--;2.

Datos originales Da..:.,.. trarsformados

A H 1
7 x2 NY
21-7. 4E. i ' ,.... 2, . :715(3 O. oo 24Z 0.1334
22,6 4q4 o o tit-t2S .#4,c/ 6s-3 o_vo iqC 0 .4 342,
23S g.Q._.0 P.ZgE 2 9qs1 0.00 iI .

2.c.4 22,3 c-03/P3 /,.401i6 0,0014i

/4. 6 9 3:3 0.0 1623 3,4 1-1 g5 9.00 4i 0.ti 4 i
2f.S" 214.2v O Ci6-0"), 3.18611 O- oo .U.S o. 1418
29.4
'1'1.4 14.'+
2...H.4- 0-034 oi
0.0:1.401 1.2o
?o.Zo C'8
8 0.00 44b
n.OO Hf, o 1043.1
0.10 "Ij
Totales n -= ':f....,..,__.
0-2:1V? :2./.
o.:1.'lS'f? li. s-033.
S'o 3i o.o0 14.0
0. Ho o0 D.8 L?8
08 Lt~

Parcela
Parcela i'H 198
!Datos oriainales
originales Da c c~~ transformados

gp
Datc.-2. transformados
A- H Y
X V
Y ,2
y2 xv
XY
'1"7:;f 2.'1-:'2: (6
n.,so/) t..L oS 1 :>.I.t
2,9~ O."'~ 1.-
0A, i:O\4
Li i
j, ~L,':f?"
4 1
WI
2:1s 2e. a.
'Z8'. 9.04z.sf
n.o42.,f 3 6b:1, S
1.?. a 0.00
O.on 181 ieS '1.~43
43 1{
,d- I. ~
1:11.1 0. o3r)cg2
O.03~Ob 4'31t U. oo S S
ts'l, n ij7,43
4S
lc7
26. 1?:~ .5 .0
~.n '2~~~
4L . 4 Ii'!.:t
%..48 3,2 .00 04?.,
"'.00.42- n .'J..u t._

111,1-
1115119111 1 '1..0
. D n 0;4Q':f, 'J,.l.~b S" o.oo.H.~ o. (.tzo,
l-q 4 n.' Q'()'40j '<.'\l<S' o.ooJ"-l. o. i f q ~

= ,
Totales n = o0.234 .to.' 1[,z.
..2~.t4.20..6621 0,00 (3,De
0.00 ')v8 1O.'1"}'H'
0 .71-5 g. S'
 -53-

5. 1
Formato 5.1 de regresin
Modelos de regresion de
de pendiente
pendiente comn
comun yy trmino
terrnino independiente
independiente
comlin.
comn. .

Parte 22 Totales parcela s y cglculo

Totales entre las parcelas clilculo de los coeficientes

Par- IXy_L)ln
xy (X.X)2
LX2- (2:.:)2
Ix2 DHY
IX .)C`i (LX}"
(D<) IIY
Y
cela \'l
,r) Y1
rxz
I x2 LX2
IX
\'\
Y1

?, -O.o~44f3 0.0 o)t?> 141

- "Iii4ii 3S 0.005CS ~ b.'H83
41'! 46.4683 '.4 S"b.i8'
C./456iF +
1 If.b?')~
4g.63S67

35
3s. -0.0414\1 ~). 'l"l1h
D.oo~f1W) 49`112)
-0.040-61 D.00z0315 3L.1
b.'lHrr ~
4. iTssz3
1~.sS2.3
~,
-C
4~,
Li
o.~oST~4~
- O.()Sl'oo$"0.005C3
0-0seopY ~'.H"H
LIE 4C.9g1
O.ooo.2'f;('\ 4H.1'1b1
O.oO~8'14'3 0.00020,21
- 0_00;8941 g461 61-
~.4rbJ.8
6.4SCJE
s-.3qau z,
s". z ~32, ,
~
4.

C
i~9.on~
9.013
49.24H'~
49.2 85
1)~
'2i

~~
_- 0.00-2,0.2.1
o.oo)4U- 0.000

Alif F o.00ls-08e
(3;4?~i.Hb3'+
!3?)~i
0.00 as.131-
:1.0. LOS-
0.0000183'1- 2o.
- o.ool)o8f o.0000le37. 4J'I r
'.~ISo
.11 so 6{,

').9" g .t.i
S-90.2..1
,
I.
1- H.lO,?>!
.zo. (,;'
.20- GS C'Z,t

I .JJ
q).6 l,:H
_ 'i).iS
Totales -- 24 C ~. oj(; S'(, 4 W
20.0iG504 ~{O.U.'t ~~8.2.04S
-- 440.12 21 40 &.J 4U
_;8.2.0145 __ S [,Q
146.S.60

Pendiente
Pendiente comtin
comn bb ;= (1)/(2)
(1)/(2);= -D.15Z.1'/O .()jb~(,}
o.452:1 c/0.0.1 6s- 6 s" ;= - Q.Z2<'
Termino indep. comn
Trmino indep. comun a
a =
; ((6)-(3))/((5)-(4))
6) - (J) ) / ( (5) _ (4) ) = C416SL
(fIb.) ~ I 0.(2.1) /CLtO - ~~.:l
to - -440.42.7)/0-10 o~y
-8.200
;= 3.,
3.5383
 -54-

apropiada. Tambi~n se
apropiada. Tambin se anota
anota elel nmero
nGmero dede puntos
puntos en en cada
cada parcela.
parcela. Los c~lcu
Los cglcu-
los se continan
los continuan en la la parte 22 del formato
formato 5.1.
5.1. Para cada parcela,
parcela, los
los dife-
dentro de
rentes totales dentro de las parce1as (I.
las parcelas (I_X, Y, ~ x2,
IY,
X, l. EXY )) yy el
X2, I:.XY el nGmero
nmero de
puntos nn se
se combinan de de acuerdo
acuerdo aa las
las frmulas
f6rmulas mostradas
mostradas en en el
el encabezamien-
encabezamien-
to
to de las columnas
colurnnas de la la parte 2.2. Al sumar
sumar estos
estos nmeros
nGmeros se se obtienen
obtienen los
los re-
re-
l!nea de totales,
sultados en la linea totales, sealados
sefialados con los los nmeros
nGmeros (1) (1) al (6).
(6). Final
se calcula la
mente se la pendiente
pendiente comn
comGn yy el t~rmino independiente
el trmino independiente comn
comGn como
como sese
en las
muestra en las ltimas
Gltimas dosdos lneas
l{neas dede la
la parte
parte 2.2.
finales en
Los resultados finales en este
este ejemplo
ejemplo nmerico
nGmerico es es de
de -- 9.222
9.222 para
para el
el coefi-
coefi-
ciente de lala pendiente
pendiente comn,
comGn, mientras
mientras queque el t~rrnino independiente
el trmino independiente comn
comGn
tiene
tiene un valor de 3.583.
un valorde 3 . 583. Si
Si estos
estos modelos
modelos se se plotean
plotean como
como un
un conjunto de de cur
cur
indice de
vas de indice de sitio
sitio se encontrar~ que
se encontrara que tienden
tienden aa curvarse
curvarse mucho m~s abrup-
mucho mgs abrup~
tamente que lo10 indicado
indicado por por los
los datos
datos enen la
la ffigura
igura 5.6 Esto sucede
5.6 Esto sucede porque
porque
el
el valor asumido de k es es demasiado
demasiado grande
grande para
para este
este conjunto
conjunto de de datos.
dat o s.
Bailey yy Clutter, enen elel articulo
art!culo mencionado
mencionado anteriormente,
anteriorrnente, muestran
muestran como
como es
es
posible calcular elel coeficiente
coeficiente nono lineal
lineal kk directamente,
directamente, usando
usando un
un modelo
modelo
de regresi6n que contiene este coeficiente en
regresin en forma
forma lineal,
lineal, asumiendo
asumiendo queque
se tienen datos dede mediciones
mediciones sucesivas,
sucesivas, (de(de PMP de an~lisis
PMP 0o de anglisis de fuste)
fuste) de
que se
modo que se pueda
pueda estimar
estirnar elel incremento
incremento de de la
la altura.
altura. El El mtodo
metodo es
es el sigui~
el siguien
te:

1. C~lculo'
Calculo de un conjunto de valores transformados
transformados de
de YY para
para la
la 2a,
2a, 3a,
3a,
etc., parcela de acuerdo
etc., observaciones dentro de una parcela acuerdo aa la
la frmula:
f6rmula :

Hij -
- Hii_l
Hij_j; 1
Y..
13 = in
Yij In
Aij~l
Aij - Aii,1
Aii '"ij ' "ij-1)

No hay valor de Y
Y correspondiente
correspondiente aa la
la primera
primera observacin
observaci6n de
de la
la altu
altu
ra.

2. C~lculo
Cglculo del correspondiente conjunto
conjunto de
de valores
valores transformados
transformados de
de X,
X,
de acuerdo aa la
la frmula:
f6rrnula:

X..
13 = ln
Xij In (2/(A..ij +~ A..
(2/(A 13 A13-1))
ij _ 1 ))
3. estimador de la
Ajuste de un estimador la pendiente comn
comGn usando el formato
formato 5.1
5.1 0o
ecuaci6n (6)
la ecuacin (6) con los
los valores transformados
transformados dede XX ee Y.
Y. Ntese
N6tese que
que
si
si se
se utiliza
utiliza el 5 . 1, solamente
el formato 5.1, solamente sese necesitan
necesitan las
l a s dos
dos prime-
prime-
ras columnas y los
los totales
totales (1)
(1) y (2)
(2) de parte 2.
de la parte 2.

4. Al estimador obtenido de la
la pendiente
pendiente comn
comun se
se le
Ie resta
resta la
la unidad.E1
unidad.El
resultado es la
la estimacin
estimaci6n requerida
requerida de
de k.
k.

c~lculos se hacen
Si los cglculos hacen manualmente, puede puede utilizarse
utilizarse el
el formato
formato 5.2
5.2 para
para
efectuar las las transformaciones indicadas en los los pasos
pasos 11 yy 2.
2. En
En el
el ejemplo
ejernplo
ilustra su
que ilustra su uso,
uso, se
se haha hecho
hecho el c~lculo completo
el clculo completo para
para la
la primera
primera parcela.
parcela.
Las frmulas
f6rrnulas para los los estimadores
estimadores de de lala pendiente
pendiente comn
comGn yy del
del trmino
termino indepen
indepen
diente pantin,
diente as! como
gorrtrin, como t~cnicas
as las de transformaci6n
las tcnicas para
de transformacin estimarelelpar~metro
estimar
para pargmetro-
k,
k, pueden serser programadas con facilidad
facilidad en computadores pequeos
pequefios 0o calculado
calculado
res programables.
programables. Cualquier calculador
calculador concon un
un mnimo
minimo de
de 15
15 registros
registros para
para da
tos yy 200 pasos de programacin
prograrnaci6n es es apropiado.
aprGpiado. datos

Si el par~etro
pargmetro kk se se ajusta de este modo a a los datos de la figura
figura 5.6,
5 . 6, se
se ob
los siguientes
tienen los siguientes valores:
v alores :
 Formato 5.2
5.2 Transformaciones
Transformaciones aa los
los datos
datos de
de edad
edad yy altura de PMP para ajustar
el parametro k de la ecuacin
parmetro k ecuaci6n de Schumacher para estimar la pendiente
coman
comn

i J Aij aa b c Xij Hij d e

e f
f g
g h Yij
Y11

arce Punt< Edad Surna p~fer'ill '

a
D
Cla
2/a In c Altura Surna Wer~
Suma Diferen
la
e/b d/2 fig
f/g In h

'"
cia
:rr ~ ~ ,H. ':j. .2.1.1
I i .z. H.' "Lt. -; 0.'1 ~S8H ~z.g4t. INI
22 .... ~~.r 1., U-l~4 .U.~S' O.o6n~ -2.142
-l..HZ
.-
Li 3 .
<>-
~ 4 ."
20. " 'l,g.Z
9.2, 1.0 O.o~2. ;" -Z.'1~O ?5".
1121111 ~ L,'M ~.1-
).,_a 0.' OIl> .q.
23. 5 o.o~
':fS' -~ . .zn
0.034r) -3.24
r.
IreiniirallEgM
<L
i 4 .U-b 4Z.Z
11.Z.Z i.O 0.04 'H'\ -~. o~q ':1-
111161I 5"o.\i'
1. O.b ~.'oo1) -1S.40 0.02362, ---1
.2.. S'.1.t 0 o.oUU, ....La
.1. Lj.(;
i S' 2.2. b l,/i. ~ -i. 0 10.04>.tf -, Il"l b 2..~ ~.z.0 .
D.b o.~ooo 2.G.oo o.o.t1or -:.l.c1~
1 gC. 2.44
2.4.4 14O
u1.0 '1-8' 0.042. t~ -3.1s4
o.otaJT -l.l$l 2.1.'4 ,>".0 {.4 o!).H~ 2.!J-.oO l) .oHfS - 2.'1tl

'"
'"I

I)
a formato
Transferir a formato 5.1
5.1
 -56-

kk = 0.25

bb =-6.638 (modelo
(modelo de
de pendiente comun)
pendiente coman)

a = 6.311
a 6.311 (modelo de t~rmino
(modelo de independiente coman)
termino independiente comun)

A continuacin
continuaci6n se
se examina
examina la
la construccin
construcci6n de
de un
un conjunto
conjunto de
de curvas
curvas de
de Indice
1ndice
de sitio a partir de
de estos
estos resultados,
resultados, utilizando
utilizando el
el modelo
modele del t~rmino inde
del termino inde
pendiente coman:
comun:

Se
Se tiene
In
in Ho = 6.311 + b i / / .A0.25
6.311 +bi AO.25 (8 )
(8)

El parametro bi
b i depende
depende del
del Indice
1ndice de
de sitio.
sitio. Para
Para un
un Indice
1 ndice de
de sitio
sitio selec-
selec-
cionado, la edad Indice
cionado, a la 1ndice Ai:

In
ln S
S = / Ai 0.25
6.311 + bi / 0.25
.Al

bi = ( In S -
in - 6.311
6.311 ). Ai O 25
). A10.25

Si se desea obtener curvas para

Si para los
los Indices
1ndices de
de sitio
sitio 16,
16, 18,
18, 20,
20, 22,
22, 24,
24, 26,
26,
usando una edad Indice
1ndice de
de 20
20 aos,
anos, se
se tiene
tiene

S bi

16 -7.483

18 -7.234

20 -7.011

22 -6.809

24 -6.625

26 -6.456

los bi
Sustituyendo los b i en
en la
la ecuacion
ecuacion (8)
(8) para
para cada
cada curva
curva de
de indice
indice de
de sitio,
sitio,
valores seleccionados
pueden calcularse valores de Ho para valores seleccionados de A. curva r~
A. La curva re
sultante con los
los valores
valores arriba
arriba indicados,
indicados, sese muestra
muestraenenlalafigura
figura5.7
5.7enen1.;-
la
misma escalaque la empleada
escalaque la empleada para
para los
los datos
datos de
de la
la figura
figura 5.6.
5.6.
de sea calcular el
Si se desea el Indice
1ndice de
de sitio
sitio de
de un
un rodal,
rodal, dada
dada su
su edad
edad yy altura
altura
dominante, se
dominante, se usa
usa lala frmula:
f6rmula:

In
ln S = a ++ ( In
ln Ho -- aa )
( ) . (( A/Ai
A/Ai ) k
k ) (9 )
(9)

Por
Por ejemplo,
ejemplo, para los valores de los pardmetros
parametros a
a y
y kk dados anteriormente,su
anteriormente,su
poniendo un
un rodal con 14.5 m a
a los 11.5 aos,
anos, el estimado del indice de
del Indice de si--
tio esta por:
est dado por:
In
ln 6.311 ++ ( In
S = 6.311 in 14.5 -
( - 6.311 ) ( 11.5 /
/ 20 )0.25
)0.25
) . (
 _:'7_
'-57-

Figura 5.7
5. 7 Indice de sitio
Curvas de indice sitio producidas con loslos datos de la
la figura
figura
por el
5.6 por rn~todo dede
el 1116-todo regresi6njer~rquica
regresi6n jer6rguica de
de Bailey & Clutter,
Bailey & Clutter,
usando la
la ecuacin Sch~~acher
ecuaci6n de Schumacher

sitio
Indice de sitio

26
35

24
24

22
30

20

25 18

1166

20

15

10

55

o
0
5 10
10 15
15 20 25 30

(ano s)
Edad (aos)
 -58-

In
in 3.144
S = 3.144 23.2
S = 23.2

Se
Se puede
puede decir que el Indice
!ndice de
de sitio
sitio de
de este
este rodal
rodal es
es 23
23 m.
m.
Si
Si se utiliza el modelo
modele de la
la pendiente
pendiente coman,
comun, en lugar
lugar del
del modelo t~r
modele del tr-
mine independiente coman,
mino independiente comun, la
la ecuacin b~sica es:
ecuaci6n bsica es:

in Ho = ai + b/Ak (la)
(10)

siendo
siendo ai !ndice de
ai dependiente del Indice de sitio
sitio de
de acuerdo
acuerdo a:
a:

ai = in S - b/Aik (ll)
(11)

El Indice
El indice de sitio
sitio para una observacin
observaci6n seleccionada
seleccionada de
de altura-edad
altura-edad viene da
do por:

in S = in Ho - b ( 1/Ak - 1/Aik ) (12

(12))

Los metodos regresi6n multiple

mtodos de regresin ajuste de curvas
mdltiple de ajuste curvas de
de Indice
!ndice de sitio pu~
sitio pue
den utilizarse como una alternativa de lala regresin jer~rquica cuando
regresi6n jerrquica cuando el
el In-
!n-
dice
dice de sitio, o
de sitio, a clase de sitio
sitio de la
la parcela
parcela puede determinarse antes
antes del
ajuste del modelo. quiz~s cinco
modelo. Existen quizs cinco manera para hacer esta determina-
cin ~
ci6n a priori de la
la clase de sitio
sitio o0 Indice
!ndice de sitio:
sitio:

(1) En una larga serie de mediciones de parcelas,

parcelas, que ya
ya han
han pasado
par la edad Indice,
por indice, el Indice
indice de sitio
sitio puede obtenerse directamen-
la altura
te como la altura dominante
dominante en
en la
la edad
edad Indice.
!ndice.

(2) serie de mediciones que no

Para una serie no han
han pasado
pasado por
par lala edad Indice
indice
ecuaci6n, como la
puede ajustarse una ecuacin, la de Schumacher,
Schumacher, independiente
independiente
para cada
mente para cada parcela
parcela yy usarlas
usarlas para
para predecir
predecir la
la altura
altura dominan:-
dominan=
te aa la edad Indice,
indice, la
la cual se
se toma
toma como elel Indice
indice de sitio
sitio para
la parcela.

(3) Con datos de parcelas temporales,

Can temporales, pueden
pueden asignarse clases
clases de
de sitio
sitio
bas~ndose en el mtodo
basndose metodo de ajuste
ajuste de curvas
curvas de
de sitio
sitio descrito ante-
ante-
denominaci6n de
riormente bajo la denominacin m~todo del mximo-mnimo.
de mtodo maximo-minima. Este
m~todo can datos de
mtodo no debe usarse con de PMP pues
pues representa
representa un
un desperdi
desperdi
cia de informacin
co informaci6n contenida
contenida en
en dichos
dichos datos.
datos. -

(4) curvas de
Puede usarse un conjunto de curvas de sitio
sitio ya
ya existentes
existentes para
para
sitio aa las
asignar clases de sitio las parcelas.
parcelas. Alternativamente,
Alternativamente, pueden
pueden
especialmente curvas
dibujarse especialmente curvas aa mano
mana para
para una an~lisis particular,
una anlisis particular,
Esta tcnica
como clasificar parcelas. Esta tecnica eses til
util cuando
cuando las
las curvas
curvas
son casi satisfactorias,
existentes son satisfactorias, aunque
aunque su
su curvatura
curvatura nono es
es com-
com-
pletamente correcta, oa cuando
cuando se
se desea
de sea aproximar
aproximar curvas
curvas dibujadas
dibujadas
aa mana
mano por una ecuacin.
ecuaci6n.

(5) tal como

Una variable ambiental tal como altitud,
altitud, precipitacin,
precipitaci6n, etc.,
etc., pue-
pue-
como variable indicadora
de usarse como indicadora del
del sitio.
sitio. Este
Este enfoque
enfoque rara
rara
exitoso, debido aa la
vez es exitoso, la poca
poca correlacin
aorrelaci6n normalmente
normalmente existente
existente
una variable ambiental
entre una ambiental yy el
el crecimiento
crecimiento en
en altura.
altura.

Una vez que se

se ha
ha determinado el
el mtodo
metoda de
de asignar
asignar clases
clases de
de sitio
sitio aa las
las par
par
celas, se
celas, se tiene un conjunto
conjunto de
de datos
datos en
en el
el cual
cual se
se conocen
conocen tres variables d-
tres variables de
cada observacin:
observaci6n:
 -59-

Altura dominante Ho
Edad A

Clase o 1ndice de
0 indice de sitio
sitio S

regresi6n mltiple
La regresin multiple puede
puede usarse
usarse para
para ajustar
ajustar un
un modelo
modele que
que relacione
relacione Ho
Ho aa
usanda diferentes transformaciones.
A y S usando transformaciones. Se
Se han
han utilizado
utilizado dos
dos tipos
tipos de
de mode
mode
los:

(1) Modelos con restricciones,

restricciones, para usarlos
usarlos con
con curvas
curvas de
de indice
indice de si-
de si-
las cuales
tio en las cuales la
la altura
altura se
se expresa
expresa en
en relacin
relaci6n al
al indice
1ndice de si-
de si-
tio,
tio, yy la edad en
en relaci6n
relacin aa la
la edad
edad indice
Indice Ai.
A. La
La regresin
regresi6n ajusta
ajusta
da
da no
no tendra trmino independiente.
tendr trmino independiente. El modelo
modele siguiente
siguiente constituye
constituye-
un ejemplo:

( Ho - S ) = bl ( A-Ai ) + b2( A-Ai )2

Este tipo de modelos est
esta forzado
forzado a
a dar
dar una
una altura
altura dominante
dominante Ho
Ho
igual
igual al
al 1ndice
indice de 1ndice
de sitio S cuando la edad es igual a la edad ndice
Ai.
Ai'
(2) irrestrictos, con
Modelos irrestrictos, con trmino
trmino independiente.
independiente. Cuando
Cuando se
se usa
usa el
el
1ndice
indice de sitio, mas bien la clase de sitio,
de sitio, sitio, las
las curvas
curvas deben ser
ser
condicionadas despus
despus del
del ajuste
ajuste para
para asegurar
asegurar que
que la
la altura
altura domi-
domi-
nante corresponde al
al indice
indice de
de sitio
sitio en
en la
la edad
edad indice.
indice.
Algunos ejemplos de
de los
los tipos
tipos de
de modelos
modelos irrestrictos
irrestrictos que
que pueden
pueden
ser son:
ser ajustados son:

Ho o + biA
Ho == bbo blA + b2S + b3As
b3AS + b4A2
b4A2 (13)
(13)

log Ho = 130
log b o + bi/A
bl/A + b2S
b 2 S + b3S/A (14)

La ecuaci6n
La ecuacin (13)
(13) est
esta basada
basada en
en la ecuac~on cuadrgtica.
la ecuacin cuadratica. Ver
Ver la fig~
la figu
ra A.2.1
ra A.2.1 (e)
(e) en el apendice
en el apndice A para observar las
las formas
formas que
que puede
puede
para curvas
tomar la curva.Obviamente, para curvas de
de indice
indice de
de sitio,
sitio, slamen-
s61amen-
te se desea una de laslas diversas formas
formas posibles.
posibles. La
La ecuacin
ecuaci6n (14)
(14)
esta
estg basada en lala ecuacin
ecuaci6n de Schumacher,
Schumacher, o0 figura
figura A.2.1
A.2.1 (c)
(c) del
del
apndice.
apndice.

Tambin son posibles una

Tambin son una infinita
infinita variedad
var iedad dede otros
otros modelos.
modelos. En
En todo
todo caso
caso
esenc~al, dibujar las curvas despus
es esencial, despues del ajuste,
ajuste, y sobreponerlas al al gra-
grg-
fico
fico de
de los
los datos para asegurarse que se se mantienen
mantienen laslas tendencias.
tendencias. AA los
los pa-
pa-
rametros (p.e.
rgmetros (p.e. R2,
R2, desviaci6n residual) asociados con la regresin
desviacin standard residual) regresi6n
multiple
mltiple no debe darsele determinacion de la adaptabilidad
dgrsele confianza en la determinacin
de las
las curvas.
curvas.
Si
Si se usa 1ndice
se usa indice de
de sitio, en vez
sitio, en vez de
de clase
clase de sitio, podr observarse
sitio, podra observarse al al gra
gra
ficar las curvas,
ficar curvas, que la altura dominante que se se estima Ho a a la
la edad indice
indice-
Ai generalmente no ~ coincide con el indice
1ndice de sitio
sitio S.
S. Esto se
se debe a a que no
se
se establecen
establecen restricciones
restricciones en
en el
el proceso de de ajuste que obliguen esta coinc~
que obliguen coinci
dencia. Se dibujan curvas para un valor seleccionado
dencia. seleccionado verdadero
verdadero de indice
indice de
sitio
sitio S*,
S*, calculando
calculando el
el 1ndice
indice de estad1stico S requerido en el
de sitio estadstico el modele
modelo
linea que
para obtener una linea que pase
pase por
por S*
S* aa la
la edad
edad Ai.
Ai'

Asi
As del modele (13) se
modelo (13) se tiene:
tiene:

S* o + blAi
S* == bbo b1Ai + b2S
b 2 S + b3AiS + b4Al2
b4Ai2
 -60-

de donde;

sS = ( S*- be,-
( b4Ai2) /
biAi -- b4Ai2)
b o - b1Ai 2 + b3A1)
/ (( bb2+ b3Ai) (15)
(15)

Del
Del mode10 (14) se
modelo (14) se tiene:
tiene:

log S*=
log o + b1/Ai
S*= bbo+ b1/A1 + b2S + b3S/A1
b3S/Ai

de donde:

S = ( log
( * - bbo
log SS*- - b1Ai
o - ) ( + b3/Ai
blAi ) // ( b2 + b3/Ai ) ) (16 )
(16)

La necesidad dede condicionar

condicionar las
las curvas
curvas de
de Indice
1ndice de
de sitio
sitio yy la
la misteriosa
misteriosa yy
confusa distincin
distinci6n entre
entre Indice
1ndice de
de sitio
sitio estadstico
estad1stico SS ee ndice
1ndice de
de sitio
sitio real
real
oo verdadero S*S* ha
ha inducido
inducido aa muchos
muchos investigadores
investigadores aa usar
usar modelos
modelos del
del tipo
tipo
restringido descritos anteriormente.
anteriormente. Desafortunadamente,
Desanortunadarnente, eses comn
comun que
que muchos
prograrnas de
programas de regresin
regresi6n mltiple
multiple no
no ajustan
ajustan ecuaciones
ecuaciones sin t~rmino indepen
sin trmino indepen --
diente, de modo que
diente, que esta
esta opcin
opci6n no
no siempre
siempre estg
esta disponible
disponible para
para los
los investi-
investi-
gadores.
Con curvas de clase
clase de
de sitio
sitio el
el problema
problema nono se
se presenta,
presenta, ya
ya que
que no
no existe
existe
ningun requerimiento para
ningn para que
que las
las curvas
curvas pasen
pasen por
por un
un punto
punta particular.
particular.
t~cnicas de regresin
Las tcnicas regresi6n mltiple
multiple tienen
tienen lala ventaja
ventaja dede una
una gran
gran flexibili-
flexibili-
dad en el tipo
tipo de modelo
modele adoptado.
adoptado. Tienen
Tienen lala desventaja
desventaja dede requerir
requerir estima-
estima-
ciones a a priori del Indice
1ndice de
de sitio,
sitio, o0 de
de ser
ser estadistIcamente
estadist1camente ineficientes
ineficientes
al uso de la
al no hacer uso la naturaleza
naturaleza jergrquica
jerarquica dede los
los datos
datos de
de las
las PMP.
PMP. Tambin
Tambin
es una desventaja,
desventaja, basarse
basarse en
en la
la premisa
premisa invalida
invalida de
de que
que la
la variable
variable de
de si-
si-
tio es conocida con unun alto grado
grado de
de precisin.
precisi6n.

513 Modelos de estimacin

140delOG estimaci6n de
de sitio
sitio basados
basados en
en factores
factores ambientales
ambientales

Las curvas de ndice

1ndice de sitio
sitio o0 clases
clases de de sitio
sitio slo
s6lo son
son tiles
utiles como
como instru-
instru-
me nto s p ara
,lientos parapredecir
predecir el
el potenci.al
potencial dede p:rtoollcci6n,
prodlIccin, cuando
cuando se
se aplican
aplican aa rodales
rodales
existentes. cantida6 de
existentes. Una gran cantidad de decisiones
decis iones deldel manejo
manejo forestal
forestal requiere
requiere dede
alguna estimacin
estimac i6n del potencial de de produccin
producci6n para
para una
una determinada
determinada especie
especie
antes de queque haya
haya sido
sido establecida
establecida o0 alal menos
menos cuando
cuando los
los rodales
rodales son
son muy
muy j-
j6-
venes.
s6lamente es
Esto slamente es posible
posible enen dos
dos tipos
tipos dede situaciones:
situaciones:

Predicciones muy generalizadas, como

aomo productividad
Froductividad mgxima
maxima en
en una
una re-
re-
gi6n determinada por comparacin
gin comparaci6n con
con productividad
productividad ptima
6ptima de
de bosques
bosques
similares
similares establecidos bajo condiciones ambientales
arnbientales similares
similares en
en al-
gun otro lugar
gn lugar del
del mundo.
mundo.

Predicciones mas
mgs detalladas dede clase
clase de
de sitio
sitio con
con referencia
referencia aa un
un
de curvas
conjunto particular de curvas altura-edad
altura-edad de
de una
una especie
especie determinada
determinada
por medio de construccin
construcci6n dede relaciones
relaciones funcionales,
funcionales, para
para bosques
bosques yaya
la regin
establecidos en la regi6n en
en cuestin,
cuesti6n, entre
entre clases
clases de
de sitios
sitios yy fac-
fac-
tores ambientales tales
tales como
como nutrientes,
nutrientes, profundidad
profundidad yy textura
textura del
del
suelo,
suelo, altitud, aspecto yy precipitacin.
altitud, aspecto precipitaci6n.

enfoque es
El primer enfoque es particularmente
particularmente relevante
relevante para
para bosques
bosques mixtos
mixtos natura-
natura-
les.
les. En lo
10. concerniente a bosques
bosques uniformes
uniformes creados
creados por
por el
el hombre,
hombre, esta
esta ma-
ma-
mas aa la
teria corresponde ms la fase
fase de
de seleccin
selecci6n de
de especies
especies yy proveniencias
proveniencias que
que
a una detallada prediccin
a predicci6n dede rendimiento,
rendimiento, de
de lo
10 cual
eual trata
trata este
este manual.
manual.
 -61-

513.1 Modelos funcionales para

para prediccin
predicci6n de
de clases
c1ases de
de sitio
sitio

Los modelos para prediccin

predicci6n de
de clases
clases de
de sitio
sitio se
se construyen
construyen en
en las
las siguien-
siguien-
tes etapas:
et~pas:

(1) Construcci6n de curvas

Construccin de curvas de
de Indice
indice de
de sitio
sitio o0 clase
clase de
de sitio
sitio para
para
permanentes en
parcelas de muestreo permanentes en bosques
bosques existentes.
existentes.

(2) Recolecci6n ambientales de

Recoleccin de datos ambientales de parcelas
parcelas permanentes
permanentes y/o
y/o tem-
tem-
porales. parcela se
porales. Cada parcela se asigna
asigna aa una
una clase
clase de
de sitio bas~ndose en
sitio basndose en
la altura dominante yy la
la edad
edad obtenidas de de las
las curvas
curvas de
de Indice
indice dede
sitio. Los datos ambientales colectados
sitio. colectados deben
deben corresponder
corresponder aa las
las
sefialadas en
sugerencias sealadas en la
la seccin
secci6n 323.
323.

(3) Las
Las diferentes variables
variables ambientales
ambientales se
se transforman
transforman yy seleccionan
seleccionan
como se describe en la
la siguiente
siguiente seccin
secci6n para
para producir
producir un
un modelo
modele
predictivo de
predictivo de la
la forma:
forma:

S = bo + biel + b2e2 + + bnen

donde bo, bl,

donde bo, b l , etc.
etc. son coeficientes
coeficientes ajustados
ajustados por
por regresi6n
regresin multi-
mlti-
ple y era
e1a en sonson transformaciones relevantes de las variables
variables am-
bientales.

(4) las prediccines

Los limites de confianza de las predicci6nes pueden ddefinirse
efinirse por
los
los metodos
mtodos dados
dados para regresi6n multiple
para regresin mltiple en
en el
el apendice
apndice A. A. En
En ge-
ge-
neral,
neral, es
es deseable
deseable comprobar
comprobar la funci6n, comparando
la funcin, comparando las
las clases
clases de
de
sitio
sitio reales y la
la de prediccin,
predicci6n, can
can un
un conjunto
conjunto de
de datos
datos indepen-
indepen-
dientes del que se
se utiliza en el ajuste de la la funcin.
funci6n. Estos dauos
datos
independientes deben ser
ser preferiblemente
preferiblemente dede una
una regin
regi6n diferente
diferente
de donde se
se obtuvieron
obtuvieron los
los datos
datos principales,
principales, con
con el
el fin
fin de
de compro
compro
regional de
bar la estabilidad regional de la
la funcin
funci6n predictora.
predictora. -

513.2 Construcci6n y
Construccin y seleccin
selecci6n de variables ambientales

El
El numero
nmero total
total de variables ambientales medidas puede ser muy grande,
grande, posi-
blemente hasta
blemente hasta cien por parcela,
parcela, aun cuando un modele
modelo utilizable debera
deber con-
con-
tener
tener el
el menor nmero
numero posible
posible de
de las
las variables
variables ms
mas facilmente
facilmente medibles.
medibles.
La
La reducci6n
reduccin del numero total
del nmero total de variables puede lograrse de diferentes
diferentes mane
mane
ras:

Por sintesis de algunos elementos de informacin.

Por sntesis informaci6n. Por ejemplo,
ejemplo, los
datos climticos
climat icos pueden sintetizarse
sintetizarse para dar lala duracin
duraci6n de la es-
taci6n humeda o
tacin hmeda 0 la estacin
estaci5n de crecimiento con temperaturas sobre
6'C,o la
6C,0 la temperatura
temperatura promedio durante
durante la estacin hmeda,
la estaci6n humeda, 0o por
por tec-
tc-
nicas mas basadas en
ms complejas basadas en frmulas
f6rmulas de
de evapotranspiracin.
evapotranspiraci6n.

Selecci6n estadstica
Seleccin estadlstica de las
las variables ms
mas significativas. an~li
significativas. El anli-
sis
sis de
de componentes
componentes principales puede par ~ esto,
puede utilizarse para esto, pero
pero qui-
qui-
zas
zas es
es mas
ms simple
simple usar
usar un
un analisis
anlisis de
de regresi6n
regresin mul t iple paso aa pa-
mltiple pa-
so.

Analisis grficos
Anlisis graficos de
de las
las variables
var iables consideradas
consideradas como
como las
las ms
mas impor-
impor-
tantes limitantes del crecimiento,
tantes como factores limitantes crecimiento, seleccionando
seleccionando sla-
s6la-
aquellas que
mente aquellas que tienen
tienen una
una relacin
relaci6n definida
definida yy obvia
obvia con
con las
las cla-
cla-
ses
ses de sitio.
sitio.
 -62-

deber~n en lo
Las variables medidas deberdn 10 posible ser
ser transformadas,
transformadas, con elel fin
fin de
de
obtener valores que puedan correlacionarse con el crecimiento.
crecimiento. El ejemplo
ejemplo
mas obvio
ms obvio es
es la
la exposicin topogr~fica del
exposici6n topogrdfica de.l lugar,
lugar, que
que puede
puede medirse
medirse en
en gra-
gra-
dos,
dos, de O
0 a 3600,
360, donde los
los valores cercanos
cercanos alal cero y al 360
360 corresponden
corresponden
aa direcciones al norte.
norte . Tomando el seno
sene de los ~ngulos dividido entre
los dngulos entre dos,
dos,
se obtiene un cdigo
c6digo de exposicin
exposici6n entre cero
cero para direcciones septentriona-
septentriona-
pendientes meridionales.
les y uno para pendientes meridionales.

513.3 Problemas en la aplicacin

aplicaci6n de funciones de estimacin
estirnaci6n de sitio
sitio

Para que un modelo

modele de estimacin
estimaci6n de de sitio
sitio sea
sea efectivo deber~
efectivo deberd expresarse en
funci6n de variables predictoras que sean
funcin sean de f~cil medicin.
de fcil Tambi~n deber
medici6n. Tambin deber~
tener un coeficiente de correlacin
correlaci6n relativamente
relativamente alto,
alto, preferiblemente so- so-
bre 0.8,
0.8, con 20 m~s puntos.
20 6 ms punto s. De otro modo, la la relacin
relaci6n puede
puede ser
ser significa-
significa-
tiva del punto de vista estadstico,
e stad1stico, pero
pero no
no de uso pr~ctico para
usc prctico para propsitos
prop6sitos
de
de predicci6n,
prediccin, a causa de su su baja
baja precisin.
precisi6n. LaLa ecuacin
ecuaci6n predictiva
predict iva debe
debe por por
10 posible de
lo tanto tener el menor numero posible de variables
variables predictoras,
predictoras, preferible-
preferible-
mente no m~s de
no mds de tres
tres o0 cuatro.
cuatro.
Las variables predictoras deben ser ser cantidades
cantidades que
que pueden
pueden determinarse
deter minarse rdpi-r~pi
utilizando los
damente utilizando los equipos
equipos convencionales
convencionales disponibles.
disponibles. EnEn lala figura
figura 5.8 5.8
se muestra un ejemplo de un modelo predictivo
predictivo que
que satisface
satisface estos
estos criterios.
criterios.
Est~ basado en
Est en una
una sla
s61a variable,
variable, que
que es
es el
el numero
numero dede das
d1as en
en lala estacin
estaci6n de de
crecimiento con temperaturas superiores
superiores aa 6
6 C.
C. El
El Indice
1ndice de
de sitio
sitio sese expre-
e x pre-
sa en funcin
funci6n del incremento volum~trico pnomedio
incremento volumtrico pnomedio anual
anual yy de
de su
su mximo.
max imo.
Mientras menor nUmera
numerQ de
de variables
variables predictoras est~n implicadas
predictoras estn implicadas en en un
un mode-
mode -
lo, m~s
10, mas apropiado es para ser ser usado
usado en
en una
una extensa
extensa regin.
regi6n. Con
Con muchas
muchas varia-
v a r ia-
bles predictoras, modele se
predictoras, el modelo se vuelve muy
muy sensible
sensible aa las
las relaciones
relaciones entre
e n tre
elIas,
ellas, especialmente si si algunas dede dichas
dichas varibles est~n altamente
varibles estn altamente correla-
corre la-
cionadas entre
entre sl.
sf. Consecuentemente,
Consecuentemente, cambios
cambios regionales
regionales enen el
el balance
balance entre
entre
predictoras, pueden
variables predictoras, f~cilmente invalidar
pueden fdcilmente invalidar unun modelo
modele complejo
complejo

52
52 HETODOS EsTATICOS
METODOs ESTATICOS DE
DE PREDICCION
PREDICCION DE
DE RENDIMIENTO.
RENDIMIENTO.

m~todos estdticos
Los mtodos est~ticos dede prediccin
predicci6n dede rendimiento
rendimiento son son aquellos
aquellos en en los
los cua-
cua-
les
les el rendimiento sese predice
predice directamente
directamente como
como una
una funcin
funci6n de
de la
l a edad,
edad, cla-c la-
se
se de e historia de la
de sitio e la densidad del
del rodal.
rodal. Los m~todos son
Los mtodos est~tic o s
son estdticos
en
en el
el sentido de que las
las funciones
funciones resultantes
resultantes deldel rendimiento
rendimiento nono permiten
permiten
variaci6n
variacin alguna en la la historia
histaria dede los
los tratamiento
tratarniento del
del rodal,
rodal, excepto
excepto dentro
dentro
tratamientos alternativos
de amplias clases de tratamientos alternativos de de clareos,
clareos, que
que ya est~n pre
ya estdn pre
los datos.
sentes en los datos. -
Los componentes del redimiento
redimiento de mayor
mayor inters
interes para
para el
el administrador
administrador fores-
f o res-
tal
tal son el volumen y el di~metro promedio.
el didmetr promedio. Para
Para determinar
determinar elel volumen
volurnen dede loslos
rodales se requiere conocer
conoc er el
el numero
numero de
de arboles,
arboles, la
la altura
altura yy el di~metro
el didmetro
promedio. numero de
promedio. El ndmero ~rboles es
de 'rboles es usualmente
usualmente la la base
base para
para definir los los trata
de clareo,
mientos de clareo, mientras
mientras lala altura
altura es
es lala medida ~s comn
medida ms comun para
para la clasi~
la clasi-
ficaci6n de
ficacin de sitio.
sitio.
En
En esta seccin
secci6n se consideran los metodos est~ticos para
mtodos estdticos para predecir
predecir el el di~me
didme-
tro pnomedio.

521
521 gr~ficos basados en la
Metodos grficos la funcin
funci6n dimetro/altura
diametro / altura

gr~fico los datos de un conjunto de

Cuando se llevan aa un grfico de parcelas
parcelas tempora-
tempora-
di~metro promedio
les con el didmetro promedio en en el
el eje
ej e vertical
vertical y-y la
la altura
altura dominante
dominante enen el
el
horizontal, se obtiene un
horizontal, se un diagrama
diagrama similar
similar al
al de
de la
la figura
figura 5.9
5.9 (a).
(a). Si
Si los
los
datos provienen dede un experimento
e x perimento de clareos,
clareos, se obtiene algo parecido
parecido aa lala
(b) . El tratamiento
figura 5.9 (b). tratami ento AA representa
representa elel clareo m~s ligero,
clareo ms ligero, es
es decir
decir
la mayor masa presente,
presente, y el e l tratamiento DD es el
e1 clareo m~s sever"" con la
ms severo, la
 -63-

m3/ha

8
8

xv
t/
xv
/
7x x
6
6
~~
x
X

4
4
/7
/"
/
x X
(x)
(X)

Vx
2
2 x
X x

100
1.00 120 140 160 180 200
dlas + 6C

Figura 5.8
5.8 Modelo de evaluacin
evaluaci6n de
de sitio
sitio para
para bosques
bosques dede pino
pino escocs
escoces (P.
(P.
sylvestris) en Suecia.
sylvestris) Suecia. La
La productividad
productividad promedio
promedio dede las
las regiones
regiones esta
est plotea
plotea
numero promedio
da contra el nmero promedio de
de das
d1as anuales
anuales con
con temperaturas
temperaturas sobre 6C. (Re
sobre 6C. (1=t

producido de Fries, J., 1978 "The

Fries, J., "The assessment of growth and yield and the -
factors influencing it".
factors it". Trabajo
Trabajo especial
especial al
al 8Congreso
8Congreso Forestal
Forestal Mundial,
Mundial,
Djakarta)
Djakarta).
Figura 5.9 la relacin
Forma de la di~metro promedio y altura dominante
relacion entre digmetro
Di~metro del ~rbol
Digmetro del grbol de
~rea
grea basal
basal promedio

Dg

.. ... .... .. ..

.... . .

Altura dominante Ho
Ho

(a)'
(a) de parcelas
Con datos de parcelas temporales
temporales se
se obtiene
obtiene un
un diagrama
diagrama disperso.
disperso. La ver
de la
dadera forma de la relacin di~etro/altura es
relaci6n digmetro/altura es dificil
dif!cil de
de definir.
definir.
Dg clareo
tratamientos de clareo

CC
...-

/ --
-- ' B
// , ..--.
"'"---
_-- ..-- -----

// -' - -- --- ..- A

/ ,/,"-- - ----- ----
_....

/:( --' -----

V/I,./..---

Ho

(b) Con
(b) Con datos
datos de
de experimentos
experimentos de
de clareo, la forma
clareo, la forma de la relacin
relaci6n yy su
su depen-
la densidad del rodal es
dencia de la es muy
muy clara. A representa el clareo m~s
clara. A mgs
ligero y DD el 'mas severo.
mas severo.
 -65-

masa presente.
menor masa presente.
Puede verse queque las
las curvas
curvas son
son cncavas
a6ncavas concon respecto
respecto alal eje
eje horizontal.
horizontal. Con
Con
parcelas temporales
datos de parcelas temporales o0 permanentes,
permanentes, puede
puede construirse
construirse unauna serie
serie de
de
curvas dibujadas a a mano de una an~loga a
una manera anloga a la
la descrita enen la
la seccin
secci6n
512.1
512.1 para
para curvas de ndice
indice de sitio,
sitio, excepto que aqu aqu! las curvas sealan
sefialan di
ferencias enen la
la historia
historia del
del rodal m~s bien
r oda l ms bien que
que en
en clases
clases de
de sitio.
sitio.
parcelas temporales,
Con datos de parcelas temporales, laslas formas
formas dede las
las curvas
curvas pueden
pueden definirse
definirse
b~sicamente
bsicamente como envolventes, entreentre lala parte superior
superior y y la
la parte
parte inferior
inferior
del diagrama de puntos,
puntos, pero
pero obviamente
obviamente la la forma
forma dede la
la curva
curva puede
puede alterarse
alterarse
f~cilmente, como resultado de unos
fcilmente, unos pocos
pocos puntos anmalos
an6malos o excepcionales y
0 excepcionales y
es juicio subjetivo.
es en gran parte un asunto de juicio subjetivo. Con datos de parcelas
parcelas perma-
perma-
nentes por otra parte,
parte, las
las tendencias
tendencias principales de de la
la curva
curva son f~cilmente
son fcilmente
por las
visibles por las pendientes
pendientes de
de las
las lneas
lineas que
que unen
un en las
las mediciones
mediciones dede las
las mis
mis
parcelas.
mas parcelas.
all:ura se
La altura se usa
usa en
en el
el eje
eje horizontal
horizontal como
como un
un indicador
indicador dede la
la edad
edad dependien
dependien
sitio. Los
te del sitio. gr~ficos pueden
Los grficos pueden construirse
construirse utilizando
utilizando la la edad,
edad, pero
pero en
en di
dI
cho caso sese necesitan
necesitan conjuntos
conjuntos separados
separados de de curvas
curvas para
para cada
cada clase
clase de
de si-
si-
tio.
io.
un conjunto de
Una vez que un de curvas
curvas han
han sido
side dibujado,
dibujado, debe
debe determinarse
determinarse lala
historia de la densidad de los
los rodales
rodales representada
representada por
por cada
cada clase
clase de
de densi-
densi -
dad. Esto se
dad. se discute en
en la
la seccin
secci6n 523.
523.
Las curvas dibujadas aa mano
mano pueden
pueden ser
ser expresadas
expresadas como
como ecuaciones,
ecuaciones, utilizan-
utilizan -
los diferentes mtodos
do uno de los metodos de
de aproximacin
aproximaci6n que
que se
se describen
describen en
en el ape~
el apn
dice A.
A.

522 Estimaci6n estadstica

Estimacin estadistica directa
directa de
de funciones
funciones de
de prediccin
predicci6n del di~metro
del dimetro
promedio
Pueden ajustarse funciones
funciones directamente
directamente aa los
los datos
datos de
de los di~metros prome-
los dimetros prome-
dios por mtodos an~logos a
metodos anlogos a Ios
los utilizados
utilizados para
para ajustar
ajustar curvas
curvas de
de ndice
indice de
de
sitio.
sitio. Las variables predictoras pueden
pueden ser
ser la
la altura
altura dominante
dominante yy la
la histo-
histo-
ria de los
los tratamientos
tratamientos del
del rodal
rodal (designada
(designada por T), o0 puede
por T), puede incluir
incluir edad
edad ee
indice de sitio como variables separadas
ndice separadas en
en lugar
lugar de
de la
la variable
variable combinada
combinada
dominante. Los
altura dominante. Los mtodos
metodos que
que pueden
pueden usarse
usarse para
para ajustar
ajustar las
las funciones
funciones
incluyen:

(i)
(i) Oon
Con datos de parcelas
parcelas temporales:
temporales :

Se sortean los datos de acuerdo

acuerdo a
a los di~etros dentro
los dimetros dentro de
de las
las cla-
cla-
ses de
de altura y se
se les
les asigna
asigna un ndmero
nGrnero de orden
orden despus
despues del
del sor-
sor-
teo.
Se llevan los ndmeros
numeros de orden
orden dentro dede cada
cada clase
clase de
de altura
altura aa
una escala comn
comun por la
l a transformacin:
transformaci6n:

T = i/n
i /n

donde i
donde i es el ndmero
numero de orden
orden dentro
dentro dede una
una clase
clase de
de altura
altura yy nn eses
el
el numero
ndmero de puntos que contiene lala clase.
clase. TT es
es un
un Indice
ind i ce de
de la
la
historia de
historia de los
los tratamientos.
tratamientos. Puede
Puede ajustarse
ajustarse un
und regresin
regresi6n mlti-
multi-
ple
ple de
de uno de los
los tipos discutidos anteriormente
anteriormente usando
usando TT como
como una
una
independiente.
variable predictora independiente.

linea de
Ajuste de una linea de tendencia
tendencia promedia
promedia por
por regresin
regresi6n simple
simple en-
en-
tre
tre el di~metro promedio y la
el dimetro la altura
altura dominante,
dominante, yy despus
despues construc
construc
ci6n
cin dede un curvas proporcionales 0o paralel~s
un conjunto de curvas (anam6rfI
paralelas (anam6rfT
cas)
cas).
 -66-
-66-

(ii)
(ii) parcelas permanentes.
Con datos de parcelas permanentes.

Regresi6n simple
Regresin simple jerrquica,
jerarquica, como sese describe en lala seccin
secci6n
512.2
512.2 para curvas
curvas de indice de
de Indice sitio. Esto dependera
de sitio. dependerg de la habi
lidad
lidad de
de encontrar una
una trasformaci6n
trasformacin de los datos
de los datos que
que resulte -
figura como la
en una figura la 5.5
5.5 (a)
(a) 66 5.5
5.5 (b)
(b) para
para los
los model os de
modelos de pen
diente comn t~rmino independiente
comun 6 trmino independiente comn
comun respectivamente.
respectivamente. LaLa-
ecuaci6n de Schumacher puede ser
ecuacin ser adecuada,
adecuada, o trasformaci6n
0 una trasformacin
mas simple del
mgs simple del tipo:
tipo:

Dg = a + b Hok
= a

donde k es un
k es un exponente
exponente entre
entre O0 yy 1.
1.

Regresi6n multivariante jergrquica,

Regresin jerarquica, usando la la tcnica
tecnica de
de varia-
varia-
ble condicional ' descrita
descr i t'a, en el
el apndice
apendice ,A .-2.9 u
A.2.9 otras tcnicas
U otras tecnicas
mas de regresin.
mgs avanzadas de regresi6n.

Regresi6n mltiple
Regresin multiple convencional,
convencional, despus
despues de haber
haber asignado
asignado unun
valor de la
la historia los
los tratamientos
tratamientos T T aa cada parcela.
parcela. Esto
puede hacerse de varias maneras,
maneras, incluyendo
incluyendo unauna variante
variante del
del m
me
sorteo descrito anteriormente
todo de sorteo anteriormente para parcelas temporales
tempora1es-
cual, los
en la cual, los valores promedios de de T calculados
calculados para
para cada
cada me-
me-
dici6n,
dicin, se obtienen de parcelas manejadas de acuerdo acuerdo aa un
un plan
plan
de clareos.
consistente de clareos.
Con experimento de clareos,
clareos, los
los valores
va lores T asignados
asignados aa cada
cad a tra-
tra-
tamiento pueden
pueden ser
ser tan
tan simples
simples como 1, 2,
como 1, 2, 3,
3, etc.,
etc., si los tra-
tamientos pueden ordenarse claramente
claramente de de acuerdo
acuerdo aa su
su grado
grado de
de
intensidad.
Un enfoque muy comn
comun para ajustar
ajustar modelos de de regresin
regresi6n mltiple
multiple
a parcelas permanentes es
a es usar
usar elel espaciamiento,
espaciamiento, relacionndolo
relaci onandolo
la altura
con la altura o0 inclusive
inclusive simplemente
simplemente con con la
la densidad,
densidad, como
como In-
in-
de la
dices de la historia
historia de
de los
los tratamientos.
tratamientos. Este
Este mtodo
metodo da
da la
la im-
im-
presi6n bien, pero
presin de trabajar muy bien, pero introduce
introduce dificultades
dificultades con-
con-
ceptuales especiales que se se discuten
discuten ms
mas adelante
adelante en
en la
la seccin
secci6n
523.

La funci6n matematica
La funcin que se
matemtica que se use
use como
como base
base dede los
los modelos
modelos de
de ajuste
ajuste no
no es
es
muy importante,
importante, siempre
siempre que
que sea
sea capaz de asumir
asumir una forma correcta. Esta se-
correcta. Esta se-
ra
r la de una curva levemente
levemente cncava
c6ncava ', respecto
respecto al
al eje horizontal,
horizontal, como se
en la
muestra en la Fig.
Fig. 5.9
5.9 (b).
(b). Modelos
Modelos apropiados
apropiados son:
son:
2
2
(1) Dg = bo
b o + blHo + b2T + b3H0T
b3HoT + b4H0
b4Ho

k k
(2) = b190o + b1H
Dg = b1Ho + b2T
b 2T ++ b3H1r
b3HoT

El
El segundo modelo puede ser
ser ajustado usando valores tentativos
tentativos de
de kk entre
entre 0O
y 1 con metodos
mtodos dede regresin
regresi6n lineal,
lineal" seleccionando
seleccionando el
el valor
valor que
que de
de el
el mgximo
maximo
coeficiente de correlaci6n,
correlacin, o tambien directamente
0 puede ajustarse tambin directamente por
por regre
regre
si6n lineal .
Sin no lineal. -
Cualquiera que sea la funcin
funci6n usada,
usada, el resultado debe ser examinado
debe ser examinado grafica
grfica
mente y sobrepuesto
sobrepuesto aa los
los datos
datos para
para detectar
detectar comportamientos
comportamientos anmalos.
an6malos. -

523 Definici6n
Definicin de la historia de los tratamiento
tratamiento' en funcin
funci6n de la densidad
de la densidad
fa edad
yy la

historia de
Las clases de historia de los
los tratamientos
tratamientos pueden
pued'e n ser
ser definidas
definidas grgficamente,
graficamente,
 -67-

oo por
por un metodo numerico, como se
mtodo numrico, se discute en las
las secciones
secciones 521
521 yy 522
522 respec-
respec-
tivamente. Una vez
tivamente. vez que
que esto
esto sese ha
ha hecho,
hecho, la
la densidad
densidad real
real involucrada
involucrada puede
puede
por un
determinarse por un proceso
proceso dede tabulacin.
tabulaci6n. Si
Si la
la funcin gr~fico relaciona
funci6n o0 grfico relaciona
di~metro
dimetro promedio a altura dominante,
dominante, se construir~ una tabla de clases
se construir clases de
de
altura para cada clase de tratamiento,
tratamiento, yy se determinar~ la
se determinar la densidad
densidad promedio
promedio
porhect~rea en cada clase de tratamiento.
porhectdrea tratamiento. Las
Las clases
clases de altura
altura pueden
pueden conver
conver
tirse posteriormente en clases de edad yy clasesclases de indice
!ndice de
de sitio
sitio por
por refe-
refe=
rencia aa las curvas relevantes
relevantes de indice
!ndice de
de sitio.
sitio.
Cuando lala funcin
funci6n del di~metro promedio
del dimetro promedio ha
ha sido
sido ajustada
ajustada utilizando
utilizando densidad
densidad
oo espaciamiento relativo como un un Indice
!ndice de
de la
la historia
historia de loslos tratamientos,
tratamientos,
determinar la
no es necesario determinar la densidad
densidad correspondiente
correspondiente aa unun tratamiento
tratamiento his-
his-
t6rico particular. Sin
trico en particular. Sin embargo,
embargo, los
los coeficientes
coeficientes determinados
determinados para
para una
una
funci6n dependen de
funcin de esta naturaleza dependen de la
la relacin
relaci6n particular
particular entre
entre lala edad
edad
yy la densidad observada
observada en
en los
los datos.
datos. Fallas
Fallas en
en la
la realizaci6n
realizacin de de esto pueden
funci6n podra
significar que la funcin podria ser
ser utilizada
utilizada para
para combinaciones
cbmbinaciones edad/densi
edad/densi
dad
dad no representadas enen los
los datos,
datos, dando resultados ~s o
resultados ms menos errneos.
0 menos erroneos. -

524 est~ticas de
Funciones estticas de rendimiento
rendimiento predictivas
predictivas de ~rea basal
de rea basal o0 volumen
volumen

As! como se
As se contruyen
contruyen funciones est~ticas de
funciones estticas de rendimiento
rendimiento para
para predecir
predecir elel
di~metro promedio,
dimetro promedio, es es posible
posible usar t~cnicas idnticas
usar tcnicas identicas para
para predecir
predecir el ~rea
el rea
basal
basal o v olumen por
0 el volumen hect~rea. Las
por hectrea. Las formas
formas de
de estas
estas funciones
funciones se
se muestran
muestran
en figur a s 5.10
en las figuras 5.10 (a)
(a) yy (b).
(b) .
general , el uso
En general, di~etro promedio significa
usc del dimetro significa ciertas ventajas
ventajas en
en termi
trmi
nos de simplicidad de un un modelo
mode l e general.
g eneral. Si
Si se
se predice ~rea basal
predice rea basal o0 volumen
volumen-
usualmente es necesario tener tener alguna
alguna funcin
funcion que
que permita
permita obtener
obtener posterior-
posterior-
mente el di~metro promedio.
el dimetro promedio .
Tambien, con rea
Tambin, ~rea basal
basal o volume n por ha,
0 volumen ha, un gran componente de la respuesta
respuesta
aa las diferentes densidades de de los
los rodales
rodales es
es simplemente
simplemente el
el efecto
efecto multipli
multipli
cativo de las diferentes densidades.
densidades. Con Con la
la funcin
funcion del
del dimetro
diametro promedio,
promedio, -
esta influencia desaparece, de de manera
manera que
que las
las relaciones
relaciones resultantes
resultantes refle-
ref le-
jan los efectos reales de de competencia.
competencia.

525 los modelos estticos

Limitaciones de los estaticos de rendimiento

est~ticos de
Los modelos estticos de rendimiento
rendimiento tienen
tienen 33 desventajas
desventajas significativas:
significativas:

(i) juntos datos de rodales con historias de

Es dificil combinar juntos tra
de tra
tamientos radicalmente diferentes 0o con historias
historias de
de tratamien
tratamie
funcion de rendimiento efectiva yy -
tos variables y obtener una funcin
consistente.

(ii) modele ha sido

Una vez que el modelo side construido,
construido, no puede ser
ser usado pa-
ra
ra predecir rendimientos
rendimientos de tratamientos alternativos,
de tratamientos alternativos, aparte
aparte de
de
las historias de tratamientos
aquellos representados por las tratamientos incorpo
en el
radas en el modelo.
modelo. -

(iii) determinaci6n de
La determinacin de los
los rendimientos
rendimientos de
de los
los clareos
clareos es
es dificil,
dificil,
a menos que se
a se lleven
llev en registros exactos de los di~metros de los
los dimetros
~rboles removidos.
rboles removidos. Muy frecuentemente
frecuentemente con PMP o inclusive con ex
0 inclusive
tales datos
perimentos, tales datos no
no son
son obtenibles.
obtenibles.

parte , los
Por otra parte, est~ticos son
los modelos estticos son indiscutiblemente m~s sencillos
indiscutiblemente ms sencillos de
construir
construir yy usar din~icos, y en situaciones
usar que los dinmicos, situaciones apropiadas,
apropiadas, al menos
son confiables.
 -6 8-
-68-

Figura 5.10 las curvas de .volumen

La forma de las area basal en funcin
volumen y rea funci6n de la
la
altura dominante
(a) Volumen por
por hectrea
hectarea en
en funcin
funci6n de
de la
la altura
altura dominante.
dominante. 0bs6rvese que la
9bs~rvese que la
linea
linea mas
ms gruesa representa un limite no excedido por densidades de ro-
dal
dal muy altas.
altas. Si
Si se
se utilizan
utilizan escalas
escalas logartmicas
logaritmicas en
en ambos
ambos ejes,
ejes, la
la re-
re-
laci6n
lacin aparece como una
una linea
linea recta.
recta.
vV
densidad del rodal

I
decreciente

(b) Area basal

basal por
por hectrea
hectarea en
en funcin
funcion de
de la
la altura dominante.
dominante. La linea mas
ms
es un
gruesa es un limite
limite no
no excedido
excedido por
por rodales
rodales con
con altas
altas densidades.
densida des .
G
densidad del rodal

I
decreciente

L-------------------------------Ho
 -69-

53 METODOS DINAMICOS DE
DE PREDICCION
PREDICCION DE
DE CRECIMIENTO
CRECIlUENTO Y
Y RENDIMIENTO
RENDIMIENTO
Un
Un modele din~mico contempla tasas
modelo dinmico tasas de
de cambio
cambio dentro
dentro dede un
un sistema.
sistema. EnEn lo
10 con
con
cerniente aa estudios de de rendimiento
rendimiento forestal,
forestal, esto
esto significa
significa queque la
la predic-
predic--
ci6n b~sica es
cin bsica es el
el incremento
incrementodeldeldi~metro,
dimetro, &rea
rea basal
basal 0o volurnen.
volumen.
Los din~micos tienen
Los modelos dinmicos tienen lala ventaja
ventaja dede ser m~s representativos
ser ms representativos de de la
la ver
ver
dadera
dadera dependencia
dependencia causa yy efecto
efecto entre
entre la
la densidad
densidad del
del rodal
rodal yy su
su rendimien
rendimieF
to
to que est~ti.cos.
que los modelos estticos. No tienen
tienen lala limitacin
.1lmitaci6n dedeque
quelos
losdatos
datosd-e-
de
ben representar series
series consistentes
consistentes de de historias
historias del
del rodal,
rodal, yy consecuentemeiT
consecuentemen
te
te pueden ser utilizados como como base
base para
para analizar
analizar yy sintetizar
sintetizar datos
datos dede muy
muy -
tipos de
diversos tipos de parcelas
parcelas dede experimentos
experimentos yy parcelas
parcelas dede muestreo
muestreo permanen-
permanen-
tes.
Los
Los modelos de crecimiento se se basan
basan en
en funciones
funciones que
que predicen
predicen incrementos
incrementos
(del diametro
(del promedio, ~rea
dimetro promedio, rea basal
basal 0o volurnen)
volumen) en en cortos
cortos intervalos de tiem-
po, en funcin
po, en funci6n de la la densidad deldel rodal
rodal (expresada
(expresada en
en trminos
terminos de ~rea basal
de rea basal
y!o
y/o edad), rodal yy clase
edad), edad del rodal clase de
de sitio.
sitio. Las
Las ltimas
Gltimas dos
dos variables
variables pueden
pueden
ser
ser combinadas
combinadas como altura dominante, similarmente
altura dominante, similarmente al caso de los los modelos es es
t~ticos
tticos de rendimiento.
Para producir predicciones de de rendimiento,
rendimiento, la la funcin
funci6n de
de crecimiento
crecimiento debe
debe in
in
tegrarse matem~ticamente
tegrarse matemticamente o0 sumarse
sumarse iterativamente
iterativamente sobre
sobre una
una sucesin
sucesi6n dede aos.
anos.
El
El Gltimo
ltimo proceso se se lleva
lleva usualmente
usualmente aa cabo
cabo escribiendo
escribiendo un un programa
programa para
para un
un
computador pequeno, al
computador pequeo, al cual
cual sese le
Ie denomina
denomina modelo
modele de
de simulacin
simulaci6n porpor computa-
computa-
crecimiento forestal.
dor del crecimiento forestal.
En las secciones
secciones siguientes,
siguientes, se se discuten estas tcnicas con m~s
tecnicas con ms detalles,con
detalles,con
ref erencia particular a
referencia a las
las funciones
funciones dede incremento ~r ea basal
incremen to del rea ba sal del ro-
dal.
dal. Las tcnicas
tecnicas no varan
var{an mayormente si si se
se usan
usan el di~metno promedio
el dimetro promedio o0 elel
par~metros alternativos,
volumen como parmetros alternativos, pero el incremento del del area basal es
rea basal
quiz~s
quizs el modelo ms m~s simple.
simple.

531 funci6n de incremento

La funcin incremento del
del rea
area basal
basal

531.1 area basal como

Incremento del rea como funcin
funci6n de
de la
la altura
altura dominante
dominante

El
El incremento del area basal
del rea basal de
de un
un rodal,
rodal, para
para la
la mayor
mayor parte
parte de
de las
las espe-
espe-
cies de las plantaciones, al
a1 plotearse
plotearse contra
contra la
la altura
altura dominante
dominante muestra
muestra el
e1
siguiente tendencia:
siguiente tipo de tendencia:
Ig
1g
I
/ incremento mximo
mximo
,,
'N4

Ha Hb Hc
 -70-

donde 'g
Ig es el
el incremento
incremento corriente anual ~rea basal por ha,H0
anual del rea ha,H o es
es la
la al-
al-
tura dominante y N1,
N1' N2,
N2' etc.,
etc., son
son diferentes niveles
niveles de una densidad cons-
tante, N , mayor que N3,
tante, siendo N4, N3, el
el cual a su
su vez es
es mayor que N2,
N2, yy as
as1 su-
su-
cesivamente. 4
La
La curva tiene 33 regiones que pueden serser distinguidas para el
el propsito
prop6sito de
un an~lisis practico
un anlisis pr~ctico de
de los
los datos:
datos:

(1) El intervalo
intervalo HaHa -
- Hb
Hb muestra un
un incremento
incremento que
que asciende r~pidamente
asciende rgpidamente
hasta un m~'xiino
hasta mgximo y despus su descenso.
despus empieza su descenso. Hay fuertes
fuertes diferen-
cias entre las clases de densidad. dif1-
densidad. Esta parte de la curva es dif-
cil de
de ajustar por modelos de regresin
regresi6n simple.
simple. En algunas especies
esto ocurre a est~ representada en los
a una edad tan temprana que no estg los
datos de las parcelas
parcelas de
de muestreo.

(2) El intervalo
intervalo Hb
Hb --Ho
Hc muestra una
una fuerte
fuerte declinacin
declinaci6n en
en el
el incremento
incremento
~rea basal
del grea basal con
con elel tiempo,
tiempo, yy marcadas diferencias
diferencias entre
entre las
las cla-
cla-
ses de
de densidad f~cilmente
densidad.. Esta parte de la curva puede modelarse fcilmente
por varias funciones
funciones dede regresin
regresi6n del
del tipo
tipo mostrado
mostrado en
en la
la figura
fig ura
A.2.1 del apndice
apndice A.A. El siguiente
siguiente modelo
modele incluye
incluye el
el efecto
efecto de
de la
la
densidad:

b o + b131 k Ho - k
in Ig
In 1g = bo o - + b2 N
1 HHC:k N Ho-k (1)
(1)

k pueden
Al coeficiente k d~rsele determinados
pueden dgrsele deterrninados valores (1, 2,
valores (1, etc.) o
2, etc.) 0
por regresin
ajustarse por regresi6n no
no lineal.
lineal.
Se
Se usan (base e)
usan logaritmos naturales (base e) para transformar IgIg ya
ya que es
la integracin
to simplifica la matem~tica del
integraci6n matemtica del modelo
modele (ver
(ver seccin
secci6n
533)
533)..

M~s allg
(3) Ms all~ de
de Ho,
Hc, las
las diferencias
diferencias entre
entre las
las clases
clases de
de densidad pr~ct~
densidad prgcti
camente desaparecen yy el del ~rea
el incremento del basal ser~
grea basal ser casi
casi cons-
cons--
tante. est~ despus
tante. Esta parte de la curva est despues de lala culminacin
culminaci6n del in in
cremento volumetrico
cremento volumtrico promedio
promedio anual
anual en
en lala mayor1a
mayora dede las
las especies,-
especies,
ser relevante
pero puede ser releva'nte para
para predicciones
predicciones de de rendimiento
rendimiento en en roda-
roda-
les de
les de madera
madera de aserrfo
aserr!o con largas rotaciones.
rotaciones. El modelo
modele (1)(1) ante
ante
rior produce un tipo
tipo satisfactorio
satisfactorio de
de respuesta
respuesta en
en esta
esta regin.
regi6n. -

Es dif!cil, como se
difcil, como se ha
ha notado,
notado, encontrar
encontrar una
una funcin
funci6n lineal
lineal con
con buen
buen compor-
compor-
tamiento para ajustar elel intervalo
intervalo completo
completo de
de la
la curva,
curva, sin
sin sesgo
sesgo en
en ningu-
ningu-
na parte de ella. AA causa
causa de
de que
que el
el punto
punto Hb,
Hb, ocurre
ocurre usualmente
usualmente muy
muy temprano
temprano
del rodal,
en la vida del rodal, es
es mejor ajustar
ajustar una
una funcin
funci6n tal
tal como
como la
la (1)
(1) s6lamente
slamente
a m~s all
a los datos ms all~ del
del IQ m~ximo, y
Ig mximo, y predecir
predecir el
el 'rea
area basal
basal G en
en Hb,
Hb, de una
funci6n
funcin de rendimient
rendimientoo en trminos
trminos de densidad. Por Por ejemplo:
ejemplo:

Go = a + bi N + b2N2 (2 )
(2)

area basal inicial para una altura dominante

donde Go es el rea dominante definida
definida Hb,
Hb, que
que
s6lo depende de la densidad en
slo en ese
ese momento,
momenta, sin
sin considerar
considerar la
la historia
historia pre-
pre-
rodal.
via del rodal.

531.2 mtodos de prediccin

Otros mtodos predicci6n del
del incremento
incremento del ~rea basal
del rea basal

incremento del
El incremento ~rea basal
del rea basal puede
puede predecirse
predecirse como
como una
una funcin
funci6n de
de la
la edad
edad o0
area basal
del rea basal en pie.
pie. Si
Si se
se usa la
la edad,
edad, sese requieren
requieren diferentes
diferentes conjuntos
conjuntos
de
de curvas de incremento para cadacada clase
clase de
de Indice
1ndice de
de sitio.
sitio. Con
Con el
el rea
area ba-
ba-
sal en
sal en pie, satisfactorios para
pie, no pueden obtenerse modelos satisfactorios para rodales
rodales con
con his-
his-
muy variables.
torias muy variables. Consecuentemente,
Consecuentemente, lala prediccin
predicci6ndel
delincremento
incrementodel delrea
area
 -71-
-71-

funci6n de la
basal en funcin la altura
altura dominante
dominante yy de la
la densidad como se
se describe an
an
es lo
teriormente es m~s recomendado.
10 mgs recomendado.

531.3
531.3 pr~cticos en
Problemas prgcticos en el an~1isis de
el anglisis de datos de incremento
incremento

incremento
Los datos de incremento son si
son e~pre muy
siempre muy variables.
variables. Esto
Esto se
se debe
debe al
al efecto
combinado de:
combinado de:

1. Variaciones en
Variaciones en el
el incremento
incrementode
de ario
ano aa ario,
ano, debido
debido aa fluctuaciones
fluctuaciones
clim~ticas.
climgticas.

2. instrumenta l es. Los

Errores instrumentales. Los sistemas
sistemas simples
simples de
de medicin
medici6n tales
tales como
como
las diam~tricas pueden tener
las cintas diamtricas tener el mismo orden de error que el
incremento aa medir.
rnedir.

Como consecuencia de de esto

esto se
se necesita
necesita una
una gran
gran cantidad
cantidad de
de datos
datos para
para obte-
obte-
satisfactorios de
ner estimadores satisfactorios de los
los coeficientes
coeficientes dede regresin.
regresion. Algo m~s,de
Algo mgs,de
bide a
bido a que los efectos de las diferentes
diferentes densidades
densidades del
del rodal
rodal se
se muestran
muestran so s
10
lo de d~bil a
de manera muy dbil a travs
traves de lala variacin
variacion general,
general, es necesario tener tener
datos de
de rodales
rodales con
con densidades
densidades extremas,si
extremas,si se
sevaa
va a construir
construir un
un modele
modelo dep en-
depen-
diente de la la densidad.
densidad.
mej o res funciones
Las mejores funciones dede incremento
incremento pueden
pueden tener
tener coeficientes
coeficientes dede determina-
de termin a-
cion de slamente
cin s61amente 0.7
0.7 yy 0.8.
O.S. Para
Para comprobar
comprobar la
la conveniencia
conveniencia dede un
un modelo
modele par
par
ticular bajo estas circunstancias,
ticular circunstancias, debe
debe usarse
usarse en
en su
su forma
forma integral
integral, en sen~
, en sen7
matem~tico,
tido matemgtico, (0 como
(o como parte
parte de
de un
un modele
modelo de simulacion) para predecir
de simulacin) predecir renren
dimientos finales.
finales. Pequeos
Pequenos sesgos
sesgos en
en la
la funcin
funcion del
del incremento
incremento queque no
no se
se de
de
graficamente o
tectan grgficamente 0 por
por un an~lisis directo
un anglisis directo de
de residuales,
residuales, pueden
pueden producir
producir
grandes errores en la la prediccin
prediccion del
del rendimiento,
rendimiento, pues
pues el
el error
error enen las
las fun-
fun-
ciones de incremento es es siempre
siempre acumulativo.
acumulativo.

532 Construcci6n de
Construccin de un
un modelo
modelo de
de crecimiento
crecimiento con
aon datos
datos de
de un
un experimento
ex erimento de
de
espaciamiento: Hip tesis de
espaciamiento: Hiptesis de respuesta
respuesta de
de Marsh

Es posible desarrollar modelos dede crecimiento

crecimiento basados
basados en
en experimentos
experimentos de
de es-
es-
tipo descrito
paciamiento del tipo descrito en
en la
la seccin
secci6n 2,2, utilizando
utilizando tcnicas
tecnicas grgficas
graficas
simplificadas,
simplificadas, que pueden dar predicciones precisas
precisas para
para el
el crecimiento
crecimiento de
de
sujetos aa una
rodales sujetos una variedad
variedad de
de diferentes
diferentes tratamientos
tratamientos de
de clareos.
clareos. La
La ba-
ba-
se
se de este metodo es la
mtodo es la hiptesis
hipotesis de
de Marsh:
Marsh:

"El incremento de rodales con clareos

"El clareos eses equivalente
equivalente aa aquel
aquel de
de roda-
roda-
les
les no
no clareados de la
lao misma masa (medida
(medida en nmero
numero de rboles
arboles por
unidad de superficie)
superficie) yy densidad (medida
(medida en
en rea
area basal
basal o0 volumen
volumen por
por
unidad de superficie),
superficie), pero
pero de
de una
una edad
edad ms
mas joven
joven (esto
(esto es,
es, la
la edad
edad aa
la cual ellos tenan
la ten1an la
la misma
misma 'rea
area basal
basal 0o volumen
volumen por
por unidad
unidad de su-
perficie."*

Esta hiptesis
hipotesis ha
ha sido
side validada
validada con
con diferentes
diferentes especies
especies subtropicales
subtropicales yy pare pare
ce precisos ee insesgados
ce suministrar estimados precisos insesgados del
del crecimiento
crecimi ento que que sigue
sigue aa -
los clareos, siempre que el
l o s clareos, e1 crecimiento
crecirniento se mida sobre
se mida un ill
sabre un mimo ~fios.
dede3 3arios.
_d imo

* ~arsh,
* E.K. and Burgers,
Marsh, E.K. Burgers, T.F.
T.F. 1973.
1973. The
The Response
Response of
of Even-Aged
Even-Aged Pine
Pine Stands
Stands
tto
o Thinning. Forestry in
Thinning. Forestry in S.
S. Africa,
Africa, 14 103~111.
14 : 103-111.
:
 -72-

El procedimiento
procedimiento es
es como
como sigue:
sigue:

(1) Se grafican los

los resultados
resultados de los
los experimentos
experimentos de de espaciamiento
espaciamiento
promedios mviles
usando promedios m6viles para
para cada
cada nivel
nivel de
de densidad,
densidad, y el rea
oirea ba-
ba-
funci6n de
sal en funcin de la
la edad
edad (figura
(figura 5.11).
5.11).

(2) Se define el mtodo

mtodo de clareos aa usarse
usarse en en funcin
funci6n del
del rea
oirea basal
basal
a la
a la cual
cual el
el clareo
clareo tiene
tiene lugar
lugar yy del
del 'rea
oirea basal
basal yy nilmero oirbo-
nmero de rbo-
les aa ser removidos.
removidos.
Sup6ngase
Supngase,, par ej emplo , que
por ejemplo, tiene un plan
que se tiene plan de
de clareos
clareos como
como si-
si-
gue:
Plantaci6n de 1.300
Plantacin 1.300 rboles
oirboles por
par ha

Clareo al
Clareo al G despus
despus N despus
N despus
n
n oirea basal
rea basal del clareo del clareo

1
1 28
28 22 900

2 35 28 500

33 35 30 300
300

carta final
corta final 35

(3)
(3) .Se
Se dibuja
dibuja el
el plan
plan de
de los
los tratamientos
tratamientos en
en el
el grfico
groifico (lineas
(lineas discon-
disc on -
tinuas en lala figura
figura 5.11)
5.11) y por
par la
la hiptesis
hip6tesis de Marsh se se determinan
los tiempo entre
los intervalos de tiempo entre clareos:
clareos:

Clareo Edad Intervalo Edad real al momento

momenta
n aparente del
del clareo
ciare

11 0.0-
0.0 - 8.0
8.0 8
8 8
8

22 8.5-13.5 55 13

33 14.5-18.5 44 17
17

aorta
corta final
final 20.0-23.0 33 20

(4)
(4) Se relaci6n rea
Se reconstruye la relacin &rea basal/edad usando el eje de edades
para los
corregidas para los rodales
rodales clareados.
clareados. Entonces
Entonces es
es posible
posible obtener
obtener
de rendimiento
otras estadisticas de rendimiento para
para el
el rodal
rodal en
en relacin
relaci6n con
can la
la
edad.

metoda permite
Una variante de este mtodo permite usar
usar un
un diagrama
diagrama nico
unico para
par a construir
construir
curvas
curvas de
de rendimiento para diferentes clases
clases de
de sitio.
sitio. Esto
Esto implica
implica el
el uso
usa
dominante, en
de altura dominante, en lugar
lugar de
de la
la edad,
edad, como
como abscisa
abscisa del
del grfico.
grafico. La
La altu-
altu-
se usa entonces como
ra se como una
una transformacin
transformaci6n dede la
la edad
edad dependiente
dependiente del
del sitio
sitio
can los intervalos de edad a
con los a determinarse por
par medio
media dede curvas
curvas dede Indice
indice de
sitio. Este
sitio. Este metoda tambien puede utilizarse
mtodo tambin utilizarse cuando
cuando los
los datos
datos de
de los
los experi-
experi-
mentos de espaciamiento nono cubren
cubren adecuadamente
adecuadamente una
una gama
gama de
de sitios,
sitios, con
can el
el
fin
fin de
de proveer tablas hipotticas
hipoteticas de rendimiento
rendimiento para
para tales
tales sitios.
sitios. Ntese
N6tese
sin
sin embargo,
embargo, que utilizaci6n de la
que la utilizacin la altura
altura dominante
dominante enen lugar
lugar dede combina-
combina-
 -73-

Figura 5.11 An~lisis

Anglisis experirnento de espaciamiento
de datos de un experimento espaciarniento usando la
la
hip6tesis
hiptesis de Marsh

(rn 2 /ha)
Area basal (m2/ha) ~rboles/ha.
arboles/ha.

60 1300

900
50

500
40

300

30
30

200
200

20

10
10

o
0 5
5 10 15
15 20 25
25

(anos)
Edad (aos)
 -74-

I "
ciones separadas sitio-edad
clones sitio-edad puede que no suministre
suministre siempre
siempre una representa-
ci6n suficientemente precisa
cin suficientemente precisa-de
de respuestas
respuestas dependientes
dependientes del
del sitio.
sitio .
Las funciones de incremento
incremento obtenidas de parcelas de muestreo permanentes de
espaciamientos no controlados,
controlados, o incrementos de fustes,
0 de muestras de incrementos fustes, pue-
den
den usarse para construir curvas
curva's de rea
1irea basal de los
los nodales
Jlodales no clareados aa
diferentes' densidades, las
diferentes las cuales
cuales pueden
pueden ser
ser analizadas
analizadas grficamente
gr1ificamente como
como se
se
indica
indica anteriormente.
anteriormente. Esto es
es conveniente cuando el usuario de de un
un modele
modelo par
ticular
ticular de crecimiento no tiene acceso a un equipo de computacin.
computaci6n. -
533 Conversi6n crecimiento aa modelos de
Conversin de modelos de crecimiento de rendimiento
rendimiento por inte-
inte-
graci6n
gracin

533.1
533.1 Introducci6n
Introduccin

La integraci6n matem1itica
La integracin funci6n de incremento
matemtica de una funcin increment'o del
del rea
1irea basal
basal para
una
una serie dada de operaciones de clareo da como resultado una una funcin
funcion de ren
ren
dimiento del rea
1irea basal para dicha
dicha serie de de clareos.
clareos. La
La integracion
integracin matematT
matemtT
sobre la
ca tiene ventajas sobre la simulacin,
simulaci6n, como
como una
una manera
manera dede usar
usar los
los modelos
modelos -
que no
de crecimiento que no requieren
requieren de
de. equipo
equipo especial
especial de
de computacin.
computaciqn. Por
Por otro
ot~o
lade
lado sin embargo, muchos, aparentemente simples,
embargo, muchos, simples, modelos de de crecimiento
crecimiento (por
(por
ejemplo, ecuaci6n (1)
ejemplo, la ecuacin (1) seccin
secci6n 531.1)
531.1) pueden
pueden ser
ser muy
muy difciles
dificiles de
de integrar.
integrar.
metodo supone un
Este mtodo un conocimiento
conocimiento elemental
elemental de
de clculo
calculo diferencial
diferencial ee inte-
inte-
parte del
gral por parte del investigador.
investigador.
533.2 Teoria bsica
Teora b1isica

Si
Si se
se tiene
tiene una funcion de incremento
una funcin incremento del tipo
tipo mostrado aa continuacin
continuaci6n

t
to ti

tasa de
donde q es alguna tasa de crecimiento
crecimiento (rea
(1irea basal,
basal, dimetro
di1imetro o0 volumen)
volumen) yy tt
es
es el
el eje
eje del tiempo, la
del tiempo, la ecuacin
ecuaci6n de
de la
la tasa
tasa de
de crecimiento
crecimiento puede
puede ser
ser repre-
repre-
sentada en forma muy
sentada muy general
general por:
por:
q = ff (t)
(t) (1)
(1)
 :"-:,
, : '

-75-
...

a la vez,
a vez, el grea
area bajo
bajo esta
esta curva
curva de
de: incremento
incremento eses el rendimiento
rendimiento total
total acu-
acu-
mulado. Asi,
mulado. Asi, el rendimiento
rendimiento acumulado
acumulado hasta
hasta el
el tiempo
tiempo t,
t, est
esta dado
dado por:
por:
ti
Q t~l q.dt
Qo ++ ,Jr
Q == Qo ci.dt (2)
o
'o

Qo es el rendimiento
donde Q0 rendimiento acumulado
acumulado al princ~p~o del
al principio del perodo,
peri6do, to.
to'
Para un rodal no clareado,
clareado, la
la curva
curva area
area basal/edad
basal/edad representa
representa la
la funcin
funci6n in
in
tegral equivalente aa la
la ecuacin (2) con
ecuaci6n (2) Q == O0 yY to
con Qo to == O.
O. Por 10 tanto
Por lo cua l ~
tanto cual-
funci6n ajustada
quier funcin ajustada aa los
los datos
datos de
de rodales
rodaes no
no clareados
clareados suministra
suministra una
una
. forma ya integrada
-forma integrada d
de modelo
modele de
de crecimiento.
crecimiento. Consecuentemente,
Consecuentemente, si si se
se ajustan
ajustan
datos de un experimento
experimento de
de espaciamiento
espaciamiento concon una
una funcin
funci6n dede rendimiento
rendimiento de-
de-
pendiente de la
la densidad
densidad del
del rodal,
rodal, esta
esta funcin
funci6n puede
puede usarse
usarse para
para predecir
predecir
con cierta precisin
precisi6n el
el crecimiento
crecimiento de de rodales
rodales clareados.
clareados. Esto
Esto es
es una
una genera
genera
lizaci6n de
lizacin de la
la hiptesis
hip5tesis de
de Marsh
Harsh aa cualquier
cualquier tipo
tipo de
de funcin
funci5n de
de crecimientE,
crecimiento
variable.*
utilizando cualquier variable.*
533.3 Aplicaci5n de un
Aplicacin de model~ integral
un modelo_ integral de
de rendimiento
rendimiento aa diferentes
diferentes trata-
trata-
mientos de clareo

modele integral
Si un modelo integral de
de rendimiento
rendimiento sese ha
ha ajustado
ajustado aa datos
dauos de
de rodales
rodales no
no
para predecir
clareados para predecir el
el 'rea
area basal
basal como
como funci5n
funcin de
de la
la altura dominante y
del nmero
ntimero de arboles,
arboles, del
del modo
modo siguiente:
siguiente:

G = f(Ho,N) (1)

Y si el rodal
y rodal se
se clarea
clarea aa una
una altura
altura dominante Ht hasta
dominante Ht hasta una
una masa Nt, el ren-
masa Nt,
dimiento hasta
hasta el
el momento del
del clareo
clareo ser:
sera:

Gt = f(Ht,N0) (2 )
(2)

es la
donde No es la masa
masa inicial
inicial (despus
(despues de
de que
que se
se haya
haya tomado
tornado en
en cuenta
cuenta la
la mor-
mor-
temprana). Si
talidad temprana). Si la
la proporcin
proporci6n de
de clareo
clareo (ver
(ver seccin
secci6n 54)
54) es:
es:

_ N'/N , de dnde
d5nde
G' N
N'/N
Tr = G'7G
Tr- -- ,
G' =-'/N
Tr/G
entonces para este clareo particular, el
el area
area basal
basal de
de la
la masa
masa en
en pie
pie des-
des-
pues del
pus del clareo
clareo ser:
sera:

N
G'tt - -t/No---
G' (3
Tr/Gt (3))

mientras que
que el
el rendimiento
rendimiento aa un intervalo tt ++ ii despus
un intervalo despues del
del clareo
clareo ser:
sera:

Gt = Gt + f(Ht i,Nt) - f(Ht,Nt) (4)

(4)

* La
* hipotesis de Marsh como
La hipotsis como se
se discuti
discuti6 anteriormente
anteriormente es
es equivalente
equivalente aa la
la
integraci6n de una funcin
integracin funci5n de
de la
la forma:
forma:

Ig
1 = f(G,N)
f(G,N)
 ,"

533.4 Ejemplo de uso de un modele

modelo integral de rendimiento
figura 5.12 muestra los
La figura los datos de un experimento
experirnento de espaciamiento
espaciamiento de noda-
les
les de
de Pinus
Pinus patula en Kwira,
Kwira, Tanzania,
Tanzania, designado como Experimento 345.
345 . En
total h77-57
total habfan 8 tratamientos ubicados sistemticamente,
sisternaticamente, con
con 22 replicaciones
por
por tratamiento en parcelas rectangulares de 0.08 ha. ha. En la
la figura
figura 5.12
5.12 se
se
muestran slamente
s61amente los
los datos
datos de
de 44 parcelas
parcelas con
con masas
masas de
de 173,
173, 347,
347, 694
694 yY 1388
1388
~rboles/ha.
rboles/ha. . .
Para el
el conjunto total de datos
dauos (192
(192 observaciones)
observaciones) sese ajust
ajust6 un modelo
modele para
~rea basal en pie,
predecir el rea pie, por regresin
regresi6n lineal
lineal mltiple
multiple ponderada, usan
usan
modele:
do el modelo:

In b o + b11-1*
G == 1)0
in G blH* + +b2E
b2E ++ b3EH*
b3EH* (5 )
(5)

Cbnde
donde H*
H* == 1/ (H o -- 1.3)
1/(H0 1. 3) Y
y E == 100/VN
100/17
modele fu
El modelo fue ponderado con
con GG para
para evitar
evitar un
un excesivo
excesivo sesgo
sesgo hacia
hacia los
los valo-
valo-
mas bajos que aa menudo resulta
res mis resulta cuando
cuando se
se usa
usa una
una transformacin
transformaci6n logart-
logarit-
mica. valor de
mica. Se obtuvo un valor de 0.95
0.95 para
para R2,
R2, con
con los
los siguientes
siguientes valores
valores de
de los
los
coeficientes:

bID()
o = 4.0865

bb1
1 = 1. 5991
1.5991

b2
b2 = 0.047838

b3
b3 = - 4.3063
4. 3063

El modele
El modelo se muestra en la figura 5.12 sobrepuesto
figura 5.12 sobrepuesto aa los
los datos
datos de
de 44 tratamEm
tratambn
tos.
tos
Se
Se deseaba
deseaba aonstruir rendirniento para rodales plantados
construir una tabla de rendimiento plantado s aa 1100
1100
arboles/ha, clareados una
rboles/ha, una vez
vez aa los
los 99 aos,
anos, usando
usando un
un clareo
clareo sistemtico
sistematico aa
700
700 arboles/ha corta total
rboles/ha y corta total aa los
los 16
16 aos.
anos.
los sitios,
Para el promedio de los sitios, aa 99 aos
anos le
Ie correspondi
correspondi6 una
una altura
altura dominan-
dominan-
te de 17 m, la edad
m, y a la edad de
de rotacin
rotaci6n dede 16
16 aos,
anos, 24
24 m.
m. El
El rea
area basal,
basal, ante-
ante-
rior
rior al
al clareo, a los 9
clareo, a 9 dabs
amos puede serser calculada directamente
directamente de
de la
la ecuacin
ecuaci6n
(5)
(5)::

H* =
H* -
1. 3 ) = 0.0637
= 1/(17 - 1.3)
E 1100 == 3.02
100/V 1100'
= 100/1 3.02

In G9
in G9 == 4.0865 + 1.5991 0.0637 ++ 0.047838
1. 5991 xx 0.0637 0.047838 xx 3.02 -
3.02 - 4.3063
4.3063 xx 3.02x
3.02 x0.0637
0.0637

3.5043
= 3.5043
G9 ,
= e3.5043 = 33.26 m2 /ha
m2/ha
G9
Puesto que el clarea
clareo de
de 1100
1100 aa 700
700 rboles/ha
arboles/ha iba
iba aa ser si~ematico, la pro-
ser siEtemtico, pro -
porci6n
porcin dede area
rea basal a remover debera
deberia ser
ser la
la misma queque la
la proporcin
proporci6n del
del
nilrnero
nmero dede arboles removidos. De la
rboles removidos. la ecuacin
ecuaci6n (3),
(3), con
con TrTr == 1.0
1.0 por
por defini-
defini-
ci6n:
cin:

,f
G' 700/1100 - 21.17
= 700/1100 m2 /ha
21.17 m2/ha
'9
9 1/33.26
1/33.26 =
 -77-
.

Figura 5.12
5.12 Experirnento n345
Experimento n0345 de espaciamiento
espaciarniento en
en Kwira,
Kwira, Tanzania, en
en roda-
roda-
les
les de Pinus patula

S!rnbolos
Smbolos

+ 1388 Arboles/ha
4rboles/ha
e 694 "
347 " arboles/ha

70 60 173 "II
N 11odelo ajustado
Modelo ajustado

50

1388

40
40-
694

30
30-
347

173

20
20 -

10
10-

. .0/

o 5
5 lo
10 15 20 25

dorninante (m)
Altura dominante (rn)
 _78-

P~r 10
Por lo area basal
tanto el area basal aa extraer
extraer en el clareo
Em el clareo era:
er,a:

G
Ge - 21.17
e = 33.26 - m2 /ha
21.17 = 12.1 m2/ha

El
El rendimiento en lala corta final
final se:obtiene
seLobtiene de la
la ecuacin
ecuaci6n (4),
(4), donde
f (Ht+i,Nt)
f (Ht+i,Nt) corresponde
corresponde aa la
la ecuaci6n
ecuacin (5) H = 24
(5) entrando con H 24 mm y N N = 700
700
arboles/ha,
arboles/ha, dando:

ff (Ht+i,Nt)
(Ht+i,Nt) = 35.98

y ff (Ht,Nt)
(Ht ,Nt) es
es la
la ecuaci6n (5) utilizando HH =
ecuacin (5) 17 m:
= 17 m:

f (Ht,Nt) = 26.97

.asi
.as1 el
el rendimiento
rendimiento del
del area
area basal
basal en
en la
la corta
corta final
final est&
esta por:
dado por:
,,"

GCF = 21.17 + (35.98

GCF (35.98 -- 26.97)
26 . 97) == ,30.18 m2 /ha
30.18 m2/ha

533 .5
533.5 Ajuste
Ajuste de modelos compatibles de crecimiento y rendimiento aa datos de
incremento

Cuando no se
se disponen de datos
datos apropiados
apropiados de experimentos
experimentos de
de espaciamiento
espaciamiento
para un ajuste directo de lala forma
forma integrada
integrada de
de un
un modelo
modele de
de rendimiento,pue
rendimiento,pue
de
de ajustarse un modelo
modele de crecimiento
crecimiento aa los
los datos
datos de
de incremento
incremento de
de parcelas
parcelas-
permanentes o fuste, el
0 de analisis de fuste, el cual
cual puede
puede ser
ser integrado
integrado posteriormen
posteriormen
paraobtener un modele
te paraobtener modelo de rendimiento.
rendimiento. Clutter* propone unun modelo de crecT
crecr
tipo:
miento del tipo:

I
I (a + bS -
g = G (a - ln
In G ) A-1
A-I
) (6)
(6)

donde I, el incremento
Iq es el incremento deldel area
area basal/ha/ario,
basal/ha/aiio, AA es
es la
la edad,
edad, SS es
es el indi-
el Indi-
ce de sitio,
ce sltio , aa y b son
s on los
l o s coeficientes a estimarse
estimarse porpor regresin
regresi6n lineal
lineal al
al
ajustar la
la funcin:
funci6n:

A
A I
( ~ + ln
In GG )) = a + bS (7)
(7)
G
donde expresi6n a
donde la expresin a la
la izquierda
izquierda del signo
signo igual
igual es
es la
la variable
variable dependiente
dependiente
Y, indice de sitio
Y, siendo el Indice sitio S
S la
la variable predictora.
predictora. Este
Este modelo
modelo se
se inte-
inte-
gra para dar la
gra la ecuacin
ecuaci6n del
del rendimiento:
rendimiento:
A
bS --,~(a(a+ +bS
ln Gt == aa ++ bS bS -- ln
In Go)
Go) (8 )
(8)
At
At
donde
donde Gt eses' el rendimiento al
al final
final del
del periodo
periodo yy Go
G es
es el
el rendimiento
rendimiento al
al co
co
menzar , el periodo.
periodo. Durante
Durante el
el intervalo
intervalo de
de prediccin
prediccign no
no deben
deben realizarse
real.izarse -
clareos,
clareos, pero el grea
area basal despues
despues del
del clareo
clareo se
se convierte
convierte enen Go
Go para
para pre-
pre-
decir
decir el area
area. basal inmediatamente
inmediatarriente anterior
anterior al
al prximo
pr6ximo clareo.
clareo.

"

Clutter ~.L.
** Clutter J.L. 1963.
1963. Compatible growth and yield models
models for
for Loblolly
Loblolly Pine.
Pine.
Forest Sci.
Sci. 99 (3) : 354-371.
:
 -79-

534 Uses
Usos de medeles crecimiente .por
modelos de crecimiento per simulacin
sirnulaci6n
534.1 Requerimientes
534.1 Requerimientos de un medele simulaci6n
modelo de simulacin

En la mayer!a les casos,

mayora de los cases, los
les modelos
modeles de
de simulacin
simulaci6n constituyen
censtitliyen un
un mtodo
metede
de usar un modelo
medele de
de crecimiento
crecirniente de una
una manera
manera mucho m~s sencilla
muche mas sencilla que
que la
la in-
in-
tegraci6n matemtica,
tegracin pere normalmente
matem~tica, pero nermalmente se
se requiere
requiere acceso
accese aa un
un pequeo
pequene compu
cempu
tader. Para usar un
tador. un modelo
modele de
de crecimiento
crecimiente por
per simulacin,
sirnulaci6n, deben
deben definirse
definirse - -
les
los puntes siguientes, a partir de los
puntos siguientes, les datos
dates de parcelas de muestreo
muestree perma-
nentes o experimentes:
.0 de experimentos:

(1) funci6n altura/edad/Indice

La funcin altura/edad/!ndice de
de sitio:
sitie:
He =~ fl(A,S)
Ho f1(A,S)
("2) La furici6n incremente del
funcin del incremento ~rea basal,
del rea basal, en
en trminos
Uirrnines de
de
altura o
.0 ~rea basal y/o
rea y/ e
!ndice de
edad e ndice de sitio
sitie yY numere ~rbeles / ha
n5mero arboles/ha

= f2(H01N)
Ig =
Ig f2(H e ,N)
6
6 = f2(10,G)
Ig =
Ig f 2 (H e ,G)
6 Ig = f2(A,S,N)
Ig =

6 Ig =
Ig f 2 (A,G,S)
= f2(A,G,S)
o etras combinaciones
.0 de otras cembinacienes de
de A,
A, G,
G, N,
N, S,
S, Ho.
He.
(3) relaci6n entre
La relacin entre la
la masa
masa removida
rernevida yy el ~rea basal
el rea basal removida
remev ida para
para
tipe de
cada tipo de clareo:
claree :
N' / N == f3(G'/G)
N'/N f3(G ' /G)
(4) funci6n del
La funcin del volumen
velurnen en
en trminos
termines de
de altura ~rea basal:
altura yy rea basal:
vV f 4 (H e ,G)
= f4(Ho,G)
(5) basal inicial
~rea basal
El rea inicial del
del rodal
redal aa una
una cierta
cierta edad
edad .oe altura
altura de
d e re-
re-
ferencia, en la
ferencia, la cual comienza
cemienza la
la simulacin,
simulaci6n, en
en funcin
funci6n de
de la
la masa
masa
plantada:
plantada:

Go = f5(N0)

funcienes no
Estas funciones ne necesitan ser relaciones
relacienes matemticas
matematicas centinuas.
continuas. Cada fun-
Cada fun-
ci6n puede ser un conjunto
cin cenjunte de ecuaciones,
ecuacienes, de las cuales se selecciona
selecciena una
una
per un
por un precese cendicienal, o
proceso condicional, ser un
.0 pueden ser un conjunto
cenjunte de
de valores
valeres tabulados,
tabulades,
ceme se
como se ver
vera en el
el prximo
pr6xime ejemplo.
ejemple.
534 . 2
534.2 Metede
Mtodo de construccin
censtrucci6n de un medele simulaci6n
modelo de simulacin
Les medeles
Los simulaci6n se construyen
modelos de simulacin censtruyen codificando
cedificande laslas relaciones
relacienes funciona-
funciena-
les,
les, yy las
las intercenexienes l6gicas entre ellas,
interconexiones lgicas ellas, c.ome
como instruccienes
instrucciones en en un
un leE!.
len
guaje de computacin,
cemputaci6n, usualmente
usualmenteFORTRAN,
FORTRAN,BASIC
BASICo .0ALGOL.
ALGOL.Este
Este medele
modelo de de 'len
'1e7-1-
guaje
guaje fuente'
fuente' es 'cempilade 'per
es 'compilado 'por el
el c.omputader
computador en un un c6dige
cdigo prepie interne-
propio interno -
maquina y se
de mquina se', corre
cerre o precesa en el computador.
.0 procesa cemputader. AsAs! como pr.ocesa, requ~
c.ome se procesa, reque
 --80-
80-

rirg .1.1tos
rira uatos que definan:

1. E1 Indice
El indice de
de sitio
sitio yy el
el espaciamiento
espaciamiento inicial
inicial del
del rodal,
rodal,

2. frecuencia ee intensidad
La frecuencia intensidad de
de los
los clareos.
clareos.

El programa generar
generara salidas,
sa1idas, en
en forma
forma de
de tablas
tab1as o0 grficos
graficos de
de rodal,
rodal, de
de
10 que se
acuerdo con lo se estipule
estipu1e en
en el
el programa.
programa. La
La simulacin
simulaci6n puede
puede dividirse
dividirse
fases lgicamente
en dos fases 16gicamente distintas:
distintas:

(1) La fase
fase de inicializacin
inicia1izaci6n en la
la cual sese definen
definen los
los valores
val o res inicia-
inicia-
les
les del
del rodal: ~rea basal,
rodal: rea basal, altura yy .nl1mero
wemero de rboles,
arboles, y se imprime
imprime
los
los encabezamientos de
de las
las tablas.
tablas.

(2) La fase
fase dinmica
dinamica en lala cual se
se calcula el
el crecimiento
crecimiento del rodal
rodal en
en
un periodo de tiempo (usualmente
(usualmente de uno aa cinco
cinco aos)
ano s) yy se
se aade
anade aa
la masa existente;
existente; cualquier operacin
operaci6n de
de explotacin
explotac i6n requerida
requerida se
se
a cabo y la
lleva a la edad del rodal sese incrementa
incrementa en
en la
la duracin
duraci6n del
del
periodo, repiti~ndose nuevamente el proceso.
periodo, repitindose proceso. Durante
Durante lala fase
fase dindmi
dinami
ca se imprimen los
los res5menes
resl1menes de la
la masa forestal.
forestal . La
La fase
fase dinmica
dinamica-
termina cuando se efect5a
efectl1a la
la corta
corta total
total o0 cuando
cuando se
se alcanza
alcanza unun 11-
li-
tiempo previamente
mite de tiempo previamente establecido.
estab.1ecido.

534.3 modele simple

Ejemplo de un modelo simple de
de simulacin
simulaci6n

En este ejemplo se
se construye un
un modelo simple
simple de
de simulacin
simulaci6n en
en BASIC
BASIC para
p ara ro
ro
dales coetaneos de Pinus patula. Las
dales coetneos Las funciones
funciones del
del modelo
modelo son
son las
las siguien-
siguien- -
tes
tes::

(1)
(1) La funcin
funci6n altura/edad, Alder* :
altura/edad, tomada de Alder*:

in H = bo + bi/A + Hin S - c1)/c2)(b2 + b3/A)

bo' bl,
donde bo, b1, b2,
b2, b3
b3 se
se obtienen
obtienen por
por anlisis
analisis de
de regresin
regresi6n de
de los
los
de Pinus
datos de PMP de Pinus patula,
patula, yy cuyos
cuyos valores
valores son:
son:

bbo
o = 3.6068

bbl
1. =-17.513
bb2
2 == 0.0080 57
0.008057

b3 =
b3 0.3308

que cl,
mientras que c1, c2
c2 se
se definen
definen como:
como:

cl
c1 = bo
b o + b1/15
b1/15
c2 = b2 + b3/15
b2 + b 3/15
La edad Indice
indice para
para el
el Indice
indice de
de sitio
sitio es
es 15
15 aos.
anos.

** Alder,
Alder, D.
D. 1977.
1977. A
A Growth and Management Model for
for Coniferous Plantations
Plantations
in
in East Africa.
Africa. D. Phil. thesis,
D. Phil. thesis, Oxford
Oxford University.
University.
 -81-

Cuadno
Cuadro 5.1 Tabu1aci6n los valores del incremento
Tabulacin de los incremento del .1rea par es-
grea basal por
paciamiento altura. Experimento 345,
y altura.
vaciamiento y 345, Kwira,
Kwira, Tanzania

clases de espaciamiento, m.
m.

-
2 - 33 - 4
3 - 4 -- 5 55 -- 6 6 -- 77
6 7 -- 88
7 88 -- 99
Altura
dominante, m.

3 -
- 55 3.89 2.87

5 - 77 6.59 3.69

-
77 - 99 7.22 4.49

- 11
9 - 7.33 6.10 33.83
. 83

11 -
- 13
13 5.90 5.39 4.55 3.56 3.17

13 - 15
13 - 4.59 4.59 4.41 3.50 2.84 1. 91
1.91

15 -
- 17 2.82 3.30 4.35 2.93 2.34
2.34 2.18 1. 51
1.51

17 - 19
17 - 2.24 2.22 3 .34
3.34 2.50 2.00
2.00 2.11 1. 54
1.54

19 - 21
19 - 2.09 2.03 2.40 73
1.73
1. 1. 42
1.42 1. 72
1.72 1. 43
1.43

21 -- 23
23 2.01 57
1.57
1. 1. 99
1.99 32
1.32
1. 1. 28
1.28 1. 37
1.37 1. 27
1.27

23 -- 25
25 1. 86
1.86 93
1.93
1. 1. 59
1.59

Los
Los valores del cuadro
cuadra son
son incrementos
incrementos del
del rea
.1rea basal/ha/ario.
basal/ha/ano. Ejemplo:
Ejemplo: para
un
un espaciamiento de 4.5
4.5 m una altura dominante
m y una dominante de de 12
12 m,
m, el
el incremento
incremento es
es
de 4.55 m2 /ha/ano .
4.55 m2/ha/ario.
 -82-

(2)
(2) La funci6n del incremento del
La funcin del &rea basal se
rea basal se ext rae del
extrae del experimento
experimento
345, Kwira,
345, Kwira, Tanzania,
Tanzania, por tabulaci6n del
por tabulacin del incremento promedio del
del
&rea
rea basal
basal por
por clases de
de densidad yy altura dominante, obteni~ndose
altura dominante, obtenindose
los
los resultados
resultados del
del cuadro 5.1.
5.1. Este
Este cuadro
cuadro se
se usa
usa directamente
directamente en
en
sin mayor
el programa sin mayor anlisis.
an&lisis.

(3)
(3) Las proporciones
proporciones de
de clareos
clareos se
se definen
definen por
por los
los siguientes
siguientes supuestos
supuesto&
(a) sistem&tico:
Clareo sistemtico: Tr = 1.0

(b) bajo selectivo:

Clareo bajo selectivo: clareo
Primer clareo 0.7
Tr = 0.7

Clareos posteriores Tr = 0.9

(4)
(4) La funcin
funci6n de volumen
voiumen es la ecuacin
ecuaci6n para volmenes
volrtmenes de rodales de
Pinus patula de
de Kenia:
Kenia:

0.00002887 DD~ + 0.00002077

Vt = N(-0.0072 ++ 0.00002887 H Dg + 0.000032765
0.00002077 H 4)
D~)
ecuaci6 n da el
Esta ecuacin el volumen total.
total . El volumen comercial
comercial hasta
hasta un
un
di&metro tope de
dimetro tope de 20
20 cm
cm se
se calcula
calcula por:
por:

Vm = Vt(0.97352
Vt (0 . 97352 -- 21.9737
21.9737 exp
exp (-0.15407
(-0.15407 Dg))
Dg))

(5)
(5) la inicializacin
Para la inicializaci6n sese utiliza
utiliza una
una rea
&rea basal
basal del
del rodal
rodal igual
igual aa
cero a
a la edad
edad de
de 33 aos.
anos.

El listado del programa sese halla

halla en
en las
las dos
dos pginas
p&ginas siguientes.
siguientes. La
La salida
salida
se muestra en
producida se en la
la figura
figura 5.13.
5.13 . El
El cuadro
cuadro 5.2
5.2 contiene
contiene un
un listado
listado
de las definiciones dede cada
cada una
una de
de las
las variables
variables usadas
usadas en
en el
el programa.Este
programa.Este
programa de simulacin
sirnulaci6n intenta
intenta ser
ser slamente
s61amente un
un ejemplo
ejemplo de
de la
la flexibilidad
flexibilidad
de t~cnica y
de la tcnica y no pretende
pretende sugerir
sugerir que
que las
las funciones
funciones especificas
especfficas utiliza-
utiliza-
das sean
sean en ningn
ningrtn sentido
sentido las
las mejores.
mejores.

54 CLAREOS

El componente econmico
econ6mico del
del crecimiento
crecimiento en en rodales
rodales uniformes
uniformes manejados
manejados para
para
producir madera es
es parcialmente
parcialmente removido
removido enen forma
forma dede clareos
clareos comerciales.Adi
comerciales.Adi
cionalmente, pueden efectuarse clareos no comerciales
cionalmente, comerciales con con el
el fin
fin de
de reducir-
reducir-
la
la densidad del rodal y obtener un un dimetro
di&metro promedio
promedio mayor
mayor para
para los
los siguien-
siguien-
clareos y en la
tes clareos la cosecha
cosecha final.
final .
Obviamente, el modelaje de
Obviamente, el de los
los clareos
clareos eses un
un punto
pun to central
central para
para cualquier
cualquier
ejercicio en prediccin
prediccion del
del rendimiento.
rendimiento. UnaUna operacin
operacion de de clareo
clareo sese caracte-
caracte-
riza bsicamente
b&sicamente por el nrtme~o de
el nmero de rboles
&rboles por
por haha yy rea
&rea basal
basal por
por ha
ha aa remo-
remo-
ver. los modelos de
ver. En los de rboles
&rboles individuales,
individuales, es es necesario
necesario describir
describir la la dis-
dis-
tribucion de los
tribucin los rboles
&rboles removidos;
removidos; peropero esto
esto no
no eses necesario
necesario para
para los
los mode-
mode-
los
los de rodales, que son el tema
de rodales, terna principal
principal dede esta
esta seccin.
secci6n.

541 proporci6n de clareo

La proporcin
de caracterizar
Una manera usual de caracterizar los
los clareos
clareos es
es en
en funcin
funci6n de
de la
la proporcin
proporcion
de clareo:
clareo:

proporci6n de
declareo N rboles dejados/N rboles antes del clareo
Proporcin clareo -= N &rboles dejados/N &rboles antes del clareo
Area basal
basal dejada/
dejada/ Area
Area basal
basal antes
antes del
del clareo
clareo

Por medio algunas transformaciones

medio de algunas transformaciones algebraicas,
algebraicas, la
la pnoporcin
pnoporci6n de
de clareo
clareo
 -- 83
83 --

SELECT pnI~T
55 SSLSCT PRINT 005(64)
005(64)
10
10 REM
REM EXt.!!Pi.S
EXAMPLE 0:-
OF STAriD
STAND GRO;''TH
GROWTH SIr-ruLt.TION
SIMULATION MODE!.
MODEL
20
20 REH
REM nan;LIUTICN
INITIPLIZATION P!!fS;:
PHASE
30
30 PRI};T "sn:ULI.TION ~::)DSL.
PRINT "SIMULATION MODEL fOR PINUS PATULA
FOR PINUS PLA1:TI.TIO~:S"
PATULA PLANTATIONS"
~O
40 PRWT
PRINT "GIl'::
"GIVE IIlITIAL
INITIAL STOCKING AND SITE SI TE INDEX,
INDEX, PLEASE"
PLE:'S;;"
50
50 n:PUT
INPUT II,S
N,S
60
60 REY.
REM READ
READ TABULATED
TABULATED nlCREtsNT
INCREMENT VALUES
VALUES
70
70 DIP.
DIM T(7,11)
T(7,11)
80
80 MI.T
MAT READ T
90
90 01.11. 3.89,6.59,7.22,7.33,5.90,4.59,2.82,2.24,2.09,2.01,,1.86
DATA 3.89,6.59,7.22,7.33,5.90,4.59,2.82,2.24,2.09,2.01 1 .86
100
100 DATA
DATA 2.87,3.69, 4 .~9,6 . 10,5 . 39,4.59,3.30,2.22,2.03,1.57, I .93
2.87,3.69,4.49,6.10,5.39,4.59,3.30,2.22,2.03,;.57,1.93
"0
110 DATA
DATA 0,0,0,3.83,4,55,4.41 , 4.35,3.3 1,,2.40,1.99, I .59
0,0,0,3.83,4.55,4.41,4.35,3.34,2.40,1.99,1.59
120
120 DATA
DATA 0,O,O,0,3.56,3.cC,2.93,2.50,1.73,1.32,0
0,0,0,0,3.56,3.!-0,2.93,2.50,1.73,1.32,0
130
130 DATA
DATA 0,0,0,0,3.17,2.84,2 . 34,2.00,1.42,1.28,0
0,0,0,0,3.17,2.84,2.34,2.00,1.42,1.28,0
~40
140 DATA
DATA 0,0,0,0,0 , 1,91,2.18,2.11 , 1.72,1.37,0
0,0,0,0,0,1.91,2.18,2.11,1.72,1.37,0
150
150 DATA
DATA 0,0,0,0,0,0,1 . 51,1.54,1,43,1 . 27,0
0,0,0,0,0,0,1.51,1.54,1.43,1.27,0
152 REM
152 REM READ SITE UlDEX
READ SITE INDEX CUIlVE
CURVE COS:'fICIENTS
COEFFICIENTS
153
153 REI.D
READ BO,Bl,32,33
B0,P1,B2,B3
154
154 DATA 3,6068,-17 . 513,0.008057,0 . 3308
DATA 3.6068,-17.513,0.008057,0.3308
155 LET
LET C1-:130+B1/15
Cl=BO.B1115
156 LET C2=32+33/15
156 LET C2=B2+B3/15
160
160 RElI,
REM SET
SET STAND
STAND BASAL AREA AREA TO ZERO, AGE TO 3
ZERO,AGE
170
170 LET G=OG=0
ISO
180 LET A=5
190 REM
REl'1 RnD
READ DS1'ULS
DETAILS 0: T?SAT~::r:!
OF STAND TREATMENT
200
200 PRINT
PRINT UHOv.'
"HOW LONG
LONG IS IS THE:
THE P.C'TAT!Or: PL:':AS~"
ROTATION,t PLEASE"
210 INPUT
I1,PUT RR
220
220 DIM A1(10),N1(10),TS(10)
AI(IO),Nl(lO),TS(10)
230 PRI}~T "HOW
PRINT tlHm~ MANY-
MANr THINNINGS PLEASE"
TBINNINGS,t PLEASE"
240 INPUT MII,
250 If MM == 00 THEN
IF THEi, 300
300
260 fOR 1=1
FOR 1=1 TO M H
270 A::;E.STE:~!s/HA LEFT,
PRINT "GIVE AGE,STEMS/HA LEfT, AND
AND TYPE(S/L)
TIPE(S/L) FOR
fOR THINNING
TI-:rmm:G ";1
";I
280 1. 1(I) ,N1(I). T$(I)
INPUT A1(I),N1(I),TS(I)
290 NEXT I I
300 LET
300 LET M=.1
M=1
305
305 SELECT PRINT "'5(,20)
PRIllT 215(120)
310 !1E!1 PRlliT 1ABLE
REM PRINT HE,\ilINGS
TABLE HEADINGS
320 PRINT
PRII\T
330
330 PRINT
PRUiT TAB(20);"GROWING
TAB (20) ; "GROlWIG STOCK";TAB(80);"THINNINGS"
STO:;K"; TAB( 80); "Tf'.Hn:!NGS"
340
340 PRINT
PRn:TUSING 360
350 PRINTUSING 360
360
360 %% AGE HDO~I STEI''s/HA
AGE HDOM STEMS/HA DIAM(G)
DIAX(G) BA/HA V O L/H;. (2 0 :;~)
EA/HA VOL/HA VOLTHA(20CX)
VOL/HA(20C/-ll
VOL/HA VOL/MA(200M)
Dn:Amc PHASE
370 REM DYNAMIC PHASE OF
0: SI1.:lJLATION
SInLATION
380 REM CALCULATE
380 REM DO~!INANT HEIGHT
CALCULATE DOMINANT H::IGHT
390 LET
H=El:? (30+3 I I A+ LOG (S )-C I )/C2)' ( B2+331 A
LET H=EXR(B04-B1/A+ULOG(S)-C1)/C2)*(B24-YqA))
400 PEM
REM SELFCT
SELEC7 HEIGHT AND AKD STOCKING CLASSCLASS FOR
FOR GROZTE I1:CR~:2::T
GRa,:!;: INCRMENT
1110 Hl=(H-1l/2
410 LET H1=(H-1)/2
411
411 IFIF H1(12
B1(12 THEN 420
TH::N 420
~12 LET
412 LET H1=11
H1=1] ..-

1120 LET E1=SOR(1/N)*100-1

420 El=SOR( 1/11)"100-1
1130 IF
430 If T(E1,1I1)=0
T( El ,!! 11o0 THEN
TH::N 920
920
~40 REM
440 REM ADDADO INCREMENT
INCREMENT TO CURRENT
CURRENT BASAL
BASAL AREA
AREA
450
1150 LET
LET G=G+T(E/,H1)
G=G+T(El,H1)
460
460 REM
REM TEO:
TE:::: IF
IF THINNIN'; REQUIRED IN
T:cm:um "rOUIRE' IN CUPR"!T
CUPRE':T YPAP
IEAP
1:70 IF
470 If A=A1(M)
A=A 1 (f:) THEN
TH::N 670
670
CI,LC'J~ATE MEAN
480 REM CALCULATE t:SAN BA DIA~~ETER, & VOLUMES
BA DIAMETER, vo!.m:~
 - 84 .-
~90 LEi 0
490 LET =S:lR( G /(t:' O. o o:J0785~
D =SOR(G/(N1T.00007854))
500
500 LET
L.7TV=/II (-0.0072.0. 00:J02887 ' O! 2+0. 00002077 1 H"D+0. 00003270 0 0! 2E)
V=N*(-0.0072+0.00D02887*N2+0.00002077*HfD+0.00003276*N2*H)
510 LIT
510 1E7 V1=\,"(0 .97:;52-21 : 9737EXP(-0. 15~07'0
V1=(0.97352-21.9737*EXP(-0.15407*D))
515 IF
IF V1V1 ) 0 THEN 520
) 520
516 LET
LEi V1 Yl == 00
520 REH PRINT GRO"rllNC
REM PRIt:T GROWING SiO:r.STOCK DErAILS
DETAILS
pp.I:rrusn;c 51.:0,A ,H,N ,D,G, V, Vl;
530 PRINTUSING
530
5~0 %
540 ~ eft;
550 REM
(.(.r.
REl-: PRIrT
'".f wce
t-crr.r.
r!iIm:I::C DETAILS
PRlrT THINNING
ilott!.#
DErAILS IFIF AA THINNING
frce.o ilf(40.f
~rr,.c rr-ef..c
Otr-r..D fo#A,
THINNn:c; ;:,',S
f.fPv . f.
:AS PERFORP.ED
PERFORMED
560
550 IF
IFT2=0
1'2=0THEN Ti;::~1 600
600
570 PRINT
570 PRn:, TAB( TA3(64); 6 /1);
~SO PRINTUSING
PRIIlTUSItIG 5901N2,D1,01,V2,V3;
590,N2,D1,Gi,V2,Y3;
530
590 %$ r.rtr
frtil pre.t
010.il Cr-{<.P ttr,P.P
filf10.# Cf.r.~.C
.,
600 REM n:~RSASE 'AGE
REM INCREASE AGE BY llY I~ YEAR,
YEAR, &~ REPEAT
REPEAT DYNAMIC
DYNAI:rc PHASE
605 PRINT
605 PRIll!
610 LET A.~ == A+1 A+l
620 LET T2=0
IF m.
630 Tr A(=R R THENTIlEII 370310
6~0 PRINT
640 PRIIIT
650 PRINT TAB(20);"END OF sn~JLAtIml"
PRIlIT TAB(20);"rND SIMULATION"
660 STOP
STOP
RE~:
670 REM
670 SSCTI01:
SECTION TO S:~:ULft.TE LOW
TO SIMULATE OR SYSTEMATIC
Le;: OR SYSTE11A7IC THINNING
THHt\ItlG
[SO RE!': DETERMINE
630 REM 7r.:n:,:n~G RATIO
!)E::-:':iu:ru THINNING R~ TID FP.Or.
FROM THINNING TYPE
690 IF .!'$ (~) ="L" T:iSN
If T.!-(M)="L" THEN 720
700 LET
Li:7 73=1
0= 1
. 710 COTO
GGlO 760
720 IF
IF X)1 M)1 THENTESS 750
730 LET
LE,' T3=0.7
r3=0. 7
/10 GOTO
7740 COTO 760
T3=0.9
LST T3=0.9
750 LET
760 REM CALCULATE s:-o::r.I:;C;
Rt;?, CI.LCULft.TE STOCKING REl-:OYED RE~:OY::O G1
REMOVED N2 & BA REMOVED
770 LEi 1:2=1:-N1(Y.)
LET N2=N-N1(M)
780 LET 02=N1(M)/N/(T3/0)
C2=l/1(!-:)/JU(T3/G)
790 LE7
790 LE;' C1=0-02
Gl=G-G2
800 nc:!; ADJUST
BOO REM STOCKING & BI.
I.DJVST SToc,:n:G BA 0: RESID:JIJ. STAND
OF RESIDUAL STAlm
810 LET G=G2
S10 G=02
L'::T N=N1(M)
820 LET N=l11 (x)
63(1 RF.~
830 CO~?UTE ~:S;.
REM COMPUTE MEANN Dg~:ET;:R
DIAMETER AND VOLUMES OF
AND VOLUMES OF' 7l!!NNINGS
THINNINOS
8~o D'=S:lR(Gl/(~2'0.00007!5q
840 LET D1=SOR(01/(N21.0.00007854))
85G Lsr
8SC LET V2=1;2' (-0 . O~72 ... 0 . 0000238 7 1 D1 ! 2.0.00002077 'H'Dl ! 2<0. 00003276"D1 ! 2.H~
V2=N2*(-0.0:72+0.00002887*D1!20.00002077*H/D1!2A0.00003276*D1!2*H)
850 LE,
LET V3=V2' (0 . 97:'52-21. 9737*EXP(-0. 15~07'Dl !2
V3=V2*(0.97352-21,9737*EXP(-0.15407*D1!2))
851 IF
851 IF V3 V3 ) 00 IHENTE!1 870
c70
862 LET
LST V3 '-3 == 00
870 ?E ~ INCREMENT
870 REM n:CF:E!':=:~:T THINNING
TEImU~:GNUMBER NUf-IS:::R AND RETURN. TO
AND RETURN HAIN PART
TO MAIN PA?!OF
OF
R2; SIf:UL
880 REM
680 .~ !ION
SIMULATION
890 LET
890 ~~ =~;.. 1
LET MM-i-1
900 LET 72=1
72= 1
910 GOTO
0070 480 ~80
no
920 Po!,:,: SECTION
REM SSCTIm; TO 1.3AllDOll ?R:JGR;.H WHEN
ABANDDN PROGFAM ,~HSN S!P.'JLATIm:s
SIMULATIONS GO::S
GOES
930
930 R:SH OUTSIDE LIM:TS
REM OUTSIDE L!l{IrS CF 0: AVAILABLE G~m~TH DATA
A','AIL-AS!..:: GROWTH DATA
9~0
940 ThE (20); "SI!':'JLA'rIO;: EXCEEDS
PRIt:! TAB(20);"SIMULAT:DN
PRINT EXCEEr:S RANGE
ilAllGE OF
OF GROWTH
GRO,'!H FUNCTION"
FUNCrrmi"
950
950 PRINT TA3(20);
rRn;T "WII ABANOONSD"
TAB(20);"RUN ABANDONED"
960 EliD
END
 Figura 5.13
5.13 p~r el computador para un modelo de
Salida producida por

simulaci6n de crecimiento de
simulacin de un
un rodal
rodal

SIMULATION MODEL
MODEL FOR
FOn PINUS
PINUS PATULA
PATULA PLANTATIONS
PLANTATIONS
CIVE INITIAL
GIVE IIIITIAL STOCKING
STOCKING AND
AND SITE
SITE INDEX,
INDEX, PLEASE
PLEASE
1700
1700 23
23
1101;
HOW LONG IS THE ROTATION,
nOTATION, PLEASE
16
16
HOW
HOW MANY
MANY THrN~INGS, PLEASE
THINNINGS, PLEASE
11
CIVE ACE,STEHS/HA LEFT,
GIVE AGE,STEMS/HA LEFT , AND
AND TYPE{S/L) Fon THINNING
TYPE(S/L) FOR THINNING 1
1

. 88 700
700 S
S

&
CROW INC STOCK
GROWING THINNINCS
THINNINGS

AGE FDOM STa:3/HA

"DOH STEMS/HA DIAM(G) VOL/HA VOLlJlA(20CM)
DAlilA VOLlIlA
DIAf!(G) DA/HA vOL/11A(20CM) STEMS/HA DIAM(G)
DIAM(G) DAlHA
DA/HA VOI./HA
VOL/HA VOL/H" (20c!~)
VOL/HA(20CM)
55 6.1
6.1 1700
1700 7.0
7.0 6.5
6.5 0.
8.66 0.0
66 8.5 1100
1700 10.
10.11 13.8 ~5. 3
/15.3 0.0
77 10.8
10.8 1100
1700 12.5
12.5 21.1
21.1 96.0 0.0
8
8 12.9
12.9 700 111.2
14.2 11.
11.11 61.0
61.8 0.0
0.0 1000 1~.2
14.2 15.9
15.9 138.6
138.8 0.0
0.0
9
9 14.8
14.8 700
700 16 .9
16.9 15.7
15.7 101.6 0. 0
0.0
10
10 16 .5
16.5 700
700 13.6
13.6 19.0
19.0 137.7
137.7 0.0
0.0
1111 18.
18.11 700 19.6 21.2
21.2 1 G8 .~
160.4 0.0
12
12 19 .5
19.5 700 20.5
20.5 23.2
23.2 198.7
/93.7 10.0
10.0
13
13 20.7
20.7 70' 21.1/
21.4 25.3 230.1 30.5
38.5
14
114 21.9 700 22.1 26.0
26.8 251.8
257.8 63;1
63.1
15
15 22.9 100
700 22.1
22.7 20.4
23.4 205.9
285.9 89.
89.411
16
16 23 .9
23.9 700 23.5
23.5 30.3
30.3 317.9
317.9 122.6
END OF SIMULATION
S!MULATIOII
 -86-

5.2
Cuadro 5.2 Definicion
Definicin de las variables utilizadas en el programa de simula-
cion ,un rodal
cin de crecimiento de un rodal

Variable Dimension
Dimensin Descripcin de uso ________________________________________
~D~e~s~c~r~1~'p~c~i~o~n~d~e~~u~s~0~

A rodal, aos
Edad del rodal, anos

A1
Al 10 de los
Lista de edades de los clareos
clareos
-
BO

B1
Bl funcion de crecimiento de la
Coeficientes para la funcin la altu-

B2 ra, representados
ra, representados como bo'
bo, b1,
bl, b2,
b2, b3
b3 en el
el texto
texto
B3 -y

C1
Cl la funcin
Coeficientes para la funcion de crecimiento de la
la altu-

C2 ]
1 ra,
ra, representados como cl,
c1' c2 en el texto

D Diametro del grea

Digmetro area basal promedio,
promedio, de la
la masa permanente

D1 Diametro del grea

Digmetro area basal promedio,
promedio, de los
los rboles
arboles removi
remov i
dos en los
los clareos
clareos

E1
El Clase de densidad del rodal,
rodal, desde 1
1 para espaciamiento
de 2-3 m
m hasta 77 para espaciamiento de 88 y ms
mas m
m

G basal/ha de
Area basal/ha de la
la masa permanente
permanente

G1 basal/ ha de
Area basal/ha de los
los arboles
rboles removidos en clareos
G2 de la
Area basal de la masa
masa permanente
permanente inmediatamente
inmediatamente despus
despues
del clareo

H dominante del
Altura dominante del rodal
rodal

H1 Clase de altura dominante,

dominante, desde 11 para
para alturas
alturas de
de 3-5
3-5
m hasta
m hasta 11 para alturas
alturas sobre
sobre 23 mm
I Contador del nmero
nGrnero de clareos
clareos durante
durante la
la lectura
lectura de
de
los detalles
los detalles de los clareos
M Inicialmente el nmero
nGrnero de clareos.
clareos. Durante lala fase
fase ding
dina
mica representa el prximo
proximo nGrnero
nmero de
de clareo
clareo
N NGmero arboles / ha del
Nmero de rboles/ha del rodal
rodal

Nl
N1 10 Lista
Lista de la masa residual a ser
ser dejada despus
despues de cada
cada
clareo

N2 Nmero de arboles/ha
NGrnero arboles / ha removidos
removidos en
en cada
cada clareo
clareo

R Edad de rotacin
rotacion del rodal,
rodal, en aos
anos
 -87-

5.2
Cuadro 5.2 (continuaci6n )
(continuacin...)

Variabl
Variablee Dimensi6n
Dimensin Descripci6n usa
Descripcin de uso

8
S El Indice
El indice de sitio del rodal,
rodal, (altura
(altura dominante a
a los
15 arios)
anos) en
en m
m

T 7,11 ~rea basal correspondiente a

Cuadro de incrementos del grea
las
las clases
clases de
de espaciamiento (1 dimensi6n)
espaciamiento (1 dimensin) yy clases
clases de
de
altura (2 dimensi6n).
altura (2 dimensin). Los
Los valores
valores del
del cuadro 5.1
cuadro 5.1
T2 Indice igual aa 1 si el rodal ha
1 si ha sido
side clareado
clareado enen el
el
ano
arioactual
actual del
del tiempo
tiempo simulado,
simulado, ee igual
igual aa cero
cero en
en los
otros casos.
casos. Control
Control para los formatos
formatos de impresi6n
de impresin
T3 Proporci6n
Proporcin de
de clareo Tr como se define en el texto pa-
ra
ra cada tipo
tipo de
de clareo.
clareo. Valor 1 para clareo sistemdti-
sistemati-
co, 1er clareo bajo y 0.9 para los otros
co, 0.7 para el ler
clareos

T$ 10
10 Listado de los tipos de clareos,
clareos, para cada clareo.
clareo. "S"
"8"
sistematico y "L"
representa clareo sistemtico "L" clareo bajo
V Volumen total con corteza la masa permanente
cortez a por ha de la
Vl
V1 di~metro de 20
Volumen con corteza/ha hasta un digmetro cm, de
20 cm,
la
la masa
masa permanente
V2 Volumen total/ha
total / ha de los
los clareos
V3 Volumen/ha hasta 20
20 cm,
cm, de los
los clareos
clareos

* * * * * * * * * * *
 -8U
-d8--

ser expresada
puede ser tambi~n como:
expresada tambin como:

Proporcin de clareo - (Dimetro promedio del ~rea

romedio del del clareo)2
rea basal antes del clareo)2
(Dimetro promedio
promedio del rea basal despuss del
del clarea)2
clareot
Valores tpicos
tipicos de la
la proporcin
proporci6n de clareo para varios tipos de clareos son:
son:

Tipos de clareo Valores de la

la
proporci6n clar eo
proporcin de ciare
Clareos bajos tempranos
ternpranos 0.6 -
- 0.8

Clareos bajos tardos

tardios 0.8 - 1.0
0.8 -
selectiv~
Clareo no selectivo 1.0

Clareo de copas 1.3

1.1 -- 1.3

La
La proporci6n determinarse empricamente
proporcin de clareo puede determinarse empiricamente usando
usando parcelas
parcelas tem
tern
porales en las cuales sese efectan
efectuan los
los clareos
clareos por
por medio dede contratistas,
contratistas, o0 -
en est~n marcados los
en las cuales estn ~rboles sin
los rboles sin que
que hayan
hayan sido
sido derribados
derribados toda-
toda-
via.
va. La
La primera tcnica
tecnica da una estimacin
estimaci6n msmas real,
real, pero
pero puede
puede no
no ser
ser apro-
apro-
piada
piada para tipos experimentales de de clareo,
clareo, los
los cuales
cuales simplemente
simplemente sese desean
desea n
evaluar en un modelo din~mico.
modele dinmico.
Las
Las estimaciones de lala proporcin
proporci6n dede clareo
clareo obtenidas
obtenidas de
de parcelas
parcelas dede mues-
mue s-
pueden no
treo permanentes pueden no ser
ser confiables,
confiables, ya ya que
que normalmente,
norrnalmente, las
las PMP
PI4P se
se de
de
claramente en
marcan claramente en el
el bosque,
bosque, yy por
por lo
10 tanto
tanto probablemente
probablemente nono reciben
reciben unun -
tipico.
tratamiento tpico. .

542 Estimaci6n ros rendimientos de

Estimacin de los de clareos
c lareos en
en modelos
modelos estticos
estaticos

Para estimar los

los rendimientos
rendimientos de de los
los clareos
clareos por
por medio
medio de
de una
una funcin
funci6n estgti
estati
ca de rendimiento,
ca rendimiento, deben
deben conocerse la intensidad
intensidad del clareo,
clareo, definida en en
funcin
funci6n del nmero ~rboles o
numero de rboles ~rea
0 rea basal
basal rernovida
removida yy la proporci6n
proporcin de cla-
reo, definida anteriormente.
reo, anteriormente. Tambin
Tambien eses necesario
necesario saber
saber si
si la
la funcin
funci6n dede ren
ren
est~ basada
dimiento est basada en
en mediciones
mediciones hechas
hechas inmediatamente
inmediatamente antes
antes o0 despus
despues dede-
los clareos,
los clareos, o
0 como eses elel caso
caso ms
mas normal,
normal, una
una mezcla
mezcla incontrolada
incontrolada dede medi-
medi-
ciones antes,
antes, despus
despues yy durante
durante los
los clareos.
clareos .
Asurniento que la
Asumiento la funcin
funci 6n de
de rendimiento
rendimiento predice
predice el di~metro del
el dimetro ~rea basal
del rea basal
promedio, yy que
promedio, est~ basada
que est basada enen una
una mezcla
mezcla nono controlada
controlada de
de datos,
datos, el
el dime-
diame-
tro que se predice al al tiempo
tiempo del
del clareo
clareo puede
puede asumirse
asumirse que
que se ser~ un
se ser un prome-
prome-
los dimetros
dio entre los diarnetros anteriores
anteriores yy posteriores
posteriores alal clareo:
clareo:
Dp = (Da + Dd)/2 (1 )
(1)

donde Dp
Dp es el dimetro
diarnetro que predice
predice lala funcin est~tica de
funci6n esttica de rendimiento,
rendimiento, yy
Da
Da yy bd son los
Dd son di~metros antes
los dimetros antes yy despus
despues del
del clareo
clareo en
en algn
algun momento
momenta que
que
ha
ha de ser determinado.
determinado. La
La proporcin
proporci6n dede clareo
clareo tambin
tambien relaciona
relaciona los di~me
los dime-
tros desconocidos Da Y y D d , obtenindose
Dd, obteniendose dos
dos ecuaciones simult~neas:
ecuaciones simultneas:
Tr = Di/Di (2)
(2)

soluci6n del
La solucin del sistema
sistema de
de 'ecuaciones
ecuaciones es:
es:
 -89-

Dd = 2.D / (1 + (3)
(3)

Da = 2,D - Dd (4 )
(4)

Si se aonocen
Si se di&metros del rea
conocen los dimetros &rea basal promedio antes y y despus
despues del cla-
reo,
reo, es posible calcular elel rea
&rea basal
basal removida,
removida, conociendo
conociendo el
el nmero
numero de
de r-
&r-
boles removidos 6 calcular el el nmero
nUmero de
de rboles
&rboles removidos
removidos si
si se
se conoce
conoce el
el
&rea extraida.
rea basal extrada.
En el caso donde la
la intensidad
intens i dad de los
los aclareos
aclareo s se
se especifica
especifica en
en funcin
funci6n del
del
numeno
nmero 1e &rboles, el dimetro
de arboles, di&me tro del rea
&rea basal
basal promedio
promedio de
de los
los rboles
&rbo les removi
removi
dos en el clareo est
est& dado
dado por:
por :

TrNa
TrN a -- Nd
D
Dt (5 )
t = Dd
Dd Na -
Na - NdNd
( 5 )

0o bien:

Naa -- Nd/Tr
Nd/T r
Dt = Da
Dt Da VN (6
(6))
Na
Na -- Nd

N6tese
Ntese que las ecuaciones (5)
(5) yy (6)
(6) son
son independientes dede la
la su?osicin
supo si c ion (1)
(1)
que
que predice los dimetros
di&metros como promedios de de los
los valores
valores inmediatamente
i nme d J3t amente antes
antes
yy despues
despus del clareo. As,
del clareo. Asi, cualquiera de de las
las dos
dos ecuaciones
ecuaciones (5)( 5) 66 (6)
(6) puede
puede
usarse
usarse para determinar el diametno
diamettto promedio
promedio del
del clareo,
clareo, segn
segun laslas funciones
funciones
esten
estn definidas
definidas para predecir ' dimetros
di&metros despus
despues o0 antes
antes del
del clareo
clareo respecti-
respecti-
vamente.
Todas las trasformaciones algebraicas que han llevado a a las frmulas
f6rmulas anterio
anterio
res la relacin
res se basan en la relaci6n simple:
simple:

2
G = N k D2
G=NkDg g
donde
donde G es el &rea basal, N
rea basal, N la
la masa forestal,
forestal, kk la
la constante
constante 0.00007854 (pa-
0.00007854 (pa-
ra di&metros
ra dimetros en cm,
cm, rea
area basal m2 /ha y masa forestal en arboles/ha)
basal en m2/ha &rboles/ha) y Dg
es
es el
el di&metro
dimetro del &rea basal promedio.
del rea
vez que
Una vez que se conoce el dimetro
diametro promedio del clareo,
clareo, pueden ca lcularse los
calcularse los
vo lumenes total y comercial utilizando
volmenes utilizando una
una ecuacin
ecuaci6n de
de volumen
volumen apropiada.
apropiada.

543 Estimaci6n
Estimacin de los
los rendimientos de
de clareos
clareos en
en modelos
modelos dinmicos
dinam icos

Como en el caso de los modelos estticos,

estatiaos, es necesario conocer tanto la in-
la in-
tensidad como la proporci6n
proporcin de clareo.
clareo . De estos dos valores pueden determi-determi-
narse el
el area
rea basal dens idad dada o
basal removida para una densidad alternativamente el
0 alternativamente el nu
n
mero de rboles
&rboles removidos
removidos para
paraun
un area
rea basal
basal dada,
dada, yy ambos parmetros
par&metros nmero
numero-
de &rboles
de rboles yy area
rea basal
basal de
de la
la masa
masa permanente . EnEnlas
permanente. lassecc :t':1es 533
seccnes 533 yy 534
534 ya
ya
se
se han
han discutido sobre esto.
discutido ejemplos sobre esto.
Un
Un aspecto esencial de los clareos en los modelos dinamicc.
din&mico_ es que el creci-
mien to posterior
miento est& influenciado por la
posterior est la intensidad del clareo,
c lareo, as
asi como
como la
densidad
densidad del
del rodal
rodal modificara siguiente. En un modelo
modificar el tratamiento siguiente. modele est&ti-
estti-
co
co esto no
no sucede yy he aqu
aqui el peligro de obtener resultados incorrectos
incorrectos con
modelos
modelos est&ticos aplicaci6n de tratamientos
estticos por la aplicacin tratamientos de ciare
c lareo que no corres-
ponde
ponde aa las funciones ajustadas.
ajustadas.
 -90-
-90-

55 MORTAL~ DAD
MORTALIDAD

La mortalidad aa menudo puede

puede ser
ser ignorada
ignorada en
en muchos
muchos tipos
tipos de bosques
bosques unifor-
unifor-
intensamente manejados,
mes intensamente manejados, una
una vez
vez que
que se
se ha
ha establecido
establecido la
la plantacin.
plantaci6n. En
En
algunos casos sin
sin embargo,
embargo, hay
hay una
una marcada reduccin
reducci6n del nmero
numero de
de rboles
arboles
con el paso del tiempo,
tiempo, que
que de
de alguna
alguna manera debe
debe contemplarse
contemplarse en
en los
los mode-
los de crecimiento yy rendimiento.
rendimiento. Existen diversos
diversos tipos
tipos de
de mortalidad
mortalidad que
que
deben ser
ser considerados.
considerados .

551 Mortalidad en
en el
el establecimiento
establecimiento

La mortalidad enen el
el establecimiento
establecimiento define
define el
el porcentaje
porcentaje de
de plantas
plantas que
que no
no
al primer
sobreviven al primer ario.
ano. En
En el
el caso
caso de
de plantaciones,
plantaciones, obviamente
obviamente esto es f-f~
cil de definir campo, pero
definir en el campo, pero en
en el
el caso
caso de
de rodales
rodales establecidos
establecidos por
por siem
siem
bra artificial o natural, probablemente
0 natural, pnobablemente es es preferible
preferible considerar el el nmero
numero-
plantulas que
absoluto de plntulas que se
se establecen,antes
establecen,antes queque considerar
considerar unun porcentaje
porcentaje
de sobrevivientes. La
de sobrevivientes. La sobrevivencia
sobrevivencia puede
puede definirse
definirse tambin
tambien en
en funcin
funci6n del
del
porcentaje del rea
area que
que est
esta completamente
completamente ocupada,
ocupada, tal
tal como
como se
se discute
discute enen
secci6n 6.
la seccin 6.
factores que
Los factores que influyen
influyen ms
mas poderosamente
poderosamente enen la
la sobrevivencia
sobrevivencia yy que
que deben
deben
ser considerados enen cualquier
cualquier modelo
modele predictivc
predictive son:
son:

metodo ee intensidad
El mtodo intensidad de
de preparacin
preparaci6n del
del sitio.
sitio.

El
El clima en el momento del establecimiento
establecimiento yy en
en los
los meses
meses siguientes.
siguientes .

aspecto del
El aspecto del sitio.
sitio.

exposici6n del
El grado de exposicin del sitio.
sitio.

La naturaleza de los 10 cm superficiales del suelo,en particular

particular yy
suelo en
del suelo en general.
general.

Para
'Para plantaciones
plantaciones tambien
tambin debe considerarse:
considerarse:

edad de
La edad de las
las plntulas.
plantulas.

procedimientos de
Los procedimientos de manejo
manejo de
de las
las plntulas
plantulas del
del vivero
vivero al
al bosque.
bosque.

La epoca de la
La poca la plantacin.
plantaci6n.

Por traves de
Por siembra a travs de mtodos
metodos artificiales
artificiales o0 naturales
naturales debe
debe considerarse:
considerarse:

tratamientos para
Revestimiento de pesticidas o0 tratamientos para reducir
reducir la
la predacin
predaci6n
de semillas.
semillas.

Pretratamiento de las semillas para estimular 0o mejorar la germina-

mejorar la germina-
ci6n.
cin.

Obviamente la determinacion parametros y su inclusin

determinacin de todos estos parmetros inclusion en unun
modele cuantitativo til
modelo util es
es virtualmente
virtualmente imposible.
imposible. Es mejor construir
construir mode-
que pueden
los simples y robustos que pueden aplicarse
aplicarse fcilmente
facilmente aa las
las prcticas
practicas segui
segui
das
das en un rea
area particular
particular o0 en
en un
un momento
momenta determinado.
determinado. -
modele ser
El modelo sera usualmente
usualmente una
una regresin
regresi6n mltiple
multiple entre
entre sobrevivencia
sobrevivencia (relati
(relati
va
va 0o absoluta)
absoluta) yy dos o los parmetros
0 tres de los parametros arriba mencionados,
mencionados, codifica--
dos en un modo apropiado.
apropiado.
 -91-
f

552
552 Morta1idad dependiente
Mortalidad dependiente de
de la
la densidad
densidad

La mortalidad dependiente de de la
la densidad
densidad puede ser
ser un
un resultado
resultado directo de
la
la supresi6n,
supresin, pero
pero mas comunmente es indirecto,
ms comnmente indirecto, en el sentido de que los r- ar-
boles menos vigorosos,
vigorosos, con
con copas bajo
bajo el dosel,
dosel, se
se vuelven
vuelven suceptibles
suceptibles aa en-
en-
fermedades
fermedades 0o danos
daos de animales en un grado mucho mayor que los rboles arboles ms
mas
vigorosos.
usualmente puede
Este tipo de mortalidad usualmente puede 19norarse
ignorarse enen modelos
modelos de
de rodales
rodales
espaciamientos yy de
plantados con amplios espaciamientos de rotaciones
rotaciones cortas,
cortas, o0 sujetos cl~
sujetos aa cla
reos adecuados. embargo, muchas predicciones
adecuados. Sin embargo, predicciones de crecimiento
crecimiento yy rendimien-
rendimien-
to se refieren a a rodales
rodales no
no clareados
clareados o0 aa rodales
rodales en
en los
los cuales
cuales los
los clareos
clareos
side postergados, en
han sido en cuyo
cuyo caso
caso debe
debe hacerse
hacerse algn
algun esfuerzo
esfuerzo para
para incluir
incluir
este tipo
tipo de mortalidad.
mortalidad.
modele til
Un modelo util es lala lnea
linea de
de Reineke,
Reineke, enen el
el cual
cual la
la densidad
densidad sese grafica
grafica con
con
tra
tra la
la altura
altura dominante, logaritmicas en ambos
dominante, utilizando escalas logartmicas ambos ejes.
ejes. Esto
Esto
de tipo que
da un diagrama del tipo que se
se muestra
muestra en
en la
la figura
figura 5.15.
5.15. La
La linea
linea de
de Reine-
Reine-
ke define la
la densidad mxima
maxima que
que puede
puede sustentarse
sustentarse para
para cualquier
cualquier altura
altura do-
do-
minante dada.
dada.
Si los rodales normalmente se
Si los se clarean bien,
bien, puede ser
ser difcil
dificil obtener
obteper los d~
los da
tos
tos necesarios para construir esta esta linea.
linea. AA veces resulta
resulta ventajoso, establ~
ventajoso, estable
plantaci6n dada
cer en una plantacin dada unas
unas 10
10 parcelas
parcelas de bosque aa 1 xx 11 6 2 x 22 me-
de bosque
tros
tros en
en una amp1ia variedad de sitios
una amplia sitios diferentes
diferentes para
para proveerse
proveerse dede estos
estos da-
da-
tos. Obviamente esto
tos. esto no
no es
es aplicable
aplicable en
en casos
casos donde
donde existan
existan extensos
extensos rodales
rodales
sin clareos.
clareos .
En
En los
los modelos estticos
estaticos de rendimiento,
rendimiento, lala mortalidad
mortalidad dependiente
dependiente dede la
la den
den
sidad, esta
sidad, implicitamente considerada
est implcitamente considerada enen las
las funciones
funciones dimetro
diametro promedio/a1
pnomedio/ar
tura
tura dominante, explicitamente.
dominante, y no necesita definirse explcitamente. -
En los modelos dinmicos
En los dinamicos de crecimiento,
crecimiento, lala reduccin
reducci6n del
del nmero
nUmero de
de rboles
arboles
causada
causada por la mortalidad puede simularse
simularse como
como un
un clarea
clareo bajo,
bajo, con
con una
una pro-
pro-
porci6n
porcin de clareo de aproximadamente
aproximadamente 0.6,
0.6, cada
cada vez
vez que
que la
la relacin
relaci6n nmero
nUmero de
de
arboles/altura
rboles/altura se se mueve a unun punto
punta aa la
la derecha
derecha de
de la
la linea
linea de
de Reineke.
Reineke.

553 Mortalidad
Mortalidad por enfermedades yy plagas
plagas

Como se menciona en la la seccin

secci6n 552,
552, algunos
algunos aspectos
aspectos dede mortalidad
mortalidad por enfe~
por enfer
medad y plagas pueden estar
estar incluidos
incluidos implcitamente
implicitamente en en un
un modelo
modelo simple
simple de-
de-
pendiente de lala densidad.
densidad. Sin
Sin embargo,
embargo, hay
hay muchos
muchos casos
casos donde
donde laslas inciden-
inciden-
cias de enfermedades o plagas son
0 plagas son de
de naturaleza epidmica y tienden aa ocu-
naturaleza epidmica ocu-
como brotes siguiendo
rrir ceno siguiendo algunos
algunos patrones
patrones particulares
particulares deldel tiempo
tiempo atmosf-
atmosfe-
rico,
rico, moviendose
movindose de
de los epicentros de de infeccin
infecci6n hacia
hacia afuera.
afuera. LasLas tcnicas
tecnicas
para modelar tales problemas estnestan fuera del
del alcance de este manual.
manual. Tales
Tales
modelos son
son frecuentemente
frecuentemente estocsticos,
estocasticos, enen la
la medida
medida dede que
que slamente
s61amente pue-
pue-
de
de predecirse la probabilidad de su su ocurrencia.
ocurrencia.
La probabilidad de ocurrencia
ocurrencia dede un
un brote
brote puede
puede ser
ser una
una funcin
funci6n dede patrones
patrones
tiempo, condiciones de la masa forestal,
del tiempo, forestal, 0o de la distancia
distancia aa otra
otra area
rea
infectada.
infectada. Desde un punto de vista administrativo,
administrativo, lala probabilidad
probabilidad de de ocu-
ocu-
puede usarse
rrencia de un brote puede usarse para
para estimar
estimar el
el valor
valor esperado
esperado de de la
la cose-
cose-
cha
cha en
en al gun tiempo futuro y por lo
algn 10 tanto
tanto los
los costos
costos dede oportunidad
oportunidad de de cor-
cor-
tas
tas preventivas,
preventivas, 0o de efectuar o0 nono mediciones
mediciones de
de control.
control.

554 Danos
Daos por vientos ee incendios

Como
Como en
en el
el caso
caso de
de los
los problemas
problemas de
de plagas yy enfermedades, los efectos
enfermedades, los efectos de
de
los
los danos
daos de
de los vientos e incendios
incendios pueden
pueden ser
ser dependientes
dependientes o0 independien-
independien-
tes dede la densidad.
densidad. Los
Los dependientes de la densidad tienden a a tener una na-
turaleza
turaleza catastr6fica, es la
catastrfica, esto es la destruccin
destrucci6n completa
completa del
del rodal.
rodal. De
De nuevo,
nuevo,
el
el componente
componente catastr6fico
catastrfico s61amente
slamente puede predecirse como la la probabilidad
probabilidad
 7

-92-
-92-

Figura 5.15
5.15 La relaci6n entre la
La relacin la masa forestal
forestal y la altura
altura dominante aa tra-
v~s del tiempo
vs tiempo en un bosque uniforme no clareado muy denso
den so

N arboles/ha
N lirboles/ha,
log.)
(escala log.)
Linea de Reineke

Densidad
inicial Comienzo de la mortalidad
la densidad
dependiente de la

indica la
La flecha indica la
direcci6n
direccin de avance
a travs
a traves del tiempo

Altura dominante
(escala
(escala logaritmica)

Ntese que
N6tese que aun
aun cuando la
1a linea de Reineke est
este bien definida para un un nodal
rodal
individual, su posicin
individual, posici6n yy pendiente
pendiente puede
puede depender
depender del
del sitio.
sitio. La
La parte
parte infe-
infe-
=ior tambi~n tiende
rior de la linea tambin tiende aa curvarse
curvarse ligeramente
ligeramente hacia
hacia abajo.
abajo.
 ~ 93-
-93-

de su ocurrencia,
ocurrencia, dependiendo de de factores
factores climticos
climaticos yy de sitio,
sitio, as
as1 como
como de
de
las condiciones de lala masa forestal.
forestal. En el
el caso
caso de
de incendios,
incendios, factores
factores adi-
adi-
cionales tales como el tiempo
tiempo transcurrido
transcurrida desde lala ltima
ultima quema
quema controlada
yy el
el uso de una poda baja pueden ser ser variables
variables importantes
importantes en
en la
la determina-
ci6n
cin de la probabilidad del daoda na catastrfico.
catastr6fiao.
predicci6n exitosa
Una prediccin exitosa de
de la
la probabilidad
probabilidad dede un
un evento
evento catstrfico
catstr6fico es
es extre-
extre-
madamente difcil,
dif1cil, pues
pues tales
tal es eventos
eventos son
son raros.
raros.
los fuegos,
Cuando los fuegos, daos
danos del
del viento,
viento, o0 ciertas
ciertas plagas
plagas o0 enfermedades
enfermedades son
son nor
nor
males, ser construidos
males, pueden ser construidos tales
tales modelos;
modelos; pero
pero todava
todav1a se
se requerir
requerira un
un -
proceso cuidadoso de de obtencin
obtenci6n yy evaluacin
evaluaci6n de
de datos
datos por
por unos
unos 20
20 aos,
anos, antes
antes
de ser tiles.
de que puedan ser utiles . Debe
Debe sealarse
senalarse tambin
tambien que
que los
los parmetros
parametros de
de tales
tales
modelos tienen que ser revisados continuamente,
continuamente, ya que aparentemente son son
muy sensibles a las
las fluctuaciones
fluctuaciones climticas.
climaticas.

56 DEL RODAL
PREDICCION DEL VOLUMEN DEL RODAL

En las partes anteriores de de la

la seccin
secci6n 55 se
se han
han discutido
discutido varios
varios mtodos
metodos pa-
pa-
ra predecir altura dominante,
dominante, rea
area basal,
basal, densidad
densidad yy dimetro
diametro del
del rea
area ba-
ba-
sal
sal promedio.
promedio. La etapa final en un sistema
sistema de prediccin
predicci6n del rendimiento
rendim iento pa-
pa-
ra
ra un rodal individual
individual es
es usar
usar estas
estas variables
variables para
para la
la prediccin
predicci6n del
del volu-
volu-
men total yy comercial.
comercial.
La parte I I de este manual trata
trata exhaustivamente
exhaustivamente de de las
las tcnicas
tecnicas de
d e medicin
medici6n
y modelaje del volumen de los los rboles
arboles individuales.
individuales. Esta
Esta seccin
secci6n slamente
s61ame nte
trat a r a de resumir los
tratar los mtodos
metodos particularmente
particularmente apropiados
aprapiados para
para modelar
model a r el
el
volumen
volumen de loslos rodales aa partir de los
los parametros
parmetros calculados
calculados en
en un
un modelo
modelo de
de
rendimiento.

561 volumen del

Ecuaciones de volumen del rodal
rodal basadas
basadas en
en altura
altura dominante
dominante yy rea
area ba-
ba-
sal
sal

El
El volumen total de un rodal,
rodal, hasta
hasta la
la cima
cima dede los
los rboles
arboles 6 hasta
hasta algn
algun li-
11-
mite diametrico pequeno como por
diamtrico pequeo por ejemplo
ejemplo 10
10 cm,
cm, puede
puede predecirse
predecirse con
con preci-
preci-
si6n,
sin, por
por medio
medio de una ecuacin
ecuaci6n que contenga como variables
variables el
el rea
area basal
basal yy
la altura dominante.
la Ecuaciones tpicas
dominante. Ecuaciones t1picas son:
son:

(1) V = bo
b + b/GH
b 1 GH (lineal)
o
(2) V!G b o ++ bb1H
V/G == 1)0 1H (lineal,
(lineal, ponder con G)
ada con
ponderada G)

(3) log V
log V == bbo
o + bbi G + b2 log
1 log G log H
H (logaritmica)
(logartmica)

(4) b o ++ bill
V/G == bo
V!G b1H + b2H2 (cuadratica,ponderada con G)
(cuadrtica,ponderada con G)

Una
Una amplia
amplia variedad
variedad de
de otros
otros modelos son posibleS.Como
modelos son posibleS.Como ya ya sese haha discutido
discutido enen
la Parte I,
la I, en el
e1 ajuste de ecuaciones
ecuaciones de
de volumen
volumen normalmente
normalmente es e s deseable
deseable alal
gun
gan tipo de ponderacin,
ponderaci6n, pues los
los errores
errores residuales
residuales tienden
tienden aa ser aproxima~
ser aproxima-
damente
damente proporcionales a loslos volmenes.
volGmenes. Las
Las ecuaciones
ecuaciones (2), (2), (3)(3) yy (4)
(4) logran
log ran
esto. modelo (2)
esto. El modelo (2) es
es muy graficamente.
muy simple para ajustarlo grficamente.
La
La cantidad
cantidad V!G
V/G es
es ampliamente conocida comocomo el
el producto
producto dde e la
l a al tura por
altura por el
el
factor
factor de forma y su su dimensin
dimensi6n es
es el
el metro.
metro.
El grado del ajuste obtenido cuando el el volumen total deld e l rodal
r od al se expresa en
forma
forma de
de un
un modele
modelo de
de regresi 6n en funcin
regresin funci6n del
del area basal yy Ja
rea basal la altura
altura domi-
domi-
nante, tal como en las
nante, las ecuaciones anteriores,
anteriores, es usualmente muy rouy alto,
alto, a ve-
ces con coeficientes de de correlacin
correlaci6n que
que exceden
exceden aa 0.99.
0.99.
 -94-

562 Utilizaci6n ecuaciones de volumen de los

Utilizacin de ecuaciones los arboles redecir el
!rboles para predecir el vo-
vo_
umen del
lumen del rodal
comun usar
Es una practica muy comn usar una
una ecuacin
ecuaci6n de
de volumen
volumen dede arboles
!rboles individua-
individua-
les
les para predecir el el volumen
volumen del
del rodal,
rodal, entrando
entrando en en la
la ecuacin
ecuaci6n concon el
el di-ame
diame
tro
tro del
del !rea
area basal promedio y altura promedio
promedio de Lorey.
Lorey. Esta ltima
ultima eses el -
ptornedio
promedio de laslas alturas
alturas dede una
una muestra sistemtica
sistematica de de rboles
arboles ponderada
ponderada porpor
el
el area
rea basal
basal de dichos rboles.
arboles. Alternativamente,
Alternativamente, tambin
tambien se se usa la
la altura
altura
promedio aritmtica
aritmetica o0 la
la altura
altura dominante.
dominante.
Este metodo
mtodo da resultados sesgados
sesgados la
la mayora
mayoria de de las
las veces,
veces, porque
porque los
los coefi
coefi
cientes de la ecuacin
ecuaci6n no
no han
han sido
sido influenciados
influenciados por por los
los cambios
cambios enen la
la dis-
dis--
tribuci6n diamtrica
tribucin diametrica yy en
en la
la forma
forma de
de los
los rboles
arboles concon los
los parmetros
parametros deldel ro-
ro-
dal.
dal
En muchos casos el el sesgo,
sesgo, que
que normalmente
normalmente tiende
tiende aa subestimar
subestimar el el volumen
volumen del
del
rodal,
rodal, eses 10 pequeno como
lo suficientemente pequeo como para ser ser ignorado.
ignorado. El mtodo
metodo tende
tende
ra
r, sin
sin embargo,
embargo, aa serias subestimaciones del
serias subestimaciones del volumen,
volumen, si si la
la ecuacin
ecuaci6nesespar-a7
para
predecir volmenes
volGmenes hasta
hasta un
un dimetro
diametro de
de corte
corte yy elel diametno
diametno pnomedio
pnomedio est
esta
cercano a a ese lmite.
limite. Si
Si es
es posible,
posible, resulta
resulta siempre
siempre msmas satisfactorio
satisfactorio utili
utili
zar
zar una
una ecuaci6n verdadera de
ecuacin verdadera de volumen
volumen de
de rodal.
rod'a l.

563 Estimaci6n
Estimacin del volumen hasta
hasta un
un dimetro
di!metro limite
limite tope
tope

En
En bosques uniformes aa menudo se
se requiere
requiere que
que el rendimien~o del
el rendimiento del volumen
volumen se
se
estime para
para dos o tres dimetros
0 tres diametros limites
11mites tope.
tope. Esto
Esto puede
puede hacerse
hacerse de
de la
la si-
si-
guiente manera:

(1) Ajustar una ecuacin

ecuaci6n para
para el
el volumen
volumen del
del rodal
rodal como
como se
se ha
ha descrito
descrito
anteriormente (seccin
(secci6n 561)
561) con
con corteza
corteza o0 sin
sin ella,
ella, de
de acuerdo
acuerdo aa
los requerimientos.

(2) Para cada parcela de muestra, calcular

calcular la
la razn
raz6n entre
entre el
el volumen
volumen
hasta el dimetro
diametro limite
limite tope
tope seleccionado
seleccionado (Vm)
(Vm) yy el
el volumen
volumen total
total
(vtot)
(Vtot).

(3) grafico de
Un grfico de estas
estas razones
razones en
en funcin
funci6n del
del digmetno p~omedio del
diametno ptomedio del
rodal producir
producir! un
un diagrama
diagrama del
del tipo
tipo mostrado
mostrado aa continuacin:
continuaci6n:

R = Vm/Vtot

1.0 -----------------------------

0" '

. '.

o Dg
Diametro
Dimetro
tope
 -95-

(4)
(4) Esta forma
forma .puede
puede ser aj~stada por
ser ajustada por la
la funcin:
funci6n:

R == 1 -
- a. exp(b.D g )
a. exp(b.Dg)

la cualpuede
la ser transformada
cual puede ser transformada en:
en:

(1 -- R)
log (1 R) == a*
a* + b Dg
Dg

Y
y ajustada regresi6n lineal.
ajustada por regresin lineal. Ntese
N6tese que aa es exp (a*).
(a*).
Con varias razones de este este tipo
tipo puede
puede intentarse
intentarse armonizar
armonizar los
los coe
coe
ficientes
ficientes de tal modo,
modo, que ellos mismos sean funcin di~metro
funci6n del dimetro
llmite tope.
lmite tope. Alternativamente puede intentarse
intentarse construir una exten
exten
si6n multivariante
sin multivariante del
del modele
modelo anterior,
anterior,incorporando
incorporandodi.:!metnoG
digmetnosco co
merciales. .
Cuando se ajusta el modelo,
modelo, eses. importante
importante que los
los datos cuyas
cuyas razo
razo
nes
nes . sean cero se excluyan.
exc luyan. Cuando
Cuando se
se use la
la funcin
funci6n yy se
se obtenga
obtenga -
como predicci6n raz6n negativa,
prediccin una razn negativa, el volumen comercial debedebe ser
ser
tornado como cero.
tomado como cero.

564 los clareos

Volumen de los clareos

Para calcular el el volumen

volumen de
de los
los clareos
clareos pueden
pueden adaptarse
adaptarse varios
varios mtodos.
metodos. Pue
Pue
de usarse la la ecuacin
ecuaci6n deldel volumen
volumen del
del rodal
rodal entrando
entrando con
con el ~rea basal
el grea basal de
de -
los clareos.
los clareos. Alternat i vamente, puede
Alternativamente, puede emplearse
emplearse unauna tabla
tabla de
de volmenes
volumenes dede gr-
.:!r-
boles con el el digmetro
di.:!metro promedio
promedio de
de los
los clareos
clareos yy un
un estimado
estimado de
de la
laaltura
alturapr-o
pno
(quiz.:! de una
media (quizg una regresin altura/di~etro) . El
regresi6n altura/digmetro). El mtodo m~s insesgado,
metodo ms insesgado, eses-
construir una ecuacin
ecuaci6n de volumen
volumen dede rodal
rodal usando
usando slamente
s6lamente clareos,
clareos, por
por
ejemplo
ejemplo una regresin
regresi6n del volumen
volumen clareado
clareado enen funcin
funci6n del ~rea basal
del grea basal clarea-
clarea-
la altura dominante
da y la dominante del
del rodal.
rodal. Esta
Esta regresin
regresi6n puede
puede comprobarse
comprobarse para
para
significativamente de la ecuacin
ver si difiere significativamente ecuaci6n general del del volumen
volumen del
del ro-
ro-
negativo puede
dal; en caso negativo puede usarse
usarse esta
esta ltima.
ultima.
Como el volumen de los clareos a menudo no se se mide,
mide, puede ser imposible
imposible cons
cons
truir
truir un modelo de esta naturaleza.
naturaleza. SeSe sugiere
sugiere entonces,
entonces, que
que el
el volumen
volumen de
de -
los clareos se calcule como
los como la
la diferencia
diferencia entre
entre los
los volmenes
volumenes del
del rodal
nodal inme
inme
diatamente antes
antes yy despus
despues del
del clareo.
clarao: Esta
Esta tcnica
tecnica puede
puede aplicarse
aplicarse tanto
tanto al:
al
volumen total como al al comercial.
comercial.

57 TECNICAS AVANZADAS DE PREDICCION DE CRECIMIENTO Y

Y RENDIMIENTO

Hay dos tipos de modelos que

que pueden
pueden aplicarse
aplicarse aa nodales
nodales uniformes
uniformes que
que no
no han
han
sido
sido referidos
referidos directamente en
en las
las secciones
secciones anteriores,
anteriores, aa pesar
pesar de
de que
que son
son
usados en algunas
algunas organizaciones
organizacion es forestales.
forestales. Ellos sonson el
el modele
modelo de
de clases
clases
de grosor y el modelo
modele de posicin
posici6n del
del grbol.
':!rbol.

571 Modelos de clases de grosor

grosor

En un modele
modelo de clases de grosor de un rodal uniforme,
uniforme, la masa forestal
forestal en
un momento determinado se describe por una distribucin
distribuci6n de frecuencias
frecuencias del
del
~rboles. El incremento en cada clase de grosor se calcula por
grosor de los arboles.
grosor
separado,
separado, usualmente
usualmente como
como una funci6n del
una funcin sitio, edad,
del sitio, edad, densidad
densidad del
del rodal
rodal yy
de la relaci6n
de la di~etro de la
relacin entre el dimetro la clase de grosor y la altura promedio
6 dominante.
claraos y la mortalidad deben ser
Los clareos ser expresados .tambien funci6n de la
tambin en funcin
distribuci6n
distribucin de modific~ndose la
frecuencias, modificgndose
de frecuencias, la distribucin
distribuci6n de la masa para
cada clareo o0 mortalidad ocurrida.
ocurrida.
La
La ventaja de este tipo de modelo
modele para nodales .uniformes es que suministran
suministran
 -96-

informaci6n detallada
mucha informacin detallada sobre
sobre la
la clasificacin
clasificaci6n porpor tamao
tamano dede la
la produc-
produc-
ci6n,
cin, especialmente si si se
se usa
usa una
una funcin
funci6n del
del perfil
perfil del
del fuste
fuste para
para el
el clcu
calcu
10
lo del
del volumen. La desventaja
volumen. La desventaja es
es que
que el
el anlisis
analisis dede los
los datos
datos del crecimien~
del crecimienr:
to es mas que en
ms complejo que en los
los modelos totales
totales dede rodal
rodal yy requiere
requiere lala conside
conside
raci6n parametros adicionales
racin de parmetros adicionales para
para la
la distribucin
distribuci6n dede los
los dimetros; ade~
diametros; adj.:
mas para
mgs para usar
usar el
el modelo
modelo se
se necesita utilizar un un computador
computador electrnico.
electr6nico .
Los
Los modelos de este tipo
tipo no
no son
son necesariamente
necesariamente ms mas precisos
precisos enen la
la prediccin
predicci6n
de
de parametros rodal completo,
pargmetros del rodal completo, tales
tales como
como grea
area basal
basal o0 dimetro
diametro pnomedio,
pnomedio,
si proveen mgs
pero si mas informacin
informaci6n detallada
detallada sobre
sobre el
el rodal.
rodal.

572 Hodelos posici6n del

Modelos de posicin del grbol
arbol

de posicin
Los modelos de posici6n del
del rbol
arbol son
son aquellos
aquellos enen los
los cuales
cuales las
las relaciones
relaciones
entre todos
espaciales entre todos los
los *rboles
arboles dede una
una parcela
parcela simulada
simulada estan
estgn representa-
das en el modelo.
modelo. La
La competencia
competencia entre
entre arboles
arboles depende
depende de
de sus
sus tamaos
tamanos relati
relati
vos y de las
las posiciones
posiciones de
de los
los arboles
arboles vecinos.
vecinos. Esta
Esta informacin
informaci6n se se utiliza
utiliza-
para proveer un Indice competitiv~ a
indice competitivo a cada
cada grbol,
arbol, el
el cual
cual se
se usa
usa para
para reducir
reducir
el
el crecimiento del
del grbol
arbol alal relacionarlo
relacionarlo concon el
el que
que tendra
tendria sisi creciese
creciese sin
sin
competencia. Este Ultimo
competencia. ultimo crecimiento
crecimiento eses funcin
funci6n dede la
la edad
edad yy del
del sitio.
sitio .
Los modelos de posicin
posici6n requieren
requieren una
una extraordinaria
extraordinaria cantidad
cantidad dede cglculos
calculos yy
los recursos
exceden incluso los recursos de
de computadores
computadores relativamente
relativamente grandes.
grandes. Como
Como tc
tec
nica para modelar el
el crecimiento
crecimiento dede rodales
rodales uniformes
uniformes son
son innecesariamente
innecesariamente -
complejos, pues aunque
complejos, aunque no
no suministran
suministran significativamente
significativamente ms mas informacin
informaci6n
util sobre el crecimiento
Util crecimiento dede los
los uodales
nodales que
que un
un modelo
modele de
de clase
clase dede grosor,re
groso r ,re
quiere pnobablemente
pnooablemente unun numero
nGmero de
de cglculos
calculos muy
muy superior.
superior . Las
Las principales
principa l es veri
ven
tajas de
de los modelos de posicin estan
de posici6n estn relacionadas
relacionadas concon investigaci6nes
investigacines fi- fi---
sio16gicas y con la
siolgicas la prediccin
predicci6n de
de crecimiento
crecimiento yy rendimiento
rendimiento en en rodales
rodales mix-
mix-
tos.
Para interesados en
Para los lectores interesados en consultar
consultar lala literatura
literatura dede estos
estos tipos
tipos dede
modelos mas avanzados, se
mgs avanzados, se recomiendan la la bibliografa
bibliografia publicada por por el
el .
Bu~eau
Commonwealth Agricultural BuVeau "Computarized Methods in
titulada "Computarized in Forest
Forecasting". Los
Planning and Forecasting". Los detalles
detalles estgn
estan en
en el
el apndice
apendice D.D.
 -97-

6
6 ANALISIS DE DATOS
DATOS DE CRE~IMIENTO Y
DE CRECIMIENTO Y RENDIMIENTO
RENDIMIENTO DE
DE BOSQUES
BOSQUES MIXTOS
MIXTOS

Los bosques mixtos,

mixtos, enen el
el contexto
contex to de de este
este manual,
manual, comprenden
comprenden cualquier
cualquier bos-
bos-
que en el cual los los rodales
rodales individuales
individuales que que componen
componen .las unidades bsicas
las unidades bsicas
contienen una
de mediciones, contienen una mezcla
me zcla dede clases
clases.de edades. Tpicamente,
de edades. Tfpicamente, .loslos
bosques
bosques mixtos
mixtos pueden
pueden contener
contener ttmbin
a mbien unauna variedad
variedad de de especies,
especies, que pueden
ser simi lares ecolgicamente,
ser bastantes similares ec o16gicamente, o0 estar estar compuestas
compuestas de de diferentes
diferentes gru gru
eco16gicos, con cada grupo tendiente
pos ecolgicos, tend i en te aa ser dominante
dominante en en un
un estrato
estrato partI
partT
dosel, o0 en
cular del dosel, en micrositics
micro sit i o s particulares,
partic ulares, o 0 en
en las
las diferentes
diferentes fases
fases de de
sucesi6n siguen aa la
sucesin que siguen la formacin
f o rmaci6n de de claros
claros o0 aa las
las operaciones
operaciones de de explota-
explota-
cion.
cin. -
distinci6n absoluta
No hay una distincin abso l uta entre
entre bosques
bosques mixtos
mixtos yy uniformes.
uniforrnes. Existen
Existen ca-ca-
sos en los cuales un rodal
sos r odal mixto
mixt o consiste
con s i ste esencialmente
esencialmen te de de slo
solo dos
dos clases
clases
de edad -- una
una regeneracin
regeneracion muy muy pequea
pequena yy un un estrato
estrato dominante
d ominante -- yy donde
.donde la
la
explotacion
explotacin es esencialmente una una operacin
operacion de de corta
corta total.
t ota l. En
En estos
estos casos,
casos,
son aplicables en gran parte
son par te las t~cnicas de
las tcnicas de prediccin
prediccion del del rendimiento
rendimiento de de
uniformes . Similarmente,
rodales uniformes. Similarme nte, rodales
rodales de de edad
edad uniforme,
uniforme, peropero con
con mezcla
mezcla
especies, pueden necesitar
de especies, necesitar para para susu anlisis,
analisis, el el uso
uso de mtodos
metodos apropia-
apropia-
mixtos, con el fin
dos para rodales mixtos, fin de procesar las las diferentes
diferentes proporciones
proporciones
de mezcla dede especies
especies dentro
dentro de de un
un modelo
modele nico.
unico.
Los bosques mixtos generalmente
generalmente implican
implican ms mas problemas
problemas de de muestreo medici~
muestreo yy medicio
nes mucho ms
mas severas
severas que
que los
los uniformes.
uniformes. El El valor
valor porpor unidad
unidad dede rea
area de
d e un
un
bosque mixto es normalmente inferiorinferior al al de
de un
un bosque
bosque uniforme
uniforme alal tiempo
tiempo dede
la madurez,
la esto no
madurez, y por esto no se
se puede
puede justificar
justificar fcilmente
facilmente intensidad
intensidad de de mues-
mues-
treo equivalente.
equivalente. Al mismo
mismo tiempo,
tiempo, la la dispersin
dispersion de de las
las especies
especies valiosas
valiosas yy
l a variabilidad del bosque,
la bosque, implica
implica queque lala intensidad
intensidad de de muestreo
muestreo requerida
requerida
para obtener el mismo poderpoder dede prediccin
prediccion debedebe serser mucho
mucho mayor
mayor que
que para
para un
un
modele de
modelo de rodal
rodal uniforme.
uniforme.
Los problemas
pro blemas de medicin
medicion impuestos
impuestos por por lala difcil
diffcil accesibilidad,
accesibilidad, el el denso
dense
sotobosque,
sotobosque, los
los aletones, yy la la casi
casi imposibilidad
imposibilidad de de medir
medir enen muchos
muchos casos
casos
la altura total de los los rboles,
arboles, significa
significa que que loslos costos
costos de de medicin
medicion sonson mu-
mu-
cho mas
cho ms elevados para un un nivel
nivel dadodado dede precisin.
precision. EstoEsto tiende
tiende aa reducir
reducir la la
cantidad dede muestras
muestras que
que pueden
pueden levantarse
levantarse con con unun presupuesto
presupuesto de de costos
costos fi-
fi-
jos.
jos
Consecuentemente la la mayor parte
parte de de los
los intentos
intentos de de predecir
predecir el el rendimiento
rendimiento
en
en bosques mixtos se se han
han basado
basado en en un
un namero
numero relativamente
relativamente pequeo
pequeno dede datos,
datos ,
10 cual los
por lo los modelos resultantes
resultantes tienentienen mucha menos precisin
precision que la la que
que
se considera adecuada en en el
el manejo
manejo de de bosques
bosques uniformes.
uniforrnes. Existen
Existen algunas
algunas ex-ex-
cepciones a a lo
10 dicho anteriormente,
anteriormente, como como por
por ejemplo
ejemplo el el trabajo
trabajo dede prediccin
prediccion
del rendimiento en las las islas
islas Filipinas,
Filipinas, reportado
reportado por Revilla*.
Revilla*. quien cita
resultados de bosques de de diptero-carpaceas
diptero-carpaceas basados basados en en ms
mas de 240 parcelas
de 240 parcelas de de
muestreo permanentes.
A causa de lala variedad de composicin
composici6n de de especies,
especies, estructura floristica,
floristica, si si
tuaciones ecoldgicas
tuaciones eco16gicas y y prcticas
practicas silviculturales que que son posibles en
son posibles en los
los bos
boT
existe una
ques mixtos, existe una diversidad
diversidad mayormayor de de estrategias
estrategias de de modelaje
modelaje disponi-
disponi=
bles que para loslos rodales
rodales uniformes.
uniformes. MuchosMuchos dede los
los mtodos
metodos publicados
publicados no no han
han
sido comprobados,
comprobados, excepto con c on un
un pequeo
pequeno namero
nfirnero dede parcelas.
parcel as. LasLas tcnicas
tecnicas se se
para discutir
leccionadas para discutir en en esta
esta seccin
secci6n son son quizs
quizas loslos mr.:odcs
m.oodo s ms
mas robus-
robus-
se clasifican
tos y se clasifican enen tres
tres grupos:
grupos:

** Revilla, A.R. 1979. Yield

Revilla, A.R. Yield prediction
prediction in
in cut-over
cut-over Dipterocarp
Dipterocarp stands
stands in
in the
the
Phi11ippines. Paper to
Phillippines. to Seminar
Seminar on
on Management of Dipterocarp
Dipteroc arp Forests,Manila
Forests,Manila
20 pp.
pp.
 -98-
-98-

Funciones de rendimiento aplicables a

a los tipos mas
ms simples de bos-
ques mixtos.

Modelos de
Modelos de matrices
matrices de
de transicin.
transicion.

Modelos de rbol
arbol independiente
independiente de la distancia basados en ecuaciones
diferenciales.

Es posible que aa largo

largo plazo,
plazo, un
un cuarto
cuarto grupo
grupo dede modelos,
modelos, los
los modelos
modelos dede po-
po-
sicion de rboles,
sicin arboles, sean
sean las
las bases ms
mas efectivas para
para la
la prediccin
prediccion de rendi-
mien to en bosques
miento bosques mixtos. Sin Sin embargo,
embargo, tales
tales modelos
modelos requieren
requieren computadores
computadores
mas poderosos
ms poderosos de de los
los que
que normalmente
normalmente estn
estan aa disposicin
disposicion hoyhoy en
en da
dia yy consi-
consi-
inversiones en
derables inversiones en investigacin
investigacion de t~cnicas apropiadas
de tcnicas apropiadas dede muestreo,
muestreo, an an
tes
tes de
de que se conviertan en una proposicin
proposicion real.
real. -
capitulo no
En este captulo no se
se tratar
tratara de
de dar
dar ninguna
ninguna instruccin
instruccion especifica
especifica concer-
concer-
niente
niente a a la construccion crecimiento yy predicciones
construccin de modelos de crecimiento predicciones de rendi-
rendi-
miento para
mientb bosques mixt;os,sino nas bien
parabosquesmixtcs,sinomis bienalgunos
algunos ejemplos
ejemplos dede posibles
posibles maneras de de
tratar con estos problemas.
problemas.
trabajos estn
Extensos trabajos estan llevndose
llevandose aa cabo
cabo en
en el
el campo
campo del
del modelaje
modelaje de
de bosques
bosques
mixtos yy eses de esperar
esperar queque se
se desarrollen
desarrollen aa corto
corto plazo m~todos viables.
plazo mtodos viables.

61
61 CLASIFICACION DE SITIO
Debido aa que los
los bosques
bosques mixtos
mixtos normalmente
normalmente comprenden
comprenden muchas
muchas especies,
especies, el
el
concepto de indice
indice de
de sitio
sitio debe
debe referirse
referirse aa una
una especie
especie dentro
dentro de
de un
un modelo
mode le
de rbol
arbol individual
individual o0 aa una
una asociacin
asociacion de
de especies
especies en
en un
un modelo
modele de
de rendimien
rendimien
to.
to. Hay muchas tcnicas
tecnicas especficas
espec1ficas propuestas
propuestas para
para determinar
determinar el
el Indice
1ndice de
de-
sitio,
sitio, aunque
aunque todas
todas son equivalentes en sussus orgenes.
origenes. Los indicadores
indicadores de si-
tic son:
tio son:

combinaciones de
Varias combinaciones de parmetros
parametros de
de mediciones
mediciones (por
(por ejemplo,
ejemplo, altu-
altu-
ra
ra dominante y edad en
en la
la curva convencional
convencional de
de ndice
indice de
de sitio
sitio de
de
rodales uniformes).

S bien:
<5 bien:

Factores ambientales tales

tales como
como altitud,
altitud, tipo
tipo de
de suelos,
suelos, precipita-
precipita-
cion, etc.; o
cin, etc.; indicadores ambientales
0 indicadores ambientales indirectos
indirectos tales
tales como
como indicado
indicado
res de especies,
especies, o agrupamientos geogrficos.
0 agrupamientos geograficos .

La primera clase de indicador

La indicador de de sitio
sitio representa
representa de de hecho
hecho los
los residuales
residuales
modele particular,
observados en un modelo particular, en en el
el cual
cual no
no se
se incluye
incluye el
el sitio.
sitio . As,
Asi,
si
si se
se idea
idea un
un mo delo, como por ejemplo
modelo, ejemplo un modelo
modele dede matriz
matriz dede transiciones,
transiciones,
para un rodal mixto y y sese aplica
aplica aa un
un nmero
numero de
de parcelas,
parcelas, se se encontrar
encontrara un un
error
error residual
residual diferente para cada cada parcela.
parcela. Este
Este error
error puede
puede codificarse
codificarse en en
tal como
una escala tal como 1,1, 2, 2, 3, 4, 5,5, etc.,
etc., con un valor de la la mediana
mediana represen
represen
tado
tado un
un error
error cer o ; de esta manera se
cero; se obtiene
obtiene unun sistema
sistema mediable
mediable de
de clases
clases-
de sitio aplicable aa aquellas
aquellas parcelas.
parcelas.
sistema de
Para usar un sistema de clases
clases dede sitio
sitio de
de esta
esta naturaleza
naturaleza enen la
la prctica,
practica,
los errores (es
los (es decir,
d e cir , los
los indice
indice de
de sitio)
sitio) deben
deben determinarse
determinarse en en un
un momento
momento
tiempo , yy ser
dado en el tiempo, s e r usados
usados como
como una
una entrada
entrada compensatoria
compensatoria al al modelo
modele pa-pa-
ra
ra una
una prediccion segundo momento del tiempo.
prediccin en un segundo tiempo. Esto
Esto es
es precisamente
precisamente lo 10
que
que se hace con un conjunto
con junto convencional
conv encional dede curvas
curvas dede indice
indice de
de sitio
sitio para
para
una plantacion: entrada conocida
plantacin: de una entrada conocida dede altura-edad,
altur.a-edad, se se determina
determina unauna
clase de sitio, la cual se
de sitio, s e introduce
intr oduce en
en el
el modelo
modele enen un
un segundo
segundo momento
momento dede
tiempo,
tiempo, con el fin de obtener una una prediccin
prediccion mucho
mucho ms
mas precisa
precisa dede las
las altu-
altu-
ras subsiguientes, que lo
ras subsiguientes, 10 que seria
seria posible
posible de
de una
.una curva
curva altura
altura promedio-
promedio-

I
f
\
 -99-

edad.
Una vez que unun conjunto
conjunto dede valores
valores de
de clases
clases de
de sitio
sitio haha sido
sido asignado
asignado por
por
determinacion de
determinacin de los
los residuales
residuales de
de un
un modelo
modele independiente
independiente del del sitio,
sitio, los
los re
re
factores ambientales,
siduales pueden correlacionarse con factores arnbientales, para determinar -
cual m~s efectivo para
cual es el ms para explicar lala variacin
variacion residual del modelo.
modelo. Los
Los
indicadores de especies se se incluyen
incluyen como variables cero-uno
cer~-uno para cada espe-
cie:
cie: cero para la ausencia de la la parcela yy uno
uno para la la presencia enen la
la mis-
mao factores cualitativos,
ma. Otros factores cualitativos, tales
tales como
como tipos
tipos dede suelo,
suelo, pueden
pueden codificar
codificar
se del mismo modo.
se modo. En el apndice
apendice AA se
se discute
discute el uso
uso de variables ceno-uno-
ceno-uno-
regresi6n m-altiple.
en regresin multiple.
usc de variables
El uso variables queque provienen
provienen de
de mediciones
mediciones como
como indicadores
indicadores dede sitio
sitio eses
~s
ms dificil enen un
un rodal
rodal mixto
mixto que
que en
en rodales
rodales uniformes
uniformes yy puede
puede hacerse
hacerse efec-
efec-
solo con
tivamente slo con unun modelo est~tico de
modele esttico de rendimiento.
rendirnient o. Sin
Sin embargo,
embargo, los
los fac-
fac-
pueden usarse
tores ambientales pueden usarse como
como indicadores
indicadores de
de sitio
sitio con
con cualquier
cualquier tipo
tipo
de modelo; en bosques
modelo; en bosques mixtos,
mixtos, los
los indicadores
indicadores dede sitio
sitio ambientales ser~n por
arnbientales sern por
lo tanto m~s
10 rodales uniformes.
ms importantes que en rodales uniformes. En loslos bosques
bosques mixtos,los
mixtos,los
par~metros ambientales
Parmetros ambienta les son
son una
una parte
parte necesaria
necesaria de
de un
un modelo
modele efectivo,
efectivo, mien-
mien-
en rodales
tras que en rodales uniformes,
uniformes, usando
usando la
la altura
altura como
como base
base para
para la
la determina-
determina-
cion del sitio,
cin sitio, los par~metros ambientales
los parmetros arnbientales son
son un
un extra
extra opcional.
opcional.
Podr~ haberse apreciado
Podr apreciado dede la
la discusin
discusion anterior,
anterior, que
que los
los trminos
terminos convenca
convencio
indice de
nales indice de sitio,
sitio, etc.,
etc., estan
estan siendo
siendo usados
usados hasta
hasta cierto
cierto grado
grado de mane~
de mane-
erronea. Realmente
ra errnea. Realmente son
son modelos
modelos que
que se
se autocalibran
autocalibran yy usan
usan unun error
error estima
estima
prediccion del error
do en un momento para reducir la prediccin error dede un
un estimado
estimado poste--
poste--
rior . No hay
rior. hay nada
nada inherentemente
inherentemente monodimensional
monodimensional sobre
sobre el
el efecto
efecto del
del ambien-
ambien-
modele de
te en un modelo de crecimiento
crecimiento forestal. Adem~s, parte
forestal. Adems, parte del
del error
error que
que la
la auto
auto
calibracion puede
calibracin puede efectivamente
efectivamente compensar,
compensar, puede
puede no
no estar
estar relacionado
relacionado al am~
al am-
biente yy deberse
deberse a:a:

factores
factores hist6ricos (tratarnientos anteriores
histricos (tratamientos anteriores del rodal),
rodal),

densidad del rodal,

rodal, si
si no est~ adecuadamente
no est adecuadamente incorporada
incorporada en
en modelo,
modele,

efectos geneticos (variac ion de especies

genticos (variacin especies yy pnoueniencias).
pnoveniencias).

puntos pueden
Estos puntos pueden resumirse
resurnirse simblicamente
simbolicamente como
como sigue:
sigue:
Tiempo T1
Tiempo Tl ~lodelo de crecimiento/rendimiento
Modelo
Resolver:

Y1 = f(X14)
para I
I tal,
tal, que
que Y1 = Yt
Yl y*
1
Ajustar lala regresin
regresion
entre I j , EE.
j
I'3
.

Ij
I g(B,Ej)
= g(B,Ei)

T2
Tiempo T2
Usar
~
II = g(B,E2)
!
Tir
Calcular:

Y2 = f(X2II)

para predecir el rendimiento.

rendimiento.
 -100 -

S1mbolos
Smbolos

B en la
Coeficientes en la regresin
regresi6n entre indice par~me
1ndice de sitio y pargme-
tros ambientales.

Ej par~etros ambientales
Conjunto de pargmetros ambientales de
de una
una serie
serie de
de parcelas,
parcelas,
usados en el ajuste de la regresin
regresi6n

E2 Par~metros ambientales de una parcela al tiempo T2

Pargmetros T2

fO Cualquier modelo matem~tico usado

modele matemgtico usadocomo crecimiento
como modelo de crecimiento

gO Cualquier funcin
funci6n matematica
matem&tica (lineal
(lineal o lineal) usada como
0 no lineal)
regresi6n Indice
regresin 1ndice de
de sitio-ambiente.
sitio-ambiente .

I estimado del
Valor estimado del indice
1ndice de sitio
sitio para
para una
una parcela
parcela

Ij Conjunto de
de valores
valores de
de Indice
1ndice de
de sitio
sitio en las mismas parcelas
en las parcelas
donde se determin
determin6 EEj

)11,X2 independientes usadas

Variables independientes usadas en en el
el modelo
modele de
de crecimiento
crecimiento o0
rendimiento en
en los
los tiempos
tiempos 11 yy 2.
2.

Y1 Y2 Rendimientos estimados
estimados por
por el
el modelo
modele en
en los
los tiempos
tiempos 11 yy 2.
2.

Y*1 la parcela en
Rendimiento real de la en la
la que
que se
se determin
determin6 X1
Xl

62 FUNCIONES ESTATICAS DE RENDIMIENTO

RENDIMIENTO PARA
PARA BOSQUES
BOSQUES MIXTOS
MIXTOS

621 Principios generales

Las est~ticas de rendimiento

Las funciones estticas rendimiento para
para bosques
bosques uniformes
uniformes han han sido
sido discu
disc u
tidas secci6n 5.
tidas en la seccin 5. La principal
principal caracterstica
caracter1stica ded e una
una funcin
funci6n esttica
estatica
es est~ incluido
es que el tiempo estg inclu1do en
en el
el modelo
modele como
como el
el tiempo
tiempo transcurrido
transcurrido des-des-
de
de algun punto de referencia.
referencia . En
En un
un bosque
bosque uniforme
uniforme elel punto
punto de
de referencia
referencia
es usualmente lala fecha
fecha dede plantacin
plantaci 6n o0 establecimiento
establecimiento yy el el tiempo
tiempo es
es la ~
la edad
del bosque. En un modelo
del bosque. modele de bosque
bosque mixto,
mixto, la
la base
base del
del tiempo
tiempo puede
puede ser
ser lala
ultima operaci6n de explotacin,
ltima operacin explotaci6n, ele l ltimo
ultimo inventario
inventario forestal
forestal o0 cualquier
cualquier
otro momento.
El modele deber~ toma.,
modelo deber t oma l la gen eral:
la forma general:

Y ~ f(x1' x 2' ,xn,t}

Y =
donde YY es la
la cantidad de
de rendimiento
rendimiento que
que interesa:
interesa: el
el volumen
volumen de de los'rbo-
ios arbo-
les
les de
de las el ~rea
las especies comerciales, el .rea basal,
basal, lena
lea enen toneladas/
toneladas/ha, ha, o
0 ren-
dimientos no maderables tales
tales como
como frutos,
frutos, semillas p~oduc c i 6n de
semillas o0 produccin de corteza.
corteza.

Las
Las variables xi son cualquier variable que
que satisfagan
satisfagan los
los dos
dos criterios
criterios si-
si-
quientes:
guientes:
(1) Son
Son utiles
tiles para predecir Y.
Y. Esto es, aaden
anaden algo
algo significativo,en
signific ativ o,en
un
un sentido estad1stico, la bondad
estadstico, a la bond ad de
de ajuste
ajuste de
de la
la funcin
funci6n ff ( ) ( )

al
al rendimiento.
(2) Pueden
Pueden ser determinadas sin
sin requerir
requerir mediciones
mediciones en
en el
el bosque
bosque en
en un
un
momento t.
momenta t. Pueden ser
ser estadsticas
estad1sticas de inventario al
deinventario al tiempo
tiempo base
base to
to
 -101-

o pueden ser
o ser Indices
!ndices de
de sitio
sitio regionales
regionales derivadas
derivadas de
de datos
datos de
de sue-
sue-
lo, topogr~ficos
10, topogrgficos o clim~ticos. Pueden ser
0 climgticos. ser variables cualitativas
el tipo
que denoten el tipo particular dede tratamiento
tratamiento de
de explotacin
explotacion que
que ha
ha
tenido el
el bosque.
bosque.

desde el
El tiempo transcurrido desde el tiempo
tiempo base
base es
es t,
t, yy debe
debe considerarse,
considerarse, si
si la
la
funcion ha
funcin ha de
de ser
ser -til
util como
como un
un instrurnento planificacion.
instrumento de planificacin.
La forma de la
La la funcin
funcion variar
variara enormemente,
enormemente, dependiendo
dependiendo del
del rendimiento
rendimiento aa pre
pre
decir,
decir, de los datos involucrados
involucrados yy en
en alguna
alguna manera
manera de
de la
la sofisticacin
sofisticacion de
de -
instrumentos analticos
los instrumentos anal!ticos disponibles.
disponibles.

622 Procedimientos para

Procedimientos para el
el anlisis
anal isis de
de datos
datos

Los
Los datos pueden provenir
provenir dede parcelas
parcelas temporales
tempora1es o0 permanentes
permanentes o0 de experi-
mentos. El tipo
mentos. tipo ms
mas simple
simple dede anglisis
analisis dede datos
datos que
que se
se puede
puede emprender ser~
emprender serg
regresion lineal
una regresin lineal mltiple
multiple acompaada an~lisis grafico
acompafiada de un anglisis grfico de
de los
los datos
datos
yy de residuales. Para
de los residuales. Para ello,
ello, es
es esencial
esencial un
un computador
computador electrnico,
electronico, aun-
aun-
que
que puede ser
ser de
de los m~s pequeos.
los mgs pequefios .
las parcelas
Los datos de las parcelas deben
deben resumirse
resurnirse antes
antes de
de determinar
determinar la la ecuacin
ecuacion dede
rendimiento. sumario contendrg
rendimiento. El sumario contendra el el siguiente
siguiente tipo
tipo de
de informacin
informacion para
para cada
ca da
parcela, enen cada
cada medicin:
medicion :

(1) Identidad de parcela; para experimentos se

de la parcela; incluir~ el
se incluirg el nmero
nilrnero
del bosque,
bosque, del tratamiento
tratamiento yy de
de la
la replicacin.
replicacion.

(2) Rendimientos. haber slamente

Rendimientos. Puede haber s61amente un
un tipo
tipo de
de rendimiento
rendimiento aa consi
consi
derar (por
(por ejemplo,
ejemplo, el
el volumen
volumen total
total comercial),
comercial), aunque
aunque usualmente
usualmente
el se expresar
el rendimiento se expresara por
por grupo
grupo de
de especies
especies yy en
en clases
clases de
de
grosor/calidad, 10 cual
grosor/calidad, por lo cual pueden
pueden haber
haber ocho
ocho o0 ms
mas tipos
tipos de
de rendi
rendi
miento. -

(3) Posibles variables predictoras, que

que incluyen:
incluyen:

Area basal/ha
basal/ha por
por grupos
grupos de
de especie
especie al
al tiempo
tiempo to.
to'

para grupos
Densidad %% para grupos de
de especies
especies al
al tiempo
tiempo to.
to'

explotacion al
Intensidad de explotacin al tiempo
tiempo to
to

silviculturales
Clases silviculturales
Codigo de tipo
Cdigo tipo de bosque
bosque

arnbientales (tipo
Indicadores ambientales (tipo de
de suelo,
suelo, altitud,
altitud, precipitacin,
precipitacion,
etc. )
etc.).

Una vez que se

Una se han obtenido los
los sumarios
sumarios de las
las parcelas,
parcelas, sese mantendr~n
mantendrgn ac-
computadar para
cesibles al computador para los
los diferentes
diferentes anlisis
analisis subsiguientes.
subsiguientes.
Para propsitos
Para propositos de anlisis,
analisis, pueden usarse
usarse varios puocedimientos,
pnocedim i e ntos, tales como
aomo
analisis de componentes principales,
anglisis principales, regresin
regresion paso a a paso,
paso , regresin
regresion combi-
natoria, para obtener una seleccin
natoria, seleccion automtica
automatica de laslas variables predictoras
que 'mejor' predicen los
que 'mejor' los rendimientos.
rendimientos. Sin
Sin embargo
embargo generalmente es preferi-
ble,
ble, una
una seleccin
selecci6n a priori de las
las variables predictoras
predictoras en una ecuacin
ecuacion re-
lativamente simple,
simple, combinada
combinada cc
con
n un cuidadoso
cuidadoso anglisis
analisis grfico
grafico de de residuales
residuales
y preferiblemente alguna relacin
y relacion con
con sentido
sentido : comn
cornun entre la
la forma
forma de la
la fun
cion de la
cin y la realidad de la situacin
situacion biolgica
biologica aa predecir.
predecir.
 -102-

623 M~todos de seleccin

Mtodos se1ecci6n de
de una
una ecuacin
ecuaci6n de
de rendimiento
rendirniento

En la seccin
seccion 5 se
se han
han considerado
considerado las
las diferentes formas
formas de ecuaciones que
procesos de crecimiento asint6ticos.
pueden utilizarse para modelar procesos asintoticos. En el el
ap~ndice A,
apndice A.2.1, se
A, figura A.2.1, se muestra una
una variedad de funciones
funciones bsicas
basicas que
formas adems
pueden representar otras formas ademas dede la
la asinttica.
asintotica. Para
Para establecer
establecer una
una
curva o funcion que modele el desarrollo del rendimiento
0 funcin rendimiento en un un bosque
bosque natu-
natu-
ral,
ral, es preferible empezar por por graficar los
los datos,
datos, ploteando
ploteando elel rendimiento
rendirniento
el tiempo
contra el tiempo desde
desde el
el tiempo
tiempo base
base (sea
(sea una
una explotacin
explotacion . oo inventario).Los
inventario).Los
clasificarse por
datos deben clasificarse por el
el rea
area basal
basal dede los
los rodales
rodales al
al tiempo
tiempo base;
base; dede
ben dibujarse graficos
ben separados para
grficos separados para diferentes sitios
sitios o0 bosques
bosques dede diferen
diferen
composicion de especies.
te composicin especies.
base a tales
En base tales grficos,
graficos, puede
puede seleccionarse
seleccionarse unauna ecuacin
ecuacion apropiada
apropiada dede las
las
formas descritas
varias formas descritas en
en diferentes
diferentes lugares
lugares dede este
este manual.
manual. LosLos datos
datos pue-
pue-
ser ajustados directamente
den ser directamente usando
usando regresin
regresion mltiple
multiple o0 regresin
regresion jerr-
jerar-
quica; o
quica; se puede
0 se puede trazar
trazar aa mano
mano una ~nea a
una linea trav~s de
a travs de ellos
ellos yy posteriormente
posteriormente
requiere, aproximarla
si requiere, aproximarla por
por una
una ecuacin.
ecuaci6n.
casos donde
En muchos casos donde slamente
s6lamente se
se lleva
lleva aa cabo
cabo una
una ligera
ligera corta select i-
selecti-
va,
va, y el bosque
bosque es
es una
una mezcla
mezcla compleja
compleja dede muchas
muchas especies
especies yy tipos
tipos ecolgi-
ecologi-
cos,
cos, puede
puede que no
no se
se halle
halle aa travs
traves del
del tiempo
tiempo una
una relacin
relacion directa
directa entre
entre
rendimiento, rea
rendimiento, area basal
basal yy clase
clase de
de sitio.
sitio. EnEn tales
tales casos,
casos, la
la prediccin
predicci6n del
del
crecimiento con unun modelo
modele simple
simple de
de rendimiento
rendimiento nono es
es una
una estrategia
estrategia efecti-
efecti-
va.

624 estaticos de
Problemas con modelos estticos de rendimiento
rendimiento en
en bosques
bosgues mixtos
mixtos

los modelos
A causa de que los modelos estticos
estaticos de
de rendimiento
rendimiento son
son relativamente
relativamente simples
simples
de construir yy usar,
usar, pudiese
pudiese parecer
parecer que
que son
son una
una panacea
panacea para
para los
los problemas
pnoblemas
predicci6n del rendimiento
de prediccin rendimiento en
en bosques
hosques mixtos.
mixtos. Desafortunadamente
Desafortunadamente sto
esto es-
es-
ta muy lejos
t lejos de la
la verdad.
verdad. Los
Los problemas
problemas son
son esencialmente
esencialmente del
del mismo
mismo tipo
tipo
los discutidos en
que los en la
la seccin
secci6n 525
525 referentes
referentes aa los
los modelos
modelos de
de rendimiento
rendimiento
uniformes, aunque
en bosques uniformes, aunque ms
mas complejos.
aomplejos.
tipos bsicos
Existen dos tipos basicos de
de problemas:
problemas:

(1) Un
Un modele rendimiento conlleva
modelo particular de rendimiento conlleva implicitamente
implcitamente una
secuencia
secuencia historica los eventos correspondientes
histrica de Ios carrespondientes a a los
los ocurri-
dos en el conjunto
conjunto de
de datos
datos usado
usado para
para construir
construir el
el modelo.
modelo. El
El mo-
mo-
delo no puede ser
ser aplicado
aplicado con
con confianza
aonfianza aa datos
datos que
que han experime~
han experimen
historia diferente.
tado una historia diferente.

(2) canpatibilidad. Supngase,

Hay un problema de ccmpatibilidad. Supongase, por
por ejemplo,
ejemplo, predic-
predic-
ciones de tres tipos
tipos de
de volumen:
volumen: Vc
Vc para
para especies
especies comerciales;
comerciales; VpVp
para especies potencialmente
potencialmente comerciales
aomerciales y V para especies
V5 para especies sin
sin
uso. El total de
uso. de estas
estas tres
tres cantidades
cantidades debera
deberia logicamente
199icamente repre-
repre-
sentar el volumen total del bosque.
sentar bosque. Sin
Sin embargo
embargo al
al comparar (Vc ++
comparar (Vc
V
Vp + Vs)
Vs) con
con el
el volumen
volumen total,
total, bien
bien sea
sea de
de los
los datos
datos reales,
reales, o0 de
de
funcion ajustada
una cuarta funcin ajustada directamente
directamente alal volumen
volumen total,
total, se
se en-
en-
contrara un considerable
contrar un considerable sesgo.
sesgo.

es insuperable
Ninguno de estos problemas es insuperable en
en principio.
principio. Con cantidades ade-
ade-
cuadas
cuadas de
de datos
datos de y de experimentos
de parcelas permanentes y experimentos aa largo
largo plazo,
plazo, los
los
hist6ricos que
factores histricos que representan
representan diferentes
diferentes secuencias
secuencias de
de tratamientos
tratamientos
pueden incorporarse
inaorporarse como variables cualitativas adicionales. Los problemas
adicionales. Los problemas
de compatibilidad pueden solucionarse por ajuste de regresiones
regresiones con
con restric-
restric-
ciones~ fuercen
ciones,que fuercenlalasatisfacci6n
satisfaccinde
de requerirnientos
requerimientos particulares.
particulares.
estaticos de
Los modelos estticos de rendimiento
rendimiento arriba
arriba mencionados
mencionados tienen
tienen la
la limitacin
limitacion
basica de no poder utilizar datos de diferentes fuentes histricas
bsica (por eje~
hist6ricas (por ejem
 -103-

pIa, diferentes tipos

plo, tipos de
de experimentos,
experimentos, parcelas
parcelas de
de muestreo permanentes
permanentes yy
incrementos de
parcelas de incrementos de corta
carta duracin
duraci6n de ~rboles); tampoco
de arboles); tampoco pueden
pueden adap-
adap-
predecir rendimiento
tarse para predecir rendimiento de
de regmenes
reglmenes histricos
hist6riaos (esto
(esto es, secuencias
secuencias
de tratamientos)
tratamientos) diferentes
diferentes aa aquellos
aquellos implcitos
implicitos en
en los
los datos usados
usados para
para
construir el
el modelo.
modelo.

625 en consideracin
Conclusiones en consideraci6n aa los
los modelos est~ticos de
modelos estticos de rendimiento
rendimiento en
en
bosques mixtos

Los est~tiaos de rendimiento son

Los modelos estgtiaas son relativamente simples
simples de
si se
construir, si se tienen
tienen los
los datos
datos adecuados.
adecuados.

tipos de
En muchos tipos de bosques
bosques mixtos
mixtos no
no se
se observan
observan relaciones
relaciones claras
claras
aa traves la intensidad
travs del tiempo entre la intensidad de los
los tratamientos y el
el si-
si-
tio.
tio. En tales casos,
casas, no pueden usarse los est~ticos.
los modelos estticos.

est~tico est
Debe tenerse presente que un modelo esttico esta restringido aa la
la
secuencia
secuencia de
de tratamientos
tratamientos hist6ricos
histricos predifinidos en los datos usa-
en su
dos en su construccin.
construcci6n.

Cuando se predicen diferentes tipos

tipos de
de rendimiento
rendimiento se ajustar~n re-
se ajustargn re-
gre s iones con
gresiones can retricciones.
retricciones. En caso
caso contrario
contrario debe aceptarse
aceptarse que
que las
las
dif rentes predicciones no pueden ser
difezentes ser consideradas
consideradas como
como aditivas
aditivas pa-
pa-
ra un total insesgado.
insesgado.

63 MODELOS DE MATRICES DE TRANSICION

Los modelos de matrices de de transicin

transici6n proveen
proveen un
un mtodo
metoda para
para hacer
hacer predic-
predic-
ciones aa corto
carta tiempo
tiempo del
del crecimiento
crecimiento de
de la
la masa
masa forestal,
forestal, basado
basado en
en gran
gran
cantidad de datos de de poca
poca calidad,
calidad, obtenidos
obtenidos por
par mediciones
mediciones sucesivas.
sucesivas . Pue-
Pue-
den
den ser desarrollados, por por ejemplo,
ejemplo, de
de datos
datos de
de inventarios
inventarios continuos,
continuos, obte-
obte-
nidos en parcelas permanentes
permanentes oa temporales.
temporales. Las
Las mediciones
mediciones de
de los ~rboles se
los grboles se
limitan
limitan al
al diametro
digmetro y a a la
la clase de especie.
especie . El
El mtodo
metoda puede
puede usarse
usarse aon
aon da-
da-
tos que contienen un un nmero significativ~ de
numero significativo de mediciones
mediciones errneas.
err6neas. Prediccio-
Prediccio-
nes a corto
corto plazo
plaza enen este
este contexto(
contexllor implican periodos
perlodos hasta
hasta de
de cuarenta
cuarenta ' 0o
anos o0 un
cincuenta aos un ciclo
cicIo dede cortas.
cartas.
El
El metoda objetivo, pero no necesariamente muy preciso.
mtodo es objetivo, preciso. Su principal
principal ven-
ven-
automaticamente yy pueden
taja es que la base de datos puede analizarse automticamente pueden ser
ser
estrictamente datos de de inventarios
inventarios convencionales.
aonvencionales . Su
Su principal
principal desventaja
desventaja
es que usualmente no no es
es posible
posible construir
construir adecuadamente
adecuadamente matrices
matrices de
de transi-
transi-
ci6n
cin refinadas, aa menos
refinadas, menos de que se disponga de grandes
grandes cantidades
cantidades dede datos.
datos.
631 Definici6n de un modelo de matriz de
Definicin de transicin
transici6n

Un model
Un modeloo de matriz de transicin
transici6n requiere que un sistema
sistema pueda
pueda representar-
representar-
se
se par
por una fila de variables que pueden
una fila pueden llamarse
llamarse un
un vector
vector de
de estado.
estado. Esto
Esto
puede imaginarse
imaginarse como:
como:

Xm
Xm =
~ (xm1,xm2,...,xmn)
(xm1,xm2""'xmn )
donde
donde cada xmi representa el nmero
ntimeno de rboles
arboles en la la clase diamtrica
diametrica i. i. El
El
primer ndice
lndice (m)
(m) denota
denota el
el perlodo tiempo.Ias XX nb
periodo de tiempo.Ts nb necesitan
necesitan representar
clases
clases de grosor. Podrlan
de grosor. ser, por
Podran ser, par ejemplo,
ejemplo, lala biomasa
biomasa total en los diferen-
tes
tes niveles trficos
tr6ficos de
de un
un ecosistema
ecosistema o0 etapas
etapas de
de desarrollo
desarrollo enen una
una poblacin
poblaci6n
animal.
animal. Pero en los modelos de crecimiento para bosques mixtos, mixtos, los elemen-
tos
tos del
del vector de estado ser~n normalmente
estado sern normalmente clases
clases dede grosor.
grosor .
La
La rnatriz
matriz de transici6n misma,
de transicin denornina T,
misma, denomina T, consiste en una tabla de n x n
 -104- -

~sta:
elementos como esta:

T==
T t11 t12 t13 tln
t21
t21 t22
t22

tt2n
2n

tn1 tn2 **** ". tnn

Cada elemento ti
t ij representa la proporcin
proporci6n del
del elemnto xmi que se se transforMa
transforma
en xm+1 j en el
el intervalo de m El valor
m a m+1. El valor total
total de x m+1 , j ser&
dexm.1.1,j ser la
la suma
todo~
de todo A los
los productos de tij
tij por xmi,
xmi' es
es decir:
decir:

xm + 1,j = 1]
t - .xml - (1)
(1)

Repitiendo la ecuacin
ecuaci6n (1)
(1) para
para cada valor
valor dede jj de 11 hasta n,
n , se calcula
calcul a un
un
nuevo conjunto de valores de Xm+1
Xm+ 1 aa partir
partir dede Xm.
X
El
El ejemplo siguiente puede aclarar
aclarar esto.
esto . El cua~ro representa
El cuadro representa unun vector
vec t or de
de
(X) de las clases dimetricas,
estado (X) di&rnetricas, tal
tal como
como sese indican:
indican:

Clases dimetricas
di&metricas al fin del periodo

<
<20
20 20-40 40- 60
40-60 60-80 >80 Total

clases "<20
20 0.6 0.39 0.01 o.
0. 0 1.0
1.0

di&metnicas
diametnicas 20-40 0 0.68 0 . 30
0.30 0.02 0 1.0

al iniciar 40-60 0 0 0.75 0.21 0.04 1.0

el periodo 60- 80
60-80 0 0 0 0.90 0 . 10
0.10 1.0

>80 0 0 0 0 1.00
1.00 1.0

probabilidades de
Las probabilidades de la
la matriz
matriz de
de transicin
transici6n estn
est&n dadas
dadas en
enel elcuadnor.
cuadno'. N6te
se
se que
que los
los valores
valores cero en
en las
las casillas
casillas debajo
debajo de
de la
la diagonal
diagonal principal
principal indY
indT
hecho de que los rboles
can el hecho &rboles no se mueven hacia clases de de menor
menor grosor.La
grosor.L7
suma
suma de
de las
las probabilidades de transicin
transici6n en
en cada
cada fila
fila eses 1.0,
1 . 0, si
si todos
todos los
los
sistema estn
estados del sistema est&n verdaderamente
verdaderamente definidos.
definidos pper
o r el vector de estado.
estado .
Ahora se asume que la distribucin
distribuci6n de laslas clases de di&metro
dimetro al al inicio
inicio del
del
es:
periodo es:

Di&metros
Dimetros <20 20-40 40-60 60-80 > 80
>80

Frecuencias 1037 219 88 22 77 &rboles/ha.

rboles/ha.
 -105-

Se construye otro cuadro como

como el
el que
que se
se muestra aa caltinuacin,
continuaci6n, con
con el
el total
total
de
de las clases en la
la altima columna
columna yy los
los otros
otros nmeros
narneros obtenidos
obtenidos al
al multipli
car
car el la correspondiente probabilidad
el total por la probabilidad de
de transicin.
transici6n. Entonces se se-
suman
suman las columnas y se
se obtiene la
la nueva distribucin
distribuci6n de frecuencias
frecuencias del
d,e l ro-
ro-
dal.

di~metricas al fin del periodo

Clases digmetricas

<:
4'20
20 20-40 40-60 60-80 >80 Total

<
<20
20 623 404 10 1037

Clases di~
Clases di g 20-40 149
149 , 66
66 44 219

al
metricas al 40-60 66
66 19
19 33 88
iniciar el
iniciar e1 60-80 20 22 22

periodo. >
> 80 77 7
7

Total 623 553 142

142 43 12
12

ejemplo se
En este ejemplo se ignora
ignora el
el ingreso,
ingreso, la
la mortalidad
mortalidad yy la
la explotacin,
explocaci6n, que
que se
se
consideran en las
las siguientes
siguientes secciones.
secciones.

632 Mgtodos de construccin

Mtodos construcci6n de matrices de transicin
transici6n

Los
Los mtodos matrices
m4todos para construir matrices de transicin
de transici6n pueden
pueden diferenciarse
diferenciarse de
de
acuerdo:a que los
l os datos disponibles
disponibles de ~rboles
sean de
sean rboles individuales o 0 de parce-
las permanentes,
las permanentes, o0 si
si se
se trata
trata slo
s610 de mediciones
de mediciones sucesivas
sucesivas de
de clases
clases de di~
de did
metros.

632 .1
632.1 Datos de rboles
~rboles individuales
individuales

Segunda medici6n
medicin

Primera
I
IABCD
I A B C D M E Total

medicin
medicion
A
A
B
C
D

M
E

se muestra el
Arriba se el esquema
esquema de
de la
la matriz
matriz de
de transicin.
transici6n. Las
Las letras
letras A,
A, B,
B, C,
C,
 ..... ..

-106-

D, .
... denotan
denotan clase
clase dimetricas
digmetricas sucesivas.
sucesivas. M M indica
indica la
la mortalidad, los ~r
mortalidad, E los r
explotados ee II los
boles explotados los ingresos.
ingresos.
de transicin
La matriz de transici6n se se construye
construye del
del siguiente
siguiente modo:
modo:

(1) Definir la
la clase
clase inicial
inicial yy final ~rbol para
final de un rbol para un periodo
periodo de de tiem
tiem
po. Ubicar el rbol
po. rbol en la
la casilla
casilla apnopiada
apnopiada yy enen 1a
la columna
columna de de tota~
tota7
les
les aa la derecha.
derecha. Esta ltima
ultima est
est basada en los valores de las cla-
ses iniciales.
iniciales .
~rboles de ingreso
Los rboles ingreso se
se definen ' como los
los que aparecen
aparecen en
en una
una clase
clase
en la segunda
segunda medicin,
medici6n, pero que
que no estaban presentes
presentes enen la
la primera
primera
medici6n. Los
medicin. Los rboles
rboles muertos
muer-tos son
son aquellos
aquellos que
que mueren
mueren entre
entre ambas
ambas meme
diciones yy los ~rboles explotados
los rboles explotados los
los que
que fueron
fueron removidos
rernovido senenese l~
eselaja
so.
SO.

(2) Una
Una vez
vez que todos los'los rboles
1irboles han
hab sido
sido ubicados
ubicados en
en la
la tabla
tabla se
se divi-
div i-
numer6 de cada
de el nmero cada casilla
casilla por
por el
el total
total de
de la
la fila
fila (ltima
(ultima columna
columna
de derecha), ' para obtener una
de la derecha), una prcporcin
prcporci6n redondeada al
al segundo
segundo de
cimal.

(3) Comprobar que

que las
las transiciones
transiciones en en cada
cada fila
fila suman
suman 1.0.
1.0. Si
5i hay
hay una
una pe
pe
quena discrepancia
quefia discrepancia (+(+ 0.01 6 0.02)
0.02) puede
puede ser
ser un
un erroer
ernor de
de redondeo; -
algunos ndmenos
corregir algunos nGrnenos al
al azar
azar hasta
hasta que
que totalize
totalize 1.0.
1.0. Si
5i hay
hay una
una
gran discrepancia,
discrepancia, eses que
que se
se ha
ha cometido
cometido un
un error aritm~tico en
error aritmtico en aque
aque
lla fila.
fila. -

S1 uno de los
Si los totales
totales de
de las
las columnas
columnas es
es cero,
cero, la
la clase
clase debe
debe unirse
unirse con
con una
una
clase de grosor adyacente ya
ya que
que no
no hay
ha y datos
datos que
que definan
definan transaciones
transaci o nes en
en
ella.

632.2 Datos de clase de grosor

I E A

I~ ~
~
I
111Ir, ~ ~
~
"'>
?

~ Po ~
~ ~

~
,,,
~
..-
~
1" ' "
~
<,-,...
h
P rr E
I~
~ ~ ~
%/ ~
~
~ ~ ~ --::::::
....-;
I"'" 1
E
~/, i j ~ ~
1
~

~
,---'

B % ,--,:

El diagrama anterior ilustra como debe ser

ser construida una matriz
matriz de transi-
de transi-
ci6n si solamente
cin solamente se
se disponen
disponen de
de datos
datos de
de clases
clases de
de grosor.
grosor.
5e que:
Se asume que:

- Todos los ingresos ocurren

ocurren en
en la
la clase
clase de
de grosor
gnosor inferior.
inferior.
 -107-
-107-

de una
Los egresos de una clase
clase slo
s610 puede
puede ir
ir aa la
la clase
clase siguiente
siguiente mayor.
mayor.
El nmero ~rboles explotados
ndmero de rboles explotados en
en cada
cada clase
clase se
se conoce de una
una fuente
fuente
independiente o0 se
se deduce
deduce de
de las
las prescripciones
prescripciones de
de tratamiento.
tratamiento.

Las casillas rayadas en en la

l a matriz no
no se
se usan;
usan; representan
representan ceros en la
la matriz
de transicin
transici6n principal.
principal.
Las clases diamtricas
diametricas en
en elel rodal
rodal en la
la primera
primera medicin
medici6n se
se anotan
anotan en
en la
la co
co
lurnna
lumna AA yy en la segunda medicin
en la medici6n en la fila
fila B. ~rboles explotados se ano
B. Los rboles an
tan en la columna E.E . Las
Las diagonales
diagonales Po yy Pr
P r se
se calculan
calculan por
por las
las siguientes
siguientes
formulas:
frmulas:

A ++ P*
Po = BB -- A p* ++ E
E (2)
(2)
o

(3)
(3)

la ecuacin
En la ecuaci6n (2), (2), AA eses el
el total
total de
de la
la fila
fila yy BB el
el total
total de
de lala columna
columna de
de
la
la casilla correspondiente
correspondiente aa Po; P~
Po; Pts es el valor de Po en la la fila
fila siguiente.
siguiente.
P5
P* definici6n para la mayor clase de grosor . E son los ~rboles
O es cero por definicin para la mayor clase de grosor. E son los rboles
explotados para la la fila.
fila. Po
Po se
se clcula
calcula por
por un
un mtodo
metodo recursivo,
recursivo , empezando
empezando enen
la
la esquina i n ferior derecha con
esquina inferior con P*
P* = o0 yy prosiguiendo
prosiguiendo hacia
hacia lala izquierda.
izquierda.
oespues que los
Despus los valores
v alores PoPo yy Pr
P han
hgn sido
sido calculados
calculados en en nmeros
ndmeros de ~rbo les /ha
de rboles/ha
se
se cconvierten
o nvi e rten en proporciones aividindolos
aiVidiendolos porpor el total
total correspondi e nte de
correspondiente
la fila (A).(A) .
v al ore s Po
Los valores Po yy Pr
P r representan
representan pnocesos
pnocesosreales
realesdedeacuerdcc
acuerdcr a:
a:

(1) ingresos (I),

En la fila de ingresos (I), Pr
P r es
es la
la pnoporcin
pnoporci6n dede plantas
planta s que
que no
no
entran
entran en la clase diamtrica
diarnetrica inferior.
inferior . Po
Po es
es la
l a proporcin
pro porci6n que
q ue s
si
10
lo hace y que se
se contabiliza
contabiliza como
como ingreso.
ingreso.

(2) En las otras filas

En las filas que representan sucesivas
sucesivas clases
clases de
de grosor,
gro s or, Pr
Pr
es la proporci6n
es la arboles que
proporcin de rboles que permanece
perrnanece en
en la
l a clase
clase durante
durante un p~
un pe
nodo de
riodo de tiempo.
tiempo.

(3) Po
Po es la proporcin ~rboles que
proporci6n de rboles que pasa
pasa de
de una
una clase
clase aa la
la clase
clase si-
s i-
guiente superior durante un
un periodo
periodo de
de tiempo.
tiernpo.

La figura muestra el valorvalor de

de AA correspondiente
correspondiente aa la la fila
fila dede ingresos
ingresos con
con unun
signo
signo dede interrogaci6n. arbitrario suficientemente
interrogacin. Cualquier valor arbitrario suficientemente grandegrande
puede ser usado,
puede ser fila representa el nmero
usado, ya que esta fila ndmero total
total de
de plantulas
plntulas
que forman el potencial del del ingreso.
ingreso. Sin
Sin embargo,
embargo, si si existen
existen conteos
conteos dede re-
re-
generacin,
generaci6 n, este nmero
ndrnero puede
puede estimarse
estimarse enen forma
forma absoluta,
absoluta, o0 modificado
modi f icado en
en
forma
forma proporcional como un porcentaje
porcentaje dede la
la masa.
masa.
N6tese tambien que la transicin
Ntese tambin transici6n E/E sese muestra como 1.0, 1 . 0, porque el 100%
100% de
de
los
los arboles
rboles explotados en el periodo
periodo A
A (el
(el periodo
periodo ms
mas temprano)
temprano) permanece-
permanece-
ran
rn explotad
explotadoso s tambien el periodo
tambin en el periodo B.
B.
La rnortalidad
mw-tadidad puede aadirse
anadirse aa la
la matriz
matriz dede manera
manera similar
similar aa la la explotacin.
explotaci6n .
Como
Como en
en el
el caso de la explotacin
explotaci6n deber
debera medirse,
medirse, lo 10 cual significa
significa que de- de-
be determinarse
determinarse el el nmero
ndrnero de rboles
arboles muertos en en cada clase de grosor al pe-
riodo B.
B . Se aadir
anadira tambin
tambien aa la
la ecuacin
ecuaci6n (2)(2) en
en la
la misma
misma manera
manera que
que E.
E.

633 Refinamientos
Refinamientos aa los modelos de transicin
transici6n

Dos refinamientos bsicos

basicos deben aadirse
anadirse aa los
los modelos
modelos de
de matrices de transi
transi
ci6n
ojn para bosques mixtos, se conviertan
mixtos, antes de que se aonviertan en
en un
un instrumento
instrurnento de
de -
trabajo:
 (a) Las
Las especies deben agruparse y se deben construir matrices separa-
separa-
cada grupo.
das para cada grupo. El ndmero
nGmero de grupos no
no debe ser
ser muy grande,
grande,
pues
pues en tendr~n pocos datos para muchas transi-
en caso contrario se tendrn
ciones.

(b) Los datos deben agruparse en clases ~rea basal para diferentes
clases de rea
bosques, para permitir el uso de matrices de transicin
bosques, transici6n distintas
para rodales de
de densidades
densidades diferentes.
diferentes.

634 Desventajas de los

los modelos de transicin
transici6n

Los modelos de matrices de

de transicin
transici6n tienen
tienen varias
varias desventajas.
desventajas .

Es dificil y tedioso
tedioso representar
representar interacciones
interacciones iindmicas.
dinamicas. Por
Por
ejemplo, la interaccin
ejemplo, la interacci6n entre densidad
densidad del roda l y tasa de cre-
del rodal
cimiento.
cimiento. Esto slo
s6lo puede hacerse teniendo una matriz de transi
ci6n nivel de
ojn separada para cada nivel de la
la variable
variable de
de control, 10 cul
control, lo cual
es tolerable con una interaccin
interacci6n significativa.
significativa. Con dos
dos o0 ms,
mas,
el nGmero
ndmero de matrices requerido es el producto del ndmeno,de
numeno' de ni
ni
veles de cada interaccin.
interacci6n.

La
La precisi6n
precisin de un modele transici6n est
modelo de transicin esta limitada
limitada por lala ne-
ne-
trabajar con
cesidad de trabajar con clases
clases definidas
definidas muy
muy ampliamente;
ampliamente; dede
otro modo ocurren demasiadas
demasiadas transiciones
transiciones indefinidas
indefinidas o0 las
las TI' .
trices
trices se hacen muy grandes para calcularlas con facilidad.
facilid a d.

Los modelos de transicin

transici6n sonson ineficientes
ineficientes en
en funcin
funci6n del
del ndme-
nGme-
ro de parmetros
parametros necesarios parapara definir
definir un
un proceso
proceso de
de creci-
creci.-
miento. Una
miento. Una matriz (8l par~metros)
matriz 99 xx 99 (81 parmetros) podria
podra corresponder s6 sei
a los parmetros
lamente a paramet.t ;os de
de la
la ecuacin
ecuaci6n de crecimiento
crecimiento de
de un
un 57ar
bol individual.

A causa de su
A su ineficiencia
ineiiciencia yy falta
falta de
de interacciones
interacciones dinmicas,
dinamicas,
los modelos de matrices de transicin
los transici6n ofrecen
ofrecen poco
poco campo
campo para
para
conocimiento de
mejorar el conocimiento de los
los procesos
procesos de
de crecimiento
crecimiento forestal.
forestal.

64
64 MODELOS DE ARBOL INDEPENDIENTE
1NDEPEND1ENTE DE LA DISTANCIA
D1STANC1A BASADOS EN ECUAC10NES
ECUACIONES D1-
DI-
FERENC1ALES
FERENCIALES

641 Definici6n
Definicin
Un modelo
modele de ~rbol es
de rbol es aquel
aquel enen elel cual
cual cada
cada rbol
arbol de unun rodal
rodal est
esta represen-
individualc. :onte por
tado individual,-nte por unun conjunto
conjunto de de variables
variables que
que describen,
describen, porpor ejemplo,
ejemplo,
la especie,
la especie, el dimetro, l ~ a ltura y
diametro, lip.ltara y las
las condiciones
condiciones dede la
la copa.
copa. En
En un
un mode-
mode-
10 dependiente de
lo de lala distaiicia,
distan cia, la la posici6n
posicin del
del arbol rodal tambin
rbol en el rodal tambien eses
t~ representada
t norrnalmente
nol.nalmente por por sus
sus cordenadas X, Y.
cordenadas X, Y. En un un modelo
modele indeperi
indepen
diente de la
la distancia,
distancia, la la posicin
posici6n del ~rbol no
del rbol no est
esta representada.
representada. Los modj mode
independientes de
los independientes de la
la distanci.a
distancia son son generalmente
generalmente mucho msmas econmicos
econ6micos en en-
terminos de recursos
trminos recursos dede computacin
computaci6n que que los
los modelos de
de posicin,
posici6n, pero
pero dan
dan
representaci6n menos real
una representacin real yy detallada
detallada dede los
los procesos
procesos competitivos
competitivos entre
arboles. En este manual slo
rboles. s6lo se se consideran
consideran modelos
modelos independientes
independientes de de la
la dis-
tancia, pues la
tancia, la experiencia
experiencia ha ha sugerido
sugerido que
que para
para proyecciones
proyecciones aa grosso
grosse modo
rendimiento, los
del rendimiento, los modelos de de posicin
posici6n dede los
los rboles
arboles nono tienen
tienen ventajas
ventajas
especificas aa causa
causa dede su
su mayor
mayor complejidad
complejidad yy exigencia
exigencia de c~lculos.
de clculos.
 -109-

642 alometricas y din!micas

Variables alomtricas dinmicas
Como se ha dicho, !rbol del rodal
dicho, cada rbol rodal est
est! representado
representado por
por un
un conjunto
conjunto de de
variab les. En el caso ms
variables. m!s simple
simple elel rbol
arbol estar
estar! representado
representado slamente
s6lamente porpor
una
una variable, di!metro. Usualmente
variable, su dimetro. Usualmente lala especie tambi~n est
especie tambin est! identificada
identificada
quiz!s la
y quizs la altura o0 clase
clase de
de copa.
copa. Otras
Otras variables,
variables, tales
tales como
como el
el dimetro
di!metro
copa, volumen o0 biomasa
de la copa, biomasa pueden
pueden derivarse
derivarse de
de relaciones
relaciones alomtricas
alometricas concon
diametro yy la
el dimetro la altura
altura del
del rbol.
arbol.
Las variables dinmicas
din!micas son
son aquellas
aquellas que
que se
se predicen
predicen partiendo
partiendo del
del estado
est ado
del
del !rbol periodo previo.
rbol en un periodo prev io. Las
Las variables
variables alomtricas
alometricas son
son las
las que
que repre
repre
sentan relaciones
relaciones estticas
est!ticas entre
entre diferentes
diferentes dimensiones
dimensionesdel
delrbol
!rbolenenununm(7)
ma
mento dado.

643 Representaci6n de
Representacin de la
la competencia
competencia

Las variables dinmicas

din!micas dede un
un rbol
!rbol individual,
individual, taltal como
como elel dimetro,
di!metro, pueden
pueden
predecirse de unauna ecuacin
ecuaci6n queque incorpore
incorpore elel dimetro
diametro del
del rbol
arbol enen el
el .dltimo
ultimo
periodo yy algunas medidas de la densidad densidad del
del rodal.
rodal. La
La densidad
densidad del
del rodal
rodal
puede
puede representarse de diferentes maneras; maneras; como unauna medida
medida absoluta
absoluta taltal como
como
numero
trO.merodede!rbole s sobre
rboles sobre ciertos
ciertos Ifmites
limites de grosor,o !rea
degrosor,o rea basal
basal dede los rboles
ar b oles
en el rodal, o
el rodal, como medida relativa
0 bien como relativa tal
tal como
como rea
area basal
basal dividida
dividida entre
e ntre
el
el maximo
mximo de !rea basal posible
rea basal posible para
para aquel
aquel sitio.
sitio.
Tambien
Tambin puede
puede medirse de otras maneras
maneras no tradicionales
tradicionales cconsiderando,
o nsiderando, por por
ejemplo,
ejemplo, la biomasa total de de las
las hojas
hojas en
en un
un rea
!rea dada.
dada.
No importando la
No importando la manera como se mida,mida, la densidad
densidad del
del rodal,
rodal, ddebe
ebe tener
tener la la
pr opiedad de
propiedad de que
que de algun modo
de alg6n modo es la suma de las variables
de las variables de de los
los arboles
rboles in in
ddividuales
ividuales en el rodal.
rodal. As,
Asf, elel rea
area basal
basal es
es la
la suma
suma de
de las
las secciones tras~
secciones tras-
versales de loslos rboles.
!rboles.
LaLa densidad
densidad del rodal obviamente
obviamente varia
varfa de
de un
un lugar
lugar aa otro
otro en en el
el mismo
mismo rodal.
rodal.
Si el
Si el modele
modelo representa una una parcela
parcela grande,
grande, dede 11 aa 10 hectreas,
hectareas, la densi-
dad
dad del
del rodal
rodal completo no necesariamente reflejar!reflejar dede manera
manera precisa
precisa impor-
impor-
tantes
tantes variaciones internas
internas tales
tales como
como la
la ocurrencia
ocurrenc ia de
de claros.
claros. Esta difi-
cultad puede
cultad puede evitarse dividiendo la parcela simulada simulada enen cuadrados,
cuadrados, de de 10 xx
10 m,
m, yy calculando la densidad
densidad del rodal por
del rodal por su efecto sobre
sobre cualquier
cualquier cua-cua-
drado,
drado, como
como lala dens idad promedia de
densidad de aquel cuadrado y y los
los 8 cuadrados
cuadrados adyacen
adyacen
tes.
tes. Para
Para evitar
evitar los
los efectos de borde, pueden tomarse como adyacentes
de borde, adyacentes aa los-los
ccuadrados
uadrados del
del borde
borde los
los que
que se
sehallenen
hallenenelellade
lado opuesto
opuesto dede la
la parcela.
parcela.

644 los datos y enfoques para el anlisis

Requisitos de los an!lisis

Los
Los datos
datos deben
deben de
de provenir de
de parcelas de muestreo permanentes 0o temporales
temporales
oo de
de parcelas
parcelas experimenta les para poder definir todas las relaciones
experimentales relaciones dinami-
dinmi-
cas
cas yy alometricas
alomtricas enen el modelo.
modelo. Cualquier variable
var iable inclufda
inclu!da enen el
el modele
modelo ha
ha
debido ser realmente medida en en una
una muestra de
de rboles.
!rboles. SiSi la
la competencia va
aa definirse
definirse en
en funci6n
funcin de la densidad de los cuadrados,
cuadrados, como se discute an- an-
teriormente (secci6n 643),
teriormente (seccin 643), entonces las parcelas de muestreo o 0 las experi-
mentales deben tambin
tambien haber
haber sido
sido medidas de
de manera que
que los
los rboles
arboles puedan
ubicarse
ubicarse en
en los
los cuadrados y y pueda calcularse un Indice
fndice de competencia
crmpetencia de
de
cuadrado por cuadrado..
cuadrado por cuadrad~
En los bosques
En los bosques mixtos,
mixtos, es
es posible quel.as
quelas especies raras est~n representa-
raras no estn representa-
das
das por
por muchos
muchos puntos.
puntos. En estos casos es mejor agruparbas
agruparllis especies
especies raras
raras yy
proveerlas
proveerlas de comun de
de un conjunto comn de funciones
funciones dede crecimiento
crecimiento yy alomtricas.
alomebricas.
A diferencia
diferencia dede un
un modelo
modelo de matrices de transicin,
transici6n, el proceso
proceso de
de ajuste
ajuste dede
las diferentes
las diferentes ecuaciones
ecuaciones del modele a los datos de campo requiere considera
modelo a considera
ble habilidad. Los Los diferentes
diferentes problemas
problemasque
quesesepresentan
presentansesehanhandiscutido
discutido en
ei-T
diversas partes
diversas partes de
de este manual,
manual, especialmente en la la seccin
secci6n 5 y y en apndice
apendice
A,A, pero el tiene que
el investigador tiene que considerar:
considerar:
 -110-

el
el problema de
de selecciortar funci6n
seleccionar una funcin que
que produzca la forma
forma
apropiada.

una t~cnica
ajustar los datos usando una tcnica estad1stica
estadistica y/o
y/o gr&fica
grfica
adecuada yy satisfactoria,
satisfactoria, conjuntamente con un exarnen re-
examen de los re-
siduales
siduales en cuanto al
al sesgo
sesgo se
se refiere.
refiere.

que
que suceder&
suceder si
si en la aplicaci6n
aplicacin del
del modelo
modelo se requiere la extra
polaci6n
polacin de
de una funcin
funci6n particular
particular yy si
si el
el resultado
resultado obtenido
obtenido ba-
ba
jo tales
jo tales circunstancias
circunstancias es
es razonable, si no
razonable, si no necesariamente precT
so.

645 Estructura b&sica

bsica del
del modele
modelo

La
La estructura general del modelo
modele es muy similar
similar aa la
la de los din~mi
los modelos dinmi-
cos
cos de rodal, discutidos en la
de rodal, la seccin
secci6n 534,
534, y
y se
se ilustra
ilustra en el
el diagrama
diagrama si-
si-
guiente:
guiente:

Inicializar las
las variables
los &rboles
de los rboles

[------------1- los ndices

Calcular los indices de
de competencia
competencia
de cada
de cada cuadrado,
cuadradO!

un periodo
Calcular el crecimiento de un
dado, por ejemplo 11 ao,
dado, ~rbol por rbol
ano, rbol ~rbol

un
Incrementar un
periodo de
de tiempo
tiempo los rboles
Remover los
!
1
&rboles explotados,
explotados,
calcular el rendimiento

los rboles
Remover los
l
~rboles muertos

los rboles
Generar los
!
1
&rboles nuevos
nuevos del
del ingreso
ingreso
i
Imprimir el resJlen de las estadsticas
el resumen estad1sticas
de la parcela para este periodo

inicial est
Como punto inicial est& la
la fase
fase de
de inicializacin
inicializaci6n donde
donde sese indica
indica el
el estado
estado
al comienzo
del rodal al comienzo de
de la
la simulacin,
simulaci6n, que que puede obtene~se de
puede obtenerse de los
los datos re~
datos rea
les de un inventario o
les 0 puede generarse
generarse aleatoriamente
aleatoriamente o de un
0 de un conjunto
conjunto dede
funciones.
el modelo entra
Entonces el entra en
en una
una fase
fase cclica
c1clica o0 iterativa,
iterativa, donde
donde cada
cada ciclo
ciclo
una unidad
representa una unidad del
del periodo b~sico de
periodo bsico de crecimiento,
crecimiento, tpicamente
t1picarnente 11 66 55
anos. En cada
aos. cada iteracin
iteraci6n se
se repiten
repiten una
una serie
serie de c~lculos siguiendo
de clculos siguiendo loslos pasos
pasos
indicados. Generalmente
principales indicados. Generalmente el el orden
orden enen el
el cual
cual se
se ejecutan
ejecutan estos
estos papa
es importante;
sos no es importante; as,
asi, por
por ejemplo,
ej,E mplo, se
se pueden remover rboles
&rboles muertos o0 -
antes,mas bien
explotados antes,ms bien que despu~s, de
que despus, de calcular
calcular el el crecimiento
crecimiento en el el ro-
ro-
dal permanente.
perinanente.
646
b46 mortalidad _y
Ingresos, mortalidad y explotaci6n
explotacin

Desde el punto dede vista de

de la
la construccin
construcci6n de de modelos
modelos de ~rbol el
de rbol el ingreso,la
ingreso,la
mortalidad yy la
mortalidad la explotacin
explotaci6n tienen
tienen en
en comen
comtin lo
10 siguiente:
siguiente:
 -111-

la creacin
involucran la creaci6n o0 remocin
remoci6n de
de rboles
!rboles en
en el
el modelo.
modelo.

son
son inherentemente procesos
procesos aleatorios,
aleatorios, yy no
no pueden tratarse con
tacilidad como simples
simples relaciones
relaciones funcionales.
funcionales.

la
la descripci6n
descripcin de los datos
datos aa menudo
menudo carece de informaci6n sobre
de informacin
par!metros.
estos parmetros.

Tanto el ingreso comocomo la

la mortalidad
mortalidad sonson aa menudo
menudo dependientes
dependientes parcialmente
parcialmente
asi, el
de la densidad; as, el nmerood
nilmerodeaiboles
rboles queque ingresa
ingresa 0o que
que mueren
mueren pueden ser
funciones
funciones de rodal. Una vez que este nmero
de la densidad del rodal. nilmero ha sido side determi-
nado, la seleccin
nado, selecci6n real
real de
de los
los individuos
individuos puede
puede implicar
implicar una una variedad
variedad dede re-
re-
glas
glas especiales
especiales.. Para el ingreso,
ingreso, tpicamente
tipicamente se se crean rboles
!rboles de tamaotamano yy
especie
especie aleatorios, lfmites determinados quizs
aleatorios, con lmites quiz!s por una probabilidad
probabilidad de de
distribuci6n basada en
distribucin basada en los
losdatos,
datos,o 0quizs
quiz!scon
con un
un limite
lfmftemxirro
Ilruti.!ID arbi trario que
arbitrario
parezca razonable.
razonable. Con
Con la
la mortalidad,
mortalidad, la la probabilidad
probabilidad de de queque cualquier
cualquier indi-
indi-
viduo
viduo muera,
muera, puede ser
ser una funcin
funci6n dede su
su tamao
tamano yy especie.
especie.
Los
Los procesos estocsticos
estoc!sticos o 0 probabilfsticos de de esta
esta naturaleza
naturaleza pueden pueden simu-
simu-
larse fcilmente
larse f!cilmente en un computador,
computador, usando
usando un g~nerador de
un generador de nmeros
nilmeros aleatorios
aleatorios
qque
ue produzca distribuciones aleatorias
aleatorias entre
entre O 0 yy 1.
1. Tales
Tales funciones
funciones son son fre-
fre-
cuentemente funciones de de biblioteca en en programacin FO~ y
programaci6n FammAN y son
son parte
parte del
del
lenguaje BASIC.
Sup6ngase,
Supngase, ppor
or ejemplo,
ejemplo, que unauna funcin
funci6n indica
indica queque un
un rbol
!rbol particular
particular enen el
el
modele
modelo tiene unauna probabilidad
probabilidad de de 0.7
0.7 de
de morir
morir durante
durante elel aoano actual.
actual. Se gen~
Se gene
ra un
un numero aleatorio entre
nmero aleatorio entre O0 yy 1;
1; sisi es
es menor
menor que
que 0.7
0.7 se presume que el
arbol
rbol tiene
tiene que morir y una rutina
rutina dede mortalidad
mortalidad registra
registra los los detalles
detalles del
del
arbol
rbol para el sumario
sumario dede la
la parcela
parcela yy lo10 remueve
remueve de de la
la tabla
tabla de, de. !rboles
rboles vi-
vos
vos en
en el
el mo delo . Si el nmero
modelo. nilmero aleatorio
aleatorio es es mayor
mayor que
que 0.7
0.7 el el rbol
!rbol sobrevive
sobrevive
yy crece
crece hasta el siguiente
siguiente periodo.
periodo.
Los procesos de de explotacin
explotaci6n son son similares
simi lares aa los
los dede mortalidad
mortalidad en en el
el sentido
sentido
de
de que
que involucran lala remocin
remocion dede rboles,
!rboles, pero
pero esto
esto sucede
sucede de de acuerdo
acuerdo aa nor-
nor-
mas definidas en en cuanto
cuanto aa la
la especie
especie yy al
al tamao.
tamano.

647 en consideracin
Conclusiones en consideraci6n aa los
los modelos
modelos de
de rbol
arbol

Los
Los modelos
modelos de
de !rbol
rbol individual son altamente
altamente flexibles,
flexibles, pero
pero requieren
requieren con-
con-
siderable habilidad del investigador
investigador tanto
tanto en
en la
la programacin
programacion para
para el
el compu-
compu-
tador,
tador, como en el anlisis
an!lisis dede datos.
datos. Tambin
Tambien requieren
requieren el
el uso
uso de
de computado-
computado-
res
res de considerable
considerable tamao.
tamano.
metodo nico
No existe un mtodo unico para construir
construir tales modelos.
modelos. El lector interesado
debe
debe estudiar las referencias,
estudiar las como las
referencias, tales como las indicadas
indicadas en
en la
la bibliograffa
bibliografa
que
que aparece en el apndice
apendice D.D.
Los
Los modelos
modelos de
de !rbol
rbol individual no son una una panacea.
panacea. Como todos los
Como todos otros m~
los otros m-
todos de
todos de prediccion
prediccin requieren de unauna base de datos
datos extensa
extensa de
de mediciones
mediciones en
en
parcelasexperimentales
parcelas experimentales yy dede muestreo
muestreo cuidadosamente
cuidadosamente mantenidas y permanen-
te evaluadas.
te Tambien, como
evaluadas. Tambin, como en
en los
los otros
otros mtodos
metodos discutidos
discutidos anteriormente,
anteriormente,
sofisticacion no es garanta
su sofisticacin garantfa dede su
su precisin.
precision.
 -112-

7
7 VALIDACION DE ~IODELOS DE
DE LOS MODELOS DE CRECIMIENTO
CRECIMIENTO YY RENDIMIENTO
RENDIMIENTO

71 DE LA
EL PAPEL DE LA VALIDACION
VALIDACION

va1idacion es,
La validacin es, literalmente
1iteralmente hablando,
hablando, elel proceso
proceso de
de determinar
determinar si
si un
un mode
mode
10
lo verdaderamente representa de unun modo uu otro la
la realidad.
realidad. En la
la validacin
validacion
tenerse siempre
deben tenerse siempre en
en cuenta
cuenta los
los siguientes
siguientes puntos:
puntos:

de prediccin
Los modelos de prediccion se
se aproximarn
aproximar&n ms
m&s a
a la
la realidad
realidad a
a medida
los esfuerzos en la
que se incrementen los la recoleccin
recoleccion de datos y en la
la
construccion del
construccin del propio
propio modelo.
modelo.

algun momento,
En algn momento, el esfuerzo involucrado
involucrado para obtener ms
mas datos o
0
modele estadsticamente
para crear un modelo estadfsticamente ms
m&s slido
solido es ms
mas costoso,que
costoso,que
la
la mejora
mejora marginal garantizada
garantizada por
por las
las predicciones
predicciones del
del modelo.
modelo.

Los modelos forestales

forestales no tienen
tienen un
un grado
grado uniforme
uniforme de error sobre
sobre
el intervalo completo del comportamiento que predicen,
predicen, pero pueden
ser m&s
ms o precisos en diferentes intervalos de las variables
0 menos precisos
predictoras.

El proceso de de validacin
validacion puede
puede ser
ser ms
m&s costoso
costoso yy consumir
consumir ms
m&s tiempo,
tiempo, que
que la
la
construccion del
construccin del modelo. Puede
Puede ser
ser necesario
necesario lala realizacin
realizacion dede experimentos
experimento s
para comprobar
especiales para comprobar elel modelo, tambi~n la
modelo, yy tambin la construccin
construccion dede sistemas
sistemas
de procesamiento de de datos
datos que
que permitan
permitan lala validacin
validacion por
por comparaciones
comparaciones en en un
un
nUffiero de parcelas.
gran namero parcelas. A A veces se requerirn
requeriran considerables anlisis
an&lisis esta-
d!sticos estimar las
dsticos para estimar las covarianzas
covarianzas dede los
los errores
errores residuales.
residuales.
Este c6mulo
cUffiulo de esfuerzos
esfuerzos puesto
puesto en
en los
los procesos
procesos dede validacin,
validacion, enen ninadn
ningun sen
sen
superfluo. La
tido es superfluo. La ciencia
ciencia defieren
defieren dede la
la filosofa
fil.osofia yy de
de la
la religin
religion por=
por=-
que siempre estest& sujeta a a criterios dede validacin
validacion emprica
empirica dede sus
sus teoras
teorias yy
modelos. modele que no
modelos. Un modelo no se
se valida
valida eses simplemente
simplemente especulacin
especulacion yy trabajoper
trabajoper
dido. -
Adem~s de
Ademas de eso,
eso, la
la naturaleza
naturaleza de
de la
la construccin
construccion deldel modelo
modele implica
implica que
que debe
debe
interactuar con la la validacin
validacion en
en un
un proceso
proceso cclico.
cfclico.

Recoleccion
Recoleccin de datos

Construccion
Construccin validacion
Validacin
modele
del modelo
La validacion debilidades en
validacin puede mostrar debilidades en el
el comportamiento
comportamiento del
del modelo,
modelo, lo
10
cual conducir& su estructura
conducir a mejorar su estructura o0 aa la
la necesidad
necesidad de
de recolectar
recolectar ms
m&s da
da
tos
tos de campo. Los experimentos con
de campo. con modelos,
modelos, inclusive
inclusive aquellos
aquellos completamente
completamente
inv&lidos, conducir aa conceptos
invlidos, pueden conducir conceptos altermativos
altermativos dede diseos
disenos experimenta-
experimenta-
les recolecci6n de
les y de recoleccin de datos.
datos.

72 DATOS DE VALIDACION

Para validar un modelo, su

su comportamiento
comportamiento debe
debe compararse
.compararse con
con observaciones
observaciones
de cuya historia
de situaciones reales cuya historia yy tratamiento
tratamiento sean
sean perfectamente
perfectamente conoci-
conoci-
 -113-
-113-

dos.
dos. Estos datos
datos pueden
pueden llamarse
llamarse datos
datos de
de validacin,
validaci6n, yy obtenerse
obtenerse de
de parce-
parce-
las de muestreo permanentes o0 temporales
las de temporales o0 de experimentos.
experimentos. Existen usualmen
usualmen
te
te dos respecto a
dos situaciones distintas respecto a los
los datos de
de validacin:
validaci6n:

Los
Los datos us ados para validar
datos usados val idar el modele los mismos que se utili
modelo son los
zan
zan para construir las
l as diferentes
di ferentes funciones que forman
forman parte del mE
mo
delo.
delo. Esto puede llamarse
ll a rnarse autovalidacin.
autovalidaci6n.

en la
Los datos usados en la validacin
va lidaci6n del
del modelo
modele no
no han
han sido
sido utilizados
utilizados
para estimar ninguno
ning uno de
de los par~metros de
los pargmetros de las
las funciones
funciones del
del modelo.
Esta situacin
situaci6n puede denominarse
denominarse validacin
validaci6n independiente.
independiente.

No hay nada extraordinario

extraordinario sobre
sobre elel concepto
concepto dede la
la autovalidacin.
autovalidaci6n. Es Es el
el pro
pro
para el
cedimiento normal para an~lisis de
el andlisis de regresin,
regresi6n, por
por ejemplo,
ejemplo, donde
don de todos
todos
los
los estimadores estadsticos
estadfsticos se se basan en los los errores entre
entre las
las predicciones
del modele
del los valores
modelo y los valores observados
observados usados
us ados para
para ajustar
ajustar elel modelo.
modelo.
La autovalidacin
autovalidaci6n sin
sin embargo,
embargo., puede
puede ser
ser peligrosamente
peligrosamente malmal interpretada.
interpretada. El El
an~lisis de regresin
anglisis regresi6n suministra
surninistra unun buen
buen ejemplo:
ejemplo: SiSi las
las suposiciones
suposiciones deldel momo
dele estadstico
delo estadistico utilizado
utilizado (varianza
(varianza residual
residual uniforme,
uniforme, errores
errores no
no correla-
correla--
distrib u ldos normalmente,
cionados y distribLdos n orma lmente, variables
variables predictoras
predictoras conocidas
conocidas sinsin
error) son incorrectas,
error) incorrectas, entonces
entonces loslos valores
valores estimados
estimados de de los par~metros tam
los pargmetros tarn
bien ser~n incorrectos.
bin sergn incorrectos. -
La autovalidacin
autovalidaci6n eses particularmente
particularmente peligrosa
peligrosa concon un
un n6mero
nGrnero pequeo
pequeno dede ob-
ob-
servaciones y con modelos muy muy complejos.
complejos. Con Con modelos
modelos simples (quiz~
simples (quizg s610 una
slo una
oo dos funciones) y
dos funciones) y con
con gran
gran cantidad
cantidad dede datos
datos de
de comparacin
comparaci6n puede
puede ser
ser muy
muy
aceptable.
La validaci6n independiente es
validacin independiente es un
un procedimiento
procedimiento mucho m~s satisfactorio
mucho mgs satisfactorio des-des-
de cualquier
de c ualquier punto dede vista.
vista. DaDa una
una imagen
imagen completa
completa dede cuan
cuan efectivo
efectivo es es el
el
como instrumento
modelo como instrumento dede prediccin.
predicci6n. La La principal
principal dificultad
dificultad dede la
la valida-
valida-
ci6n independiente es
cin es que
que se
se necesita
necesita unauna considerable
considerable cantidad
cantidad de
de datos,que
datos,que
deben
deben ignorarse cuando se se construye
construye el el modelo.
mOdelo. Probablemente
Probablemente el el mejor
mejor Eroce-
~oce
dimiento, adoptado por
dimiento, ampliamente adoptado por los
los sistemas
sistemas que
que modelan
modelan comunidades,
comunidades, es es
el
el de
de dividir el conjunto
conjunto dede datos
datos en
en dos
dos partes
partes iguales
iguales por
por un
un proceso
proceso alea
alea
torio sistem~tico y usar
torio 0o sistemtico usar la
la mitad
mitad dede los
los datos
datos para
para la
la construccin
construcci6n deldel mom5-
dele
delo yy la otra mitad para su su validacin.
validaci6n. -
Desfortunadamente hay hay un
un cierto
cierto traslape
traslape entre
entre autovalidacin
autovalidaci6n yy validacin
validaci6n
independ iente. Es posible construir
independiente. construir un un modelo
modele usando
usando un
un tipo
tipo de
de informacin
informaci6n
de
de un conjunto de de datos
datos de
de parcelas
parcelas o0 de de experimentos
experimentos yy validarlo
validarlo usando
usandootro
otro
tipo de informacin,
tipo informaci6n, estadsticamente
estadisticamente independiente,
independiente, de de las
las mismas
mismas parcelas.
parcelas.
Una
Una validaci6n independiente de
validacin parcialmente independiente de esta
esta naturaleza
naturaleza debe
debe ser
ser consi-
consi-
derada
derada menos satisfactoria que que una
una validacin
validaci6n totalmente
totalmente independiente,
independiente, peropero
m~s indicadora
mgs indicadora de
de la
la validez
validez dede un
un modelo
modele queque la
la autovalidacin.
autovalidaci6n.

73 RESIDUALES
ERRORES RESIDUALES
La validacin
validaci6n de
de los
lOS modelos
modelos usualmente
usualmente se
se basa
basa en
en un an~lisis de
un anglisis de los
los errores
errores
residuales, los cuales se
residuales, se definen
definen como:
como:

Error residual = Valor observado -

- Valor predicho

an~logo al error residual

Este error es andlogo an~lis is de regre-
residual utilizado en el anglisis regre-
si6n.
sin. Se lector consultar
Se sugiere al lector consultar elel apndice
apendice A.2.6;
A.2.6; tcnicas
tecnicas idnticas
identicas aa
las alIi
las all descritas pueden aplicarse
aplicarse al an~lisis de
al anlisis de errores
errores de de los
los modelos.
modelos.
Si
Si el
el error
error residual
residual va
va aa proporcionar una indicacin
indicaci6n verdadera
verdadera del del funciona
funciona
un modelo,
miento de un modelo, debe
debe asumirse
asurnirse que
que las
las variables
variablesindependientc3
independientesque queten-
en--
tren
tren en la construccin
construcci6n del
del modelo ser~n las
modelo sergn las mismas
mismas que
que se uti l izar~n en
se tiLLlizarn en las
las
predicciones. Si
predicciones. Si este
este no
no es
es el
el caso,
caso, elel error
error del
del mo
mo:lo tiende aa ser
~p.l o tiende ser exage-
exage-
 -114-

rado.
rudo
Por ejemplo,
ejemplo, un modelo
modele dinmico
dinamico de rodal
rodal para hacer predicciones precisas re re
quiere informacin
i nformaci6n sobre
sobre la
la densidad de plantacin
plantaci6n y el tiempo
tiempo e intensidad
intensidad-
de los clareos.
clareos. Para una
una validacin
validaci6n de de un
un modelo
modele de esta clase se se necesitan
datos
datos de parcelas de muestreo permanentes aa largo largo plazo o experimen
0 datos de experimen
clareos.
tos de clareos. -
Un modelo de crecimiento y rendimiento
rendimiento generalmente
generalmente har
hara predicciones de de di-
di-
ferentes
ferentes parametros,
parmetros, por ejemplo dimetro
diametro promedio,
promedio, altura dominante,
dominante, volu-
men total y volurnen comercial.
y volumen comercial. Los errores
errores residuales
res iduales normalmente
normalmente se se incre-
incre-
men tan (en
mentan (en relacin
relaci6n aa los
los parmetros
parametros nombrados
nombrados anteriormente)
anteriormente) de altura
altura aa
diametro
dimetro a a volumen
volurnen total
total aa volumen
volurnen comercial.
comercial. EnEn consecuencia,
consecuencia, normalmente
normalmente
sera suficiente hacer los
ser los estudios
estudios dede validacin
va lidaci6n sobre
sobre elel volumen
vo lurnen total
total o0 co
co
mercial.
mercial. A menos que exista
exista una necesidad
necesidad especial
especial de
de conocer
conocer la la precisin
p recision -
de diametro y la
de los estimados del dimetro la altura, ~stos no
altura, stos no necesitan
necesitan ser ser sometidos
sometidos
aa estudios separados
separados de
de validacin.
va lidaci6n . .
Los errores residuales pueden sumarizarse
sumarizarse dede diferentes
diferentes maneras:

Graficamente, ploteando
Grficamente, ploteando los
los errores
errores residuales
residuales contra
contra los
los valores
v alorespre
pre
dichos o
0 contra Las variables
contra las variables predictoras.
predictoras. Lo
Lo comentado
comentado en el ap~ndI
en el apndr
ce A.2.6 se
se aplica
aplica en
en este
este caso.
caso.

Como un coeficiente de determinacin,

determinaci6n, anlogo
analogo aa R2
R2 en
en los
los estudios
estudios
de regresi6n, el
de regresin, el cual
cual se
se calcula
calcula como:
como:

Surna de cuadrados de los

Suma los errores
errores residuales
1 - Surna los valores observados
Suma de cuadrados de los

una desviacin
Como una desviaci6n standard
standard residual,
residual, calculada
calculada como:
como:

Suma de cuadrados de los

los errores residuales
ffimEro
NCurerode demuestras
muestras de
ce validaci6n
validacin -- N.Gmero
NGrnero de
de variables
variables predictoras
predictoras

Como un porcentaje de
de la
la desviacin
desviaci6n standard
standard residual
residual (equivalente
(equivalente aa
de variacin)
un coeficiente de variaci6n) calculado
calculado como:
como:

Desviaci6n residual
Desviacin standard residual
Promedio de
de los
los valores
valores predichos
predicfios

El podra apreciar que

El lector podr que estos
estos estadsticos
estad1sticos son
son aproximaciones,
aproximaciones, aa losque
losque
no intervalos especficos
no se les puede calcular intervalos espec!ficos de
de confianza
confianza ni
ni niveles
niveles de
de
significancia.

74 COMPARACIONES GRAFICAS

El
El analisis
anlisis de
de errores t~cnica algo
errores residuales es una tcnica algo abstracta.
abstracta. Un
Un enfoque
enfoque
alternativo para lala validacin
validaci6n de
de modelos
modelos es
es plotear
plotear loslos parmetros
parametros dede inte-
inte-
r~s v ariable predictora,
rs contra alguna variable predictora, tanto
tanto para
para los
l o s rodales
rodales reales
reales como
como pa
pa
los modelos
ra los rendimiento . Por ejemplo,
modelos de rendimiento. ejemplo, podra
podr1a dibujarse
dibujarse el el desarrollo
desarrollo -
del volurnen en funcin
del volumen funci6n del
del tiempo
tiempo para
para el
el rodal verdadero yy para
rodal verdadero para el
el modelo.
modelo.
Este
Este tipo de apreciaci6n ms
de enfoque da una apreciacin mas concreta de la solidez
solidez 0o debili-
debili-
dad de
de un modelo que el anlisis
analisis de residuales.
residuales. Sin embargo no no puede
puede usarse
usarse
con efectividad para definir el comportamiento de un modele modelo con muchas
muchas varia
varia
bles predictoras, tampoco para
predictoras, ni tampoco para representar
representar resultados
resultados de de grandes cantida~
grandes cantida-
des de datos dede validacin.
validaci6n.
 -115-

Se ha sugerido que ambos tipos

tipos de
de validacin
validaci6n son usualmente necesarios.
necesarios. El
analisis emplearse con grandes conjuntos de datos,
anlisis de residuales puede emplearse datos, y pa-
ra
ra resumir los resultados en en un
un pequeo
pequeno nmero
nGmero de pardmetros
parametros sobre el inter-
valo
valo completo de las variables predictoras.
predictoras. Las comparaciones grdficas
graficas son
efectivas para presentar
pres en tar aspectos claves del comportamiento del modelo en
publicaciones o comunicaciones.
0 comunicaciones.

75 DEFINICION
DEFINICION DE LOS LIMITES DE UTILIDAD DEL MODEL

Los
Los errores residuales de un modelo generalmente tienden a a incrementarse a a
medida que las
las variables predictoras
predictoras sese acercan
acercan aa sus
sus valores extremos.
extremos. Esto
Esto
parece ser
ser especialmente cierto
cierto cuando
cuando los
los datos
datos de
de validacin
validaci6n cubren
cubren una
una ga
ga
rna sitios, edades y
ma de sitios, y condiciones
condiciones dede crecimiento
crecimiento mds
mas amplia
amplia que
que la
la de los
los -
datos usados en en la
la construccin
construcci6n del
del modelo.
modelo.
Sin embargo,
embargo, habrg
habra que establecer
establecer limites
limites aa los
los datos
datos de
de validacin,
validaci6n, del
del mis
mo
mo modo que fueron
fueron establecidos
establecidos aa los
los datos
datos usados
usados en
en la
la construccin
construcci6n del
del mo
ME
delo. importante, como
delo. Es importante, como parte
parte del
del proceso
proceso de
de validacin,
validaci6n, examinar
examinar elel com-
com--
portamiento del modelo fuerafuera de
de estos
estos lmites
Ifmites yy estimar,
estimar, para
para cada
cada tipo
tipo de
de
variable predictora,
predictora, un un intervalo
intervalo de
de valores fuera
fuera del
del cual
cual las
las predicciones
predicciones
del
del modele obviamente imprecisas
modelo se vuelven obviamente imprecisas e e intiles.
inutiles.
Esto es
Esto es importante porque muchas de de las
las aplicaciones
aplicaciones dede los
los modelos dede crec
creci
rniento y
miento y rendimiento
rendimiento pueden
pueden tener
tener lugar
lugar en
en situaciones,
situaciones, enen las
las cuales los va
cuales los va-
lores
lores absurdos no se detectan de de inmediato.
inmediato. Por ejemplo,
ejemplo, como
como parte
parte de
de un
un mF
mo
delo economfa forestal
delo sectorial de economa forestal o como un componente
0 como componente enen un
un programa
programa para
para
ccalcular
alcular planes
p lanes de
de cortas.
cortas.
El
El intervalo de de los
los valores
valores con
con los
los cuales
cuales un
un modelo
modele puede
puede ser
ser razonablemen-
razonablemen-
te
te preciso (para
(para determinadas especificaciones)
especificaciones) debe
debe por
por lo
10 tanto
tanto definirse
definirse
explcitamente
explfcitamente durante
durante el
el proceso
proceso de
de validacin.
validaci6n.
 -116-

88 LA APLICACION DEL
DEL MODELO usa FINAL
~IODELO AL USO FINAL REQUERIDO
REQUERIDO

81 INTRODUCCION
Esencialmente, los modelos de crecimiento y
Esencialmente, los y rendimiento
rendimiento pueden
pueden ser
ser aplicados
en una de las
las tres
tres maneras
maneras siguientes:
siguientes:

(i) Como una simple

simple tabla gr~fico o
tabla o0 grdfico conj unto de
0 conjunto de tablas
tablas o0 grficos.
graficos.
Estos pueden ser usados
usados directamente por los
los planificadores fo-
planificadores fo-
restales
restales 0o pueden
pueden alimentar
alimentar en
en forma
forma tabular
tabular aa un
un computador
computador pa-
pa-
ra
ra actualizar un conjunto de datos de inventario.
inventario.

(ii) Como un programa para un computador para producir

producir una
una tabla
tabla 0o
gr~fico
grdfico de crecimiento yy rendimiento
rendimiento para un
un conjunto
conjunto particular
de tratamientos.
tratamientos. Esto es apropiado cuando elel modele tiene sufi-
modelo tiene
flexibilidad inherente,
ciente flexibilidad inherente, de modo tal que
modo tal que no
no es
es posible de-
tinir
finir todas las predicciones posibles en
todas las en un
un conjunto
conjunto de
de tablas.
tablas.

(iii) Como un programa de computacin

computaci6n que constituye
constituye un
un submodelo den-
tro de un programa m~s
mds amplio para la planificaci6n forestal, el
planificacin forestal,
cual normalmente
normalmente incorpora una base de datos
datos de informaci6n de
de informacin
inventario yy varias
inventario varias restriceiones
restriciones econ6rnicas t~cnicas sobre
econmicas 0o tcnicas sabre
tratamiento yy explotacin.
las operaciones de tratamiento explotaci6n.

(i) y
Las alternativas (i) y (ii)
(ii) han
han sido
sido suficientemente
suficientemente tratadas
tratadas en la
la seccin
sec ci6n
534.
534. Queda
Queda por comentar la alternativa (iii),
(iii), en la cual
cual el
el modelo se usa en
combinaci6n con datos
combinacin con datos dede inventario
inventario en
en planificacin
p lanificaci6n forestal.
forestal.
Un prerequisito necesario
necesario en este caso,
caso, eses que las
las variables
variables incluidas
inclufdas en
en elel
modele como
modelo par~metros (variables
como pardmetros (variables predictoras)
predictoras) tambin
tambiE.n estn
esten incluidas
inclufdas enlos
en l os
datos de inventario.
inventario.

82 RODALES COETANEOS

de que
En el caso de que el
el bosque
bosque consista
consista de
de rodales coet~neos podran
rodales coetdneos podrfan incluirse
inclufrse
en el modelo las
lag tres
tres funciones
funciones siguientes:
siguientes:

(Sp, S,
Ho == (Sp, S, A)
A)

Ig = (Sp,
(Sp, S,
S, A,
A, G)
G) 6 1g = ff (Sp,
Ig (Sp, Ho,
Ho ' N)
N)

Hf = (Sp,
Hf = (Sp, Ho,
Ho ' N)
N) 6 = ff
Hf = (Sp,
(Sp, Ho ' N, G)
Ho, G)

especie, SS clase
Donde Sp denota especie, clase de
de calidad
calidad dede sitio,
sitio, Ho Ho altura
altura dominante,
dominante, A A
edad, N nmero
edad, numero de ~rboles por
de drboles por ha, ~rea basal
ha, GG drea basal por
por ha,
ha, 1g
Ig incremento
incremento del area
del drea
basal por ha y ao,
basal ano, y Hf
Hf forma
forma de
de altura
altura definida
definida porpor la
la funcin
funci6n VV == GG xx Hf,
Hf,
donde V es el volumen
vo lumen por
por ha.
ha. En
En este
este caso,
caso, las
las variables
var iables Sp,
Sp, A,
A, Ho,
Ho ' NN yY GG
tiene que ser conocidas de loslos datos
datos dede inventario,
inv entario, mientras
mientras que
que la
la clase
clase dede
sitio, S,
sitio, S, puede ser
ser calculada por
por medio
medio dede la
la primera
pr i mera funcin.
funci6n.
Se puede asumir que el modelo
modele es
es calculado
calculado por por medio
medio de de observaciones
observaciones en en par
par
celas
celas de crecimiento yy rendimiento. Adem~s,puede asumirse
rendimiento. Ademds,puede asumirse tambin
tambien que
que los
los da
tos de inventario,
tos inventario, aa los
los cuales
cuales se aplicar~ el
se aplicar el modelo
modele provienen
provienen dede observa--
o bserva--
ciones
ciones en parcelas de muestreo. Si Si el
el tamao
tamano dede las
las parcelas
parcelas es
es el
el mismo
mismo en en
ambos
ambos casos, podr~ ser
casos, el modelo podr ser aplicado
aplicado directamente
directamente aa los los datos
datos dede inven-
inven-
tario. Sin embargo,
tario. embargo, si
si hay
hay diferencias
diferencias en en el
el tamao,
tamano, porpor ejemplo,
ejemplo, si
si las
las par
par
celas de inventario
inventario son
son menores
menores que
que las
las parcelas
parcelas de de crecimiento rendimien ~
crecimiento yy rendimienl=
 -117-

to,
to, el modelo puede dar resultados
resultados sesgados.
sesgados. Esto
Esto sese explica
explica porpor dos
dos razones.
razones.
Una, es
Una, es que
que la
la clase
clase dede sitio podr~ subestimarse
sitio podr subestimarse unun poco
poco en
en las
las parcelas
parcel as pe-
pe-
quenas (0.01
queas (0.01 -- 0.02
0.02 ha)
hal comparadas
comparadas concon las
las parcelas
parcelas grandes
grandes (0.05
(0 .0 5 -- 0.1
0.1 ha)
hal
este sesgo
aunque este sesgo usualmente
usualmente eses muy
muy pequeo.
pequeno. La
La otra
otra razn
raz6n para
para elel sesgo
sesgo es,
es,
que el efecto de de competencia
competencia de de los ~rboles que
los rboles est~n fuera
que estn fuera de
de las
las parcelas
parcelas
se
se incrementara,
incrementar, cuando decrece el el tamao
tamano de
de la
la parcela. Esto
Esto aa su su vez
vez signi
signi
fica
fica que
que una funcin
funci6n de crecimiento
crecimiento Queque contenga
contenga variables de de competencia
competencia o 0-
densidad como N N o0 GG es
es correcta
correcta slamente
s6lamente para
para parcelas
parcelas dede igual
igual tamao
tamano alas
alas
fu~ calculada.
que fu calculada. El El valor
valor del
del sesgo
sesgo depender
dependera dede la
la diferencia
diferencia de de tamao
tamano
entre las parcelas
parcel as dede crecimiento
crecimiento yy las
las parcelas
parcelas dede inventario,
inventario, el el tipo
tipo de
de
crecimiento en
las funciones de crecimiento en el
el modelo
modele yy finalmente
finalmente de de las
las variaciones
variaciones
dentro de los
los rodales inventariados.
inv:entariados. Por 10 tanto
Por lo tanto nono se
se puede
puede generalizar
generalizar so so
bre el tamao
tamano de este error.
error. -
8i crecimiento yy las
Si las parcelas de crecimiento las de
de inventario
inventario sonson ms
mas o0 menos
menos de de igual
igual
tamano, el modelo
tamao, modele puede aplicarse
aplicarse aa los
los datos
datos del
del inventario
inventario para
para prever
prever el
el
desarrollo de cada parcela individual.
individual. Al Al final
final del
del periodo
perlodo previsto
previsto las las par
par
celas
celas pueden sortearse en en estratos
estratos dede acuerdo
acuerdo aa la
la especie,
especie, clase
clase de sitio yy
de sitio
edad
edad yy calcular las sumas
sumas yy promedios
promedios dede cada
cada estrato.
estrato.
8in embargo,
Sin embargo, cuando
cuando haya
haya una
una gran
gran diferencia
diferencia enen el
el tamao
tamano de
de las
las parcelas,de
parcelas,de
modo que las parcelas de crecimiento sean mucho mayores que las de
que las de inventa-
inventa-
rio, es recomendable
rio, recomendable primero
primero sortear
sort ear los
los datos
datos dede inventario
inventario de de acuerdo
acuerdo alas
alas
especies, clases
especies, clases dede sitio
sitio yy edad
edad yy despus
despues aplicar
aplicar elel modelo
modelo aa estos
estes estra-
estra-
tos
tos en
en lugar de a a cada parcela individual
individual deldel inventario.
inventario .

83 RODALE8 MIXTOS.
RODALES MIXT08.

un bosque
En el caso de que un bosque consista
consista de
de rodales
rodales mixtos
mixtos (edades
(edades diferentes),
diferentes),
pueden incluirse
incluirse en
en el
el modelo
modelo de
de prediccin
predicci6n las
las funciones
funciones siguientes:
siguientes :

Iv == ff (S,
(8, F, G(1),
G(1), G(2)
G(2) ,...G(n),
, G(n), N(1),
N(l),N(2)
N(2),...N(n),
,' .. N(n),L(1),L(2),...L(n))
L(1),L(2), ... L(n

V
V f (8,
= f (S, F,
F, G(1),
G(1), G(2), ... G(n), N(1),
G(2),...G(n), N(1), N(2),...N(n))
N(2), ... N(n

donde Iv es el
donde el crecimiento del volumen comercial por ha y ao, ano, 8S es
es la
la clase
clase
de sitio definida
definida por indicadores ambientales (tipo (tipo de suelo,
suelo, altitud,
altitud, preci
preci
pitac i 6n, etc.),
pitacin, etc.), F es es el
el tipo
tipo dede bosque,
bosque, GG (1),
(1), GG (2),...
(2) , .. GG (n)
(n) es area -
es el rea
basal despus
despues de la la explotacin
explotaci6n por por grupos
grupos dede especies
especies por hect~rea, NN (1),
por hectrea, (1),
N (2),...
N (2) , . N
N (n)
(n) es
es el nmero
numero de ~rboles despus
de rboles despues dede la
la explotacin
explotaci6n por grupos
de hect~rea, L (1),
de especies yy hectrea, (1), L (2),...
(2) , . L (n)
(n) es
es la
la intensidad de la la explo-
explo-
ci6n
ojn por grupos de de especies
especies yy finalmenteV
finalmenteVes el volumen comercial despus
es el despues dede
explotaci6n
explotacin por por hectrea.
hectarea.
Para
Para hacer
hacer posible
posible la predicci6n,
prediccin, las mismas variables (variables (variables predicto-
predicto-
ras) incluyan en
ras) que se incluyan en elel modelo tendr~n que
modele tendrn que ser
ser obtenidas
obtenidas en en el
el inventario.
inventario.
La cliscusi6n
discusin sobre
sobre el tamaodedelalaparcela
el tamaiio parcelaenenrelacion a la
relacin predicci6n
a la prediccin para
pararodales
rodales coe
taneos se aplica en principio tambin
t'aneas tambien para rodales mixtos.
mixtos. Debe admitirse
admitirse
sin
sin embargo,
embargo, que que hasta
hasta ahora
ahora se ha hecho muy poco en el campo de los modelos
de los modelos
de crecimiento para bosques mixtos tropicales tropicales todav!a en
estando todavia en una
una etapa
etapa
investigacion. Por eso no es posible dar
de investigacin. dar alguna
alguna instruccIn
instruc c16n precisa de co
mo hacer predicciones sobre sobre elel desarrollo de de bosques
bosques mixtos tropicales
tropicales des--
pues de la explotacin.
pus explotaci6n. Para bosquesbosques mixtos templados
templados han han sido
sido desarrollados
modelos por por medio de de los
los cuales
cuales pueden
pueden hacerse
hacerse pronsticos
pron6sticos confiables
confiables (ver,
(ver,
 -118-
-118-

p~r ejemplo,
por ejemplo, Monserud*
Monserud* 1980).
1980). Valdra
Valdr1a la pena tratar
la pena de probar
tratar de probar estos modelos
tambien para bosques
tambin bosques mixtos tropicales,
tropicales, pero
pero hasta
hasta ahora
ahora esto
esto no
no se
se ha
ha he-
he-
cho.
cho.

** Monserud,
Monserud, A.
A. and Ek,
Ek, A. 19~0. comparison
A. 19b0. comparison of
of two
two stand
stand growth
growth models
models for
for
northern hardwoods.
hardwoods. Wright HH (editor)
(editor) 1980.
1980. Planning,
Planning, perfomance and
evaluation of growth
evaluationof growth and
and yield
yield studies.
studies. Reuni6n
Reuni6n de IUFRO S4.01.Cornrnenwealth
de IUFRO S4.01.Commenwealth
Forestry Institute, Oxford,
Oxford, Great
Great Britain,
Britain, pp
pp B.
8.
MANUAL DE ESTIMACION DEL VOLUMEN
VOLUI1EN FORESTAL Y
Y PREDICCION DEL

RENDIMIENTO CON REFERENCIA ESPECIAL A

A LOS TROPICOS

APENDICES
APE N D ICE S

Pag.
Pg.

A. Tecnicas estadsticas
Tcnicas estadfsticas yy matemticas
matematicas para
para estudios
estudios

de rendimiento 1

B. trans formaciones comunes

Tablas de transformaciones comunes usadas
usadas en
en los
l os
regresi6n descritos en el texto
modelos de regresin 62

C. Formatos en blanco para registro

regist ro de datos
datos yy clcu
calcu

los texto principal

los descritos en el texto princ ipal 67

D. Bibliograffa
Bibliografa comentada 76
 -1-

APENDICE A
A

Tecnicas estad!sticas yy matemticas

Tcnicas estadsticas matem!ticas para
para estudios
estudio's ' de rendimiento
rendimiento
secci6n
Seccin T!tu10
Titulo Pag.
A.1 gr~ficos
Ecuaciones y grgficos 1

.1 La lnea
linea recta 1

.22 Transformaciones para ajuste de curvas 2

2

3
3 Ejemp10 de aproximacin
Ejemplo aproxirnaci6n de una curva usando transfor-
trans for-
rnaciones l!nea recta
maciones a una linea recta 33

.4 Polinomios para aproximacin

aproximaci6n de curvas 5
5

.5
5 Grficos tres variables
Gr~ficos que contienen tres 55

.6 Ejemplo: Ajuste de una

Ejemplo: una ecuacin
ecuaci6n a un
un sistema
sistema de curvas
curvas
arrnonizaci6n
por armonizacin 10
A.2 Ajuste de curvas por an~lisis lineal
por anglisis lineal de
de los
los mnimos
minimos
cuadrados 14

.11 Regresi6n lineal simple

Regresin 14

.2
2 Regresi6n con dos variables
Regresin variables predictoras
predictoras 17
.3 Transformaci6n ajuste de
Transformacin de datos yy ajuste de curvas
curvas 21

.4 An~lisis
Anlisis regresi6n mltiple
de regresin multiple 25

.5
5 C~lculos para la
Cglculos la estimacin par~metros de un modelo
estimaci6n de pargmetros modele
regresi6n mltiple
de regresin multiple 26

.66 An~lisis
Anlisis de residuales 36

.77 Regresi6n ponderada

Regresin 39

.8
.8 Comparaci6n l!neas de regresin
Comparacin de lneas regresi6n 40

.9
.9 Regresin jer~rquica usando
Regresion jergrquica usando variables
variables condicionales
condicionales 47

A.3
A.3 Solucion de
Solucin de ecuaciones 52

.1 Soluci6ndela
Solucin dela ecuaci6n cuadr~tica
ecuacin cuadrgtica 52

.2
.2 Solucin gr~fica de ecuaciones
Soluci6n grfica 52

.33 Solucion nurnerica

Solucin numrica de ecuaciones 54

A.4 de modelos no
Ajuste de no lineales
lineales 56
 -2
-2--

A. 11 gr~ficos
Ecuaciones y grficos

secci6n trata
Esta seccin trata de
de los m~todos de
los mtodos de expresar
expresar relaciones gr~ficas como
relaciones grficas como ecua-
ecua-
ciones.

A.1.1 La linea recta

m~s simple
El tipo ms simple de gr~fico es
de grfico es la
la linea
linea recta:
recta:

I
I
lAy b=Ay/~
Ay/tli.x
I
--------------' B
Ax
a

o ;-------------------------~x~

Esta puede representarse como

como una
una ecuacin
ecuaci6n por:
por :

y =a+bx
y = a + b x

aa es
es el
el valor de y en el punto
punto donde
donde la
la lnea
linea corta
corta el
el eje
eje yy (es
(es decir,
decir, cuan
cua n
do xx = 0). b es la pendiente de
O). b de la
la lnea
linea yy puede
puede ser
ser convenientemente
convenientemente obteni
obtenI
da gr~fico como
da de un grfico como sigue:
sigue :

(i) Tomar algn

algun intervalo
intervalo conveniente
c onveniente x (por
(por ejemplo, 10
10 unidades
unidades
de
de x)
x) yy dibujar una liqea ~e esa
l i nea AB de esa longitud,
longitud, paralela
paralela al
al eje
eje xx
(ver di ag~ama anterior).
(ver diag-:ama anterior).

(ii) Medir _La

La _ ;Igituday
n gitudAy entre lala linea
linea dibujada y la
la linea
linea paralela
al
al eje y y desde B.
B. Si BC se
se mide hacia
hacia arriba,
arriba, Ayes positiv~; si
Ay es positivo; si
C L -t ~ situado ms
-7t5 m~s abajo
abajo de entonces ~y
de BB entonces es negativo.
&y es negativo.

(iii) pendi ente ~ ,..53ta'

La pendiente as t~ dadadada
por porLy/2Lx.
/"y/Ax. N6tese Nteseque
queAy,A x se
ddy,Ax se miden
miden
en las u:-.idades
un idades dedelos
losejes
ejesy,y, x,x, yy no
no en
en las
las distancias
distancias reales
papel en
sobre el papel centimetr~s.
en centmetros.

Un m~todo algebraico de
mtodo alternativo algebraico de calcular
calcular los
los coeficientes
coeficientes a,
a, bb de
de una
una li
li
es como
nea recta es como sigues
sigue~
 -3-

Y
Y

Y1
I
,
I

,1,
,,
,,,
Y2 ------t-------------------
,
I
'Y2)

,
I
~------L-----------------~~----x

(i) cualquiera sobre

Tomar un par de puntos cualquiera sobre la
la linea, designados
linea, designados
(x1,171) y
por (xl'Yl) Y (x21y2),
(x 2 'Y2)' como
como se
se muestra
muestra en
en el
el diagrama.
diagrama.
(ii) la pendiente
Calcular la pendiente bb como:
c.omo :

b = (Y2-Y1)/(X2-X1)

(iii) Calcular el trmino

termino independiente
independiente aa como:
como:

a ~ yl
a = Yl -
- b xi
xl

A.!.
A.1.22 Transformaciones
Transformaciones para
para ajuste
ajuste de
de curvas
curvas

Muchas relaciones entre

entre variables
variables enen la
la prediccin
predicci6n del
del rendimiento
rendimiento forestal
forestal
tienen forma de curvas cuando se
tienen forma se las
las representa
representa grficamente.
grficamente. El El modelo,o
modelo,o lala
ecuaci6n particular que
ecuacin que representa
representa lala curva,
curva, debe
debe ser
ser conocido,
conocido, si si se
se desea
desea
unarepresentaci6n exacta
efectuar unarepresentacin exacta de
de la
la curva.
curva. En
En la
la prctica,
prctica, el el modelo
modele co-
co-
no es
rrecto usualmente no es conocido
conocido yY slo
s610 es
es posible
posible una
una aproximacin.
aproximaci6n.
Quizas las ecuaciones de aproximacin
Quizs aproximaci6n ms fcilmente ajustables
ms fcilmente ajustables Y y usadas
usadas son
son
implican trasformaciones
aquellas que implican trasformaciones dede las
las unidades
unidades de
de las
las xx 66 y,
Y, pero
pero que
que
dejan la ecuacin
ecuaci6n general enen forma
forma lineal.
lineal. Trasformaciones
Trasformaciones comunes
comunes son:
son:

log10
10glO x logaritrno de base
logaritmo 10
base 10

loge 615 In
loge ln x logaritmo (2.71828 . )
logaritrno de base ee (2.71828...)

l/x
1/x rec!proco
reciproco

V77
rY:' ra!z
raz cuadrada
2
x
x2 cuadrado

Las trans formaciones puede ser aplicadas tanto a

Las transformaciones a la variable x como a
a la va-
va-
riable Y, combinaciones yY curvas
y, para dar varias combinaciones curvas resultantes.
resultantes.
 -4-
-4-

Los c~to s originales

1.a4..o5 queque
originales o bviamente
obviamentenonos oson
n lineales,
lineales, pueden
pueden plotearse
plotearse usando
usando
varias trasformaciones hasta
hasta que sese obtiene una forma
forma lineal.
lineal. El trabajo
trabajo se
se
reduce, si se
reduce, se tiene
tiene alguna
alguna idea
idea del
del tipo
tipo de transformacin m~s conveniente.
transformaci6n ms conveniente.
En la parte principal dede este
este manual, sese indican
indican ejemplos
ejemplos para algunos tipos
tipos
particulares de
de datos.
datos.

A.1.3 Ejemplo de aproximacin

aproximaci6n de una curva usando transformaciones
transformaciones a
a una 11
If
nea recta

La figura A.1.1 (a)

(a) muestra una
una curva
curva que representa
representa la
la relacin
relaci6n entre
entre el v~
el vo
lumen del ~rbol
lumen del di~etro (D).
(V) y el dimetro
rbol (V) (D). Se asume que la curva ha sido
side dibuja-
a mano y
da a se desea expresarle
y se expresarla como
como una
una ecuaci6n.
ecuaci6n.
Del grfico,
grafico, se
se tabulan
tabulan puntos
puntos escogidos
escogidos aa intervalos
intervalos convenientes
convenientes en
en el
el eje
eje
X.
x.

la funcin
Puntos de la funci6n Transformaciones
ori~inal

D
D V
V D2
D2 log DD V
Log V

10 00.05
. 05 100 1.000 -1. 301
-1.301

20 0.20 400 1. 301

1.301 -0 . 699
-0.699

30 0.45 900 1.477 -0.347

40 00.85
. 85 1600 1.602 -0 . 071
-0.071

50 1.50
1.50 2500 1. 699
1.699 0.176
0.176

55 1.90 3025 1. 740

1.740 0 . 279
0.279

tran s fo~aci6n se
La primera transformacin se muestra en en la
la figura
figura A.1.1(b),
A.1 . 1(b), donde
donde VV se
se plo-
plo-
funci6n de
tea en funcin de ID'.
D .. Los
Los puntos
puntos dede la
la curv a original
curva original siguen casicasi una
una linea
recta, pero todava
recta, todav ia 'aparece
aparece unauna ligera
ligera curvatura.
curv atura.
En la figura
figura A.l.l(c)
A.1.1(c) se se muestra otra
otra transformacin.
transformaci6n . En En ambos
ambos ejes
ejes se
se han
han
tornado logaritmos
tomado logaritmos de base 10. 10. Los valores transformados
transformados de de los
los 66 puntos
puntos se-
se-
leccionados se han listado
l istado enen el
el cuadro
cuadro anterior.
a(lterior. Puede
Puede observarse
observarse que
que estas
estas
transformaciones dan un ajuste casi casi perfecto, aa excepcin
excepci6n del
del valor m~s pe-
valor ms pe-
queno,
queo, que est
esta ligeramente
ligeramente sobresobre lala linea.
linea. DeDe esta
esta figura
figura sese calcula
calcula lala pen
pen
diente yy el t~rmino independiente
el trmino independiente de la linea.
de la linea. Tomando
Tomando loslos dos
dos puntos (1301;
puntos (13017
-0.699) y (1.740,
-0.699) (1. 740, 0.279)
0.:279) correspondientes
correspondientes aa los los DD de
de 20
20 yy 55
55 cm,
cm, se
se tiene:
tiene:
,
(0.279 -- (
b = (0.279 ( ;-0.699))/(1.740
,0.699))/(1.740 -- 1.301)
1.301) = 0.978/0.439
0 . 978 / 0.439
:
= 2.228

aa == -0.699 -
- 2.228
2 . 228 x
x 1.301
1 . 301

= -3.597

Asi ecuacion que aproxima

As la ecuacin aproxima la
la curva
curv a de
de la
la figura
fi g ura A.1.1(a)
A. 1.1(a) es:
es:

log10
10g10 V == -3.597 + 2.228
2.228 log10
10g10 DD
 -5-

A.l.l Transformacin
Figura A.1.1 Transformaci6n de una curva dibujada aa mana mano para obtener una
aproximaci6n una linea
aproximacin a una l!nea recta.
recta. (a)
(a) Curva
Curva original
original concon los
los puntos selecciona
el c~lcu16
dos para el cglculo ' de los transformados. (p)
los valores transformados. (b) Transformaci6n del eje
Transformacin del
xx al cuadrado!! de los
al tomar los cuadrados los puntos seleccionados
seleccionados.. .. (c.)
(c) Transformaci6n de
Transformacin de
los ejes x e y al
al tomar
tomar logaritmos
logarl tmo,s de
de base
base 10
J:O de
de los
los puntos
puiitos seleccionados.
seleccionados.

-:, .. "........

(a) .' ,
(a).-
,v
.. t . 2
."

D
10 20 30 40 50 60

(b)
(b)
2
v

D2
1000 2000 3000
(c) log V
0,5

log D
0,0

0,5

-1,0

1,5
 -6-
-6-

A.1.4 para aproximacin

Polinomios para aproximaci6n de
de curvas
curvas

Las ecuaciones que contienen slo

s610 dos coeficientes son convenientes
convenientes para la
aproximaci6n funciones, porque pueden ser
aproximacin de funciones, ser dibujadas como
como lineas
lineas rectas
rectas
con las transformaciones
trans formaciones apropiadas.
apropiadas. Sin
Sin embargo,
embargo, algunas
algunas formas
formas de
de curvas
curvas no
no
pueden ser tratadas de esta manera.
manera. En este caso, tecnica de
caso, la tcnica de ajustar un
cuadr~tico o
polinomio cuadrtico 0 cbico
cubico aa la funcin
funci6n puede proporcionar buenos
buenos resulta
resulta
dos.
dos. -
Un polinomio es una
una ecuacin
ecuaci6n de
de la
la forma:
forma:
2 3 n
yy = b0
b + blx
o b 1 x + b2x2
b 2 x + b3x3
b 3 x + ... +
+ bnxn
bnx

donde
donde nn es el orden y bi los coeficientes.
coeficientes. Mientras mayor sea el orden,
orden, ma-
ma-
yor funci6n. Por otra parte,
yor la flexibilidad de la funcin. parte, polinomios de sup~
de grados supe
riores
riores son dificil de de ajustar
ajustar por
por tcnicas
tecnicas manuales.
manuales.
cuadr~ticos (2'orden)
Para polinomios cuadrticos (2orden) o
0 cbicos
cubicos (3er orden), los c~lculos
(3er orden), clculos rna
ma
nuales
nuales de
de los coeficientes es posible realizarlos en unos 30 minutos minutos cona0Q
conayE
da
da de una m~quina
de una funciones (+,-,x,:).
mquina calculadora de 4 funciones (+,-,x,:). Se provee un formato
formata
(Formato
(Formato A.1)
A.1) para ayudar al
al usuario.
usuario. El
El formato
forma to muestra
muestra el
el ajuste
ajustede
de una
ecuaci6n
ecuacin cubica
cbica aa la linea de la figura
figura A.1.2.
A.1.2. Se toman cuatro puntos de la
funci6n
funcin aa ser ajustada yy se anotan en el cuadro (1) (1) del formato.
formato. Los puntos
no
no necesitan estar ordenados, peropero es
es deseable
deseable que:
que:

(i) la funcin
cada extremo de la funci6n est
este representado
representado por
por un
un punto
punto (ef
(el:
este caso, xl y x ).
caso' x1 3
x3).

(ii) x4 ~
no debe
debe ser punto extremo,
extremo, si se quieren calcular los
los coefi-
Clentes
cientes de la ecuaci6n cuadratica,
ecuacin cuadratica,

(iii) los
los otros
otros puntos
puntos deben estar m~s
deben estar ms 0o menos
menos regularmente
regularmente espacia-
espacia-
dos.

( iv) Si
Si s610
slo se
se desea ecuacin cuadr~tica,
desea calcular la ecuaci6n cuadrtica, tres
tres puntos
puntos
son suficierites .
son suficientes.

En
En el se explican
el formato A.1 se e xplican los c~lculos necesarios.
los clculos necesarios .
Las curvas cuadr~ticas
Las curvas cuadrticas yy cbicas
cubicas suministran un medio til
util de aproximar cur-
vas
vas dibujadas
dibujadas aa mano
mano por una ecuacin.
ecuaci6n. Cuando se utilizan,
utilizan, deben tenerse en
cuenta los siguientes detalles:
detalles:

(i) Comprobar siempre los c~lculos y la

los clculos la adaptabilidad
adaptabilidad de las
las curvas
curvas
dibujando las funciones sobre
sobre la
la curva
curva original.
original. Normalmente
es
es preferibl e comenzar por ajustar la ecuacin
preferible cuadr~tica. Si
ecuaci6n cuadratica.
esta
sta no es suficientemente precisa, se se calculan
calculan los
los coeficien-
coeficien-
tes
tes de ecuaci6n cbica.
de la ecuacin cubica.

(ii) No utilizar nunca una

una ecuacin
ecuaci6n polinomial para
para extrapolar m~s
extrapolar ms
all~
all de
de los
los dos ajuste : Si se nece
dos puntos extremos usados en el ajuste.
sita
sita extrapolar, despues-
extrapolar, se extiende la curva a mano primero y despus
se
se ajusta una nueva ecuacin
ecuaci6n con
con nuevos
nuevos puntos
puntos extremos.
extremos.

A.l.S
A.1.5 Gr~ficos
Grficos que contienen tres
tres variables

Todos los gr~ficos

Todos los grficos considerados en
en los par~grafos anteriores
los pargrafos anteriores relacionan
relacionan una
una
 -7-

Figura A.1.2
Figura A. 1. 2 Aproximaci6ndedeuna
Aproximaci6n una curva
curva dibujada
dibujada a mano por un
mano por un polinomio
poli.n omio de
de
tercer grado
tercer grado (Ver
(Ver formato
formato para
para clculos
cAlculos A.1)
A.1)

y
Y
25-
25

_~J _____________________________________- - -
20-
20 _~1. __________________________ _

Y2
-------------------
15-
15

10
10 - Y1
-------- ,
I
I,
5
5 -
1,,
1
,
1
,,
I

,I I
I.
IX! P'2 X3
x
5 10 15 20 25
 -8-
-8-

Formato
Formato A.1 cuadr~tica o
A.1 ' Coeficientes para aproximar una curva cuadrgtica cGbica
0 cbica

Obetivo:Calcularloscoeficientesb.en
Objetivo: las
Calcular los coeficientes b en
i
lasecuaciones:
ecuaciones:

Y = b0 + bl x+ b2
X2 + b3 X3 cGbica)
(curva cbica)

6
Y = b O + bl X + b2 X2 (~ cuadr~tica)
OMNU cuadratica)

Las casillas marcadas <> c~lculo de la curva cuadr-

no se requieren para el clculo cuadr~
tica.
(1)
(1) los datos de
Tabular los de 33 6 44 puntos para la
la funcin
funci6n y calcular
calcurar cuadrados
cuadrados '
cubos.
y cubos.
y

ii 1 22 3
3 4
4

Y.99
Yii
X1
Xi
q .t .4.4 46.0
.tCO 2,1.0
':U.O <> ~IL4

5 40
~o 2.0
.2.0 ~
-5. 4)'
4S-

x~2
x.1i 22S"'
< ..) loo
ioo Ltoo
400 <>
<> 225
2:1,S-
)01 <> iizs-
X~3..
~ ~S' o i000
<> iooO o s?000
<> fooD 3375
o 33'15'
<>

(2)
(2) Del cuadro (1)
(1) calcular
calcular las
las diferencias
diferencias siguientes:
siguientes:

iYYi+1
i i+1 --YYii Xi+1
X. X - X.
X,1i 2
X2
Xi+1
i+1
_ x22
- X.
ii
3
X3
Xi+1
i+1
- X~i1
- X3

11 6.?
b.g 5
'5 'U; <>
<> 8.
~1S"'
4s-

2 5
5' 10
10 3o0
300 <>
42' iooo
700o
3
<>
.e>.
-I.0,
-I. <> -5
'~'' -5
<> -14
4> - i t:fS"
5" <> - 4 {'2,s"

(3)
(3) Del
Del cuadro (2) construir los
cuadro (2) t~rminos mostrados en
los trminos en el
e1 cuadro
cuadro siguiente,
siguiente,
de acuerdo
acuerdoa alas
1asdefiniciones:
definiciones:

ii uu.ii v.1
vi W.
wi ui= (Yi+1 -
1 Y1)/(X+1 - Xi)

d.:36b
1,'?> 45
l5' <>
1 115
115.
vi= x2i ) / ( xi+ - X1)
2 0.5
O.S 3D
30 .1'
-0
7oo
':(.00
-0.
O.3~ <> 35
<> <> lf~S-
(X~+l
1+1 - ~)/(xi+1
..,
33
.:> 0.3:4., '''' '125" w.= (X.
Wi=
i
3 3
- X.)/(X.
i
- x.)
1+1 - Xi)
i

sigue/ .
sigue/...

,
 I

-9-
-9-

A.l
Formato A.1 (continuaci6n . )
(continuacin...)

(4) Del cuadro (3)

(3) calcular
calcular los
los trminos
terminos del cuadro
cuadro siguiente,
siguiente, de acuerdo
acuerdo a:
a:

13.=(11i+1-11')/(v*1
1+ -y )

qi (wi.+1 wi)/(vi-fi vi)

ii v.
vi1+1
-V.
+ l - vii i p.
Pi q.
qii
<> 3,
1 d1S"
5 o-O.On~~
05133 3
<> <> ~
'-is"
liS.
2 55 4> - O.03b
0.036,

(5) los coeficientes

Calcular los coeficiente s de
de acuerdo
acuerdo aa las
las siguientes
siguientes frmulas:
f6rmulas:

Coeficientes Ecuaci6n ctibica

Ecuacin c5bica Ecuacin
Ecuaci6n cuadrgtica
cuadratica

(P q Ninguna
b3 2 -Pl) / (q2- l)
(12-P1)/(q2-q1)
= 0.002i33
O. oIl2.B3

b2 131 - b3c11 Pi

= 0.4320 =

l - b 2 v l - b 3wl
uul
b1 - b2v1 - b3w1 u1 - b2v1
= .2.. (16 f =

22 3 , v2
b0 Yl-blXl-b2Xl-b3Xl
Y1-b1X1-b2X.1-b3X1 Y1 - blX1
= 2.59Gj 55"
- 2.59 =

* * * * * * * * * * * * * * **
 -10-

variable y con una variable x.

x. Muchas relaciones
relaciones comprenden una tercer
tercer varia
ble, que puede ser
ble, ser llamada
llamada variable
variable z.
z. El
El grfico
gr&fico puede tener
tener la
la siguiente
siguiente
apariencia:
apariencia:

y
Y

Aquf, cada
Aqu, cada nivel
nivel de
de zz (zl,z2,z3,etc.)
(z1,z2,z3,etc.) constituye
constituye una relaci6n
relacin distinta entre
xx ee y.y. Tales casos son comunes
comunes con
con curvas
curvas de Indice
indice de sitio
sitio donde
donde la al t~
la alti
ra (y)
(y) depende
depende de
de la
la edad
edad (x)
(x) para
para diferentes
diferentes niveles
nivelesdedeindice
fndicededesitio
sitio(z);
(z);
oo con curvas del
del volumen
volumen o0 rea
&rea basal
basal dependiendo
dependiendo de de la
la altura
altura (x)
(x) y densi-
dad del rodal
rodal (z).
(z).
Tales sistemas de curvas, dibujadas
dibujadas aa mano
rna no aa travs de los
trav~s de los datos,
datos, puede
puede ser
ser
necesario expresarlas como como ecuaciones,
ecuaciones, para
para propsitos
prop6sitos de
de clculos
c&lculos o0 de
de ta-
ta-
bulaci6n,
bulacin, 0o para utilizarlas en un programa de computacin,
computaci6n, o 0 simplemente pa
ra
ra conveniencia de comunicacin
comunicaci6n yy anlisis.
an&li s is. -
El de curvas
El sistema de curvas puede
puede expresarse
expresarse como:
como :

(i) una serie de ecuaciones separadas,

separadas, con
con una relacin
relaci6n diferente
entre
entre las x e y,y, para cada nivel de z;
z;

oO bien:

(ii) como
como una sola ecuacin
ecuaci6n en
en la
laocual
cual zz entra
entra como
como otra
otra variable.
variable.

El
El primer m~todo puee.....
primer mtodo p u e u L conducir al al
conducir segundo
segundopor
porelelproceso
proceso llamado
llamado armoniza-
armoniza-
ci6n.
cin. Los
Los conjuntos de ecuaciones del primer tipo tipo tienen
tienen dos
dos desventajas:
desventajas:

(i) No hay modo de determinar un

un valor de
de yy para
para un
un valor
valor de
de zz in-
in-
termedio entre los
los niveles
niveles escogidos.
escogidos.

(ii) Se
Se requiere un gran ndmero
ndmero de
de coeficientes
coeficientes para
para describir
describir elsis
elsis
tema
tema de curvas.

Por eso se prefieren las ecuaciones del

del segundo
segundo tipo;
tipo; son
son ms
m&s concisas pu~
concisas yy pue
den
den usarse para calcular y para cualquier
cualquier valor
valor dado
dado de
de x,
x, zz (dentro
(dentro del
del in-
in-
tervalo del sistema
sistema de
de curvas).
curvas).
El
El ejemplo que sigue muestra como
como puede
puede construirse
constru1rse unun sistema
sistema dede curvas
curvas ar-
ar-
monizadas. principio general
monizadas. El principio general contempla
contempla graficar
graficar los
los valores
valores de de los
los coefi-
coefi-
cientes contra los niveles de lala variable
variable z;
z; para
para cada
cada coeficiente
coeficiente se se deduce
deduce
una
una nueva expresin
expresi6n para predecir el
el valor
valor del
del coeficiente,
coeficiente, dado
dado un
un valorpar
valorpar
ticular de
de z.
z. -
 -11-
-:11-

A.1.
A.1.66 Ejemplo: Ajuste de una ecuacin
ecuaci6n aa sistema de
un sistema de curvas
curvas por
por armoniza-
armoniza
ci6n.
cin.

La figura A.1.3 muestra

muestra un
un sistema
sistema de
de curvas
curvas dede altura
altura (H)
(H) en funcin
funci6n del
del dig
'di
(D) para
metro (D) para arboles
rboles individuales
individuales enen cuatro
cuatro clases
clases diferentes
diferentes de
de edad
edad (A):-
(A).-
Las curvas originalmente fueron
fueron dibujadas a mano.mano.
La primera etapa consiste
consiste en ajustar una ecuacin
ecuaci6n separada
separada para cada
cada curva.
curva.
Se decide usar una
una funcin
funci6n cuadrgtica
cuadrtica como ecuacin
ecuaci6n de aproximacin.
aproximaci6n. Los
Los cgl
cl
culos,
culos, no mostrados, contemplan seleccionar
mostrados, contemplan seleccionar 33 puntos parapara cada linea y cal-
cal=
cular los coeficientes de acuerdo
acuerdo alal m~todo forma to A.1.
m4todo del formato A.1. Los puntos se-
se-
estn marcados en la
leccionados estgn la figura
figura A.1.3.
A.1 . 3. El siguiente
siguiente cuadro contiene
contiene
los coeficientes
los coeficientes para
para cada
cada clase
clase dede edad:
edad:

edadO
edad

5
de
Clase de
b

2.2
o
Coef icien tes
Coeficientes
bb1
1

1.0625
b
b22

-0.0219

10 6.6 1.0500 -0.0250

15
15 9.8 1.1375 -0.0281

20 12.5 1. 2750
1.2750 -0.0313

reducir el
Con el fin de reducir el sistema
sistema dede cuatro
cuatro ecuaciones
ecuaciones cuadrgticas
cuadrticas aa unun siste
siste
rna unico,
ma 5nico, los
los coeficientes bi deben hacerse dependientes de la edad.
de la edad. La
La -
forma
forma de
de esta dependencia puede ser ser vista mejor sisi se
se grafican los
los coeficien
coeficien
tes en funcin
tes funci6n dede las
las clases
clases de
de edad
edad (figura
(figura A.1.4)
A.1.4) -
De dicha figura
figura puede
puede observarse
observarse que
que la
la relacin
relaci6n entre b o yy la
entre bo la edad
edad es
es una
una
suave, mientras que
curva suave, que bl
b1 versus
versus edad
edad es
es una
una curva
curva mgs pendiente yy asim-
ms pendiente asime-
trica;
trica; b2
b2 vversus
ersus edad aparece casi exactamente lineal. calc~
lineal. Las ecuaciones calcu
ladas
ladas para estas tres curvas (usando
(usando nuevamente
nuevamente elel formato
forma to A.1)
A.1) son
son las
las si--
si-
guientes :
guientes:

b = -0.0187 1 . 153 A
-0.0187 + 1.153 A -
- 3.100
3.100 A2 (1)
(1)
O
bo
-5 3
b =
bl
1
= 1.225 0.0508 AA ++ 0.00400
1.225 -- 0.0508 A2 -- . 6.67
0.00400 A2 6 . 67 xx 10-5A3
10 A (2 )
(2)

b2
b 2 = -0.0188
-0.0188 -
- 0.000627
0 . 000627 A
A (3)
(3)

ecuaci6n general para

La ecuacin para las
las lneas
lineas de
de la
la figura
figura A.1.3
A.1.3 es
es la
la ecuacin
ecuaci6n cuadra
cuadr
tica, como la seleccionada previamente, con
tica, con la
la forma:
forma:

H = (4)
(4)
bO + blD + b2D2

Los valores dde e los coeficientes de lala ecuacin

ecuaci6n (4)(4) pueden
pueden obtenerse ahora
ahora
para cualquier edad entre los limites 55 yy 20
los limites 20 usando
usando las
las ecuaciones
ecuaciones (1)
(1) a (3).
Este
Este es
es un ejemplo complejo de armonizacin,
armonizaci6n, intentado
intentado para
para ilustrar
ilustrar lala vi-
vi-
ssin
'i6n global de los principios involucrados.
involucrados . EnEn la prctica
practica se aceptan a me-
nudo algunas simplificaciones
nudo simplificaciones.. Por ejemplo,
ejemplo, en elel caso
caso anterior,
anterior, una
una aproxi
aproxi
maci6n
macin muy cercana a a la funcin
funci6n original dibujada a a mano puede
puede obtenerse
obtenerse si-
se utilizan valores promedios de b1
se b 1 y b2,
b2, dejando solamente
solamente aa bo
bO como
como una
una
funci6n de la
funcin lineal de 1a edad:
edad:

bo=a0 +a1A
 -12-

Figura A.1.3
A. 1.3 Curvas dibujadas a a mano de la
la altura sobre el di~etro para di
e1 digmetro
ferentes clases de edad,
ferentes edad, para ser cuadr~ticas ar=
ser aproximadas con ecuaciones cuadrgticas ar=
(ver ejemplo
monizadas (ver ejemplo en
en el
el teXto).
texto).

H
30
30-

A
20
25
25-

.~ _ _ 15
15

20
20-

10
15
15-

10
10-

5
5_

D
o
o
4 8
8 12 16 20
 -13-
-13-

Figura A.1.4 Valores de los coeficientes ploteados

ploteados contra
contra clases
clases de edad A
de ecuaciones cuadra-ticas
de las ecuaciones cuadraticas ajustadas
ajustadas aa las l1neas de la figura
las lneas figura A.1.3.
A.1.3.

b
{al
(a) o
14
14

12
12 .... "", .....
/ .
.-
,,/
/

10 /
/
,/
/

8
8

6
6 ,.
./
./ /
,.-- --
/
/
/
44 ./
///'
./'
2
2 I A
A
55 10
1:0 15 20
{bl
(b)

1. 250
1.250
b
b11
I
,,.
I
I
I
I
I
1.200
1.200 I
I
I
,
.'
/
11.150
. 150 I

,
I

/
1.100
1.100
,, /

/
,-- /

1.050
55
------ 10 15
1.5 20
20
A
A

{cl
(c) -0.020 b
2
-0.022
'" ,
-0.024 '"
' ........
'.,
-0.026
0.026 "
" ..............
"
-0.028 '., ,
....
-0.030
0.030 " ....
. ",....
.....
-0.032 A
A
55 10 15 20
 -14-

1a ecuaci6n general, sustituyendo

la ecuacin sustituyendo para
para bo,
b O' serg:
ser~:

H= a0+ a1A + blD + b2D2

Este modelo no da unun ajuste perfecto (como

(como sisi lo
10 da el sealado
senalado anteriormen-
tel pero el error
te) error dentro
dentro del
del intervalo
intervalo de
de la
la funcin
funci6n dibujadaa mane estg
dibuj~a mano den-
est~ den-
tro de 1/2 mm de la
la altura predecible,
predecible, que es aceptable,
aceptable, considerando que loslos
datos originales estaban dispersos yy consecuentemente
consecuenternente laslas lineas
lineas dibujadas aa
sujetas aa ciertas
mano sujetas ciertas incertidumbres.
incertidurnbres.
Como
Como en el caso de los
los polinomios,
polinomios, las
las funciones
funciones armonizadas
arrnonizadas no
no deben emple-
ernple-
arse
arse para extrapolar.
extrapolar. Si lala extrapolacin
extrapolaci6n es necesaria,
necesaria, dibujar a mano elcon
eloon
junto de curvas extendindolas
extendiendolas para cubrir
cubrir el intervalo deseado . y recalcu--
lar todos
todos los coeficientes de la funcin
funci6n dede aproximacin.
aproximaci6n .
 -15-

A.2 Ajuste de curvas por

por anlisis
an&lisis lineal
lineal de
de los
los mnimos
mfnimos cuadrados
A.2.1 Regresi6n
Regresin lineal simple
an&lisis de
El anlisis de regresin
regresi6n lineal
lineal es
es tratado
tratado en
en muchos
muchos libros
libros de
de texto
texto con
con gran
gran
detalle y numerosos ejemplos
ejemplos (Snedecor,
(Snedecor, Draper
Draper && Smith,
Smith, Seber,en la
la biblio-
graffa).
grafa). El proposito aqu! es de dar solamente
propsito aqu solarnente una gula
gufa sencilla de las
las ide-
ide-
as fundamentales, los clculos
as fundamentales, c&lculos bsicos
b&sicos y los parmetros
Y los par&rnetros estadsticos
estadfsticos m&s esen
ms esan
ciales.
ojales. -
An&lisis lineal de
Anlisis lineal de los
los mnimos
mfnimos cuadrados
cuadrados eses un
un nombre
nombre ligeramente
ligerarnente ms
m&s preci-
preci-
so que
que an&lisis regresi6n lineal.
anlisis de regresin lineal. Se refiere a una tcnica
t~cnica para ajustar
ecuaciones predictivas aa datos
datos originales
originales (esto
(esto es,a
es,a observaciones
observaciones nono suavi-
suavi-
zadas), basada en el principio de minimizar la
zadas), la suma
surna de cuadrados de las las des
los puntos
viaciones entre los puntos yy una
una lnea
lfnea recta.
recta. Cuando
Cuando los
los supuestos,
supuestos , que
que se
se -
citan .a continuaci6n, se
a continuacin, se cumplen
curnplen plenamente,
plenamente, los
los parmetros
par&rnetros (coeficientes)de
(coeficientes}de
la
la ecuaci6n
ecuacin ajustada sern
ser&n loslos m&s correctos, en un sentido estadstico.
ms correctos, estadfstico. Si
los supuestos no se satisfacen,
los supuestos satisfacen, el m~todo seguir& dando estimaciones de los
mtodo seguir
par&metros, pero
parmetros, perc no sern
ser&n los
los mejores obtenibles;
obtenibles; mejores
mejores estimaciones
estimaciones dede los
los
par&rnetros
parmetros podrfan obtenerse por
podran obtenerse por las
las "ecuaciones
"ecuaciones de de mxima-verosimilitud"
m&xima-verosimilitud" pa pa
ra la clase particular de de problema
problema envuelto.
envuelto. Este
Este ultimo m~todo est
altimo mtodo est& fuera
fuera -
ap~ndice.
del apndice.
del alcance del
La definicin
definici6n del tipo
tipo ms
m&s simple
simple de
de problema
problema dede regresin
regresi6n puede
puede mostrarse
con ayuda de lala figura A.2.1.
A.2 . 1. Implica
Implica una
una relacin
relaci6n entre
entre dos
dos variables,
variables , x,
x, y.
~
Se asume
asurne que la variable xx va va aa ser
ser utilizada
utilizada para
para predecir
predecir lala variable
variable y.
y. El
El
estad!stico es:
modelo estadstico es:
; a ++ bx
y = e
bx ++ e.i
(1)
(1)

donde los ei son las

las desviaciones
desv iaciones aleatorias
aleatorias entre
entre cada
cada punto
punto yy la
la linea.
lfnea. En
En
figura A.
la figura 2.1 , la linea
A.2.1, l!nea continua
continua representa
representa la
la parte
parte
y = a + bx

usualmente llamada ecuacin

ecuaci6n de
de regresin.
regresi6n. aa yy bb son
son los
los coeficientes
coeficientes de de esta
esta
ecuaci6n,
ecuacin, cuya estimacin
estimaci6n aa partir de
de los
los datos
datos eses el
el propsito
prop6sito primario
primario del
del
an&lisis
anlisis.. Los
Los ei se denominan 'residuales'
'residuales' yy representan
representan la la distancia
distancia verti-
verti-
cal
cal entre los puntos y la linea.
l!nea.
supuestos hechos
Los supuestos hechos en
en una
una regresin
regresi6n lineal
lineal simple
simple son:
son :
(i) es verdaderamente
El modelo es verdaderamente lineal,
lineal, como
como lo representa la
10 representa la ecua-
ecua-
ci6n (1)
cin (1) y no curvilneo
curvilfneo en
en ning5n
ningan sentido.
sentido.
(H) Los residuales se
se distribuyen
distribuyen normalmente,
normalmente, con
con varianza
varianza constan
cons tan
todo el intervalo
te en todo intervalo de
de los
los valores
valores xx bajo
bajo consideracin.
consideraci6n .
(Hi) Los residuales son
son independientes
independientes entre
entre sf; est~n correlacio-
no estn
si; no correlacio-
agrupados en
nados ni agrupados en manera
manera alguna.
alguna.
( iv) Los valores de
de los
los puntos
puntos de
de muestreo
muestreo en
en el
el eje
eje xx pueden
pueden deter-
deter-
minarse exactamente.
exactarnente.
c&lculos requeridos
Los clculos requeridos para
para los
los diferentes estadsticos an~lisis de
estad!sticos del anlisis de
regresi6n
regresin lineal se muestran en en el
el formato
formato A.2,
A.2, que
que reproduce
reproduce unun formato
forma to de
de
Dawkins (ver
(ver bibliograf!a detalles) con
bibliografa para detalles) con los
los datos de trabajo
trabajo mostrados
en la figura A.2.1.
A.2 . 1. Los
Los estadsticos
estad!sticos ms importantes son
m~s importantes son los
los coeficientes
coeficientes(lf
(11
11 y 12),
neas 11 12}, el cociente
cociente entre
entre varianzas
varianzas (linea
(l!nea 18),
lS), el
el coeficiente
coeficiente de de~
de de-
 -16-

Figura A.2.1 regt~~i6n lineal

Un modelo simple de regresi6n ~ineql alustado
aiu~tado aa los
los datos

Linea de regresin
L!nea y =~ a +
reg1'"~si9n y b~ .

de confianza
Intervalo de confianza al
al nivel
nivel del
del 95%
95%,

E) Punto correspondiente a
a los valores promedios de los
los
da tos x e y
datos

50

40

30

20

10

o x
10 20 30 40 50
 -17-

Formato A. 22 C~lculo
Cglculo de
de estad!sticos
estadsticos de
de una
una regresi6n
regresin lineal
lineal simple
utilizando el Statform 11 de Dawkins, 1968 (reproducido con
1968 (reproducido con permiso).
permiso).
Los datos son
son los mostrados
los mostrados en
en la
la fi
figura A.2.1.
ura A.2.1.

Li~~AR ':',~G~~~S::;~
t--
f...illf
Liste
LINZAR ;nd COa:t2LA"!10X
and C0.7.2.:12LATION
I
Nlwrc ofche
Nature of Obsvrvac.:
obscrv~ltio!\s: Ob
the observations: S"'- v.:l c..:~~ \";FW(CdS
rvt S~ 11.. coi-e`.4i(As cJt~/.,l.:~-t;.,
qtf u/re- / d.....
!
Dependent
Dependent or kit-hand
lef,-h,lId variable, y:
variJble. y:
arbolt-j
r ti o fes ij>1J.i "iJII~S".
v.tc1;vitItixt2s-
~
J +""" ~ , .,
(;It
4 Indepcndent
InJependent or right-hand
righ,-bnd variable,
vari.ble. x:
X: cJ<~iio;
c)1, c.m
c_ 0,1 . .
5
6 Sums
Sums of squares ~nd
of s'luan.-s prodllcu.
and products. - ..---~----
In = oairs of observations
?:J.irs ot observltions
+ (!'y)'
(..ry)2 - 6o Si 6
605"16 EyXIx
1:yx.!'x = 6b i l! '!-to -x 2 =
(Ex)' - b35"oL!
3 5-0 4 y
77
~ 1:y~ -
Zy2 tH~ Eyx -
1:yx _~.n rx2
Zxz -= 8i~~
Ri3L1
Y
-x
?O~b6
1ii l3
99 (fy)2/n
(!'y)'/1l -= 6124
6 2, 1-1 EyExtri
1:y1:x/n =
= P~'l
6 8 (1:x)'/n =
pxyin -
(0 SSy
SSv - qCl'l4 SPyx
SPyx -= ':IS".!
5-.1 SSx - l.o"-1f z.z.
12-
It
E .2 Ja_
/16 21
II
11 LineJr
Linear Coefficient;Sl'yx/SSx
{Cociii.:ient; S l'yx/SSx == . 0 81'.z.~ - b
12
12. regn;ssion
rl.
' f;: ..'ssiol1 Cons:,nt:
Constant: y bi" - _.2..';)
_.2 ...3 1'1 L_
I t__.. - 4a
2z
Z2. 2.~
e 3 g. 1 6 z..Cj
2-q 35
lJ
13 Regrosion
Rl.:'gCl SS -=
..:osion 55 SPyx =
bx Sl'yx - I1H."b
14 Total SS
TOOl! SSis theSSy.
'is ,ho SSy.To Total d.f.-= 11-1 -=
.. l d.f. __e _--.8 3L
~Y ~2,
15 Resal SSSSand
Red".1 ,dd.fd.t.
obtained
ob .. inedbybysubtraction.
subtraccioll. H
,2. 2S"
5-
16
6 ....
ANO ,'((WAR
VAR Variar.ce
Varimcc Tablc
Table 42- 4) Li

17 Si~.;:("e
So.:ree SS d.f. MS
lli ratio E. yl.; 440
o
18
IR Regression ___9..3-'. . ~ b... -~-- r-_n~o
$39 0 31.-'3 2H.2>
c .2 S'

I~ Residual
Re$idual r--"1---_._
sS.Olj. - 1
.--. n. JLj
2_2.14 v- o.J
0.4
2po TOIlI
Total . Y'I4.0 0 B
21 Coefficicnt of determination,
Cocrlicicnt of rZ.
determinoltioll, r2,.
22 RegressionSSfT"
Rqressiol1 SS/Total
..1 SSSS = - J3.j_,...i.CUL...:=_2...:..~= g
r2
23
~3 Cc.:fiicicnt
Coefficient of iincar corrcl:ltion,
of linear correlation, r,r.
24 r - ./T- .. _Q.,.3_7.1.9 ..1.:1..._with Si~ll as
wi,h sign for bb
as for
2$
2$ Residualscand.rd
Residual standarddeviation
deviacion -= VRcsid. MS
-/Resid. - ..l!.
MS --,-- 4. ~j = SD. SD.resid.
res;d. -
26 Coc6kient of
Coefficient ofresidual
residual variation =
v.riation % = toox
100XSDSDrcsid./7
resid.lr = J... qv. = CV%
..214_971.= CV% 1:y 1:"
samplcs== SD
, f. 51"
resid., Vii' = '.J.&
"
27
~7 Standarderror
Standard crror for
for random
random samples SD resid./ =
- SE.
SE.rcsid.
resid. ~4' 2,-2,
28

29
Student's tt for 11-2 d.f.
. S,udents
Sampling
d.t: and
error%c'!- = tootY,
S.lmplin~ error
P.os is
and P.05 is a2..36
3 6

SE.rcsid./Y
toocX SE. resid.T -= 0.6
.._
O.._.M
ro~ =
..M_.Q - EO~
Y ') "28'
n. I
JO
3 Standarderror
Sc.ndud error of
ofthe
thecoefficient
coefficientb bis is
.,;VItcsid. MSiSSx
Resid. MS, SSx -= 0.1'133 =
- SEb
SEb
JI
31 Its
Irs t-rltio blSEb. or
t-ratio is b/SEb, or v'v.ln:mcc
Vvariancc ratio,
r.ltlo, - iH __ =
- t-ratio
t .. ratio

p
32 Confidence limits
limit:i for
(or estimation of y from
from observations
obscrv.ltions of x; if Ji, observations
of x; taken of
O:'SCrvltiO!"oS are taizen h::.\'i::;
of x, having
31
33 a mean
mean of
ofx',
x'. thcre
,here arc
arc in possibleestimates
11\ possible estimaresofofy.y.Confidence
Confidencelimits
limitsforfor,hoir meany'y'(=yl"')
theirme.n (=Eylm) ",e:
are:
H
34 y' -1-_-tX
y' tX SD.SD. residx
resiuX
v...L
..!.'+ .!. ~2
7 --1-(X.'"V
. ssx
x -x)
SSx
JS
35 11/ II

Statform Commonweahh Fores:,7 Instituir, 0Aford r96$

,.
 -18-

terminaci6n r2
terminacin r2 (lnea
(linea 22),
22), la
la desviacin
desviaci6n standard
standard residual (linea
(linea 25)
25) y los
los
l!mites de
limites de confianza
confianza dede la
la prediccin
predicci6n (lineas
(l!neas 32-35)
32-35)
Los
Los valores r2
r2 y 'la
la desviacin
desviaci6n standard
standard residual son atiles dtiles para lala compara
compara
ci6n de regresiones.
ojn regresiones. Mientras m~s elevado
Mientras ms elevado sea
sea r2, m~s precisa
r2, ms precisa es
es la relaci6~
la relacin.
5i r2
Si r2 es uno,
uno, los
los residuales
residuales sonson .cero los datos coinciden exactamente con
cero y los con
linea. Similarmente,
la linea. Similarmente, mientras ms m~s se
se aproxime a cero la la desviacin
desviaci6n stan-
stan-
dard residual, m~s precisin
residual, con ms precisi6n la la regresin
regresi6n predice los valores de y. y. Los
intervalos de confianza de la la linea
linea de regresin
regresi6n muestran los los limites
limites dentro
de los cuales el verdadero promedio de un ndmero
de los namero seleccionado
seleccionado de valores y
deber!a caer.
debera caer.
5e
Se observa que lala lnea
linea de regresin
regresi6n siempre
siempre pasa
pas a por el punto determinado
los valores
por los valores promedios
promedios dede xx ee y.
y. La
La forma
forma de
de las
las bandas
bandas dede confianza
confianza eses
curva, r~pidamente a medida que se
curva, y se ensancha rpidamente se sale
sale del intervalo
interv alo de los
los da
da
tos
tos utilizados enen la
la regresin.
regresi6n. .
La variable xx en
en un an~lisis de
un anlisis de regresin
regresi6n sese denomina
denomina variable
variable independiente
independiente
provee la
o predictora,pues provee la base
base sobre
sobre lala cual
cual se
se hacen
hac en las
las prediciones.
prediciones. LaLa
variable yy es
es llamada
llamada variable
variable dependiente
dependiente o0 de
de respuesta;
respuesta; se se asume
asume que
que es
es
controlada en algn
algun grado por el nivel de la la variable
variable predictora.
predictora.

A.2.2 Regresi6n con dos variables predictoras

Regresin
regresi6n con
La regresin con dos
dos variables
variables predictoras
predictoras asume
asume el
el modelo
modelo

Y = b0 + b1X + b2Z
donde X, X, Z son las
las variables predictoras conocidas,
conocidas, e e Y
Y es la variabl
variablee depen
diente; los
diente; los bi
bi son
son los
los coeficientes
coeficientes aa determinarse.
determi narse. L'Los
o s supuestos y princi-
princi--
pios generales son son los
los mismos que
que los
los de
de la la regresi6n
regresin lineal simple.
simple . Loscoe
estad!sticos de
ficientes y estadsticos de este
este modelo
modelo pueden ser calculados
calculados aa mano,
mano, aun--
m~todo es
que el mtodo es algo m~s laborioso
algo ms laborioso que
que para
para lala regresin
regresi6n lineal
linea l simple.
simple . Es
Es
un
un modelo dtil pa~'a ajustar
atil para ajustar una
una variedad
variedad de
de curvas,
curvas, como
como se
se vve
e en
en la secci6n
seccin
A. 2 . 3.
A.2.3.
~ l fo r mato A.3
formato A.3 muestra como se se efectan
efectuan los c~lculos . El ejemplo
lo s clculos. ejemplo utiliza
utiliza les
l os
datos de la la figura
figura A.2.1
A.2.I yy del
del formato
forma to A.2,
A.2, para
para la
la relacin altura-di~metro
relaci6n altura-dimetro
de
de 9 ~rboles. de muestra,
9 rboles muestra, pero aa los
los cuales
cuales sese ha
ha adicionado
adicionado unauna variable
variable ex-
ex-
tra, {di~metro}2,
(dimetro)2, dede modo
modo que la ecuacin
ecuaci6n aa ajustar
ajustar es:
es:

H = b0
b + blD
H
o bID + b2D2
b 2 D2

Despues de realizar
Despus realiz ar 1~~ c ~lculos, se
clculos, se obtienen los
los siguientes
siguientes valores
valores de
de los
los
coeficientes:

8.311 77
bb0 = 8.31177
O
bb1
i
= 0.371583
bb2
2 = 0.00953469
todos
todos ellos con 66 digitos significativos.
significativos . EsEs importante
importante cuando
cuando se
se efectan
efectaan
los c~lculos
los m~s dgitos
clculos trabajar con 66 66 ms d!gitos significativos,
sig.nificativos, yy nono redondearlos
nameros pequeos
ndmeros pequenos (tales
{tales como
como gl,
g1, g2,
g2, g3
g3 en
en el
el ejemplo)
ejemplo} aa menos
menos cifras decim~
cifras decima
les,
les, pues perdida de
pues puede ocurrir gran prdida de precisin.
precisi6n . Los
Los valores
valores bajos
bajos de
de los
los
coeficientes entre varianzas,
varianzas, y de lala tt para los
los coeficientes obtenidos
obtenidos enen
regresi6n en
esta regresin en comparacin
comparaci6n con
con el
el modelo
modelo lineal
lineal simple
simple (Figura
{Figura A.2.1,For-
A.2.I,For-
mato A.2},
A.2), refleja el hecho de que la la incorporacin
incorporaci6n de una variable extraextra inin
crementa la incertidumbre de la la estimacin
estimaci6n de los par~metros de la poblacin
los parmetros poblaci6n
de la cual fu
fue obtenida la muestra.
muestra. EnEn este
este caso
caso ninguno de los dos valores
 -19-
-19-

Formato A.3
Formato A.3 Coeficientes y estadsticos
Coeficientes estadfsticos de una regresin
regresion con dos
dos variables
predictoras i)
(Parte 1)
redictoras (Parte
Descripcin del problema:
Oescripcion problema: <t9l1io ~ calLima, - J..;~
aif-lJ'tD..- ..14,Lyn2t/u.old
44 Rie,14 RevSli _
~cc:..:.w.
ge.c C4; e'eTh q.
A:12 .1
j I
Co si Z
CD" Z ----"-X=--z.
X _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ __

(i)
(1) Datos
Datos de
de regresi 6r
regresin (4) Productos corregidos
corregidos
Y ,!y2 = 2y2_- ( ly
1y2 =~y2 (2y)}2 /n =
2/n = 'i q4 OD
0000
Y X
X Z
1.1
4 6. 8 64
CL- ~xy
xy ==:EXY-2X.IY/n I
'!XY-lx.!Y/n = c!j 5'.1 000 00 0
41
1':1- le9
2.8''3 !Ezy lZY-~z I Y/n
zy ==:EZY-2Z.7Y/n = 52,311,. 661
5ZBi."+
22. 1x2 ==mx2_
Litii
LiLt! !x2 !x2_(Ex)
(tX) 2/n
2/n = io18.000
jOt-B.OOD
-{4 66 21
2A,
2-2-
Z. 2. 1(3
2..<3 f41
e 141. Zxz = IxZ-~x,IZ/n
txz XZ-1X.EZ/n = q7i
5!1 H 6.00o
~,OOO
222
29
1'1 ls.
'H i22,5-
122.S- IIz2
z = I: Z - (tZ) /n
=ZZ2-(rZ)2/n =
= 3.(,,'!> gs 0 ..1..556
32,3R5o4 5" S' b
34 3.<.
32 4o24
~D.z4
(S}Determ:inante
(5)Detexminante yy multiplicadores
multiplicadores de
de Gauss
Gauss
2,f b~,s-
2
2b
Liz
'-I~ /.jr
Lis- 20lf
2 025" o =
D I x,
2 1: z 2 - (rx z) 2 =
=2x2.fz2-(Zxz) 45ef qo -
-IS-If 'l be "J O,".t
Li ii Lt 0
40 i CbOO
00 gl=!z2/D =
= 0d02024141+
V.02 0 24/it
44 g1= :Ez2/D
g2=
g2= -lx z/o
-2T/D = - 0.000360
= H ~
0.000 360791
g3- ~x
g3=
2
E X /D
/0 =
= 673YJ06
6.1318 J( f,O-6
(6)
(6) Coeficientes de regresin
regresion

g14xy+g2.7.zy
b 1 = gl,Ixy+g2' ~ zy =
= 0.311s'eS
o.3HH~
bb2= g2.Exy+g3.Zzy ==
2 = g2,Ixy+g3rzy O. oo9 S1Lj 61
0.009534 6')
b = Y-b
o
,X-b ,Z
7-b1.7-b2./
1 2 = 8,334
B. "3.1..1 71
':f't
(7) suma
(7) Suma de
de cuadrados
cuadrados de la regresin
regresi6n
Iy2 = )01.1xy+b2.zy
b 1 ,!xy+b2'!zy = 8s.z.3/i
= 85.2.324

(8)
(8) suma
Suma de
de cuadrados
cuadrados residual
Id 2 = ly2_Iy2 = . Hd., /; b
= 2Y -YY2 = 6.

If(9)
(9) Grados
Grados de
de libertad del residuo

(2 ) Totales y productos I g l n-3

1. gl= n- 3 to
=G

zy22 'tHB
lX 771e ZY2:,Y J. '-I l, 246 zXY
IxY 163'3
763.39 EZY z.'} 4 ~{; ~
i,ZY z1-4664

n 9Cj EX
rx zs'
J.,~2.. iz
!.z ~i~Lt
913L-)
2
ei3
~i34 I.xzLXZ 28546e
28Sl,(,R
>
(3) Promedios tx
Ex2

Y =7..Y/n
= LY/n = Z,!..3 Zz2 ~O S' fH~t
Iz.2 .0)5'fii?3 Iparte 2
X ==IX/n
1: X/n =
= 21
Z = I Z/n == q {) 3. ':[.
 -20-

Formato A.3 ((...

Parte 2)
2)

(10) Correlaci6n
(10) variables
Correlacin entre variables
!xy/f(lx 2 .Iy 2)
rr yx ;= TxY/V(Zx21,Y2) ;
= 0.9 is7
O.~ i8~
r
ryzyz
;= !Zvz/nzz2.1.y2)
yzIV"(tz2 .!y2) ; O 13 2..2. Lt
o.. 9.2Zii
!xz/l{(Ix 2 .!Z2)
rrxz ; Ixz/inEx2.Z22) =
;
0.546?
O.HH
(11) Coeficiente
Coeficiente de correlaci6n mt3tiple
de correlacin RZ
mUltiple RR yy R2
R2
R" =ISTYly 0.11 'S' 'H'
; !y/ly = 0.945-
;

R ; VR2
R ;=
=[R2
0.q2.60
o.QHO

(12) Anlisis de varianza

An~lisis de varianza
surna de
suma cuadrado
cuadrado Raz6nde
Causas cuadrados . 1.
gg.l. medio Varianzas
Varianzas

Regresion
Regresi6n Ly2 fs2..~~
fs2,34 2
2 426.17
42'.11 ~ g .OS"
40.05"
Residual r. dd2 441."
L
4/41. gl'
gld {, 2.3.(;1
z3.4.1 =
; SL
s2
Total !E y2 1{'14.oo n-1118
y" q14.0o n-1'8

(13) Desviaci6n standard residual

Desviacin standard residual

V-s2 .e6
(14)
(14) Error
Error standard
standard y.
y valores
valores tt de
de los coeficientes

Coeficiente bbl1 bb22

Error standard sb
sb s.
s. g1= O.
'{ql; 4s-
D.("HS' \F3=
s1[7,3;
s. 0.0 tn.7.
O.01H.t
tt ;= b/sb o.n~
O. 53 7. 0.15-4
O.':tS"C

(15)
(15) Intervalos
Intervalos de
de confianza de las
las predicciones
predicciones
Para una serie de mm estimados
estimados de
de YY aa un
un nivel
nivel dado
dado de
de X,
X, Z,
Z, el
el
error standard de la
la prediccin
predicci6n promedia est~ dado
promedia est dado por:
por:

Sy
s ;= s. \(-(1/m + 1/n
s . V(l/m gl . x2 ++ 2.g2.x.z
lin + g1.x2 2.g 2 .x.z ++ g3.z2)
g3.z2)
Y

donde x =
; (X(X -- X)
2) 2).. Para una muestra grande,
(Z -- Z)
zz =; (Z grande, l/m
11m
ser~
ser cero
cero;; para un slo
s6lo punto ser
sera la
la unidad.
unidad.
 -21-

de t
t es significativo,
significativo, lo
10 que indica
indica que el modele ser1a por lo
modelo seria 10 menos tan
eficiente para propsitos
prop6sitos de prediccin
predicci6n si una de las dos
dos variables fuese
fuese
omitida.
A.2.3 Transformaci6n
Transformacin de datos yyajuste de curvas
ajuste de curvas
Se pueden ajustar varios tipos de funciones
funciones curvilneas
curvi11neas usando tcnicas
tcnicas de
regresi6n lineal, si
regresin lineal, si se
se efect-aan
efectuan las
las transformaciones apropiadas de
de las
las va-
va-
riables predictoras y dependiente.
dependiente. Es deseable proceder de acuerdo a a las si-
guientes etapas, cuando
cuando sese van
van aa transformar
transformar los
los datos:
datos:
(i) Plotear loslos datos no transformados
ttansformados en , papel cuadriculado normal
yy , examinarlos
examinarlos para ver Si
8i aparece
aparece alguna
alguna curvatura.
(ii) Si
Si aparece la curvatura,
curvatura, seleccionar una
una ' transformaci6n
transformacin apropia
apropia
la variable dependiente y/o predictoras y calcular los
da para la los-
va10res transformados
valores transformados para
para cada
cada punto
punto (dato).
(dato).
(iii) Plo,tear los
Plotear l 'o s valores transformados
transformados en
en papel
papel cuadriculado
cuadriculado normal
normal
y examinar los los puntos
puntos para
para ver
ver si
si la
la tendencia
tendencia es
es ahora
ahora lineal.
lineal.
10 es,
Si lo es, ajustar /a la regresin
regresi6n utilizando los
los valores transfor-
mados de los
los datos.
datos.
selecci6n de una transformacin
Para la seleccin transformaci6n adecuada
adecuada pueden servir
servir de
de ayuda
ayuda los
los
gr~ficos de la
grficos la Figura A.2.2,
A.2.2, que ilustran
ilustran algunos
algunos tipos
tipos de
de curvas
curvas comdnmente
com6nmente
usados. Las funciones
usados. funciones (a)(a) aa (d)
(d) pueden
pueden ajustarse
ajustarse por
por regresi6n simple . Las
regresin simple.
funciones (e)(e) yy (f)
(f) requieren
requieren dos
dos vvariables
ariables predictoras yy por
por consiguiente
consiguiente
los
los valores transformados no pueden examinarse
valores transformados e xaminarse gr~ficamente sena
grficamente tal como se sea
la
la anteriormente en en (iii).
(iii) . -
El efecto de lala transformacin
transformaci6n de de datos
datos de
de acuerdo
acuerdoa los supuestos
a los b~sicos
supuestos bsicos
regresi6n lineal
de la regresin lineal implica
implica tres
tres puntos importantes:
importantes:
(i)
(i) la misma variable dependiente ha sido
Regresiones en las cuales la
a diferentes transformaciones no pueden compararse di-
sometida a di -
, rectamente para la bondad de ajuste usando el coeficiente de
correlaci6n
correlacin RR (6
(6 R2).
R2) .
(ii) La distribucin
distribuci6n de los
los residuales estar influenciada por cual-
estar~ influenciada cual-
quier transformacin
transformaci6n de
de la
la variable
variable dependiente.
dependiente.
(iii) La regresin
regre si6n puede ser sesgada a causa de una
una transformacin
transformaci6n de
dependiente.
la variable dependiente.

comparar regresiones
Para comparar regresiones por
po r bondad
bondad de
de ajuste,
ajuste, cuando
cuando hay
hay implicadas
implicadas varias
varias
trans formaciones de la variable dependiente,
transformaciones dependiente, debe
debe usarse
usarse el
el indice
1ndice de
de Furni-
Furni-
val*. Este se
val*. se calcula
calcula como:
como:
IF
IF = ss (Trf' (y)-1)1/n
(Trf' (y)-l)l/n
m~s simple:,.
o ms simple: "
, -1
IF
IF == s.antilog((!log
s.antilog((Elog f' ) In)
V(y)-1)/n)
(y)

Furnival,G.M. 1961.
* Furnival,G.M. 1961 . An index
index for
for comparing
comparing equations
equations used
used in
in constructing
constructing
volume tables.
tables. Forelt
Foreslt Science
Science 7.7 (4)
(4) 337-341.
 -22-
-22-

Figura A.2.2 Formas de

de curvas
curvas resultantes
resultantes de
de diferentes
diferentes funciones
funciones que
que pue-
den ajustarse por
par regresi6n
regresi6n lineal.
lineal.

( cc = 10a
( e a , dependiendo si se usan logaritmos
lOa 66 ea, logar!tmos de
de base 10
10
respectivamente) .
e, respectivamente).
6 de base e,

(a)
(a) log a + b log x
log yy == a (b) y ='= aa ++ b log x
(b) Y

Y
Y
yY
b>O

a
I
I
0 -r---
b<l
b<1 I
I b<O
b<0
I
I
c I
I
I
I
b(O I

x x
1

(c) log
(c) log yy == a
a + b/x (d)
(d) log y
y = a + b.x

yY y
b)O
c
c - - - - - - - - - - - - -_
--_- b<O

--~')O
c c
b<O

x x

(can tinua/ ... )

(contina/...)
 -23-

Figura A.2.2
Figura A.2.2 (continuacin...)
(continuaci6n )

(e)
(e) y = a + 'nix + b2x2

(f) log y = a + bilog x + b2x

Y

x
 -24-

donde
donde ss es la desviacin
desviaci6n standard residual de la regresin
regresi6n ajustada,
ajustada; n n es el
e1
nG.mero de datos;
ndmero datos; f'
f' (y)-1 es el
(y)- es el reciproco
rec!proco dede "la derivada de la
la derivada ia transformacin
t "r ansformac"i6n
la variable
de la variable y,
y, con
con respecto
respecto aa la
la misma
misma y.
y.
el lector
Puesto que el no matem~tico
lector no matemtico puede
puede no
no estar
estar familiarizado
familiarizado con con deriva-
deriva-
das, a
das, a continuacin
continuaci6n sese dan
dan formas
formas apropiadas
apropiadas dede las
las transformaciones
transf6rmaciones ms m~s co-
co-
munes:

Transformaci6n
Transformacin f' (y)-1
V(y)-1

Ninguna 11

log10 y
10g10 Y 2.3026 yY

loge
loge y y

y/w
Y/w w
2
2
1/y
l/y -y
-Y
k 1/ ( ky k-1)
y 1/(kyk-1)

En la tabla anterior, y es la la variable

variable original;
original; ww es
es cualquier
cualquier ponderacin
ponderaci6n
a usarse en el ajuste de
a de las
las yy para
para normalizar
normalizar los
los residuales
residuales (ver
(ver la
la sec-
sec-
ci6n
cin de regresi6n ponderada para ms
de regresin m~s detalles);
detalles); kk es
es una
una constante para
transformar la y, y, en forma
forma de potencia. PorPor ejemplo,
ejemplo, si
si la
la variable depen-
depen-
diente
diente es y2, serra 2.
y2, k sera Obs~rvese que
2. Obsrvese que si
si no
no se
se aplica
aplica transformacin
transformaci6n algu-
algu-
na,
na, el
el !ndice
indice de Furnival coincide con con la
la desviacin
desviaci6n standard
standard residual.
residual.
Dado un regresiones, aa las
un conjunto de regresiones, las cuales
cuales se
se les
les ha
ha calculado
calculado elel ndice
!ndice
de
de Furnival, las mismas variables dependientes
Furnival, con las b~sicas, la
dependientes bsicas, la ecuacin
ecuaci6n que
que
ser~ la
mejor ajusta ser la que tiene el menor indice.
!ndice.
El
El efecto de laslas transformaciones
trans formaciones sobre
sobre la
la distribucin
distribuci6n dede residuales
residuales vy so-
so-
bre
bre el
el sesgo de lala regresin
regresi6n sese considera
considera enen detalle
detalle en
en la
la seccin
secci6n que
que tra-
tra-
ta an~lisis de residuales
ta sobre anlisis residuales yy ponderacin.
ponderaci6n. Para
Para un
un uso
uso simple
simple del
del prin-
prin-
cipio de transformaci6n, en asociacin
de transformacin, asociaci6n con c~lculos
con clculos manuales, se se menciona-
menciona-
r~
r el correcci6n para el
el factor de correccin el sesgo
sesgo resultante
resultante de
de una
una transformacin
transformaci6n lo 10
gar!tmica
garitmica de la variable dependiente.
Este factor correcci6n del sesgo,
factor de correccin sesgo, debido
debido aa Meyer*,
Meyer*, asume
asume que
que el
el modelo
modele aa
calcularse tiene
tiene la
la forma:
forma:

loga y = f(x) E.
f(x) -- i

donde i son
donde los errores E; homog~neos y
son homogneos est~n normalmente
y estn normalmente distribuidos
distribu!dos con
con una
una
desviaci6n s, que es
desviacin standard s, es la
la desviacin
desviaci6n standard
standard residual
residual calculada
calculada en
en
el an~lisis
el regresi6n. El modelo que
anlisis de regresin. que se
se va
va aa aplicar
aplicar es
es sin
sin embargo:
embargo:
yy =
= aa(f(x))
(f (x) )

* Meyer,
* H.A. 1944. A
Meyer, H.A. A correction for
for systematic
systematic error
error occurring
occurring in
in the
the
application of the logarithmic
logarithmic volume
volume equation.
equation. Pennsylvania
Pennsylvania State
State
University, Forest
University, Forest Research
Research Paper
Paper 7.
7.
 -25-

a es 10 6 e,
donde a e, dependiendo si se utilizan logaritmos decimales o natura-
0 natura-
les.
les. Si
Si los
los supuestos sobre la distribuci6n
distribucin del
del error
error son correctos,
correctos, ocurre
ocurre
un error sistemtico
sistematico que puede compensarse usando un factor de correccin
correcci6n CC
de tal modo que la
la frmula
f6rmula anterior
anterior se
se modifica
modifica a:
a:
yy = (f (x) )
C aa(f(x))
= C

Los factores
factores de correccin
correcci6n para
para logaritmos
logaritmos comunes
comunes yy naturales
naturales son:
son:

(i) Logari~mos
Logaritmos (base 10):
comunes (base 10):
2
C 10 1.1513 s2
C == 101.1513 s

(ii) Logaritmos naturales (base

(base e)
e)
a
s2 2
C == ees-/2
/

donde ss es la
la desviacin
desviaci6n standard residual obtenida de la la regresin
regresi6n origi-
origi-
con log
nal con log y.
y.
va1idez del factor
La validez factor dede correcci6n
correccin depende
depende de supuestos sobre la dist~
los supuestos
de los distri
buci6n del error,
bucin error, el
el cual
cual no
no necesita
necesita corregirse.
corregirse. En
En consecuencia
consecuencia nono es
es posi-
posi
establ ecer de una
ble establecer una manera fija
fija o0 dogmtica
dogmatica sisi esta
esta correccin
correcci6n debe
debe usars
usarse
oo no en un caso particular;
particular; es
es preferible examinar graficamente
grficamente la distribu
ci6n de los residuales
cin residuales como
como se
se describe
describe enen la
la seccin
secci6n correspondiente,
correspondiente, ante
antes
de tomar
toma r ninguna
ninguna decisin.
decisi6n . 2
En la practica,
En la ajuste es
prctica, si el grado del ajuste es elevado
elevado (esto
(esto es,
es, RR2 es mayor de
0.9), argumentos sobre
0.9), los diversos argumentos sobre mtodos
metodos alternativos
alternativos de
de ajuste,
ajuste, distri-
distri-
buci6n de errores, etc.,
bucin etc., son
son esencialmente
esencialmente acadmicos;
academicos; lala funcin
funci6n ajustada
ajustada
puede ser tranquilamente
tranquilamente manejada
manejada yy transformada
transformada como
como si
si fuese
fuese una
una funcin
funci6n
algebraica determinfstica.
A.2.4 Analisis de regresin
Anlisis regresi6n mdltiple
multiple

La regresin
regresi6n lineal simple
simple yy la
la regresin
regresi6n con
con dos
dos variables
variables predictoras
predictoras pre-
pre-
respectivamente los
sentan respectivamente los siguientes
siguientes modelos:
modelos:

Y = a + bX
Y bX (1)
(1)

Y + blX
Y = aa + + b2Z
b1X + b2Z (2)
(2)

donde a, b, b1,
a, b, b , b2
b son
son los
los coeficientes
coeficientes aa estimar;
estimar; X,
X, Z,
Z, YY son
son las
las variables.
variables.
1 2
son ejemplos
Ambos modelos son ejemplos del
del modelo
modelo general
general de
de regresin
regresi6n lineal
lineal multiva-
multiva~
riante, que tiene
riante, tiene lala forma:
forma:

Y = bo + blX1 + b2X2+ + b X
mm (3)

bi son
donde bi son los
los coeficientes
coeficientes aa estimarse
estimarse por
por la
la regresin,
regresi6n, Xi
Xi son
son diferen-
diferen-
tes variables predictoras.
tes predictoras. El
El modelo
modelo puede
puede escribirse
escribirse enen forma
forma abreviada
abreviada co-
co-
mo:
m
Y = b0 +E
+L b.X. (4)
(4)
i

Las variables predictoras pueden ser

ser de los siguientes tipos:
tipos:
 -26-
-2E-

(i) puede ser

Cada Xi puede ser una
una variable independiente diferente.
diferente. Por
Por
ejemplo,
ejemplo, en una aplicaci6n
aplicacin particular
particular Xl
X1 puede
puede ser
ser altura yy X2
dirnetro. Las variables independientes pueden estar m~s
dimetro. 0 menos
ms o menos
S1, siempre
correlacionadas entre si, siernpre que la correlacin
corre1aci6n no sea perper
fecta (esto es
fecta (esto es R=l).
R=1). En
En este
este ultimo
ltimo caso,
caso, una
una de
de las
las variab1es-
variables
imp1icadas omitirse.
implicadas debe omitirse.
(ii) Algunas de las variables pueden ser combinaciones y/o transfor-
maciones de otras variables.
variables. Por ejemplo,
ejernp10, X3
X3 puede ser 1og(X2),
10g(X2),
Y
y X4
X4 puede ser X1X2.
X1X2. Sin embargo,
embargo, combinaciones aditivas
adi tivas (esto
(esto
es, X3 = X1
es, + X2
Xl + X2 66 X1
xl -
- X2)
X2) no son
son permitidas, pues se tradu-
cen en correlaciones perfectas
perfectas entre
entre variables.
variables.

(iii) A1gunas
Algunas variables pueden ser condicionales,
condiciona1es, teniendo slo
s610 valo-
res de cero y uno.
res uno . Por ejemplo,
ejemp10, en una regresin
regresi6n particular,X1
particu1ar,Xl
puede ser cero para datos
datos de una fuente de semilla
semi 11a y uno para
datos
datos de una fuente
fuente diferente.
diferente. Esto se discute posteriormente en '
1a secci6n sobre comparacin
la seccin an~lisis de coya-
comparaci6n de regresiones yy anlisis cova-
rianza.

ap1icaciones de
En muchas aplicaciones de prediccin
predicci6n del
del rendimiento
rendimiento forestal,
forestal, scilamente
solarnente es-
t~n
tn implicadas un nmero b~sicas independientes,
nlirnero reducido de variables bsicas independientes, aa me-
me-
6 3;
nudo 2 5 quiz~s con
3; pero quizs con otras
otras 22 56 33 variables
variables construidas
construfdas como
como transfor-
trans for-
maciones, obtenerse una
maciones, puede obtenerse una forma
forma particular
particular de
de curva.
curva. Por
Por ejemplo,
ejernp10, , moQO
de10 del indice
delo fndice de
de sitio:
sitio:

log H = bo + bi/A + b2S + b3S/A

implica b~sicas: altura

imp1ica tres variables bsicas: altura (H),
(H), edad
edad (A)
(A) ee Indice
fndice de
de sitio
sitio (S).
(S) .
Estas se transforman
transfcrman yy combinan
combinan para
para dar
dar el
e1 modelo
mode10 de
de regresin:
regresi6n:

Y = bo + b1X1 b X
2 2
4- b X
'3 3

donde
donde Y es log (H),
(H), X1
Xl es 1/A,
l /A , X
X2
2
es SS yy X3
X3 es
es S/A.
S/A.

A.2.5 C~lcu10s para la

A.2.S Clculos 1a estimacin
estimaci6n de
de parmetros
parrnetros de
de un
un modelo
modele de
de regresin
regre si6n
mu1 tiple
mltiple
Como
Como en los
los casos anteriores
ant eriores de
de regresin
regresi6n con
can una
una o0 dos
dos variables predicto-
ras,
ras, 1a regresi6n multiple
la regresin primordia1mente trata
mltiple primordialmente trata dede calcular
ca1cu1ar los valores
va10res de
los coeficientes,
los e1 coeficiente de
coeficientes, el de determinacin
determinaci6n (R2),
(R2), la1a desviacin
desviaci6n stan-
stan-
e1 cociente
dard residual, el cociente entre
entre la
la varianza
varianza residual
residual yy la 1a de
de regresin,
regresi6n, el
e1
error
error standard de los cocfic ientes y los estadsticos
coeficientes estadfsti cos necesarios para cons
truir interva10s de confianza
truir los intervalos confianza de
de los
los valores
valores que
que sese predicen.
predicen. -
Estos par~metros
Estos se estiman usualmente
parmetros se usualmente por
por medio
medio dede un
un programa
prograrna de computa-
ci6n.
cin. Los c~lculos manuales son
Los clculos son muy tediosos
tediosos yy propensos
propensos parapara cometer
cometer erro-
erro-
res.
res. Sin embargo,
embargo, el procedimiento de c~lculo manual
de clculo manual se se resea
resena aqu
aquf para
para be-
be-
neficio
neficio de aquellos que desean
de sean usarlos
usarlos yy como
como algoritmo
algoritrno que
que provea
provea las
las bases
bases
de computacin.
de un programa de computaci6n.
Es mejor considerar
considerar los c~lculos siguiendo
los clculos siguiendo un
un nmero
nlirnero de
de pasos:
pasos:

Paso 11 Definir el
e1 modelo
modele aa ser
ser ajustado
ajustado yy tabular
tabular los
los valores
valores transformados
transformados
de
de las variables.

El modelo general
general es:
es:
 -27-

m
Y. +Eb.x... + E.
= b +2:b.X
J i l. l.J

donde Yj son las observaciones de la

donde 'Y-3 la .variable (j=1.2 .. n); Xij
variable dependiente (j=1,2,...n); Xij
las observaciones de
son lasobservaciones de lasla s variables
variables predictoras,
predictoras. con
con m
m variables por
por obser
obser
vaci6n (i=1.2 ...,m)
vacin (1=1,2,. m) yy nn ob s e rvaciones. Los bi
observaciones. b i son los
los coeficientes a esti-
esti=
mar. los
mar, los Ej
Ej son los residuales entre los los valores YY observados y loslos vvalo-
alo-
res YY a ser
ser estimados
estimados con c on elel modelo
modelo lineal.
lineal.
En el ejemplo se se va a ajustar
a justar el el modelo:
modelo :

b
Y = b0 b l X1 ++ b2X2
+ b1X1 b 3 X3
b 2 X2 ++ b3X3
0

con los datos:

los datos:

Y Xl X X3
X1 X22 X3

11 4 9
9 4
4

3
3 3
3 9
9 9
9

7
7 3 6
6 66

9
9 55 8
8 3
3

14
14 44 7
7 1

18
18 6 4
4 5

19
19 55 3
3 77

21 7
7 1
1 9
9

24
24 66 33 4
4

26
26 7
7 2
2 5
5

donde n es 10 (numero
(nGmero de
de observaciones)
observaciones) yy mm es
es 33 (nGmero
(nmero de
de variables
variables pre-
dictoras)
dictoras)..

Paso 22 Formar
Pormar los totales yy los
los totales los productos
productos cruzados
cruzados de
de los
los datos,definido
datosAefinidoss
como:
algebraicamente como:

(i)
(i) Totales
n
T. =
T.
l. 2::j x. .
X..
l.J , 1,2, ... ,m
para ii = 1,2,...,m
"
T
T
y
= r. Y.
Y.
J
 -28-

(ii) cruzados
Productos cruzados

n
PX
PXik
ik
=
=
Lj
.

7
XijX
1 x kj
X.3.X3_.
,para
,para i,k=1,2, . ,m
i,k=1,2,...,m

n
PY.
PYi =
. E Y.X..
l: YjX ij
1J 3
,para
,para i == l,2, . ,rn
i
J

Para el ejemp10 se tienen

ejemplo se tienen los
los siguientes
siguientes totales
totales yy productos:
productos:

k y
Y 11 22 33

142
142 50 52
52 53
Tk

PXik . k 1 2
2 33
i
11 270 227 267
22 350 256
33 339

k 1 2
2 3
3

811 522 752

PYk

La suma total
total de los
los cuadrados de las
cuadrados de tambi~n debe
las YY tambi6n debe ser
ser calculada:
calculada:

2:Y2 = 2714
Paso 33 Correcci6n las sumas
Correccin de las sumas de productos. Para
Para los
los valores
valores PXik,
PX ik , PYi
PYi yY
!y2
ry2 se
se forman los siguientes
siguientes valores
valores corregidos:
corregidos:

k ! n
QX PX
Q Xik = P Xik - T.
Ti T
Tk / n
ik ik

QY
i
= PYi
=, PYi - T. Ty
Ti T
y !/nn
y y22 = ry2 T22 in
Iy Iy2 - T y In
Y/

calculados para
Los valores calculados para el
el ejemplo
ejemplo son:
son:

k 1
1 2 3

101
101 -216.4 -0.6
ClYk

= 697.6
 -29-

QX
Xik
2 3
ik k 1 2
i
1 20 -33 22
2
2 79.6 -19.6
3 58.1

Paso 44 Obtenci6n
Obtencin de los valores de los coeficientes,
coeficientes, por inversin
inversi6n de la
la ma
rna
cruzados, usando
triz de productos cruzados, usando el
el mtodo
metodo de
de eliminacin
eliminaci6n de
de Jordan.
Jordan. -
se disponen
QX yy Qy se disponen en
en una
una matriz (que
(que se denominar~ C)
se denominara C) en
en la
la forma
forma siguien-
siguien-
te:

1 2 3 ... k rn 1
2 2

rn rn

Los valores dede QX21,

QX21' QX31,
QX31, QX32...
QX32'" son
son los
los mismos
rnisrnos que
que QX12,
QX 12 , QXj3...,
QX13"" yaya que
que
la
la rnatriz
matriz eses simtrica.
sirnetrica.
Para el ejemplo
ejernplo se
se tiene:
tiene:

C.13 i 1 2 33 44
i
11 20 -33 22 101
101

2
2 -33 79.6
79.6 -19.6-216.4

3
3 2
2 -19.6 58.1 -0.6

Con la rnatriz
matriz C lista,
lista, se procede con los
los pasos delproceso de
de elirninaci6n
eliminacin de
de
Jordan.

Elirninaci6n
Eliminacin Jordan
de Jordan

Columna
k

cc.. cc cc..
..
ij
13 ik 13 ~J

c
cki
kj c kk ccki Fila kk
kj

c .
c.
ij c ik cc..
..
13 13
~J
 -30-

Ejecutar mm reducciones
reducciones de
de la
la tabla.
tabla. En
En la
la reduccin
reducci6n k,
k, reemplazar
reemplazar cada ele-
Cij de la
mento cii la tabla
tabla o0 matriz por
por un
un nuevo
nuevo valor cii*
Cij* de acuerdo a la se-
se-
cuencia siguiente:
siguiente:

(i) ckk* = l/ckk (c

(ckk se denomina 'pivote')
'pivote')
kk

(ii) reemplazar cada elemento

elemento de
de la
la columna k, excluyendo
columna k, excluyendo el
el pivote:
pivote:

cik* = -cik c kk *

(iii)
(iii)reemplazartodosloselementosc-rexcluyendo los
reemplazar todos los elementos c . . , e .x cluyendo losdedelala fila
fila kk
columna kk por:
por: ij
y columna 1)

c *:::;;
c..* = c.. + cik*
ij ij ckj

(iv) los elementos de la

reemplazar los la fila
fila k,
k, excluyendo
excluyendo al pivote por:
por:

ckj* = ckj ckk*

Despues
Despues de la ditima
ultima reduccin
reducci6n los
los elementos cli forman la
c11 al cc mm forman la 'matriz i~
'matri z in
versa' del
versa' del problema
problema de
de regresin.
regresi6n. Estos
Estos elementos,
elementos, como
como sese verd,
vera, son
son impor-
impor-
tantes para ca1cular
tantes calcular las varianzas y covarianzas de los los coeficientes
coeficientes y por par
ende
ende los I1mites de confianza de los
los limites los estimados de regresin.
regresi6n. Los Los elementos de
la
la columna m+1 regresi6n bl
m+1 son los coeficientes de regresin bl aa bm.
b m Las
Las tres
tres reduccio-
reduccio-
nes del num~rico se
del ejemplo num6rico se muestran aa continuacion:
continuacion:

REDUCCION 11
0.05000000 -1. 65000000
-1,65000000 0.10000000 5.05000000

1.65000000
1.65000000 25.15000000 -16.30000000 -49.75000000
-49.75000000

-0.10000000 -16.30000000
-16.30000000 57 .90000000
57.90000000 -10. 70000000
-10.70000000

REDUCCION
REDUCCION 22
0.15825049 0.06560636 -0.96938369 1. 78608349
1.78608349

0.06560636 0.03976143 -0.64811133 -1. 97813121

-1.97813121

0.96938 3 69
0.96938369 0.64811133 4'1.33578528
47.33578528 -42.94353876

REDUCCION 3
3

0.17810238 0.07887895 0.02047887 0.90664807

0.07887895 0.04863523 0.01369178 -2.56610485

0.02047887 0.01369178 0.02112566 -0.90721086

A pesar de que eliminaci6n de Jordan parece muy compleja cuando

que la eliminacin cuando se
se expli-
expli-
ciertamente es
ca en detalle y ciertamente es muy
muy tediosa
tediosa si
si se
se ejecuta
ejecuta manualmente,
manualmente, puede
puede
 -31-

facilmente para
programarse fgcilmente para un
un computador.
computador. AA continuaci6n
continuaci6n se
se presenta
presenta parte
parte
de
de un en BASIC
un programa codificado en BASIC que invierte
invierte la
la matriz C y resuelve elel
problema de regresin.
regresi6n. Las variables usadas
usadas corresponden
corresponden exactamente
exactamente con
con las
las
de explicaci6n anterior.
de la explicacin anterior .

Codificaci6
Codificacinn en BASIC
BAS IC para la eliminacin
eliminaci6n de Jordan

100
100 FOR K = 1
1 TO M
M

110 LET
110 LET C(K,K)=1/C(K,K)
C(K , K)=l/C(K,K)

120 FOR
120 FOR II == 11TO
TO M
M

130
130 IF I=K THEN 190

140 LET
LET C(I,K)=-C(I,K)*C(K,K)

150 FOR TO M+1

FOR JJ = 11 TO M+l

160
160 IF
IF J=K THEN 180
THEN 180

170 LET
LET C(I,J)=C(I,J)+C(I,K)*C(K,J)

1180
80 NEXT
NEXT J
J

190 NEXT
NEXT I

200 FOR JJ = 1 TO M+1

210 IF J=K THEN 230

220 LET C(K,J)=C(K,J)*C(K,K)

J
230 NEXT J

24 0 NEXT K
240 K

Los
Los coeficientes b1 bm ya
b 1 aa bm ya han
han sido
side calculados
calculados yy estgn
estan almacenados
almacenadosen c1~1
enc11m+1
hasta cm,m+u.
c m ,m+l' Para num~rico se
Para el ejemplo numrico se tiene:

b = 0.9066
b1
1
b 2 =-2.566
b2 =-2.566

=-0.9072
b =-0.9072
b3
3
redcndeados
redondeados a 44 cifras significativas.
significati vas . El
El trmino
t&mino independiente
independiente bb
b se
se calcula
calcula de:
de:
O
m
b
o
)5110 = (T
(T
y
-
- L.
i
.
b .T.) / n
b.T.)/n
1. 1.

Para el
Para ejemplo n~i= se
ejemplo numrico se tiene:
tiene :

b = (142
(142 -- (50
(50 xx 0.9066
0.9066 + (-2 . 566) + 53
+ 52 x (-2.566) 53 x (-0.9072))/
(-0.9072/10
10
O
bo
 -32-

27.82
= 27.82 (con
(con 44 cifras
cifras significativas).

c~l a
Los elementos cll a ccrnrn de
de la tabla final despu~s
tabla final despus de la ultima
de la 51tima reducci6n
reduccin de
de
refer~r~n como
Jordan se referiran como la mat~iz inversa
la matriz C- 1 .
inversa C-1.

Paso 55 Calcular las

las sumas
sumas de cuadrados
cuad ados totales de de la regresi6n
regresin yy residual,
deterrninaci6n (R2),
el coeficiente de determinacin (R ), el 2
elcociente
cociente entre
entre varianzas (F) y
varianzas (F)
la
la desviaci6n standard residual.
desviacin standard residual.
La suma total de cuadrados (SCT)
(SCT) es Ey2, calculada en paso
es ~y2, paso 3.
3.
La suma de cuadrados
cuadrados de
de la
la regresin
regresi6n (SCR) est~ dada
(SCR) est6 dada por:
por:
m
SCR =
= ~ biQYi
biQY i

La suma de cuadrados residual

residual o error (SCE)
0 error (SCE) se
se obtiene como
como diferencia:
diferencia:

- SCR
SCE = SCT -

Los
Los grados
grados de libertad para la
la suma total de cuadrados es
suma total es n-1,
n-1, para la
la re-
re-
gresi6n
gresin m yy para el residuo es n-m-1.
El de la
El cuadrado medio de la regresin
regresi6n (CMR)
(CMR) es:
es:

SCRIm
CMR = SCR/m

medio residual
El cuadrado medio residual (CME)
(CME) es:
es:

CME = SCE/(n-m-1)

entre varianzas
El cociente entre varianzas es:
es:

F = CMR/CME
CMR/CME ;; con m, de libertad.
m, n-m-1 grados de libertad.

usarse para
El valor F puede usarse para comprobar
comprobar la
la significacin
significaci6n estadstica
estadistica de
de la
la re
re
gresi6n.
gresin.
num~rico se
Para el ejemplo numrico se tiene:
tiene:

697.6
SCT = 697.6 (ver L:y2
Ey2 en el
el paso
paso '3)
3)

101 ++ (-2.566)
SCR = 0.9066 x 101 (-216.4) ++ (-0.9072)
(-2.566) xx (-216.4) (-0.9072) xx (-0.6)
(-0.6) == 647.4
647.4

SCE
SCE = 697.6 -
- 647.4
647.4 = 50.2
50.2

CMR = 647.4/3 == 215.8

215.8

50.2/(10-3-1) == 8.367
CME = 50.2/(10-3-1) 8.367

F 215.8/8.367 == 25.79
= 215.8/8.367 25.79 con 33 yy 66 grados de libertad.
libertad.

tabulado de
El valor tabulado de FF con
con esos
esos grados
grados de
de libertad
libertad yy para
para P=0.1%
P=O.l% es
es 23.70.Por
23.70.Por
10
lo tanto
tanto puede decirse que lala probabilidad
probabilidad es es menor
menor dede 11 en
en mil,
mil, de
de que
que la
la
relaci6n
relacin entre la variable dependiente yy las las predictoras
predictoras se se deba solamente
solarnente
aa factores
factores aleatorios fuera del modelo
modele de
de regresin.
regresi6n.
 -33-
-33-

El coeficiente
coeficiente de
de determinacin
determinaci6n R2
R2 est
esta dado
dado por:
por:

R2 = SCR/SCT
SCR/SCT

El coeficiente de correlacin
correlaci6n mdltiple
multiple RR == ~
Para el ejemplo
ejemplo se
se tiene:
tiene:

R2 = 647.4/697.6 = 0.9280

R
R = 0.9633

La desviacin
desviaci6n standard
standard residual
residual ss es
es la
la raiz
raLz cuadrada
cuadrada del
del cuadrado
cuadrado medio
medio re-
re-
sidual:

ss = VCME'
V-C72Z7

para el ejemplo
ejemplo es:
es:

ss = 2.893

Paso 66 Clculo
C&lculo de errores
errores standard
standard yy de
de los
los valores
valores tt para
para los
los coeficientes
coeficientes
de regresin.
regresi6n.
Los errores standard
standard de
de los
los coeficientes
coeficientes bl
b aa bm est~n dados
b estn dados por:
por:
1 m

s(b)
s(b = s
i} = s
\FT
~cii' /

Los valores tt de
de los
DDS b est~n dados por:
b. estn por:
i

t(b) = bi/s(bi)

t pueden comprobarse
Estos valores t comprobarse en
en cuanto
cuanto aa significancia
significancia con
con n-m-1
n-m-1 gra-
gra-
dos libertad . Para el
dos de libertad. el ejemplo
ejemplo numrico
numerico se
se tiene:
tiene:

Coeficientes Error standard tt Significancia

bb11 00 . 9066 1. 221

1.221 0.742
'

0.6380 -4.022 **
bb2
2
-2.566 **
b -0.9072 0.4205 -2.157
3
b3

** indica significancia
** significancia alal nivel
nivel del
del 1%1% (t=3.71,
(t=3.71, con
con 66 grados
grados dede libertad).
1ibertad).
Los coeficientes bl
b1 y b 3 no son
y b3 son significativos.
significativos. Esto no quiere decir que
ambos pueden ser
ser rEmovidos
removidos de
de la
la regresin.
regresi6n. UnoUno o0 el
el otro
otro (preferiblemente
(preferiblemente
el menos significativo, eses decir
decir bl)
b1) puede
puede ser removido yy recalcular
ser removido recalcular los
los re-
re-
procedimiento que
sultados por el procedimiento que se
se explica
explica posteriormente.
posteriormente. Los Los valores
valores de
de
t de los
t los coeficientes que permanecen,pueden incrementarse
incrementarse y probablemente am
y probablemente am
 -34-

bos sern significativos

bos sergn signifieativos en la nueva regresi6n.
regresin.

Paso 77 Los errores standard

standard de las
las predicciones
predieeiones del modele
modelo se obtienen de
la formula:
f5rmula:
m m
l/k + 1/n + c..x.x.
13 3
j

donde xi = (Xi
xi = 3),
(Xi -- Xi)' Xi
xi
es
es un valor dado
dado de
de la variable predietora i,X i es
predictora i,Xi
el promedio de
de la
la variable
variable i,i, kk es
es el
el n'amero
nGmero de
de estimaeiones
estimaciones repetidas
repetidas de
de YY
a ser hechas.
a heehas. Para una sla
s61a prediccin
predieei6n k=1;
k=l; para el
e1 error standard
standard de la
1a po-
po-
b1aei6n 1/k
blacin l/k == 0.
O.
Para el
e1 ejemplo,
ejemp10, se desea calcular
ealeu1ar el error standard
standard de
de un slo
s610 estimado
estimado de
de
Y,
Y, para X1=8,
X =8, X2=4,
X =4, X3=6.
X =6.
1 2 3
se calculan
Primero se ealeulan las x.1 :
las x.:

8 - 5.0
Xl = 8
x
1
-
5.0 =3
=3

x ==
x2 44 -
- 5.2 = - 1.2
-
2
X3
x3 = 66 -- 5.3
5.3 == 0.7

Despues la
Despus la surna
suma .L
'J
i,j
cc..x.x.:
.. X.x.:
13
1J i1 J

3(3
3(3 X 0.1781 + (-1.2)
x 0.1781 (-1.2) x 0.07888 + 0.7 x 0.02048)
0.02048) + (-1.2)
(-1.2) x (3
(3 xx 0.07888 +
0 . 07888 +

(-1.2) 0.04864 ++ 0.7

(-1.2) xx 0.04864 0.01369) ++ 0.7
0.7 xx 0.01369) 0.02048 + (-1.2)
(3 xx 0.02048
0.7 (3 . 01369 +
(-1.2) xx 00.01369

0.7 xx 0.02113) 1.178

= 1.178

Despues SSy = 2.893

Despus
Y
2.893 \j
V(1(1 + 1/10 + 1.178)
1.178) = 4.366
4.366

AS!, el
As, el error
error standard
standard de
de una
una estimacin
estimaei6n de
de YY de
de este
este modelo
modelo para
para X/
Xl == 8,
8,

X == 4,
X2 es ++ 4.366.
4, X3 = 66 es 4.366.
2

Esta frmula
f6rmula tambien
puede dar tambin terminG independiente
el error standard del trmino

b O ' usando l/k = 0, Y xi = Xi'

b0,usando1/1.(=0,yx.=)C..
eomp1etan los
Con esto se completan los clculos
eleulos principales
prineipales para
para la regresi6n m5ltiple.
la regresin multiple.
Comunmente se efectuan
Com5nmente efeetuan otros
otros dos
dos tipos
tipos de
de clculo:
eleulo: la
la computacin
eomputaei6n de la
la ma-
triz
triz de eorrelaei6n variables yy el clculo
las variables
correlacin entre las abreviado para
eleulo abreviado para remo-
remo-
una regresin.
ver variables de una regresi6n.

La matriz de correlacin
eorrelaei6n es una tabla
tabla que muestra la
la correlacin
eorrelaei6n entre
entre cual
eual
quier par de variables. Se
Se construye
eonstruye ordenando
ordenando una
una matriz
matriz VVas!:
as:
 -35-

1 2
2 33 O mH

1 Y2 QY

22

33
QY QX

rn+l

en cuenta
y teniendo en cuenta que
que la
la correlacin
correlaci6n entre
entre la
la variable
variable ii yy la
la variable
variable jj
es:

rij ij v.. v..

11 3j

Esto puede hacerse enen cualquier

cualquier momento
momenta del c~lculo
del cdlculo la regresin
de la regresi6n despus
despues
del paso
paso 3.
3.
Puesto que lala matriz V
V es
es simtrica
simetrica respecto
respecto aa la
la diagonal
diagonal v11
vll aa vvrnm no es
necesario calcular lala parte
parte inferior,
inferior, ya
ya que
que por
por ejemplo
ejemplo r23
r23 == r32 y asas! su
cesivamente.

Remoci6n de una variable de la regresin.

Remocin resi6n. Cuando
Cuando se
se encuentra
encuentra que
que una
una varia-
varia-
ble
ble no es significativa, eses deseable
esea le recalcular
recalcular los
los estadsticos
estad!sticos dede la
la regre
regre
si6n omitiendo dicha
Sin dicha variable.
variable. -1
Para hacer
Para hacer esto, los valores de la matriz inversa C
esto, se ajustan los C-1 y los coe-
ficientes
ficientes de
de la regresi6n
regresin de acuerdo aa las
las frmulas
f6rmulas siguientes,
siguientes, donde
donde uu deno
dena
ta el
ta !ndice de la
el Indice la variable no
no deseada:
deseada:

b.* = b. - c.iu b /c
u uu

c..
13
*= c..
13
-c.iu c.
pu /cuu

numerico, se
Para el ejemplo numrico, se supone se
se desea omitir el elefecto
efecto de la varia-
Xl' La matriz inversa
ble Xl. inversa yy los
los coeficientes
coeficientes (con
(con 66 cifras
cifras significativas),
significativas),
correspondientes aa las
las 33 variables
variables originales
originales son:
son:

1
1 22 33 b

1
1 0.178102 0.0788790 0.0204789 0.906648

22 0.0788790 0.0486352 0.0136918 -2.56610

33 0.0204789 0.0136918 0.0211257 -0.907211

 -36-

Eliminando la variable 11 se
se tiene:
tiene:

bb2*
2
* = -2.56610 -- 0.0788790
0.0788790 xx 0.906648 I 0.178102 = -2.96764
0.906648 / -2.96764

bb3*
3
* == -0.907211 -- 0.0204789 x 0.906648 10.178102 = -1.01146
/ 0.178102 =

La matriz inversa
inversa revisada
revisada es:
es:

22 33

2
2 0.0137007 0.00462197

33 0.00462197 0.0187710

El resto de estadsticos,
estad!sticos, del
del paso
paso 55 en adelante,
adelante, pueden
pueden recalcularse
recalcularse para
para
regresi6n. De
la nueva regresin. De esta
esta manera
manera puede
puede eliminarse
eliminarse una
una segunda, tercera,et~
segunda, tercera,etc.
variable sucesivamente.
sucesivamente.
Esto completa el
el resumen de los c~lculos de una regresin
los clculos regresi6n mdltiple.
mGltiple. Este
trabajo es hecho normalmente por
por unun computador,
computador, pero
pero puede
puede efectuarse
efectuarse manual
manual
mente para
para pequeos
pequenos problemas.
problemas. Debe
Debe tenerse
tenerse mucho
mucho cuidado
cuidado de
de no
no perder d!gi~
perderdigi.7
tos por redondeo
tos significativos por redondeo aa unun nGmero fijo de
ndmero fijo de cifras
cifras decimales
decimales duran-
te el proceso de
de inversin
inv ersi6n de
de la
la matriz.
matriz.

A.2.6 An~lisis de residuales

Anlisis residuales

an~lisis de
El anlisis de residuales
residuales es
es un
un instrumento
instrumento que
que debe
debe emplearse
emplearse con
con un
un uso
uso in
in
teligente de la
la regresin
regresi6n mdltiple.
mGltiple. Su propsito
prop6sito es:
es:

(i) Determinar cuando los residuales de lala regresin

regresi6n confirman los
los
est~n correlacionados,
modelo, es decir no estn
supuestos del modelo, est~n
correlacionados, estn
normalmente distribuidos yy tienen
tienen varianza
varianza uniforme.
uniforme .
(ii) Evaluar la o'falta
' falta de ajuste'
ajuste' en el modelo por una tendencia sis
tem~tica los residuales.
temtica de los residuales.

(iii) Examinar visualmente lala forma de las

las relaciones entre los
los resi-
duales y posibles
posibles variables
variables predictoras
predictoras todav !a no introducidas
todava introducidas
en el modele de regresin.
modelo de regresi6n.

El an~lisis de residuales (como

El anlisis (como muchos
muchos otros
otros aspectos
aspectos del c~lculo de
del clculo de regre-
regre-
siones)
siones) es
es muy tedioso de ejecutar
ejecutar manualmente.
manualmente. Por
Por lo
10 tanto, deber~ ser
tanto, deber ser
parte de un buen programa de
de computacin
computaci6n para an~lisis de
para anlisis de regresin
regresi6n mdlti-
mGlti-
ple.
El
El residual ee se define como la
la diferencia entre
entre el real dela
el valor real de~la va-
va-
Y y el
riable dependiente Y el valor
valor predicho
predicho por
por el
el modelo
modelo de
de regresin
regresi6n Y:
Y:

e. = Y. - Y.
A
Cuando los residuales se
se plotean
plotean contra
contra los
los valores
valores Yi,
Yi , pueden
pueden obtenerse
obtenerse va-
va-
rias clases de gr~ficos :
de grficos: -
 ;"37-
-37-

(i)

e.
3.

a
. .. ... . ..
.. .
o
____ __ ___ _
o
o ~~_L~~_~
o
O o
~~

0 o

L-___________________________ A
Y

Esta es la
la situacin
situaci6n ideal,
ideal, con
con variaciones uniformes
uniforrnes de
de los
l o s ei
ei
Y.
las 2. El modele
con respecto aa las no tener
modelo parece no tener caractersticas
caracterfsticas
indeseables.

(ii)

...... ..
e.
o
o
o

. . ............:..... :...: :.
o o
o o *10 o o* 0.

.
;. * *
o oo
* o
o
. . ....
----~~~-.-----.-~~.-----
. ..%
..........
o. .... o

. . . .. :-.:. IO: oo 0

*o . .....
...
o

'
O

L-______________________________
y

indica un
Esto indica un comportamiento s~em~tico de
comportamiento sistematico de los
los e.
e1 con respecto
a Y y muestra falta
a falta de
de ajuste.
ajuste. En
En otras
otras palabras,
palabras,1existe un mode-
existe un mode-
10
lo mejor que el que se est~ utilizando,
se esta utilizando, usando
usando las
las mismas varia-
b~sicas, pero
bles predictoras basicas, pero con
con transformaciones
transforrnaciones adicionales
adicionales
oo diferentes,
diferentes, que
que pueden ajustar yy remover
pueden ajustar remover la
la tendencia sistem~
tendencia sistema-
los e..
tica de los e
i
 -38-

(iii)

e.
3.
oa .0
I

.
o

,.. ,. . 0
0

oo ...... .... i.............

____ ~;~~~~~1~~i-::~~-- ....... ,.

. ... ..
\.
.o
o.
,
....
Y

Aqu! las
Aqu las varianzas de
de los
los eiei no
no son
son uniformes
uniformes respecto
respecto aa las
las Y.
Y.
este caso
En este caso pueden
pueden obtenerse
obtenerse mejores
mejores estimados,
estimados, usando
usandouna
unatrans
trans
formacion de la variable Y,
formacin Y, o0 bien usando una regresion ponde-
regresin ponde--
rada
rada.. (ver
(ver seccion A.2.7) :
seccin A.2.7).

Cuando los
los ei se plotean contra
contra las las variables
variables XX no
no incluidas
inclu!das todava
todav!a en en el
el
modelo, se
se puede
puede obtener
obtener un
un diagrama
diagrarna dede puntos
puntos aleatorios
aleatorios o0 algqn
algdn patrn
patron sis
sis
tem~tico similar al caso anterior
tematico anterior (ii).(ii). Si
5i la
la situacin
situacion queque se
se da
da es
es lala aitT
ulti
rna, la variable
ma, la variable XX puede
puede ser
ser incluida
inclu!da enen la
la regresin.
regresion. LaLa forma
forma de .tenden~
de lalatendenl-
cia .general patron puede
general del patrn puede no no ser
ser lineal,
lineal, sino
sino que siga
s iga una
una de
de las
las formas
formas
mostradas en
mostradas en la
la figura
figura A.2.2,
A.2 . 2, en cuyo caso debe usarse una transformacin
transformacion
apropiada de lala variable
variable X.
X.
Por ejemplo, se se supone
supone que
que se se tiene
tiene el
el modelo:
modelo:
Y = b0 + b1X1 + b2X2

donde los residuales graficados contra

contra la
la variable
variable adicional
adicional X3
X3 dan
dan el
el si-
si-
guiente patrn:
patron :

e.

...4 o .. ..::.--......-.-:........
-.~
6.

k"" ..

...
....." .
-.< ""-: :
ni.

o ----;--r.,~----
Yo
--------------.-
. y. -'" ..
ej.-t.
11.
,.Va/-.,1,
'16.

" o

X3
X3
La linea
l!nea discontinua (---)
(---) parece
parece seguir
seguir una
una curva sua~e que
curva suaxe que puede
puede ser com-
pensada aadiendo
afiadiendo aa la
la regresin
regresion las variables X3
X3 yy X3 (ver
(ver figura A 2 2
figura A.2.2
(e, para
(e)), para obtener el modelo: .
 -39-

2
Y =b0 +b1X1 + b2X2 + b3X3 + b4X3
Despues este segundo
Despus de ajustar este segundo modelo,
modelo, la
la tendencia
tendencia de
de los
los residuales
residuales con-
con-
podr!a aparecer
tra X3 podra aparecer similar
similar ,al esquema mostrado anteriormente
al esquema anteriormente como (i).
como (i).

A.2.7 Regresi6n
Regresin ponderada
La regresin
regresi6n ponderada
ponder ada sese usa
usa cuando
cuando los los residuales
residuales nono tiene
tiene una varianza
varianza
uniforme respecto a a los
los valores
valores dede Y.
Y. Esta
Esta situaci6n
situacin aparece
aparece comunmente
comdnmente cuan
cuan
do se utilizan
utili zan transformaciones
transformaciones complejas
complejas de la variable Y para
de lavariableY para obtener
obtener algu--
algu-
formas particulares
nas formas particulares de de curvas.
curvas. En En prediccin
predicci6n ,del
del rendimiento
rendimiento tambin
tambien eses
comun
coman encontrarla con datos de voldmenes,
vollimenes, donde laslas varianzas tienden
tienden aa ser
ser
proporcionales aa los
proporcionales los voldmenes.
vollimenes .
observaci6n se asocia un peso
Con cada observacin peso particular
particular wi,
wi, cuyo
cuyo valor puede dete~
valor puede deter
emp!ricamente o0 derivarse
minarse empricamente derivarse de de alg-en
algun razonamiento
razonamiento te6rico.
terico. Para el me-
jor ajuste,
ajuste, los pesos o 0 ponderaciones wi w~ deben
deben ser
ser proporcionales 1/sf'do~
proporcionales aa 1/si,don
de
de si
si es
es la
la desv iaci6n standard
desviacin standard residual
residual de de Yi.
Y.
emp!r icas pueden
Las ponderaciones empricas pueden obtenerse
obtenerse como sigue:
sigue :

(1) e1 modelo
Ajustar el modele sin
sin ponderar,
ponderar, usando
usando el
el procedimiento
procedimiento descrito
descrito
en la seccin
secci6n anterior.
anter ior.

(2) Calcular los

l o s cuadrados
cuad rado s de
de los
los residuales:
residuales :
2
e. = ( Y. -
(Y.
-'2
_ Y.)
y.)2
1. 1.

(3) Entonces bien

2
(i) Tabular valo res promedios de wi (=
valores 1/ei) por
= 1/e) por clases
clases de
de Yi;
Yi ,

o bien:
bien:
2 2
(ii) Ajustar una
una regresin
regresi6n que
que relacione
relacione e con Y
Yi (posibleme~
(posiblemen
eii i
regresi6n simple:
te una regresin simple :
2
ee- a + bY
= a
=

ser~ apropiada en la mayor!a

sera los casos).
mayora de los ~sar esta
casos). 9sar esta re-
re-
gres i 6n para predecir la
gresin ponderaci6n wi (=l/~i)
la ponderacin (=1./61) para cada
Y.
Yi

En caso de ponderaciones tericas,

te6ri c as, se
se usa
usa alguna
alguna formulacin
formulaci6n que
que implique
implique el
el
c~lculo wi de cada Yi
calculo de wi Yi .
Los c~lculos para una regresin
Los clculos regresi 6 n lineal
lineal ponderada
ponder ada con
con una
una variable
variable predictora
predictora
sigue :
son como sigue:

(1)
(1) Cal c ular totales ponderados,sumas
Calcular p o nderados,sumas de
de cuadrados
cuadrados yy productos
productos cruza-
cruza-
dos:

r.wiX~
2
A = 1w1 B = w1x1 C =
1 3.

2
D = E = F = LwixiYi
 -40-
-40-

(2) Calcular promedios ponderados

ponderados yy productos
productos yy cuadrados
cuadrados corregidos:
corregidos:

x ~ B/A
= y
37*~= D/A
D/A

SCx = C - B2/A SP
xy
=F-BD/
~ F - B D / A
A

(3)
(3) Para el resto de clculos
calculos proceder desde la linea
l!nea 11 del Formato
A.2 (forma 11
A.2 (forma 11 de
de Dawkins,
Dawkins, 1968).
1968).

Para la regresin
regresi6n mltiple
multiple ponderada
ponderada se
se aplican
aplican los
los mismos principios
principios genera
genera
les.
les. Muchos programas avanzados
avanzados de
de regresin
regresi6n tienen opciones
opciones para
para la
la pondel-
ponde=
raci6n.
racin.
La regresin
regresi6n ponderada nono debe
debe utilizarse
utilizarse aa menos que exista
exista una
una fuerte
fuerte jus-
jus-
tificacin
tificaci6n terica
te6rica a priori
priori para
para hacerlo,
hacerlo, o0 alternativamente
alternativamente cuando
cuando una
una ten-
ten-
dencia claramente marcada
marc ada en los cuadrados de los residuales ploteados con-
tra las YY dan base
base para
para una
una ponderacin
ponderaci6n emprica.
emp!rica .
Para funciones bien definidas, con con altos
altos R2,
R2, la
la ponderacin
ponderaci6n no
no resultar
resultara enen
una
una mejora prctica
practica del grado de de ajuste.
ajuste. La
La ponderacin
ponderaci6n es
es una
una tcnica
tecnica que
que
debe
debe ser considerada como un un refinamiento
refinamiento del
del anlisis,
analisis, aa usarse
usarse despus
despues dede
completar los anlisis
analisis preliminares
preliminares de
de un
un conjunto
conjunto de datos.
datos.

A.2.8 Comparaci6n de lineas

Comparacin l!neas de
de regresin
regresi6n

Frecuentemente es necesario decidir

decidir cuando
cuando dos o 0 ms
mas lineas
l!neas de
de regresin
regresi6n son
son
tan similares que pueden reemplazarse
reempl a zarse efectivamente
e fectivarnente por unauna linea
l!nea nica.
unica. Es
te
te caso aparece por ejemplo,
ejemplo, cuando
cuando se
se desean
de sean combinar
combinar datos
datos de
de diferentes
diferentes -
especies con hbitos
habitos de crecimiento similares,
similares, o 0 de diferentes
diferentes bosques,
bosques, re-
re-
giones,
giones, tipos de sitio o 0 proveniencias.
Las regresiones aa comparar
comparar pueden
pueden ser
ser regresiones
r e gresiones simples
simples con
con una
una sOla
s61a varia
varia
predictora o0 regresiones
ble predictora regresiones multivariantes.
multivariantes . Para
Paralalacomparacin
comparaci6nexisten
existendo-s-
dos
tecnicas basicas:
tcnicas bsicas:

(i) Analisis covarianza. Es

Anlisis de covarianza. Es quizs
quizas ms
mas apropiado
apropiado para
para clculos
calculos ma-
ma-
simples, aunque
nuales y regresiones simples, aunque puede
puede igualmente
igualmente abarcar
abarcar el
el
multivariante .
caso multivariante.

(ii) significancia de
Pruebas de significancia de variables
variables condicionales.
condicionales . Esta
Esta tcnica
tecnica
es muy apropiada para
para modelos complejos
complejos ee interacciones,
interacciones, pero co~
pero con
duce aa complicados problemas
problemas multivariantes.
multivariantes. Un
Un mtodo
metodo til
util es
es el
el
de programas
de adaptar paquetes de prograrnas de
de computacin
computaci6n de
de regresin
regresi6n ml-
mul-
tiple
tiple aa problemas de comparacin
comparaci6n de regresiones.

analisis de la
El anlisis la covarianza
covarianza es
es un
un tema
tema extenso.
extenso. Aqu
Aqu! se
se consideran
consideran slo
s610 las
las
t~cnicas
tcnicas necesarias para comparar las las Pendientes
pendientes yy trminos
terminos independientes
independientes
entre simples. Los clculos
entre regresiones simples. calculos sese explican
explican relacionndolos
relacionandolos concon un
un
ejemplo de
de datos hipoteticos de
datos hipotticos de una
una linea
l!nea volumen-altura
volurnen-altura para
para dos
dos plantacio-
plantacio-
geograficarnente distintas
nes geogrficamente distintas (denominadas
(denominadas II yy II),
II), utilizando
utilizando 1010 parcelas
parcelas
en
en cada una.
una. Los datos se
se hallan
hallan en
en el
el cuadro
cuadro A.2.1
A.2.1 yy se
se representan grafic~
representan grfica
mente en la
la figura
figura A.2.3. razonable combinar
A.2.3. El problema es determinar si es razonable combinar
los
los datos para ajustar una linea
l!nea de
de regresin
regresi6n comn
comun para
para las
las 20
20 parcelas.
parcelas. El El
modelo a ajustar eses la
la linea
l!nea de
de los
los logaritmos
logaritrnos del
del volumen
volurnen con
con la
la forma:
forma:

log V ~= aa + b
log V b log H
H ( 1)
(1)
 ".

-41-

Cuadro A.2.1 Datos originales y transformados

transformados de dos
dos plantaciones usados .
comparaci6n de
en el ejemplo de comparacin de regresiones.
regresiones.

Parcela Volumen Altura log V log H

nO
n m3 (ha
m3/ha m y x

Plantaci6n II
Plantacin

11 30.0 12.9 . 1,4771

1.4771 1.1106
2
2 23.3 11.
11.66 1. 3674
1.3674 1.0645

3
3 212.6 24.9 2.3276 1. 3962
1.3962

4
4 15.1
15.1 10.8 1.1790 1.0334

5
5 50.4
50.4 15.8 1.7024
1.7024 1.1987
1.1987

6
6 189.4 25.8 2.2774 1.4116

7
7 68.7
68.7 18.2 1. 8370
1.8370 1. 2601
1.2601

88 221.
221.22 25.4 2.3448 1. 4048
1.4048

99 123.9 22.1 2.0931 1. 3444

1.3444

10 60.8
60.8 16.7
16.7 1. 7839
1.7839 1. 2227
1.2227

Plantaci6n II
Plantacin II

11 70.6
70.6 15.4 1. 8488
1.8488 1.1875

12 131.
131.33 18.5 2.1183 1. 2672
1.2672

13 201.7 24.6 2.3047 1. 3909

1.3909

14 156.6 22.9 2.1948 1. 3598

1.3598

15 136.2 20.8
20.8 2.1342 1. 3181
1.3181

16 87.0
87.0 16.7 1.9395
1.9395 1. 2227
1.2227

17 95.0 16.5 1.9777 1. 2175

1.2175

18 108.4 17.7
17.7 2.0350 1. 2480
1.2480

19 93.6 18.0 1.9713 1. 2553

1.2553

20 57.7 15.3
15.3 1.7612
1.7612 1.1847
1.1847
 -42-
-42-

Figura A.2.3 Datos hipot~ticos volumen-altura

Datos hipotticos volumen-altura usados
usados para
para el
el ejemplo
ejemplo de
de com
paraci6n l!neas de
paracin de lneas de regresin,
regresi6n, seccin
secci6n A.2.8

( -
( - -
- -
- lineas
l!neas de
de regresin
regresi6n individuales;
individuales; ---- regresi6n combinada)
regresin combinada)

(m 3 /ha)
Volumen (m3/ha)
Volumen

250 -
CF
C
1/1
+ Plantacin
Plantaci6n II
/
I~I
Plantacin
Plantaci6n II
II '//I
I
200 -
200 /
I +
/
I
I" /I

150
/ ,I
.
/ I
/ I
/. /
/- /
I / +
I /
I I
I /
100 / /
I. /
I /
~ /
/ /
/ /
/. /+

, /.1'
50 , , ,
1>'
/

, /' ,,
II'"
II
" ,../
...-"
I-~

oo
5
5 10 15
15 20 25 30

del rodal
Altura del rodal (in)
(m)
 -43-
-43--

de forma
En este modelo de forma lineal,
lineal, los par~etros a,
los parmetros a, bb se
se estiman
estiman por
por regresin
regresi6n
simple.
simple. Tomando antilogaritmos en ambos lados
lados el modele transforma:
modelo se transforma:
~ A Hb
V =

~ 10a.
donde A = lOa. De
De esta
esta manera, pueden
pueden calcularse
calcularse puntos
puntos dede la
la linea
linea ajustada
ajustada
yy plotearlos en un papel
papel cuadriculado
cuadriculado normal.
normal.
Las sumas,
sumas, sumas
sumas de
de cuadrados
cuadrados yy sumas
sumas de
de productos
productos de
de los
los datos(cuadro
datos (cuadro A.2.1)
A.2.U
separado para
se calculan por separado para cada
cada conjunto
conjunto yy para
para ambos
ambos conjuntos
conjuntos combina-
combina-
sigue:
dos como sigue:

Estad!sticos
Estadsticos los datos
Origen de los datos
Combinado (C)
Combinado (C)
II I
III

EY 18.38954 20.28547 38.67501

38.67501
2
EY 35.37950
35.37950 41.39075
41. 39075 76.77025

112.44696
2.44696 12.65166
12.65166 25.09862

Ex2 15.67703 16.05102 31. 72805

31.72805

Exy 23.43337 25.76286 49.18623

n 10 10 20

scr-!/- (ty) 2/n

SCy-Ty2-(E17)2/n 1. 56198
1.56198 0.24072
0.24072 1.98243

scx~rx2-
SC
(z)t) 2/n
(Lx) 2/n 0.18435 0.04457
0.04457 0.23101

SPxY~rxY-L.xly/n
SPxy=Exy-lx.ly/n 0.53398 0.09837 0.65176

coeficientes:

b = Spxy/SCx
~ SPxy/SCx 2.89657 2.20716 2.82135
a = (y-b.yx)/n -1.76640 -0.76388 -1. 60685
-1.60685

de la
Suma cuadrados de la regresin:
regresi6n :

SCR ~= b. SPxy
b.SPxy 1. 54671
1.54671 0.21712 1. 83884
1.83884

El an~lisis de varianza puede

El anlisis puede efectuarse
efectuarse aa partir
partir de
de estos
estos clculos b~sicos .
calculos bsicos.
tambien las
Se calculan tambin las siguientes
siguientes cantidades
cantidades adicionales_
adicionales :

(i)
(i) entre los
Suma de cuadrados entre los coeficientes
coeficientes b:
b:

SCb ~
= ESCR
LSCR - ( [SPxy) 2/ ESCx
(ESPxy)2/ LSCx

Para el ejemplo
ejemplo esto
esto es:
es:

SCb ~= (1.54671
(1.54671 + 0.21712)
0.21712) - (0.53398 + 0.09837)2/(0.18435 ++
- (0.53398

0.04457) =~ 0.01708
0.04457) 0.01708
 -44-

(ii) Suna de
Suma cuadrados entre
de cuadrados entre los
los coeficientes
ooeficientes a:
a:

SCa == Iscy
SCa YSCy -- ISCR
LSCR

(1.56198 ++ 0.24072)
= (1.56198 (1.54671 ++ 0.21712)
0.24072) -- (1.54671 0.21712)

= 0.03887

(iii) Suma de cuadrados

cuadrados residuales:
res1duales:

SCE == sCyc -- (SCa

SCyc (SCa ++ SCb
SCb ++ SCRc)
SCRC)

donde el !ndice
Indice C C denota cantidades de la regresin
regresi6n combinada.
cornbinada. Pa
Pa
ra el ejemplo,la
ej.ernplo, la suma
suma de
de cuadrados
cuadrados de
de las
las desviaciones
desviaciones es:
es:

SCE == 1.98243 -- (0.03887

(0.03887 ++ 0.01708
0.01708 + 1.83884)

== 0.08764

(iv) libertad de
Los grados de libertad de las
las cantidades
cantidades anteriores
anteriores son:
son:

Estad!sticos
Estadsticos libertad
Grados de libertad

SCyc n C -- 1

SCE - 2r
nII - 2r
nnII - nIl

SCb r -- 11
r

SCa r -- 11
r

SCR
SCRC 11

donde nI,
nI' nIl nlimero de puntos en las
n11 son el nmero las regresiones separa-
separa-
das, r es el nmero
das, r nlimero de
de regresiones
regresiones aa ser
ser comparadas
cornparadas yy nc
nC el
el nme-
nlime~
de puntos.
ro total de puntos .
Enla pagina siguiente
Dala pgina siguiente esta
est& el
el cuadro
cuadro del
del anglisis
an&lisis dede varianza
varianza para
para la
la compa-
cornpa-
raci6n las regresiones.
racin de las regresiones.
Los asteriscos denotan el nivel de significancia
significancia de los los diferentes
diferentes cocien-
cocien-
tes
tes de varianzas, deterrninados por
varianzas, determinados por comparacin
cornparaci6n de
de los
los valores
valores tabulados
tabulados de
de
F con 11 yy 16
16 grados
grados de
de libertad
libertad aa los
los niveles
niveles de
de 5%
5% (*), (**) Y
(*), 1% (**) y 0.1%
(***).
(***). En
En el
el cuadro
cuadro se
se observa que la regresin
regresi6n es altamente
altarnente significativa
significativa
(esto
(esto es,
es, no
no debida
debida al
al azar).
azar). La diferencia de pendientes en las las dos regre-
regre-
siones separadas no es significativa,
significativa, es es decir parece debida aa los los efectos
efectos
aleatorios en el rnuestreo de los
muestreo de los dos
dos conjuntos
conjuntosde datos. Por
de datos. Por otra
otra parte,
parte, los
los
 -45-

Causas de variacin
variaci6n Suma de grados Cuadrado Raz6n
Raz6n
cuadrados lib.
lib, medio varianzas

Regresi6n combinada
Regresin SCRc
SCRC 1. 83884
1.83884 1 1. 83884
1.83884 335.7***

Entre pendientes SCb 0.01708 1 0.01708 3.1

U,rminos ind.
Entre trminos indo SCa 0.03887 1 0.03887 7.1*

Residual SCE 0.08764 16

16 0.005478

Total SCyc 1. 98243

1.98243 19

terminos
trminos independientes difieren significativamente
significativamente alal nivel
nivel del 5%,
5%, lo10 que
que
sugiere
sugiere que las regresiones son'son de
de hecho
hecho distintas, aa pesar
pesar de
de tener
tener la la mis-
mis-
rna pendiente.
ma pendiente. En consecuencia puede concluirse
concluirse para elel ejemplo,,
ejemplo,que
que los
los da-
tos
tos de
de las
las dos plantaciones no no pueden
pueden combinarse
combinarse en
en una
una sola
sola regresin
regresi6n para
para
prop6sitos de prediccin
propsitos predicci6n sin
sin una
una consecuente
consecuente perdida precisi6n.
prdida de precisin.
metodo de comparacin
Este mtodo comparaci6n puede
puede extenderse
extenderse aa cualquier
cualquier nmero
nUmero de
de regresiones
regresicnes
simples, ~do
simples, observando c~lculos anteriores que donde es necesario sumar
en los calculos
las
las cantidades separadas de de las
las dos
dos regresiones,
regresiones, se har~ extensible
se hara extensible aa cual-
cual-
nUmero de cantidades.
quier nmero cantidades. Dawkins
Dawkins (ver
(ver bibliografa)
bibliograffa) presenta
presenta unun formato
formato
hasta 44 regresiones.
para comparar hasta regresiones.

condicionales para
El uso de variables condicionales para comparacin
comparaci6n de
de lneas
lfneas de
de regresin
regresi6n

condicionales son
Variables condicionales son las
las que
que slo
s6lo pueden
pueden tomar
tomar los
los valores
valores dede cero
cero o0
uno, dependiendo
uno, dependiendo si
si una
una observacin
observaci6n particular
particular entra
entra o0 no
no en
en alguna
alguna parte
partedel
del
modelo de regresin.
regresi6n. Pueden usarse para comparar lineaslineas de de regresi6n
regresin yy para
para
de datos
ajustar conjuntos de jer~rquicos (ver
datos jerarquicos (ver seccin
secci6n A.2.9).
A . 2.9).
Se
Se considera el caso descrito enen el
el ejemplo
ejemplo anterior,
anterior , dede comparar lineas vo
lumen-altura para dos regresiones
regresiones simples
simples dede las
las plantaciones
plantaciones II yy II.II.
plantaci6n se
Para cada plantacin se tiene
tiene un
un modelo:
modelc'o

log V = a
a + b log
log H
H (1)
(1)

formar un
Se puede formar un modelo
modelo nico
unico para
para ambos
ambos conjuntos
conjuntos de
de datos
datos si
si se
se introdu-
introdu-
ce una variable extra
extra ZZ que
que es
es cero
cero para
para los
los datos
datos de
de la
la plantacin
plantaci6n II yy uno
uno
l os datos de
para los de la
la plantacin
plantaci6n II.
II. El
El modelo
modelo combinado
combinado es:
es:

log V = a1(1 + a2Z) + b1(1 + b2Z) log H (3)

(3)

con ZZ == O0 (plantacin
Para observaciones con (plantaci6n I)
I) esto
esto se
se reduce
reduce a:
a:

log V = al + b/ log H (4
(4))

Pero cuando ZZ = 11 (plantacin

(plantaci6n II),
II), los
los coeficientes
coeficientes son:
son:

log V = (al + a2) + (b1 + b2) log H (5)

(5)
 -46-

Para ajustar la
la ecuacin
ecuaci6n (3)
(3) por regresin
regresi6n lineal,
lineal, se eliminan los par~nte
los parnte-
obteni~ndose:
sis obtenindose:

log V = al + a1a2Z + bl log H + b1b2Z log H (6)

(6)

equivale aa la
la cual equivale la ecuacin
ecuaci6n de
de regresin:
regresi6n:

Y =
c0 + c1X1 + c2X2 + c3X3

un programa
Usando un programa de
de regresin
regresi6n m6ltiple
multiple para
para ajustarla,
ajustarla, se
se obtuvieron
obtuvieron los
los
siguientes valores de los
los coeficientes:
coeficientes:

Valor t

Co -1. 76640
-1.76640 -12.3
c0
cc11 1.00179 3. 1
3.1

cc22 . 89657
22.89657 25.2

cc33 -0.68884 -2.7

Los valores de t t de los coeficientes,

coeficientes , con 16 16 grados de libertad,
libertad, indican
indican un
similar, aunque no
resultado similar, id~ntico, al
no idntico, al anlisis
analisis de
de covarianza.
covarianza. ElEl coefi-
coefi-
ciente cl
c1 correspondiente al t~rmino Z
al trmino Z en
en la
la ecuacin
ecuaci6n (6),
(6), indica
indica un t~rmino
un trmino
significativ~ para
adicional altamente significativo para el t~rmino independiente
el trmino independiente del
del segundo
segundo
conjunto de datos.
datos. El coeficiente e3 c3 correspondiente
correspondiente aa Z log H, H, es tambin
tambi~n
al nivel
significativ~ al
significativo nivel del
del 5%,
5%, indicando
indicando que
que la
la pendiente
pendiente de
de los
los dos
dos conjun- .
difiere. En
tos de datos difiere. En el
el anlisis
analisis de
d e covarianza,
covarianza, como
como se
se recordar,
recordara, las
l as
pendientes no difieren significativamente,
significativamente, aunque
aunque sf
s! difieren
difieren los t~rminos
los trminos
independientes.
independientes. Esta discrepancia en en los
los resultados
resultados de
de los m~todos se
los mtodos se debe
debe aa
la diferencia de
de los
los modelos estad!sticos yy las
modelos estadisticos las hiptesis
hip6tesis aa comprobar.
comprobar. El ana
El an
covarianza pregunta:
lisis de covarianza pregunta:

"lDifieren regresiones, o
Difieren ambas regresiones, de ellas,
0 una de elIas, significativamente
significativamente de
de una
una
regresi6n comun?"
regresin com5n?"

mientras que
que esta
esta tcnica pregunta:
t~cnica pregunta:

"lDifiere
"Difiere el t~rmino independiente
el trmino independiente (cl)
(C1) 0o la pendiente (c3)
(c3) de la
la segun
seguE!.
da regresi6n de sus correspondientes de
da regresin de la
la primera?"
primera?"

Puede apreciarse que el segundo

segundo tipo
tipo de
de prueba
prueba es es ms
mas sensible
sensible aa las
las diferen
diferen
cias que el primero; pero
pero por
por otro
otro lado
lade no
no es
es tan
tan directamente
directamente relevante
relevante si:
s1
se
se desea saber,
saber, si se
se pueden combinar
combinar con
con seguridad
seguridad laslas regresiones.
regresiones .
Los valores de
de los
los coeficientes
coeficientes de
de las
las dos
dos lineas
l!neas separadas
separadas pueden
pueden obtenerse
obtenerse
de se ver
de los coeficientes anteriores, yy se vera que
que son id~nticos aa
son idnticos los
los coeficien
tes de las lineas
tes l!neas separadas ajustadas
ajustadas enen el
el anlisis
analisis dede covarianza.
covarianza. Estos
Estos
son:
son:

Plantaci6n II
Plantacin

Termino 'i ndependiente

Trmino Co - 1.76640
- 1. 76640
independiente0
 -47-

Pendiente c
c22
2.89657

Plantacion II
Plantacin II
T~rmino independiente
Trmino independiente co+ci
cO+c l -0.76461

pendiente
Pendiente c +c
c2+c3 2.20773
2 3

ndmeros parecen
De hecho estos nmeros parecen diferir
diferir en
en el
el tercer
tercer decimal
decimal dede los
los calcula-
calcula-
dos anteriormente, pero pero esto
esto es
es efecto
efecto del
del error
error de
de redondeo,
redondeo, pues
pues en
en elel pro
pro
computacion todos
grama de computacin todos los c~lculos, incluyendo
los clculos, incluyendo las
las transformaciones
transformaciones 10= lo=
g?Iitmicas se efecttian
garamicas significativas, mientras que en los
efectan con 15 cifras significativas, c~l
los cl-
culos manuales usados
usados en e n el an~lisis de
el anlisis de covarianza,
covarianza, slo
s6lo se
se utilizaron
utilizaron de de 55
a 8 cifras significativas.
a significativa s.
usc de variables
El uso variable s condicionales
c ond ic ionales puede
puede volverse
v olv erse muy
muy complejo,
c omp le jo , y tambi ~ n
y tambin
flexible. Por
muy flexible. Por ejemplo,
ejemp lo, dada
dada cualquier
cualquier variable
variable dependiente
dependiente YY yy alguna
a l gun a vava
predi ctora X,
riable predictora X, con
con una
una variable
variable condicional
condicional ZZ sese puede
puede tener
tener un
un slr,
s o lo
modele con
modelo con pendiente
pen d ien te comn
comtin yy con t~rminos independientes
con trminos independientes diferentes
diferentes parapara losl os
dos conjuntos
dos conjunto s de
de datos:
d a tos :

Y =
Y +Co
c1Z +
+ clZ
cO
+ c2X
c 2X
Con tres conjuntos de datos,
datos, se
se necesitan
necesitan dos
dos variables
variables condicionales.
condicio n ale s . Estas
Estas
son
son::

Z1
Z1
0O para datos del conjunto 1,
1, 1
1 para los
los conjuntos
conjuntos 22 y
y 3.
3.

Z2 0 para los
O los datos
datos de
de los
los conjuntos
conjuntos 11 yy 2,
2, 11 para el conjunto
conjunto 3.
3.
Z2
El
El modele a comprobar para diferentes
modelo a diferentes pendientes
pendientes yy t~rminos
trminos independientes
es:

y = cO + c1Z1 + c2Z2 + c3X + c4Z1X +

c5Z2X
En la prxima
pr6xima seccin
seccion se
se da m~s informacin
da ms informacion de
de la
la manera
manera de
de usar
usar las
las varia-
varia-
bles condicionales.
condicionales .

A.2.9 Regresion jer~rquica ('nested')

Regresin jerrquica ('nested') usando variables
variables condicionales
condicionales

la seccin
En la secci6n anterior
anterior yaya se
se ha
ha aludido
aludido aa las
las variables
variables condicionales,
condicionales, cuyos
cuyos
pueden ser
valores pueden ser cero
cero o0 uno. Adem~s de
uno. Adems de su
su uso
usc para
para comparar
comparar regresiones,
regresiones,
tambien pueden utilizarse para
tambin para ajustar
ajustar modelos
modelos de
de regresin
regresion aa datos jer~rqu~
datos jerrqui
cos.
cos
jerarquicos aparecen cuando las mediciones se
Los datos jerrquicos se agrupan en unidades
de
de muestreo o0 parcelas, donde
donde la
la regresin
regresi6n dentro
dentro de
de las
las parcelas
parcel as puede
puede ser
diferente de la regresin
regresi6n entre
entre parcelas.
parcelas. La
La situacin m~s comn
situacion ms comtin en
en estudios
estudios
de
de rendimiento forestal
forestal es
es con
con las
las mediciones de parcelp,.
medici~nes de parcel ns dede muestreo perma-
nentes, donde
nentes, donde los
los datos
datos estn
estan agrupados
agrupados por
por parcelas.
parcelas. UnUIlproblema
p roblematpico
t!picoilus
ilus
punto:
tra este punto:

Ejemplo: La figura
Ejemplo: A.2.4 muestra datos
figura A.2.4 datos hipotticos
hipoteticos altura-edad
altura-edad de
de 55 parce-
parce-
las de
las de muestreo permanentes, cada
cada una
una de
de las
las cuales
cuales ha
ha sido
side medida
medida 33 6 44 ve
ve
ces.
ces. El
El objetivo es estimar la
la pendiente
pendiente promedio
promedio de
de la
la relacin
relacion altura-edad
altura-edad
usando cuadr~tico de
usando un modelo cuadrtico de la
la forma:
forma:

H = bo + b1 A + b2A2 (1)
( 1)
 -48-
-48-

Figura A.2.4 Datos hipot~ticos

hipotticos altura-edad
altura-edad para
para el
el ejemplo
ejemplo del
del efecto de
ajuste por regresin
regresiOn jerrquica.
jerarquica.

Altura del rodal

rodal
(m)
Cm)
25
25-
1

20
20-

15
15-

10
10-

----
----- Observaciones en una PMP
Regresi6n datos no
de datos
Regresin de no agrupados
agrupados

5-
5 -=20. Regresin jer~rquica para
Regresi6n jerrquica
sitio promedio
para el
el

oO
5
5 10 15 20
20 25
25

Edad (aos)
Edad (anos)
 --. ... .. : , " .
.-
'.~ ," .,. ~ .'"

donde se asume que bl

b 1 y b2
b 2 sean
sean iguales
igualeS para todas las parcelas,
parcelas, pero Lb
b O pue
pu~
da diferir
difer1r (expresanao
(expresando un
un efecto
efecto de
de sitio).
sitio).
Si se hace un anlisis
an4lisis de
de regresin
regresi6n con los
los datos de la figura A.2.4
A. 2 .4 usando
ecuaci6n (1)
la ecuacin tratando cada observacin
(1) como modelo y tratando observaci6n como separada e inde
inde
pendiente, se obtienen
pendiente, se obtienen los
los coeficientes
coeficientes siguientes:
siguientes:
bb0
O
7.807
bb1
1
0.6939
bb22 -0.008652
con un coeficiente de determinacin
determinaci6n (R2) (R2) de 0.53 y un valor de F de 4.94.
4.94.
El nivel de significancia
significancia: de
de lala regresin
regresi6n es
es 0.20%.
0.20%.
Puede verse de la
la figura
figura A.2.4
A.2 .4. que esta
esta regresin,
regresi6n, dibujada
dibujada con trazos
trazos dis-
continuos,
continuos, subestima de manera obvia la la pendiente promedio de las
las parcelas.
parcelas.
Para ajustar el modelo jerrquico
jer4rquico se se introducen
introducen 44 variables artificiales,que
artificiales,que
se denominar4n Ps
denominarn P2 a P5 con loslos siguientes
siguientes valores:
valores:
P2
P2
1 para
1 los datos de la parcela 2,
para los 2, cero los dem1is
cera para los dems datos
ft ti u
P 11 " "
11
" "ii " " 3, " u
" " " "
11 11 11
3,
P33
P 1
1 ri U
" "n "t "
11

"
11
4, " " " "
11
"
P44
t, i,
P
P5s
11 "ti n n
"ti I/
" " 5,
5, " n n
" "

El es:
El modelo ajustado es:

H = a
H
1 +
al
a 2P 2 +
+ a2P2 a 3P ++ a4P4
+ a3P33
a P ++ a5P5
4 4 aSPS blAA ++ bb2A2
+ b1 2
A2 (2)
(2)

donde los a.
a y b.b son los
los coeficientes
coeficientes de regresin.
regresi6n. Este es un modelo cua-
dr4tico com~ la
drtico com6 ~cuaci6h (1),
la 6cuacin (1), pero
pero con t~rmino independiente
con trmino independ~te diferente
diferente para
para
cada parcela. Los
Los valores
valores de
de los
lostrminos independientesequivalentes
t~rminosindependientesequivalentes a b o en
a lo() en
ecuaci6n (1)
la ecuacin (1) son:
Parcela T~rminoindeEendiente
T6rmino independiente
1
1 a1
a1
2
2 a + a
a1l + a22
3
3 a l + aa33
a1
4
4 a 1 ++ a4
a1 a4
5 a
a11 + as
5
a5

se ajusta aa los
Cuando se los datos
datos de
de la
la figura
figura A.2.4,
A.2.4, los
los valores
valores obtenidos
obtenidos delos
delos
coeficientes son:
son:
 -50-

a
a1 7.432
1
a2 -0.3915
a2
a -1. 755
-1.755
a33
a -3.427
a44
as -6.833
a5
b 0.9192
b11
b -0.01157
b22
coeficiente de
con un coeficiente de determinacin
determinaci6n de de 0.98
0.98 yy un
un valor
valor FF de
de 70.88 con 66 yy 99
70.88 con
libertad. Esto
grados de libertad. Esto es significativ~ para
es significativo para un
un nivel
nivel inferior
inferior aa 0.0001%.
0.0001%.
de esta
La pendiente de esta lnea,
l!nea, dada
dada por
por bl
b 1 yy b2 est~ dibujada
b2 estg dibujada enen la
la figura
figura A.2.
A.2.
e1 valor promedio
4 para el promedio de
de los
los trminos
terminos independientesde
independientesde las
las parcelas,
parcelas, como
como
l!nea continua y gruesa.
lnea gruesa. Puede verse que da da una representacin
representaci6n de lala pendien
te
te promedia de las parcelas mucho mejor que la la de la
la regresin
regresi6n ajustada concon
los datos no agrupados.
los agrupados.
tecnica puede
Esta tcnica puede extenderse
extenderse para
para dar
dar diferentes
diferentes trminos
terminos independientes
independientes yy
para cada
diferentes pendientes para cada parcela,
parcela, o0 un
un trmino
termino independiente
independiente comn
comrtn yy
pendientes. Este
diferentes pendientes. Este ltimo
rtltimo caso
caso eses de m~s utilidad
de ms utilidad con
con modelos
modelos que
que
conducen a gr~ficos asint6ticos,
a grgficos asint6ticos, taltal como
como lala ecuacin
ecuaci6n de
de Schumacher
Schumacher (ver
(ver tex
tex
to).
to). Para
Para una variable YY y una sola
sola X,
X, con
con 33 parcelas por ejemplo,
ejemplo, se
se tiene:
tiene:

Pendiente comn,
comrtn, diferentes
diferentes trminos
terminos independientes:
independientes:

Y = + a2P2 + a3P3 + b1 X
a1

Diferentes pendientes
pendientes yy trminos
terminos independientes:
independientes: .1 ..,..-. .
. ...

Y =
a1 + a2P2 + a3P3 + blX + b2P2X + b3P3X

Diferentes pendientes y trmino

termino- ' independiente comrtn:
independiente comn:

Y
=a1 +b1X+ b2P2X + b3P3X
anteriores, ai
En las ecuaciones anteriores, ai yy bi
b i son
son los
los coeficientes
coeficientes del del trmino
termino inde-
inde-
la pendiente aa ser
pendiente y de la ser ajustadaspor
ajustadospor regresin,
regresi6n, las las XX ee YY son
son va-
va-
riables normales
riables normales yy las Pj
Pi son variables cuyo
cuyo valor
valor eses 11 para
para la
la parcela
parcela jj yy
cer~
cero para las
las otras parcelas.
parCelas.
Estas ideas pueden extenderse aa modelos
modelos multivariantes,
multivariantes, aunque
aunque elel nmero
nrtrnero de
de
coeficientes
coeficientes se hace muy grande.
grande. Las regresiones jer~rquicas de
regresiones jerrquicas de este
este tipo
tipo
pues aa pesar
pueden calcularse manualmente, pues pesar de
de que
que elel nmero
nrtrnero de
de variables
variables es es
grande, la naturaleza 0-1 de
grande, de la
la mayora
mayor!a de
de las
las variables
variables significa
significa muchas
muchas
abreviaciones en los c~lculos. Si
los cglculos. Si se
se hace
hace as,
as!, lala tcnica
tecnica dede eliminacin
eliminaci6n de de
la matriz de
Jordan para invertir la de los
los productos
productos cruzados
cruzados corregidos,
corregidos, dada dada enen
la
la secci6n
seccin A.2.5, m~s rpido
metodo mgs
A.2.5, no es el mtodo r~pido ni
nif~cil; Seber (1977
fgcil; Seber (1977 -- ver
ver bi-
bi-
bliograf!a) da detalles de
bliografa) de mtodos m~s eficientes
metodos mgs eficientes que
que los
los conocidos
conocidos en en el
el
algebra
lgebra de
de matrices. embargo, para
matrices. Sin embargo, para programas
prograrnas de
de computacin,
computaci6n, la la relati-
relati-
va ineficiencia de las
las tcnicas
tecnicas de c~lculo convencionales
de calculo convencionales no no es
es importante,
importante,
 -51-

el tiempo
pues el tiempo de
de procesamiento
procesarnientoimplicado
implicadoesesenencualquier
cualquier.caso
.casomuy
rnuycorto..
corto.
 -52-

A.3 Soluci6n de ecuaciones

Solucin de ecuaciones

A.3.1 Soluci6n de
Solucin de la
la ecuacin
ecuaci6n cuadrtica
cuadr1itica

La
La ecuaci6n cuadrtica
ecuacin cuadr1itica se
se usa
usa ampliamente
ampliamente como
como modelo de
de regresin
regresi6n para
para da-
da-
tos
tos que muestran una ligera curvatura en la tendencia X-Y. Habi~ndose ajusta
X-Yo Habindose ajusta
ecuaci6n para
do una ecuacin para predecir
predecir Y,Y, aa veces
veces es
es necesario
necesario encontrar
encontrar la
la XX corres-
corres=
pondiente aa un
un valor
valor dado
dado de
de Y.
Y. Para
Para hacer
hacer esto,
esto, se
se usa
usa la
la frmula
f6rmula de
de las
las
ra!ces
races de la
la ecuacin
ecuaci6n cuadrtica.
cuadr1itica.
modele de
Si el modelo de regresin
regresi6n es:
es:

Y =b0 +b1X+ b2X2

se
se transforma en:
en:
aX2 +
ax2 + bX + c = O
+ c 0

dondea=
donde a = b2'b=b1 yc=b0c =- bY,
O
- obtenindoseXde:
Y, obteni~ndose X de:

X -=
X -b Vb2 - 4ac
2a
2a

hay dos
Normalmente hay dos soluciones,
soluciones, dependiendo
dependiendo deldel signo
signo que
que se
se tome
tome de
de la
la raz.
ra!z.
Usualmente es obvio que
que slo
5610 una
una solucin
soluci6n dede las
las dos
dos calculadas
calculadas eses posible
posible
en un caso particular.
particular . Por
Por ejemplo,
ejemplo, se
se pueden
pueden obtener
obtener valores
valores para
para el
el dime-
dilirne-
tro de +20 y -15 -15 como solucin
soluci6n de un problema; s610 el valor positivo
problema; slo positiv~ tie-
ne
ne significado.
b 2 es menor que 4ac
Cuando b2 4ac el
el radicando
radicando es
es negativo
negativo yy no
no existe
existe solucinreAl
soluci6nreal
de ecuaci6n. Para la
de la ecuacin. la mayora
mayor!a de
de las
las aplicaciones
aplicaciones forestales,
forestales, esto
esto implica
implica
un
un error en el valor de loslos coeficientes
coeficientes o0 un
un valor
valor de
de YY demasiado
demasiado grande
grande o0
demasiado pequeo.
pequeno. Supngase,
Sup6ngase, por
por ejemplo,
ejemplo, que
que se
se tiene
tiene una
una funcin
funci6n altura-
altura-
edad que alcanza un mximo
m1iximo aa la
la altura
altura de
de 42
42 m.
m. Si
Si se
se trata
trata de
de ver
ver aa queedad
queedad
el
el rodal alcanzar1i los
rodal alcanzar los 50
50 m, puede
puede darse
darse lala condicin
condici6n anterior,
anterior, pues
pues nono exis
exis
te solucin.
te soluci6n.
A.3 . 2
A.3.2 Soluci6n
Solucin gr1ifica ecuaciones
grfica de ecuaciones
Existe un buen ndmero
nUrnero de
de modelos
modelos complejos
complejos que
que no
no pueden
pueden manejarse
manejarse fcilmen-
facilmen-
te con lgebra
te algebra y los
los cuales
cuales deben
deben ser
ser resueltos,
resueltos, bien p~r un
bien por un mtodo
metodo numrico
nurnerico
bien por uno grfico.
grafico. ElEl mtodo grafico de
m~todo grfico de solucin
soluci6n es
es tan
tan evidente,
evidente, quepue-
quepue-
de
de mejor ser ilustrado con un ejemplo.
ejemplo. Consiste simplemente
simplemente en
en plotear
plotear los
los
de YY de
valores de de una ecuacin
ecuaci6n del
del tipo:
tipo:
Y = f(X)
f(X)
s e leccionados de X,
para valores seleccionados X, juntar
juntar los
los puntos con curvas suaves y esti-
esti-
mar el valor de X X para el valor de YY en
en el cual sese requiere la
la solucin.
solucion. Su-
p6ngase por
pngase por ejemplo,que
ejemplo,que sese ha
ha ajustado
ajustado lala ecuacin:
ecuaci6n:
log lMA == -0.8892
log IMA - 0.03055 A + 2.097 log A
-0.8892 - A
incremento medio anual IMA
que relacionael incremento lMA del volumen
volurnen con la
la edad de una
plantaci6n yes
plantacin y as necesario
necesario resolverla
resolverla para
para determinar lala edad
edad aa la
la cual
cual IMA
lMA al-
al-
m3/ha/ ano. Para solucionarlo
canza 15 m3/ha/ao. solucionarlo grficamente,
graficamente, se
se usa
usa la
la ecuacin
ecuaci6n para
para
 -53-

calcular IMA
lMA para una serie de edades
edades dentro
dentro de
de las
las cuales
cuales se
se espera est la
espera est~ la
deseada. Abajo se tabula
respuesta deseada. tabula una
una serie
serie de
de valores
valores de
de lMA
IMA calculados
calculados p~
pa
de 10
ra edades de 10 aa 30:
30:
Edad lMA
IMA

10 7.99
15 13.15
13.15

20 16.91
25 18.99

30 19 . 58
19.58

Estos valores se se plotean,

plotean, comocomo se
se muestra
muestra enen el gr~fico siguiente
el grfico siguiente con
con signos
signos
_ y se conectan con
* con una
una curva
curva suave.
suave. Esto
Esto hace
hace posible
posible leer
leer el
el valor
valor de
de xx co
co
rrespondiente .a conocido de
a un valor conocido de yy . que en este caso es,
es, para un valor
lMA de
de IMA de 15
15m3/ha/ario,
1Ili!/ha/ ano , una
una edad
edaddede17.2
17.'2arios.
anos.

(m 3/ha/ano)
lMA (m3/ha/ao)
IMA

20

15

10

5
5
Edad (anos)
Edad (arios)
10 15
15 20 25 30

.Las
Las principales
principales desventajas m~todos grficos
los mtodos
desventajas de los gr~ficos son:
son :
(i)
(i) precisi6n est
La precisin est~ restringida a quiz~s intervalo
quizs + 0.5% del intervalo
las x
de la escala de las
(ii)
(ii) mtodo es lento y esencialmente manual.
El m~todo manual. No puede usarse
prograrna de computacin,
dentro de un programa computaci6n, ni programarlo
prograrnarlo para un
 -54-
-.54-

calculador.

A.3.3 Soluci6n numrica

Solucin nurnerica de ecuaciones
ecuaciones

metodos de
Existen varios mtodos de solucin
soluci6n numrica
nurnerica de
de ecuaciones,
ecuaciones, pero
pero uno
uno de
de los
los
mas simples y practicos es el llamado
llamado 'mtodo
'metodo de
de bisecci6n'.
biseccin'. Este
Este procede
procede de
de
acuerdo aa los
los siguientes
siguientes pasos:
pasos:

(i)
(i) Definir la
la funcin
funci6n aa resolver
resolver como:
como:
y =; f(x)
f (x)

donde yy es
es un valor conocido,
conocido, siendo
siendo x la incgnita
inc6gnita a
a determi
el mtodo.
nar por el metodo. Existe un
un intervalo
intervalo de
de valores
valores dentro
dentro del
del -
cual debe de estar x,
cual x, de xa
xa a xb,x ' tal
tal que:
que:
b
(1) f(x
f(xa)) menor que f(xb);
f(x );
a es b
(2) f(x
f(xa) ) - signo opuesto
- y,tiene signo opuesto aa f(xb)
f(x ) -
- y
a b
(ii)
(ii) un valor
Calcular un valor de
de prueba
prueba xi:
xi:
xi
x. ;
= l1 (x
(x
a + xb)
+ xb)
2
(iii) Calcular el
el valor
valor yi,
Yi' correspondiente
correspondiente aa x.:
xi:

Y f( x )
; f(x1)
=
yii i

(iv)
(iv) Si:
Si: yi que y,
Yi es mayor que hacer xb
Y, hacer xb = xi;
xi;

yeste caso
y. es menor que y,
Yi

rara vez ocurre en

hacer xa
Y, hacer

en la
a
;
x. :
x = x.:

practica.
la practica.
1.

Yi es exactaIilente igual a Y, la soluci6n es xi; este caso

(v)
(y) Regresar yY repetir los pasos (ii)
(ii) al (iv)
(iv) nn veces;
veces; donde n es-
ta
ta determinado por la precisin
precisi6n con
con la
la cual
cual se
se desea
de sea la
la solu-
solu-
ci6n
cin correcta. va lores iniciales
correcta. Dando valores iniciales dede xa Y xb
xa y xb la
la precisi6n
precisin
la solucin
de la soluci6n sera:
sera:

precisi6n =
precisin 2- n (x - x )
; 2-n
a - xb)
(xa b
Despues
Despus de n iteraciones,x. es es la
la solucin
soluci6n deseada
deseada aa la
la precisin
precisi6n estipulada
estipulada
anteriormente.
anteriormente. En lala practica,
practlca, las
las iteraciones
iteraciones sese ejecutan
ejecutan concon un
un computador
computador
de alta velocidad
velocidad yY usualmente
usualmente se
se fija
fija una
una valor
valor de
de n,
n, por
por ejemplo
ejemplo 15
15 66 20,
20,
amplia variedad
para una amplia va riedad de
de problemas.
problemas. Por
Por ejemplo
ejemplo se
se tiene:
tiene:

No.
No. de iteraciones Precisi6n en
Precisin en %% del
del intervalo
intervalo

5
5 3%
88 0.3%
10
10 0.1%
15 0.003%
20
20 0.0001%
30
30 10- 7%
10-7%
 -55-

Para la mayor!a de los

mayora de los problemas
problemas forestales,
forestales, 15
15 iteraciones
iteraciones son
son suficientes
suficientes
para dar un grado aceptable
aceptable de
de precisin.
precisi6n.
Como ejemplo del m~todo de
del mtodo de biseccin,
bisecci6n, supngase
sup6ngase que
que se
se tiene,
tiene, como
como en
en la
la sec
sec
ci6n anterior,
cin anterior, una
una ecuacin
ecuaci6n que
que relaciona
relaciona la
la edad
edad (A)
(A) con
con el
el incremento me-
(IMA) de
dio anual (IMA) de la
la forma:
forma:

log IMA = -0.8892 - + 2.097 log A

- 0.03055 A -I- A

cual se utiliza para

la cual para determinar
determinar lala edad
edad aa la
la cual
cual IMA
IMA alcanza
alcanza 15 m3 /ha/
15 m3/ha/
ano.
ario. Tomando
Tomando xa
xa como
como 1,
1, xb
xh como
como 30
30 anos,
aos, yy como
como 15,
15, yy aplicando
aplicando los
los pasos
(ii)
(ii) al (iv), se obtiene las
al (iv), las siguientes
siguientes soluciones:
soluciones:

i X. Yi
xa xb

1
1 1.000 30.000 15.500 13.595

2
2 15.500 30.000 22.750 18.254

3
3 15.500
15.500 22.750 19.125
19.125 16.370

4
4 15.500
15.500 19.125 17.312 15.091

5
5 15.500
15.500 17.312 16.406 14.370

66 16.406 17.312
17.312 16.859 14.737

7
7 16.859 17.312 17.085 14.916

88 17.085 17.312 17 . 199

17.199 15.004

9
9 17.085 17.199 17.142 14 . 960
14.960

10 17.142 17.199 17.170 14.982

11 17.170 17.199
17.199 17.185 14.993

12 17.185 17.199
17.199 17.192 14.999

13 17.192 17.199 17.195 15.001

14 17.192 17.195
17.195 17.193 15.000

15 17.192 17.193 17.193 14.999

principal desventaja del m~todo

La prinCipal bisecci6n es que al compararlo con al-
mtodo de biseccin al-
gunos m~todos
mtodos de solucin num~rica (especialmente
soluci6n numrica (especialmente con
con el m~todo de
el mtodo de Newton),
Newton) ,
con cada
la convergencia con cada iteracin
iteraci6n es
es muy
muy lenta;
lenta; el m~todo tiene
el mtodo tiene fallas
fallas tam-
tam-
bi~n
bin cuando hay dos (o(6 cualquier otro ndmero
nilmero par)
par) soluciones
soluciones dentro
dentro del
del in-
in-
tervalo
tervalo inicial;y naturalmente debe estipularse un intervalo para la solu- solu-
ci6n.En
cin.En la mayor!a
mayora de los trabajos forestales estas desventajas
desventajas rara
rara vez
vez son
son
importantes. Si parecen ser criticas,
importantes. cr!ticas, el investigador debe consultar
consul tar algn
algun
libro de texto en m~todos
mtodos num~ricos, (1970), para una
numricos, como por ejemplo Stark (1970), una
guia mas detallada.
gua ms detallada.
 -56-
-56--

A.4 ~o lineales
Ajuste de modelos no lineales

modele no
Un modelo no lineal
lineal es
es aquel
aquel que
que no
no puede
puede transformarse
transformarse en en una
una forma cuy~s
forma cuyos
par~etros puedan
parametros puedan estimarse
estimarse directamente
directamente por
por medio
medio del an~lisis lineal
del analisis lineal de
de los
los
m!nimos cuadrados, tal
mnimos tal como
como se
se .describe en la
describe en la seccin
secci6n A.2.
A.2.
la ecuacin:
Por ejemplo, la ecuaci6n:

= aX
Y = axb

ser transformada
puede ser transformada aa un
un modelo
modelo lineal,
lineal, por
por medio
medio de
de logaritmos:
logaritmos:

log Y == log a
a + b log X
X

log a,
de modo que log a, bb pueden
pueden estimarse
estimarse directamente regresi6n lineal.
directamente por regresin lineal.
parte:
Por otra parte:
a + b
Y == a b Xc
XC

a, b,
donde a, b, cc son
son los
los coeficientes
coeficientes aa determinar,
determinar, no
no puede
puede transformarse
transformarse di-
di-
rectamente
rectamente en una forma lineal y de aqu
aqu1 se
se dice que
que es una
una ecuacin
ecuaci6n o0 mode-
mode-
10 lineal.
lo no lineal.
En este manual slo
s610 es
es posible
posible tratar
tratar con
con mtodos
metodos de
de ajuste
ajuste para
para un
un numero
numero
limitado
limitado de
de funciones no lineales de uso comUn
comun en
en estudios
estudios de crecimiento yy
rendimiento, caracterizadas por
rendimiento, por los
los siguientes
siguientes aspectos:
aspectos :

(i) s610
Slo poseen una variable predictora (X)
(X) y una dependiente (Y);
(Y);

(ii) Hay tres par~etros a

tres parmetros a estimar
estimar (que
(que se llamar~n a,
se llamaran a, b,
b, k)
k) por
por los
los
procesos de ajuste;

(iii) Suponiendo que se asume un valor conocido

conocido para el par~etro k,a
el parametro
yy b pueden estimarse trans formaciones apropiadas por r~
estimarse usando transformaciones re
gresi6n lineal
gresin lineal simple.
simple.

Los tipos dde

Los tipos e ecuaciones
ecuaciones que cumplen con
que cumplen con estas
estas restricciones
restricciones incluyen
incluyen las
las for
for
siguientes ampliamente
mas siguientes ampliamente usadas:
usadas:

(1) Y a + b Xk
Y = a xk

(2) a.exp(b Xk)

Y == a.exp(b Xk)

(3) Y = a(1
Y a(l -
- exp
exp (-kX))b
(_kXb

adem~s de
Existen otros modelos, ademas de estos,
estos, que
que tambin
tambien pueden
pueden ser
ser ajustados,pe
ajustados,pe
usc menos comdn
ro son de uso comun en
en trabajos
trabajos forestales
forestales yy por
por eso
eso no
no se
se consideran.
consideran.
El problema principal es
es la
la estimacin
estimaci6n del par~etro k.
del parmetro k. Para
Para un
un valor
valor conoc
conoci
do de k,
k, pueden obtenerse formas
pueden obtenerse formas lineales
linealesdedelas
lastres
tres ecuaciones
ecuaciones anter io ~ -
anterio-,-,
res, del modo siguiente:
res, siguiente:

(la)
(la) Y
Y = aa ++ bb (Xk)
(Xk)

donde Xk
xk es
es la
la variable predictora.
predictora.

((2a)
2a) loge Y == loge
log log aa + b (Xk)
(Xk)
e e
donde de nuevo, xk y la variable depe~
nuevo, la variable predictora es Xk depen
 -57-
-57-

diente
diente es
es log Y.
loge Y.
e
(3a) loge Y
(3a) Y = loge aa ++ bb loge
; loge log (1
(1 -- exp(-kX))
exp(-kX))
e
dbnde
donde la variable predictora es loge log (1-exp(-kX)),
(l-exp(-kX)), y la variable de
de
e
pendiente loge
loge Y.
Y.

Estas tres formas

formas linearizadas
linearizadas pueden ajustarse
ajustarse usando
usando regresi6n
regresin lineal
lineal sim-
ple,excepto para el parmetro
parametro k.k. El valor dede kk que
que da
da el
el mejor
mejor ajuste
ajuste puede
puede
ser gr~ficamente.
ser estimado grficamente.
esencial del
El principio esencial del enfoque gr~fico es
enfoque grfico es calcular
calcular lala suma
suma de
de cuadrados
cuadrados
residual
residual para las
las formas lineales, utilizando
formas lineales, los m~todos
utilizando los mtodos convencionales
convencionales des des
critos en la seccin
secci6n A.2.1,
A.2.1, para
para una
una serie
serie de
de valores tentativos
tentativos de de k.
k. Esta
Estas
sumas
sumas de cuadrados residuales
de cuadrados plotean gr~ficamente
residuales se plotean grficamente contra
contra los
los valores
valores tenten
tativos
tativos de kk yy se curva aa trav~s
se dibuja una curva travs de
de los
los puntos.
puntos. El El valor
valor de k, aT
de k, al
cual corresponde
correspame la la suma
suma m!nima
mnima proporciona
proporciona elel mejor
mejor estimado
estimado dede kk;
; la regre-
si6n
sin se recalcala con este valor de de k,
k, yy se
se obtienen
obtienen los
los mejores
mejores estimados
estimados
los parmetros
de los parametros aa yy b.b.
ejemplo, supngase
Por ejemplo, sup6ngase que se se tienen
tienen los
los datos
datos que
que relacionan
relacionan la la edad
edad dede las
parcelas aa la
la altura
altura mostrados
mostrados enen la
la figura
figura A.4.1,
A.4.1, aa los
los cuales
cuales sesedesea
deseaaj~
ajus
tar el modelo
modele (3):
(3) :
Y; a(l - exp
Y = a(1 exp (_kX))b
(-kX))b

donde Y la altura
Y es la altura de
de la
la parcela,
parcela, XX es
es la
la edad.
edad. Se
Se usa
usa la
la forma
forma lineal:
lineal:

log Y ;= log a + bb log

log log (1
(1 -- exp
exp (-kX))
(-kX))

estima(10g a)como
yy se estima(log e l trmino
)como el termino independiente yy bb como
como la pendiente
pendiente de
de una
una
regresi6n lineal simple.
regresin simple . En esta regresin,
regresi6n, interesa
in teresa principalmente
principalmente en
en esta
esta
suma de cuadrados de los
etapa,la suma los residuales
residuales 0o desviaciones,
desviaciones, simbolizada
simbolizada por
por
SCE, la cual puede obtenerse como se muestra en el formato
SCE, formato A.2
A.2 en
en la
la sec-
sec-
ci6nA.2.f. Con
cinA.2.1. Con los
los datos
datos dede la
la figura
figura A.4.1
A.4.1 yy usando los valores tentativos
usando los tentativos
de k mostrados m~s abajo, se
ms abajo, se obtienen las
las siguientes sumas
sumas de
de cuadrados
cuadrados de
de
las
las desviaciones:

k Suma cuadrados desviaciones

0.05 0.2808

0.15 0.0302

0.25 0.0732

0. 35
0.35 O. 2~57
0.2657

0.45 0.4885

El
El mejor ajuste (mnimo
(m!nimo SCE),
SCE) , parece
parece estar
estar cercano
cercano aa un
un valor
valor dede kk de
de 0.15.
0.15.
Tomando valores tentativos
tentativos adicional
adicional de
de k,
k, cercanos
cercanos aa 0.15
0.15 se
se tiene:
tiene:
 -58-

Figura A.4.1 Datos hipot~ticos altura-edad

Datos hipotticos altura-edad de
de una
una parcela,
parcela, junto
junto con
con un
un mo-
de10 (linea
delo (linea discontinua)
discontinua) ajustado por el mtodo
metodo de regresi6n no
no
lineal descrito en el texto
texto

Altura (m)
Altura (m)

30-
30

------
/
/
/
/
20
20- /

/
/
I
I
f
15
15-
I.
/
/
I
I

I
/
/
10
10- I. - -
- Datos originales
Datosoriginales
f
----- Modelo
Modelo ajustado

5 -
r
r
r
r

o
55 10 15 20 25

Edad (aos)
Edad (anos)
 -59-

k SCE

0.11 0.0916

0.13 0.0543

0.17 0.0187

0.19 0.0187

0.21 0 .0287
0.0287

0.23 0 .0474
0.0474

Ploteado valores (Figura

Plateado estos valores (Figura A.4.2)
A.4.2) puede
puede verse
verse que
que el
el mnimo
m1nimo parece
parece estar
estar
cercano a k
k = 0.18.
0.18. Al
Al calcular
calcular los
l os valores
valores de
de los
los coeficientes
coeficientes para
para este
este va
va
lor
lar de k,
k, se
se encuentra:

a = 3.290
loge a ) aa == 26.83

bb == 5.199
5 . 199

la ecuacin
de donde la ecuaci6n resultante ser~:
resultante ser:

H = 26.83
H 26.83 (1 -
exp(-0.18 A))5.199
(1 - exp(-0.18 A))5.199

est~ representada
la cual est representada en la la figura
figura A.4.1 como una lnea
l{nea discont inua
discontinua
Este enfoque puede
puede extenderse f~cilmente en
e x tenderse fcilmente en dos
dos direcciones,
direcciones, aunque
aunque una
una dis-
dis-
cusi6n detallada al
cusin al respecto est~ fuera
respecto est fuera del
del alcance
alcance de
de este
este manual.
manual.

(i) Cualquier modelo,

modelo, en elel cual
cual slamente
s61amente uno
uno de
de los par~metros a
los parmetros a
ajustar es no lineal,
lineal , puede
p uede ajustarse
ajustarse ded8lmanera an~loga a
manera anloga a la
la
descrita anteriormente.
anteriormente . Por ejemplo,
e j emplo, si
si se
se tiene:
tiene:

Y = bb0 ++ bb14
k
X ++ b2X2
k
b X ++ b3X1X2
b X X
Y
o 11 2 2 1 2
3

se
se calculan los bi
b i por medio de una
una regresin
regresi6n lineal
lineal m5ltiple
multiple
con
con una serie de valores tentativos
tentativos de k;k ; se
se plotean
plotean las
las sumas
sumas
residuales para
de cuadrados residuales para cada
cada intento;
intento; sese estima
estima el
el valorde
va l orde
k correspondiente aa la
la suma
suma mnima
minima yy se
se ajustan
ajustan los
los bi
bi con
con di-
di-
valor de
cho valor de k.
k.

(ii) va l or de
La busqueda del valor de kk que
que minimiza
minimiza la
la suma
suma de
de cuadrados
cuadrados re
re
sidual
sidual puede automatizarse,
automatizarse , de modo que todos
todos los par~metros ,in
los parmetros,i
clu!do el no lineal
cludo lineal pueden
pueden calcularse
calcularse por
por un
un programa
programa de
de compu-
compu=
taci6n.
tacin. Esto es bastante sencillo
sencillo de hacer
hacer para
para un
un solo par~me
solo parme-
tro
tro lineal,
lineal, con un programa de computacin
computaci6n lo
10 suficiente
suficiente com-
com-
para pequeos
pacto inclusive para pequenos computadores
computadores de
de mesa.
mesa. Mtodos
Metodos a-
a-
propiados de minimizar sese exponen
exponen en
en Royce-Sadler
Royce-Sadler (1975).
(1975).

Lo s mtodos
Los metodos anteriores est~n diseados
anteriores estn disenados para
para el
el investigador
investigadorque tieneacc~
quenonotiene acce
so
so aa un
un computador
computador de
de mediana
medianao 0gran
granCapacidad.
eapacidad. Si existen
existen buenas
buenasfacilidade-s-
facilidades
computaci6n, el
de computacin, el enfoque
enfoque mejor m~s flexible
mejor yy ms fle xible para
"para ajustar
ajustar curvas
curvas no
no linea
linea
les
les es
es por medio de
de una de las modificaci ones al procedimiento denominado
modificaciones denominado -
de Gauss-Newton,
Gauss-Newton, discutido en algunos
algunos libros
libros dede texto
texto como Draper & & Smith
(1966).
(1966). Estos
Estos metodos
mtodos son
son bastante difciles
dif1ciles de entender,
entender, aunque
aunque el
e l resulta-
 -60-
-60-

Figura A.4.2 Determinaci6n grafica

Determinacin grfica del valor del parametro
parmetro k que minimiza
la suma de cuadrados residuales
residuales en una regresin
regresi6n no lineal.
lineal.

Suma de cuadrados

residual

0.10

0.08

Valor interpolado
interpol ado de k
0.06
la suma
para la suma minima de
cuadrados residuales

0.04

0.02

o.oo+--------,---------.--------.---~--~------__,
0.11 0.13 0.15 0.17 0.19 0.21

Valor del par6metro

par metro kk
 -61-

final, esto es el
do final, el conjunto
conjunto de
de coeficientes
coeficientes ajustados,es de usouso sencillo.
sencillo.
Consecuentemente, muchos
muchos investigadores necesitar~n acceso a
investigadores necesitaran a un
un programa
progiama de
de
pueda ser
computaci6n que pueda ser adaptado
adapt ado aa sus
sus equipos.
equipos. Existe una
una cantidad
cantidad de ta-
ta-
les
les programas disponibles, incluyendo por ejemplo el programa SNIFTA (Small
programas disponibles, (Small
Nonlinear Fitting
Fitting Algorithm,
Algorithm, Pequeo
Pequeno Algoritmo
Algoritmo de
de Ajuste
Ajuste No
Nolineal) que est~
lineal) que esta
escrito en
en ANSI
ANSI 66
66 FORTRAN,
FORTRAN, yY se
se obtiene
obtiene de:
de:

Section
Biometrics Section
Unit of Tropical Silviculture
Commonwealth Forestry Institute
South Parks Road,
Road, Oxford 0X1
OXl 3RB
3RB
United Kingdom.
United Kingdom.
 -62-

APENDICEBB
APE N DIe E

Tablas
Tablas de transformaciones
trans formaciones comunes usadas
usadas en los
los modelos de
regresi6n texto
regresin descritos en el texto
 -63-

Tabla
Tabla J.
.k Logaritmosnatur.
Logaritmos naturales (base e)
a les (base e) para
para
los nmeros
los del 11 al
numeros del a1 100
100

X
X ln XX
In X
X ln
In XX X
X In
ln XX
-----------
1 0.00000
1
----------
36 3.58351
-----------
71 4.26267
2 0.69314 37 3.61091 72 4.27666
3 1.09861 38 3.63758 73 4.29045
44 1.38629 39 3.66356 74 44.30406
. 30406
5 1.60943 40 3.68887 75 4.31748
6 1.79175 41 3.71357
3. 71357 76 4.33073
7 1.94591 42 3.73766 77 4.34380
8 2.07944 43 3.76120 78 4.35670
9 2.19722 44 3.78418 79 4.36944
10 2.30258 45 3.80666 80 4.38202
111I 2.39789 46 3.82864 81 4.394411
4.39444
12 2.48490
7..48490 47 3.85014 82 4.40671
13 2.56494 48 3.87120 83 4.4188 11
4.41884
14 2.63905 49 3.89182 . 84
84 44.43081
. 4308 I
15 2.70805 50 3.91202 85 4. 44265
4.44265
16 2.77258 51 3.93182 86 4.45434
4 . 45434
17 2.83321 52 3.95124 87
87 4.46590
18 22.89037
.89037 53 3.97029
3.97029 88 4.47733
19 2.94443 54 3.98898 89
89 4.48863
20 2.99573 55 4.00733 90 4.49980
4.49980
21 3.04452 5~
56 4.02535 91
91 4.51085
22 3.091o4
3.09104 57 4.04305 92 4.52178
23 3.13549 58
58 4.06044 93
93 4.53259
24
24 3.17805 59
59 4.07753 94 4.54329
25 3.21867
3.21857 60 4.09434
.4.09434 95 4.55387
26 3.25809 61 4.11087 96 4.56434
4.5643 11
27 3.29583
3.29583 62 4.12713 97
97 4.57471
28 3.33220 63 4.14313 98 4.58496
29 3.36729 64 4.15888 99 4.59511
4.59511
30
30 3.40119 65 4.17438 100
100 4.60517
11. 60517
31
31 3.43398 66 4.18965 101
101 4.61512
32 3.46573
3.46573 67 4.20469 102
102 4.62497
4.62497
33
33 3.4965o
3.49650 68 4.21950 103
103 4.63472
4.63 1172
34
34 3.52636
3.52636 69 4.23410
4.23410 104
104 4.64439
35
35 3.55534 70 4.24849
4.24849 105 4.65396
 -64-

Tabla 22 Funci6n
Funcin exponencial
exponencial exp (X) o al 55
(Xl para valores del 0

X
X .00
.00 .01
.01 .02
.02 .03 .04
.04 .05
.05 .06
.06 .07
.07 .08
.08 .09
.09

0.0 1.00 1.01

1.01 1.02
1.02 1.03 1.04
1.04 1.05
1.05 1.06
1.06 1.0?
1.07 1.08
1.08 1.09
1.09
0.1
0.1 1.10
1.10 11.11
11 1. 12
1.12 1. 13
1.13 1.15
1.15 1.16
1.16 1. 17
1.17 1. 18
1.18 1.19
1.19 1.20
1.20
0.2 1.22 1.23 1.24
1.24 1.25 1. 27
1.27 1.28
1.28 1.29
1.29 1.30
1.30 1.32 1. 33
1.33
0.3 1.34 1.36 1.37
1.37 1. 39
1.39 1. 40
1.40 1. 41
1.41 1.43
1.43 1.44
1.44 1.46
1.46 1. 47
1.47
0.4 1.49 1.50
1.50 1.52
1.52 1.53 1. 55
1.55 1.56
1.56 1.58
1.58 1.59
1.59 1.61
1.61 1.63
1.63
0.5 1.64
1.64 1.66 1.68
1.68 1. 69
1.69 1.71
1.71 1.73
1.73 1.75
1.75 1.76
1.76 1.78
1.78 1.80
1.80
0.6 1.82 1.84
1.84 1.85
1.85 1.87 1.89
1.89 1.91
1.91 1.93
1.93 1.95
1.95 1.97
1.97 1.99
1.99
0.7 2.01
2.01 . 03
22.03 2. 05
2.05 2.07
2.07 2.09
2.09 2. 11
2.11 2.13
2.13 2.15
2.15 2.18
2.18 2.20
2.20
0.8
0.8 2.22 2.24
2.24 2.27 2.29 2. 31
2.31 2.33
2.33 2.36
2.36 2.38
2.38 2.41
2.41 2.43
2.43
0.9
0.9 2.45
2.45 2.
2.4848 2.50 2. 53
2.53 2.55
2.55 2. 58
2.58 2.61
2.61 2. 63
2.63 2.66
2.66 2.69
2.69

1.0
1.0 2.71 2.74 2.77
2.77 2.80 2.82
2.82 2.85
2.85 2.88
2.88 2.91
2.91 2.94 2.97
2.97
1.1
1.1 3. 00
3.00 3.03
3.03 3.06
3.06 3.09 3.12
3.12 3.15
3.15 3. i8
3.18 3.22 3.25 3.28
3.28
1.2 '3.32
.3.32 33.35
. 35 3.38
3.38 3. 42
3.42 3. 45
3.45 3.49
3.49 3.52
3.52 3.56
3.56 3.59
3.59 3.63
3.63
1.3
1.3 3.66 3.70
3.70 3.74
3.74 3.78
3.78 3. 81
3.81 3. 85
3.85 3. 89
3.89 3.93
3.93 3.97
3.97 4.01
4.01
1.4
1.4 4.05 4.09 4.13 4.17
4.17 4.22
4.22 4.26
4.26 4.30
4.30 4.34
4.34 4.39
4.39 4.43
1.5
1.5 4.48
4.48 4.52
4.52 4.57 4.61
4.61 4.66
4.66 4.71
4.71 4.75
4.75 4. 80
4.80 4.85
4.85 11.
4.9090
1.6
1.6 4.95 55.00
. 00 5.05 5.10
5.10 5.15
5.15 5.20
5.20 5.25
5.25 5.31
5.31 5.36 5,41
5.41
1.7
1.7 5.47 5.52 5.58
5.58 5.64
5.64 5.69
5.69 5.75
5.75 5.81
5.81 5.87
5.87 5.92
5.92 5.98
5.98
1.8
1.8 6.04
6.04 6.11
6.11 66.17
.17 6.23 6.29
6.29 6.35
6.35 6.42
6.42 6.48
6.48 6.55
6.55 6.61
6.61
1.9 6.68
6.68 66.75
. 75 6. 82
6.82 6.88
6.88 6.95
6.95 7.02
7.02 7. 09
7.09 7.17
7.17 7.24
7.24 . 31
77.31
2.0
2.0 7.38
7.38 77.46
. 46 . 53 77.61
77.53 . 61 7.69
7.69 7 .76
7.76 7.84
7.84 7.92 8.00
8.00 8.08
8.08
2.1 8.16 8.24 8.
8.33 8.41
33 8.41 8. 49
8.49 8 . 58
8.58 8.67 8.75 8.84
8.84 8.93
2.2 9.02 9 . 11
9.11 9.20 9.29 9.39
9.39 9 :ua ' 9.58
9.48 9.58 9.67
9.67 9.77
9.77 9.87
2.3
2.3 9.97
9.97 10.07
10.07 10.17 10 . 27
10.17 10.27 10.38 10.48
10.48 10.59
10.59 10.69 10.80
10.80 10.91
10.91
2.4 11.02 11 13
11.13 11.24 11.35
11.24 11.35 11.47
11.47 11.58 11.70
11.58 11.82
11.82 11. 94
11.94 12.06
12.06
2.5 12.18
12.18 12.30
12.30 12.42 . 12.55 12.67
12.67 12.80 12.93
12.80 12.93 13.06
13.06 13.19
13.19 1332
13.32
2.6 13.46 13.59
13.59 13 . 73 13
13.73 . 87
13.87 14.01
14.01 14.15 14.29
14.15 14.29 14.43
14.43 14.58
14.58 14.73
14.73
2.7
2.7 14.87
14.87 15 . 02
15.02 15 . 18 15.33
15.18 15.33 15.48
15.48 15 . 5'1 15.79
15.5'; 15.D 1~.n5
1.5 16.11
16.11 16.28
16.28
2.8 16.44 16.60
16.60 16.77 16.94 17.11
17.11 17 .28 17.46
17.23 17.46 17.63
17.63 17 .81
17.81 17.99
17.99
2.9 18 . 17
18.17 18 . 35
18.35 18.54 18.72 18.91
18.91 19 . 10 19.29
19.10 19 . 49
19.49 19.68
19.68 19.88
19.88

3.0
3.0 20.08 20.28 20.49 20.69
20.69 20.90
20.90 21 . 11 21.32
21.11 21. 32 21.54
21.54 21.75 21.97
3.1
3.1 22.19 22.42 22.64.
22.19 22.64 22.87
22.87 23.10
23.10 23.33 23.57
23.33 23.80 24.04
23.57 23.80 24.04 24.28
24.28
3,2
3:2 24.53 24.77
24.53 24 . 77 25.02 25.27
25.27 25.53
25.53 26.04 26.31
25.79 26.04
25.79 26.31 26.57
25.57 26.84
3.3
3.3 27.11 27.38
27.11 27.38 27.66 27.93
27.93 28.21
28.21 28.50 28.78
28.50 28.78 29.07 29.37 29.66
29.66
3.4 29.96 30 . 26 30.56
30.26 30.87 31.18
31.18 31.81 32.13
31.50 31.81
31.50 32.13 32.45 32.78
3.5 33.11 33.44
33.11 33.44 33.78 34.12
34.12 34.46
34.46 . 34.81
34.81 35.16
35.16 35.51
35.51 35.87
35.87 36.23
36.23
3.6
3.6 36 . 59 36.96
36.59 36.96 37.33
37.33 37.71 38 . 09
38.09 38.47 38.86
38.47 38 . 86 39.25
39.25 39.64
39.64 40.04
40.04
3.7
3.7 40.44 40.85
40.44 40.85 4; .26
41.26 41.67
41.67 42.09 42.52 42.94
42.52 42.94 43.38 43.81
43.38 43.81 44.25
44.25
3.8
3.8 44.70 45.15
44.70 45.15 45.60 46.06 46 . 52
46.52 46.99 47.46 47.94 48.42
46.99 47.46 48.42 48.91
48.91
3.9 49.40 49.89 50.40
49.40 50.90
50.90 51 , 41
51,41 52.45 52.98
51.93 52.45 52.98 53.51
53.51 54.05
54.05

4.0 54.59
54.59 55.14
55.14 55.70
55.70 56.26
56.26 56 . 82 57
56.82 57.97 58.55 59.14
. 39 57.97
57.39 59.14 59.7359.73
4.1
4.1 60.34 60.94 6 ~ .55
61.55 62.17 62.80 83.43
62.80 64 . 07 64.71
63. 43 64.07 64.71 65.3665.36 66.0266.02
4.2 66.68
66.68 67 . 35
67.35 68.03 68.71 69.40 70
69.40 . 10 70.80
70.10 70.80 71.52 72.24 72.96 72.96
4.3
4.3 73.69 7~.~4
74.44 75 . is
75.18 73.94
75.94 76.70 Ti.41
76.70 77.47 78.25 i9.0 11 19.83
18.25 Y9.04 79.83 30.64liO.64
4.4
4.4 81.115
81.45 82.26 8~ . 09
83.09 83.93
83.93 84.77 85
84.11 . 62 86.48
85.62 86.48 87.35 88.23 88.23 69.1269.12
4.5 90.01
90.01 90 . 92
90.92 991.83
1 .83 92 . 75
92.75 93.
93.6969 94.63
94 . 63 95.58 96 . 54 97.51
95 , 58 96.54 98 . 49
97 . 51 98.49
4.6
4.6 99.48
99.48 100.48
100.48 10 ~.4 9
101.49 102.51
102.51 103.54 1OU., 58 105.63
103.54 104,58 105 . 63 106.69
106.69 107.77 108 .85
101.77 108.85
4.7
4.7 109.94
109.94 111. 05
111.05 112.16
112.16 113.29
113.29 114 . 43 115.58
114.43 115.58 116.74
116.74 117.91 119.10 120.30
117.91 119.10 120.30
4.8
4.8 121 . 51
121.51 122.73
122.73 12~.96
123.96 125.21
125.21 126.46 127.74
126.46 127.74 129.02
129 . 02 130.32
130 . 32 131.63 132.95
131.63 132.95
4.9
4.9 134.28
134.28 135.63
135.63 137 . 00
137.00 138.37
138.37 141. 17 142.59
139.77 141.17
139.77 ]114 . 02 145.47
142.59 144.02 ]115 . 47 146.93
146.13
 -65-
Tabla 3 Potencias de los
Potencias de los rec!procos
recprocos para
para valores
valores del
del 22 al
al 50
50

valor del
del exponente
eXEonente
X
X 0.2 0.4 0.6 0.8- 1,0
0.8 1.0 1.2 1.4 1.6
1.6 1.8 2.0
2.0
--------------------------------------------------------------------------
.65975 .57434 .50000 .43527 .31892 .32987 .28717 .25000
.43527 .37892
-2 .87055 .75785 .65975
3 .80274 .64439
.6111439 .51728 .41524
.41524 .33333 .26758 .21479 .17242
.172142 .13841
.138141 .11111
44 .75785 .57 434
.57434 .43527 .32987 .25000 .18946
.189146 .14358 - .10881 .08246 .06250
55 .72477
.721477 .52530 .38073 .27594 .20000 .14495
.14495 .10506 .07614
.076111 .05518 .04000
66 .69882 .48835 .34127
.314127 .23849
.238149 .16666 .11647 .08139 .05687 .03974 .02777
7 .67761 . 45915
.45915 .31112 .21082 .14285
.111285 .09680 .06559 . 04444
.04142414 .03011 020 UG
..02040
8 .65975 .43527
.43527 .28717 .18946 .12500 .08246 .05440
.0511140 .03589 .02368 .01562
99 .64439
.624439 . 41524
.241524 .26758 .17242 .11111 .07159 .04613 .02973 .01915 .0 123~
.012314

10 - .63095 .39810 .25118 .15848

.158118 .10000 .06309 .03981 .02511 .01584
.015814 .01000
11 .61 904
.619014 .38321 .23722 14685
..14685 ..09090
09090 .05627 .03483 .02156 ..01335
01335 .00826
12 .60836
.60836 .37010 .22516 .13697 ..08333
08333 ..05069
05069 .03084 .01876 .01141 .00694
13 .59870 . 35844
.358414 .21460
.211460 .12848 .07692 .04605
.014605 .0275'(
.02757 ..01650
01650 .00988 .00591
.OO59~
14 .58989 .34797
.314797 .20526 .1 2108
.12108 .07142 .04213 .02485
.021485 .01466 .00864 .00510
15 ..58181
58181 .33850
. 33850 .19694
.196914 .11458 .06666 .03878 .02256 .01312 .00763 .OOlj!!4
.0011114
16 .57434 .32987 .18946
.189146 .10881 .06250 .03589 .02061 .01184
.011814 .00680 .00390
17 ..56742
56742 .32197 .18269 .10366 .05882 ..03337
03337 .01893 .01074
.010714 .00609 .00346
.003~6
18 .56097 .31469 .17653 .09903 .05555 . 03116
.03116 .01748
.01748 .00980 .00550 .00308
19 .55494 .30796 .17090 .09484 .05263 .02920
.02920 .01620
. 01620 .00899 .00499 .00277
20 .54928
.514928 .30170
. 30170 .16572 .09102 ..05000
05000 - ..02746
02746 .0150a
.01508 .00828 .00455 .00250
21 .54394 .29587
.29587 ..16094
16094 .08754 .04761
.014761 .02590 . 01408
.01408 .00766
. 00766 ..00416
00416 .00226
22 .53890 .29042
. 29042 ..15651
15651 .08434
.082434 .04545
.014545 ..021449
02449 .01320 .00711 .00383 ..00206
00206
23 ..53413
53413 .28530 .15239 .08139 ..043147
04347 .02322 ..01240
01240 .00662 .00353 .0018Q
.00189
24 .52961 .28048 .1 4855
.114855 .07867 .04166 .02206 ..01168
01168 .00618 .0027
.00327 .00173
25 .52530 .27594
.275914 .14495 .07614 .04000 .02101 .01103 .00579 .00304
.003014 .00160
.00150
26 .52120 .27165 .14158 .07379 .03846 ..02004
02004 0104 11
..010144 ..005414
00544 .00283
. 00283 .00147
27 .51728 .26758 .13841 .07159 .03703 ..01915
01915 ..00991
00991 .00512 .00265 .00137
28 .51353 .26371 .13542 .06954 .03571 -.01834
.01834 .00941 .00483 .00248 .00127
29 .50994 .26004
. 26004 .1 3260
.13260 .06762 ..0311148
03448 -.01758 .00896 .00457 .00233 .00118
30 .50649
.506149 .25653 .12993 .06581
.06581 .03333 .01688 .00855 .00433 .00219 00111
..00111
31 .50318 .25319 .12740
.1 2740 .06410
.062110 .03225 .01623 .00816 .00410
.002410 ..00206
00206 .OOi04
.001014
_ 32 . 50000
.50000 . 25000
.25000 .12500 .06250 .03125 .01562 .00781 .00390 .00195 .00097
33 .49693 .24694
.214694 .12271 .06098 .03030
.03030, .01505 .00748-
.00748 .00371 .00184 .00091
34
311 .49397 .24401
.214401 .12053 .05954 .02941
~02 941 .01452 .00717 .00354 ..00175
00175 .00086
.00036
35 - .49111 .24119 .11845 ..05817
05817 .02857 .01403
.011403 .00689 .00338 .00166 .00C31
.00081
36 .48835
. 48835 ..23849
23849 .11647 .05687 .02777 .01356 ..00662
00662 .00323 .00157
. 00323 .00157 .00077
.0007"
37 .48569 ..23589
23589 .11457 ..05564
05564 .02702 ..01312
01312 .00637 .00309 - .00150
.00309 .00073
38 - .48310
.4831 0 ..23339
23339 .11275 .05447
.052447 .02631 .01271 _.00614 .00296 .00143
.00143 .00069
.00009
39 ..48060
48060 ..23097
23097 .11100 .05335 ..02564
02564 ..01212
01232 .00592 .00284 .00136 .00065
40 .47817 ..22865
22865 .10933 ..05228
05228 .02500 .01195 .00571 .00273 ,00130
.00130 .00062
4;
141 .47582
. 47582 .22640
.226/40 .10772 .05125
,05125 .02439
.021439 ..01160
01160 .00552 .00262 .00125 .00059
42
/12 .47353 .22423 .10618 .05028 .02380 ..01127
01127 .00533 .00252 .00119 .00056
43
143 ..47130
47130 .22213 ..10469
10469 .04934
.014934 .02325 .01096 .00516 .002 113
.00243 .00114 ,OOOS4
.000514
44
414 ..46914
46914 .22009 .10325 ,.04844
04844 .02272 .01066 .00500 .00234
.002314 .00110 .00051
45 .46704 ..21812
21812 .10187 ..04758
04758 .02222 ..01037
01037 .00484
.0048 11 .00226 .00105 .OC049
.00049
46
116 .46499 .21622 .10054
.100514 .04675 . 02173
.02173 .01010 .001170
,00 1170 .00218 .00101 . OOC~"
.00C47
47 ..46299
46299 ..21436
21436 . 09925
.09925 .04595 .02127 ..00985
00985 .00456
.002456 _..00211
00211 .00097 .000 115
.00045
48 ..46105
46105 ..21257
21257 ..09800
09800 . 04518
.04518 . 02083
.02083 ..00960 00 1142
00960 _..0011112 .0020411
.0020 .00094
,00094 .00043
.000"3
49
149 .45915 .21082 .09680
. 09680 .04444
.01441424 .02040 .00937 .001430
.00430 ..00197
0019" ..00090
00090 000'; 1
. 0001 1

50
50 ..45730
45730 ..20912
20912 .09563 .04373 .02000
. 02000 .00914 .00418 .00191 .00087 .000 110
.000'0
 -66-
-66-

Tabla 44 ES12aciamiento
Espaciamiento l:' eS12aciamiento
es aciamiento relativo % funci6n de
% en funcin de la
la masa
maSi!
forestal la altura
l:' de la
forestal y altura

Esp. 2.0
2.0 2.5
2.5 3.0
3.0 3.5
3.5 4.0 4.5
4.5 5.0
5.0 6 .0
6.0 7.0 8.0 m.
m.
N/ha.
N/ha. 2500
2500 1600 1111
1111 816
616 625
625 494 400
400 218
278 204
204 256
Altura
m
m
---------------- Espaciamiento relativo %% ------------------
.5 110
40 50
50 60
60 70 80
80 89
89 100
100 119
119 140
140 160
160
6 6 33
33 111
41 50
50 58 66 711
74 83
83 99
99 116
116 133
133
7 28
28 35
35 42
42 50
50 57
57 64
64 71
71 85
85 100
100 114
114
8 25
25 31
31 37
37 43 50
50 56
56 62 74
74 67 100
100
99 22
22 27
27 33 38
36 44
44 49
49 55
55 66
66 77 88
88

10
10 20 25
25 30
30 35
35 40
40 44
44 50 59
59 70 80
80
11
11 18
18 22
22 27
27 31
31 36
36 40 45 54
54 63
63 72
72
12 16
16 20
20 25 29
29 33
33 37
37 41
41 49
49 58
58 66
66
13
13 15
15 19
19 23
23 26
26 30
30 34
34 38
38 46
46 53
53 61
61
14
14 14
14 17
17 21
21 25 28
28 32 35
35 42
42 50 57
57

15
15 13
13 16
16 20
20 23
23 26
26 29 33
33 39
39 46
46 53
53
16
16 12
12 15
15 18
18 21
21 25
25 28
28 31
31 37
37 43 50
17
17 11
11 14
14 17
17 20
20 23 26
26 29 35
35 41
41 47
47
18
18 11
11 13 16
16 19 22
22 2/1
24 27
27 33
33 38 44
411

19
19 10
10 13
13 15
15 18
18 21
21 23
23 26
26 31
31 36
36 42
42

20
20 10
10 12
12 15
15 11
17 20
20 22 25
25 29
29 35
35 40
40
21
21 99 11
11 14
14 16
16 19
19 21
21 23
23 28
28 33 38
38
22 99 11
11 13 15 18
18 20 22 21
27 31
31 36
36
23
23 8
8 10
10 13
13 15
15 17
17 19
19 21
21 26
26 30 34
34
24
24 88 10
10 12
12 14
14 16
16 18
18 20 . 24 29 33
33

25
25 8
8 10
10 12
12 14
14 16
16 11
17 20
20 23
23 28 32
32
26
26 77 99 11
11 13
13 15
15 17
17 19
19 23
23 26
26 30
30
27
27 7
7 9
9 vi
11 12
12 14
-iii 16
16 18
18 22
22 25 29
29
28 77 88 10
10 12
12 14
14 16
16 17 21
21 25
25 28
28
29
29 66 e
8 10
10 12
12 13 15
15 17 20 ::4
24 . 21
27

30 66 8
8 10
10 11
11 13
13 14
14 16
16 19
19 23 25
26
31
31 66 8
8 99 11
11 12
12 14
14 16
16 19
19 22
22 25
32 6
6 7
7 9
9 10
10 12
12 14
14 15
15 18
18 21
21 25
25
33
33 66 7
7 99 10
10 12
12 13
13 15
15 18
18 21
21 24
24
34 55 7
7 8
8 10
10 11
11 13
13 14
14 11
17 20 23
23

35
35 55 7
7 88 10
10 11
11 12
12 14
14 11
17 20
20 22
22
36 55 66 88 99 11
11 12
12 13 16
16 19
19 22
22
31
37 55 6
6 86 9
9 10
10 12
12 13
13 16
16 18
18 21
21
38
38 55 66 17 99 10
10 11
11 13
13 15 18
18 21
21
39
39 55 6
6 17 88 10
10 11
11 12
12 15
15 17
17 20
20

40
40 5
5 66 17 88 10
10 11
11 12
12 14
14 17
17 20
20
41
41 44 6
6 17 88 99 10
10 12
12 14
14 11
17 19
19
42
42 4
4 5 17 8
8 9
9 10
10 11
11 14
14 16
16 19
19
43 44 5
5 66 88 9
9 10
10 11
11 13
13 16
16 18
18
44
44 4
4 55 6
6 77 9
9 10
10 11
11 13
13 15 18
18

45
145 4
14 5
5 66 17 8
8 99 11
11 13
13 15
15 17
17
 -67-
-67-

APENDICECC
APE N DIe E

Formatos
Formatos en blanco para registro
registro de datos yy c~lculos
de datos calculos descritos
descritos
en el texto principal.
principal .
 -68-
-68--

3.1
Formato 3.1 Evaluaci6n de muestreo -- Plantaciones
Evaluacin parcelas de Plantaciones
Hoja
HojaD de 0
I.

Bosque Distrito Compartimiento parcela

N parcela Especie
Especie
I I I
I I I 1 1 I I I I I I 1

Area parcela Pendiente evaluaci6n

Fecha evaluacin N
N de
de oficina
1 T- NMI
mes
I
ano
I I I I
Nfuero
NrImero tarjetas
tarjetas

Arbol N"
Afllol N .. DAP c/cort
!lAP c/cort Altura ------- Ci5digos
C6digos - ------

Observaciones . . . . . . . . . . . . . . . . . . . . . . . . . ......
Observaciones.. . . . . . .,......, .........................
. . . . .. . ....... . .......... ...... .

. ... . . . . . .. . . . . . . . . . . . . . . . . .. . . . .. . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . .. . . . .. . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . .. . . . . . . . . . . . . . .. . . . . . .. .
por. . . . . . . . . . . . . . . ...... . .... Fecha
Levantado por Fecha .... / .... / ...... .

PARA CALCULAR
USE EL RESPALDO PARA CALCULAR LAS
LAS ALTURAS
ALTURAS
 -69-

5.1
Formato 5.1 de regresin
Modelos de re resi6n de pendiente
endiente coman
coman y trmino inde endiente
t~rmino independiente
corn n.
coman.

Parte 11 Resumen de los datos de la parcela.

parcela. Usar tantas
tantas hojas
hojas de la pa
par
te para todas
te 1 como sean necesarias para todas las
las parcelas.
parcelas.

~ranSformaCi6n de datos
I
Transformacin datos x =
. usada:
usada: y =
I
Parcela
DatOs originale
Datos oriainal"'. Datos transformados
X
X .y
Y X~
X2 XY

Totales nn ==

Parcela
~tos oriqinales
Datos originales transformados
Datos transformados
X
X y
Y X~
X2 XY

Totales nn ==

Parcela
Datos originales Datos transformados
X
X yY X~
X2 XY

Totales nn =
,Totales
 -70-

5.1
Formato 5.1 resi6n de pendiente
Modelos de re resin endiente com5n
comun y trmino
termino independiente
inde endiente
com n.
comn.

Parte 22 Totales entre las parcelas y c~lculo de los coeficientes

y calculo

par-
Par- IYIY LX2.-(gL
LXy_IlfIY
XY
z
(D)2 IXLXY
IX Do? (z.xt
(2X) n IY
1.Y
cela n
n n
n IX2
2.X2 IX
.IX2 n i

Totales
-.!J ~ .Jl ~ fsJ &J

Pendiente comun bb == (1)/(2)

Pendiente comn (1)/(2) _________________________

Termin 0 indep.
Trmino indep. comn
comun aa == ( (6)
(6 ) -
( - (3))/((5)
( 3) ) / ( (5) -- (4)
(4) ) =
)

=
 Formato 5.2
5.2 Transformaciones aa los datos de edad y altura de PMP para ajustar el
par~metro
pardmetro kk de la ecuaci6n
ecuacin de Schumacher para estimar la pendiente co
man
mqn

ii j A
Aij aa b c Xii
Xij H.-
Hij
ij d e ff gg h Yij
Y ij

Parce, Punto 'Edad

arce Punta Edad Suma D~fere.f!
Piferen 2/a In c
c Suma
Altura Suma Diferen e/b d/2 f/g
fig In h
a Cl.a
cia cia -

I
...
-.J

I )0

Transferir a
a formato
formato 5.1
 -72-
-72--

A. 11
Formato A. Coeficientes para aproximar una curva cuadrdtica
cuadratica o0 cbica
cdbica
- - - -

Objetivo:
Objetivo: Calcular los
los coeficientes
coeficientes bi
b en
en las
las ecuaciones:
ecuaciones:
i
Y = b+ b1 X+ b2 X2 + b X3 cdbica)
(curva cbica)

6
Y = b0 + bl X + b2 X2 cuadratica)
(curva cuadrdtica)

Las casillas marcadas <> no requieren para

se requieren para el
el calculo
calculo de
de la
la curva
curva cuadra-
cuadra-
tica.
tica.

(1
(1)) Tabular
Tabular los
los datos
datos de
de 3 6 4 puntos para la funcin
funci6n yy calcular
calcular cuadrados
cuadrados
cubos.
y cubos.
y

ii 1
1 2
2 33 4
4

Y.
Y
i ~
<>
<>

i
X.
~ <>
<>

X~
X2 <>
i
~
0.
,

X~ -0
X3 -<> -<> <>
4*. <>
.4>
i ~
.4r.>

(2)
(2) Del
Del cuadro (1)
(1) calcular
calcular las
las diferencias siguientes:
siguientes:

3
iJ- Y.
Yi+1 - Y. X. - X x22 .
Y. - x2
i+1 - X2ii
3
X.
Xi+1 X~3
- X.
1+1 - i~
1+1 - Yii Xi+1
1+1 - Xii 1+1

1 <>
4).

2 <>
4z>

3
.Q
.4. 4
<> I>
41::> 0
<>

(3)
(3) Del
Del cuadro (2) construir los trminos
cuadro (2) terminos mostrados
mostrados en
en el
el cuadro
cuadro siguiente,
siguiente,
de acuerdo
acuerdo a alas
lasdefiniciones:
definiciones:

ii u.
i~
u. v.
i
~
w.
i
w.
~
u.= CZ - Y.)/(Xi+1 - X.)
i+1
1
2 2
v.= (X1 .
- X.)/(X1+1 . X.)
2 1+
3 3
3 w.= (X1 - X.. . - Xi )
1+ )/(X1+1

sigue/
sigue/...
 -73-

"..1
Formato A.1 (continuaci6n .. )
(continuacin...)

(4)
(4) del
del cuadro (3) calcular
cuadro (3) calcular los t~rminos Gb1
los tgrminos &1 cuadra
cuadro siguiente,
siguiente, de
de acuerdo a:
a:

Pi = (11i:+1 u1)/(vi+1 - vi)

w.)/(v. - v.)
qi 1 1+1

ii v.
v i1+1 -
+1 - v.
vii P.i
Pi qi
qi

11
! -
:
2

(5)
(5) Calcular
Calcular los
los coeficientes las siguientes
coeficientes de acuerdo a las siguientes frmulas:
f6rmulas :

Coeficientes Ecuaci6n cbica

Ecuacin -C(;bica Ecuaci6n cuadr~tica
Ecuacin cuadrgtica

b3 (p2-p1)/(q2-q1)
Ninguna

b2 P1 - /93(11 pi

= =

b1 ul - b2v1 - b3w1 ul - b2vi

= =

2 3 2
bo
Y1-b1X1-b2X1-b3X1 Y1 - b1X1 1)2)11

= =

** ** ** ** ** ** * * ** * ** ** ** ** ** ** ** ** ** ** ** ** **
**
 -74-
-74-

Formato A.3
A.3 Coeficientes yy estad!sticos
Coeficientes estadsticos de
de una
una regresin
reg~es~6n. con
con dos variables
dos variables
predictoras (Parte
(Parte 1)
1)
Descripcin
Descripci6n del
del problema:
problema: ____________________~------------~._----~-----
,.

(1)
(I) Datos
Datos de
de regresin
regresi6n (4) Productos
Productos corregidos
Ey22 = Ly2 _ (iy)
(!Y) 2/n
2/ n =
Y
Y X
X Z LY
Yxy
LXY = IXY-ZXIY/n
LXY- ~X.tY/n ==
LZY ==E.ZY-7Z.1Y/n
Ezy tZY-~z.l Yin ==
(Ex.) 2/
Ex2 = lx2- (fX)
[x2 2/nn =
lxz ==ZXZ--7X.1Z/n
Lxz-IX.1Z / n ==
LXZ
Ez2 2 (zz, 2 2,__ '
Ez2_
Ez2 = Ez -(!Z)) in /n ==
,
(5) Determinante
, .. yl_Up_Uga_d=,a_sierGauas__
V m,,1HnH il" r.,.,."""
,
D ==Ex2.zz2_
D (Exz.
LX2 . rz2_{txZ)) = 2
2
=
Tz2/13
g1= Lz2/D =
'1= .
gg2=
= -2Xz/D
-}:xZ/D =
2 Ex2/p2
g3= LX / D =
.
(6) Coeficientes
Coeficientes de
de regresin
regresi6n
bl=
b 1 = g1.Yxy+g2.Ezy
gl:t x Y+g2 [zy ==
.
b2=
b 2= g2.:Exy+g3.E.zy
g2 Exy+g3tzy ==
bo = Y-b 1 X-b 2 Z
b0=1.1-b2.1 -=

Sumadedecuadrados
(7) SUma cuadradosdedelala regresi6n
regresin
1y2 = b .Lxy+b .!.zy =

I(
Y n1ZxY+b2IzY
1 2 =
Sumadedecuadradcs
8) SUIl'a cuadradosresidual
residual
rd 2= 2y2-1y2 ==
xd2_,
I
I (9) Gradosdedelibertad
Grados libertad del
del residuo
resl-duo
(2)) Totales
(2 Totales yy productos
productos
Igl=
Igl n-3n 3=
zy2
LY' LY LXY
ZXY tZY
EZY

n lX Iz

(3) Promedios
(3) Promedios Lx2
zx2 Txz
[XZ

3 == EY/n
Y LY/n == Lz2
EZ2 I Parte 2>
Parte 2)
X == EX/n
Ex/n ==
Z == EZ/n
Z/n ==
 -75'-
-75-

Formato A.3
Formato A.3 (...Part,_ 2)
( PartL _2)

(10) Correlaci6n
(10) e.'t re variables
Correlacin e:
2
ryx
r
yx = rxY/'f(Ix .r. y 2)
=Ixy/f(Zx2.1.y2) =
ryz
r = Lyz/V"(rz2
= .ly2) =
s-vz/ir(Ez2.Iy2)
yz
2
rxz = txzl V'n:x rz2) =
Exz/V(Ix2Ez2) =
rxz =

(11)
(11) Coeficiente
Coeficiente de
de correlaci6n
correlacin multiple
maltiple R y R~
y R2
= IYI!y
R2 = EIVEy ==
R
R = ,/R2
=\[R2 =

(12)
(12) An&lisis
Analisis de varianza
Surna
Suma de cuadrado Raz6n
Razn de
Causas Cuadrados g.!.
g.l. medio Varianzas
Regresion
Regresin n 2
z372
22

Residual ~d2
Ed2 gl = ss2
= 2

Total zy2
Ly2 n-1
n-1

(13) Desviaci6nstandard
(13) Desviacin standard residual
residual

s = Vs
-
2
=

(14)
(14) Error standard yy valores
Error standard valores tt de
de los
los coeficientes
coeficientes

Coeficiente b1 bb22
bl

1= 1=
standard ssh
Error standard s.
s. Vg
fil= s.Tg3=
sVg
b

t = b/sb
t

(15) Intervalos
(15) Intervalos de
de confianza de
de las
las predicciones
predicciones
Para una serie de m
m estimados de
de YY aa un
un nivel
nivel dado
dado de X, Z,
de X, Z, el
error standard de
de la
la prediccin
predicci6n promedia
promedia esta
est& dado
dado por:
por:
\ r.
Ii (11m +l/n
= s. \(-(1/m
Sy = + g1.x2
+1/n +
2
gl x ++ 2.g2.x.z
2
g3 z )
2g2 x z ++ g3.z2)
sy

(X -- X)
donde x = (X R) ; zz == (Z Z).
(Z -- -2). Para una muestra grande, 11m
grande, l/m
senacero; para un slo
seracero; s610 punto
punto sera
ser& la
la unidad.
unidad.
 -76-

APENDICE
APE N DIe E D
D

Bibliograf!a comentada
Bibliografa comentada

Esta
Esta bibliograf!a revisi6n completa de la literatura sobre medi-
~ es una revisin
bibliografa no
ciones forestales. Simplemente se sugiere una serie de libros de referencia
ciones forestales. reirencia
este manual, los
para completar este los cuales
cuales pueden
pueden utilizarse
utilizarse para investigar
investigar o0
arnpliar tecnicas sugeridas.
ampliar las tcnicas sugeridas.
Los artculos
art!culos tcnicos
tecnicos referidos
referidos en
en el
el texto se han indicado al pie de la
la
pagina correspondiente
correspondiente yy no
no se
se incluyen
incluyen aqu.
aqu!.
 -77-

11 Assmann E.
E. - 1970 -- The
- The Principles of
of Forest
Forest Yield
Yield Study.
Study. Pergamon
Pergamon Press.
Press.,
506. Un tratado muy completo sobre la teora
pp 506. teor1a del
del crecimien
to
to del
del bosque con discusin
discusi6n de numerosos ejemplos.
ejemplos. La
La mayor
mayor -
parte de los conceptos estn
estn generalizados
generalizados,para
para los rodales
coetneos del Norte de Europa y no son necesariamente vli-
coetneos vli-
los trpicos.
dos en los tr6picos. Slo
s6lo se
se discuten
discuten modelos
modelos estticos
estticosde
de ' ren
ren
dimiento y modelos alomtricos.
alom~tricos.

22 Avery T.E.
T.E. - 1967 -- Forest Measurements. McGraw-Hill.
- McGraw-Hill. pp
pp 290.
290.
Enfatiza los aspectos prcticos
practicos de trabajos de campo yy anli-
anali-
sis
sis primario
primario de
de datos.
datos. Orientado
Orientado aa las
las practicas
prcticas yy terminolo-
terminolo-
g!a de Norte Amrica,
gia America, de modo que no es completamente adecua-
do para los trpicos,
tr6picos, pero a pesar de ello es un libro
libro de tex
to 1til.
uti!.
33 Burley J.
J. & Wood P.J.
& P.J. (Editores)
(Editores) -- 1976 --
A on Species
A Manual on Species and
and Provenance
Provenance Research
Research with
with particular
particular
reference to
reference to the
theTropics.Tropical
Tropics.Tropical Forestry
Forestry Paper10,Ocrmonwealth
Paper10,Ccrrrnonwealth
Forestry Institute,
Institute, Oxford.
Oxford.
Un vclumen util para acompaar
volumen til acompanar el presente trabajo,
trabajo, cubriendo
prcticos de los
aspectos prcticos los requerimientos de la la investigacin
investigaci6n
en la fase exploratoria de la la introduccin
introducci6n de especies
especies exti-
ex6ti-
cas para plantaciones.
cas plantaciones. Prctico
Prctico en su orientacin
orientaci6n y escrito
con sencillez. Un Un apndice separado (por
ap~ndice separado (por J.F.
J.F. Hughes
Hughes &&R.A.
R.A.
Plumtre)
Plumtre) cubre estudios de calidad de la madera ; . .

44 CAB - 1977
- 1977 -- Computerized
ComputerizedMethods
MethodsininForest
Forest Planningand
Planningand Forecasting.
Forecasting.
Bibliography F14.
Annotated Bibliography F14. Commonwealth
Commonwealth Agricultural
Agricultural Bureau,
Bureau,
UK.
literatura mundial publicada entre 1973-1976.
Cubre la literatura 1973-1976. Da un
sumario
sumario completo dede cada referencia.
referencia. Muchas citas tienen re- re-
levancia directa en el el campo
campo de
de la
la prediccin
predicci6n yy control
control del
del
rendimiento.

55 Carron L.T. -- 1968

1968 -- An
An Outline
Outline of
of Forest
Forest Mensuration.
Mensuration. Australian
AustralianNational
National
University Press.
Press. pp
pp 224.
224.
Mas orientado
Ms orientado aa la
la construccin
construcci6n dede tablas
tab las de
de volumen
volumen yy rendi-
rendi-
miento enen plantaciones
plantaciones ampliamente
ampliamente espaciadas
espaciadas que
que los
los textos
textos
americanos o europeos. Sumario
0 europeos. Sumario, claro y conciso de loslos meto-
mto-
dos, pero sin discutir el problema del
dos, del ajuste
ajuste yy construccin
construcci6n
de modelos.
66 Daniel C.
C. &
& Wood
Wood F.S. - 1971 -
F.S. - - Fitting Equations to Data.
Data. Wiley-
Interscience. pp
pp 342.
342.
Cubre el uso prctico
prctico de
de la
la regresin
regresi6n mltiple
multiple para
para el
el ajuste
ajuste
de modelos, incluyendo anlisis
modelos, incluyendo anlisis dede residuales,
residuales, modelos dede re-
re-
gresi6n jerrquica, regresin
gresin jerrquica, regresi6n paso
paso aa paso
paso yy ajuste
ajuste no
no lineal.
lineal.
Incluye
Incluye ejemplos y documentacin
documentaci6n para un paquete de computa-
ci6n, pero no
cin, no el
el listado
listado de
de los
los programas.
programas.
77 Day A.C. - 1972 -- FORTRAN
- FORTRAN Techniques.
Techniques. Cambridge
Cambridge University
University Press.pp96.
Press.pp96.
Un buen suplemento aa cualquier curso introductorio
introductorio dede FO~.
FORMW.
metodos de
Trata mtodos de trazado
trazado de
de grficos,
graficos, sorteos,
sorteos, indicadores,
indicadores,
abiertas, recursin
subrutinas abiertas, recursi6n yy otras
otras tcnicas.
tecnicas.
 -78-
-78--

88 Draper N.
Draper N. & Smith H.
& Smith H. -- 1966 -- Applied Regression Analysis.
Analysis. Wiley-
Interscience.
Interscience. pppp 407.
407.
Casi un clsico
clsico libro de texto
texto en
en regresi6n
regresin multiple
mltiple yy no li-
neal. teorfa de regresi6n
neal. Comprende teora simple, lgebra
regresin simple, lgebra de matri-
ces para regresin
regresi6n multiple,
mltiple, anlisis
anlisis dede residuales, regre-
residuales, regre-
si6n
sin paso
paso aa paso,
paso, uso
uso de
de la
la regresi6n
regresin para
para analizar
analizar experimen
experimen
tos
tos controlados
controlados ee introducci6n
introduccin aa la
la regresi6n
regresin lineal.
lineal. Se
Se re--
quierm conocimientcs elementales de
quiereaconocimientaselementales de lgebra
lgebra de
de matrices
matrices yy de
clculo
clculo diferencial.

99 FAO -- 1974
1974 -- Manual
Manual de inventario
inventario forestal
forestal con especiar referen-
especial referen-
cia aa los
los bosques
bosques mixtos tropica~es. Organizaci6n
mixtos tropicales. Organizacin de las Na-
Na-
ciones Unidas para lala agricultura
agricultura yy la
la alimentacin,
alimentaci6n, Roma.
Roma.
pp 19.5
195.
Una
Una referencia
referencia esencial para trabajos de
para trabajos de estudio de rendimien
to.
to. Mucho
Mucho enfsis diseno de
enfsis en el diseo de muestreo forestal yy en las
muestreo forestal las-
f6rmulas
frmulas apropiadas.
apropiadas. Pautas
Pautas prcticas
prcticas para
para la
la ejecuci6n
ejecucin de
de un
un
inventario forestal y para
para el
el registro
registro de
de datos.
datos.

10 Fries J.
J. (Editor)
(Editor) -- 1974
1974 -- Growth models for
for tree
tree and
and stand simulatio~
stand simulation.
Research Note
Note N30.
N30. Department ofof Forest Yield Research,Royal
College of Forestry,
Forestry, Stockholm,
Stockholm, Sweden,
Sweden, pp
pp 379.
379. (Obtenible de
J. Fries,
J. Fries, University of Agricultural Sciencies, S-750 07
Uppsala, Sweden. Precio
Uppsala, Precio US
US $$ 25).
25).
Recolecci6n artfculos de
Recoleccin de artculos de la
la reunin
reuni6n del grupo dede trabajo
trabajo
S4.01-4
S4.01-4 de IUFRO.
IUFRO. Muchas ideas
ideas tiles.
utiles.

11 Fries J.,
J., Brukhart H & Max T (Editores)
H & (Editores) -- 1978
1978 -- Growth models for for long
long
term forecasting of
of timber
timber yields.
yields. FWS-1-78.
FliS-1-78 . .Schoolof
School ofRprestry
Fbrestry
and Wildlife Resources,
Resources, Virginia Polytechnic Institute
Institute and
University, Blacksburg, VA 24061,
State University, 24061, USA,
USA, pp 249.
249. Recolec-
Recolec-
ci6n artfculos de la reunin
cin de artculos reuni6n del
del Grupo IUFRO. Mu
Grupo S4.01 de IUFRO.
chas ideas
ideas tiles.
utiles.

12
12 Green P.E. &
& Carroll
Carroll J.D.
J.D. -- 1976 - Mathematical Tools
1976 - for Applied
Tools for
Multivariate Analysis.
Multivariate Analysis. Academic
Academic Press.
Press. pp
pp 376.
376.
Un buen texto de auto-enseanza
auto-ensenanza para el lgebra
lgebra de matrices
en lo 10 que se aplica a a la
la regresin
regresi6n mltiple,
multiple, anlisis
anlisis de com
com
ponentes principales,
ponentes principales, anlisis
anlisisde
defactores
factoresy yanlisis or~
anlisisdedeor1-7
d e Id . ) n.
4:1.3

13
13 Husch B.,
B., Miller C.I. &
Miller C.I. & Beers
Beers T.W.
T.W. -- 1972
1972 -
- Forest Mensuration.
Un texto 'clsico'
'clsico' de mediciones forestales,
forestales, enfatizando
enfatizando ms
ms
en la medi cione s que en los
mediciones los modelos,
modelos, yy con un
un tratamiento
tratamiento muy
predicci6n del crecimiento.
limitado de la prediccin lasoo~
crecimiento. Orientado aa lascan
Am~rica, algunas
diciones de Norte Amrica, algunas prcticas
prcticas son inapropia-
inapropia--
das
das para los trpicos,mientras
tr6picos , mientras que problemas especficamente
espec!ficamente
no so_a
tropicales no son considerados.
considerados. Un
Un texto util
til de mediciones
bsicas.
bsicas.

Land A.
14 Land A. &
& Powell S.
S. -- 1973 -- FORTRAN Codes for
for Mathematical
Programming. pp
pp 249.
249.
Contiene programas completos y y documentacin
documentaci6n para
para programa-
programa-
ci6n entera yy cuadrtica.
cin lineal, entera cuadrtica. usando
usando FORTRAN, con
con expli-
expli-
caciones sucintas
sucintas de
de lala teora
teorfa bsica.
bsica.
 -79-

15 Pard~ J.
Pard J. - 1961 -- Dendrometrie.
- Dendrometrie. UnUn texto
texto clsico
clasico de
de mediciones
medimones foresta-
les, pero con mas
les, construcci6n de tablas
ms enfasis en la construccin tab las de ren
dimiento que Husch et al. al. Muy bueno en mediciones instrumen-
instrumen--
tales, especialmente el relascopio,
tales, relascopio, y en el desarrollo de mo-
simples para
delos simples pa'r a las
las interrelaciones
interrelaciones de las las variables de
de
los rodales.
los rodales. Probablemente el mejor texto actual sobre medi-
ciones forestales.
forestales . No est
esta orientado
orientado aa problemas
problemas tropicales.
tropicales.
francii\s.
En franc4s.

E.C
16 Pielou E.0 -- 1977 -- Mathematical Ecology.
Ecology. Wiley-Interscience.
Wiley-Interscience. pp pp 385.
385.
libro de referencia
Un excelente libro referencia para
para el
el modelaje matemtico
matematico
dinarnica de poblaciones,
de dinmica poblaciones , dispersin
dispersi6n dede poblaciones
poblaciones yy anli
anali
sis de asociacin.
asociaci6n . De
De ms inter~s para
mas inters para el
el eclogo
ec6logQ -.
.-:: sivicul
silvicul=-
tor que para el administrador
adrninistrador forestal.
forestal. La seccin
secci6n de anli-
anali-
sis de asociacin
asociaci6n es importante para estudios en bosques hdme hWme
tropicales.
dos tropicales.

Poole R.W.
17 Poole R.W. -- 1974 -- An Introduction
Introduction to
to Quantitative
Quantitative Ecology.
Ecology . McGraw-Hill.
McGraw-Hill.
532.
pp 532.
una gran variedad de
Abarca una de tcnicas
tecnicas en
en ecologa
ecologla con
con nfasis
enfasis
la construccin
en la construcci6n de modelos.
modelos. Menos
Menos terico
te6rico yy con
con ms
mas ejem-
ejem-
informacion introductoria mas
plos e informacion basica que el
ms bsica e l libro
l i bro de
Pielou. Se necesita
Pielou. necesita conocimientos
conoc.i mientos elementales
elementales de
de clculo
c a lcul o yy
algebra de
lgebra de matrices.
matrices.
18 Prodan
Prodan M.
M. - 1968 -- Forest
- Forest Biometrics.
Biometrics. Pergamon
Pergamon Press.
Press . pp
pp 447.
447 .
Tratarniento atil de
Tratamiento muy 5til de los
los basamentos
basamentos estadsticos
estadlst i cos enen los
los es
es
tudios de crecimiento forestal.
forestal. Requiere
Requiere una
una moderada
mo derada compe-
compe=-
matematica . Buen
tencia matemtica. Buen enfoque
enfoque del
del ajuste
ajuste de
de funciones
f unciones de
de
no lineales,
crecimiento no lineales, aunque
aunque el
el libro
libra no
no est
esta directamente
directarnente
practicas. Primordialmente
orientado a aplicaciones prcticas. Primordialmente influen-
influen-
por las
ciado por las prcticas
practicas forestales
forestales europeas.
europeas .
19 Royce-Sadler
Royce-Sadler D.
D. -- 1975 -
- Numerical Methods
Methods for
for Nonlinear
Nonlinear Regression.
Regression .
Queensland Press.
University of Queensland Press. pp
pp 89.
89.
los principales
Un sumario de los principales mtodos practicos para
m~todos prcticos para ajustar
ajustar
los coeficientes de los
los los modelos no lineales.
lineales . Se
Se asume
asume algdn
algan
calculo yy. lgebra
conocimiento de clculo algebra matricial.
matricial. Exposiciones
Exposiciones su-
su-
claras de
cintas y muy claras de los
los algoritmos
algoritrnos esenciales.
esenciales.
G.A.F.- 1977
20 Seber G.A.F.- 1977 -- Linear
Linear Regression
Regression Analysis.
Analysis . Wiley-Interscience.pp
Wiley-Interscience.pp465. 465.
Mas terico,
Ms te6rico, completo
completo yy actualizado
actualizado queque el
el texto
texto de
de Draper
Draper &&
Smith. Se requiere
Smith. requiere un
un buen
buen entendimiento
entendimiento del lgebra
algebra dede ma-
trices,
trices, pero es un libro
libro de referencia muy 5til atil para
para el
el es-
es-
tadlstico.
tadstico.

ShannonR.E.-
21 Shannon R.E.-1975
1975 - Systems
- Systems Simulation:
Simulation: TheThe andand
AstArt Science.Prentice-Hall.pp
Science. Prentice-Hall.pp 387.
387.
referencia muy
Un libro de referencia muy dtil
atil para
para el
el investigador intere-
intere-
sado en la construccin
construcci6n de
de modelos de de simulacin.
simulaci6n . Cubre
Cubre gene-
gene-
raci6n de numeros
racin numeros aleatorios,
aleatorios, ajuste
ajuste dede modelos,
modelos, anlisis
analisis de
de
sistemas,
sistemas, modelos experimentales, tomatoma de
de decisiones
decisiones usando
usando
modelos yy contiene
contiene varios
varios casos
casos de
de estudio.
estudio.
Snedecor G.W.
22 Snedecor G.W.& &Cochran
Cochran W.G.
W.G. - 1967
- 1967 - StatistiCal
- Statistical IowaState
Methods.Iowa
Methods, StateCollege
College
Press . Excelente
Press. Excelente libro
libro de
de referencia
referencia de m~todos estadsticos.
de mtodos estadlsticos .
requiere un
No requiere un nivel
nivel excesivamente
excesivarnente alto
alto de
de habilidad
habilidad matem-
matema-
(no se
tica (no se necesita
necesita clculo
calculo ni
ni lgebra
algebra de
de matrices).
matrices) . Cubre
Cubre
 -80-

entre otras cosas,

cosas, regresin
regresi6n lineal
lineal yy no
no lineal,
lineal, regresin mtU
regresi6nmill
tiple,
tiple, diseno
diseo experimental
experimental yy diseno an~lisis del muestreo. -
diseo yy anlisis
Todas
Todas las tcnicas est~n
las tcnicas estn bien
bien ilustradas
ilustradas concon ejemplos
ejemplos dede tra-
tra-
bajo
bajo yy contiene numerosas preguntas en en cada
cada seccin.
secci6n.

23
23 Stark P.A -- 1970
1970 -- Introduction
IntroductiontotoNumerical
NumericalMethods.
Methods. Maanillan.ppH? 334.
Macmillan. 334.
Texto b~sico
Texto bsico sobre
sobre mtodos
mtodos numricos
numricos para
para computadoras.
computadoras. Inclu
ye
ye soluci6n
solucin de ecuaciones, ecuaciones simult~neas,
ecuaciones, ecuaciones simultneas, integra--
ci6n
cin yy diferenciaci6n
diferenciacin numrica interpolaci6n con
numrica e interpolacin con polino-
polino-
mios.
mios. Muchos mtodos est~n ilustrados con programas
mtodos estn programas cortos en
FORTRAN. Tambin da
FORTRAN. Tambin da una
una introduccin
introducci6n al ~lgebra de
al lgebra de matrices.
matrices.
Requiere habilidad matem~tica
Requiere habilidad matemtica dede un
un nivel
nivel apropiado
apropiado dede ingre
ingre
so
so aa la I;\niversidad
universidad.. Explica el ~lgebra de
e.1 lgebra de matrices, pero
pero su su
pone conocimientos de c~lculo.
de clculo.

24
24 Universal Encyclopaedia of
of Mathematics.
Mathematics. Pan
Pan books.
books. pp
pp 715.
715.
Un libro de referencia econmico
econ6mico y extremadamente util para
extremadamente iltil para
f6rmulas de ~lgebra,
frmulas de trigonometrfa, geometra,
lgebra, trigonometra, c~lculo, etc,
geometrfa, clculo, etc,
tablas matem~ticas
tablas matemticas yy terminologa.
terminologfa.

25
25 Wagner H.M -- 1975 -- Principies
Principles of Managment
ManagmentScience.
Science. Prentice-Hall. pp
Prentice-Hall. pp 612.
612.
Un excelente libro
Un excelente libro de
de texto
texto de
de mtodos
mtodos cuantitativos para
para la la
torna
toma de
de decisiones
decisiones para
para administradores,
administradores, incluyendo
incluyendo programa-
programa-
cin lineal yy matem~tica
ci6n tipos , control de inven
matemtica de todos los tipos,
tarios,
tarios, modelos
modelos de simulaci6n
simulacin yy de
de colas.
colas. No
No requiere
requiere muchos
muchoT
conocimientos matem~ticos c~lculo ni
(no se necesita clculo
matemticos (no ~lgebra
ni lgebra
de matrices)
matrices)..

26
26 Wright H
H (Editor)
(Editor) -- 1980
1980 -- Planning,
Planning, perfomance and evaluation of of
and yield
growth and yield studies.
studies. Commonwealth
Commonwealth Forestry
Forestry Institute,
Institute,
Oxford, Britain. (En
Oxford, Great Britain. (En prensa).
prensa). Recopilacin
Recopilaci6n de artcu-
artfcu-
los
los de la reunin
reuni6n del
del Grupo
Grupo S4.01
54.01 de
de IUFRO.
IUFRO. Muchas
Muchas ideas
ideas ilti
uti
les.