ESTADISTICA ESPAÑOLA Val. 32, Núm. 125, 1990, págs. 477 a 503 Estadística y Agricultura por RAMON ALONSO SANZ Unidad de Estadística E.T.S.I. Agrónomos de Madrid Ciudad Universitaria RESUMEN Se analiza en este artículo la interrelación entre estadística y agricultura. Tanto la utilización que de la estadística ha hecho 1a agricultura, como el papel impulsor que en desarrollo de la estadística ha jugado la agricultura. Se puede afirmar en este sentido, que la agricultura y la biología han jugado el mismo papel como motores del desarrollo de la estadística, que la física en relación con las matemáticas. El trabajo se estructura en dos partes. En la primera se desarrolla una revisión histórica y en la segunda se analiza la situación actual y las posibles perspectivas de evolución común de ambas materias. Pa/abras c/ave.• Estadística, Agricultura. Clasificación .4MS: 62P10, ^2,^190. 1. .^ RESEI\tA HISTQRICA Los trabajos que estudian la relación entre Agricultura y Estadística, datan el inicio de su revisión histórica a finales del siglo XVIII. Gower { 1988) y Freeman (1983) mencionan el artículo de Crete de Palluel 478 1ESTADISTIC"-^ F.SP:Ati()L:^ (1 788), como la primera referencia en la que se cita un experimenta en agricultura, diseñado en parte según los principios estadísticos que serían formalizados rnucho después. Cochran (1 976) comienza analizando el libro de Young (1 7 i 1). En este voluminoso texto, de tres tomos, se exponen los resuitados de los experimentos de campo realizados por su autor, así como las reflexiones que le merecen. Muchas de las ideas allí expuestas resultan sorprendentemente modernas . para Cochran Desde entonces, en 1a historia de la mencionada relación entre Estadística y Agricultura, se pueden distinguir, a grandes rasgos, tres periodos claramente diferenciados: i^ desde finales del siglo XVIII hasta el comienzo de la primera guerra mundial, ií1 el periodo entre las dos guerras mundiales y iiij la época actual, posteriar a la segunda gran guerra. 1.1 E1 periodo anterior a la pri^mera guerra mundial Los tres periodos, fundamentalmente los dos primeros, se encuentran fuertemente marcados por la actividad desarrollada en G ran Bretaña, donde J. Sinclair (1 ) puede ser considerado en el sector agrario, como el primer impulsor de la organización de la toma de datos y su posterior publicación sistemática. J. Sinclair participa en la creación de ios organismos precursores del actual Ministerio de Agricultura en el Reino Unido y en la fundación de la Roya/ Statistical Society ( RSS) en 1834. La RSS, precursora de ^as organizaciones de ámbito estadístico (la American Statistical Association {ASA), se fundaría en 1839), propugna en sus primeros años la exclusión de toda opinión, para centrarse únicamente en la recolección de datos y en su más adecuada presentación mediante cuadros y gráficos. Actitud reflejada íncluso en el lema del logotipo adoptado por la RSS: un haz de trigo atado por una cinta en la que se leía: "aliis exterendum`" (otros lo trillarán). Pronto se planteó sin embargo la necesidad de construir algún tipo de teoría que permitiera utilizar los datos recolectados en aplicaciones prácticas. Como consecuencia de la nueva actitud, desaparece el lema mencionado de1 logotipo de la RSS en 1857. Pero el haz de trigo permanece y Hill (1 984^ propone, en tono irónico, un nuevo lema adaptado a los tiempos actuafes: "machina calculatoria exterendum". A comienzos de1 siglo XIX se verifica una revolución en la agricultura paralela a la industrial, fundamentalmente basada en el desarroilo de la (1 ^ J. Sincfair pasa por ser el introciuctor de fa palabra 'statistics' en la lengua inglesa, desde su prirner origen alemán. J. Sinclair confiesa que adaptó la nueva palabra como reclamo que atrajera lectores a su ^rido libro 'Descripción de Escocia". (Koren, 1 970, p. 367). f:S T^.AC71ST^^1C^A 4' A(;RI(^^l'l.T^'Ft^ 479 quimica agrícola. Destaca en este campo el quírnico J. B. Lawes, quién inició sus experimentos sobre fertilización en su pequeña granja de Rothamsted, que aún hoy es el centro de experimentación agraria más importante del Reino Unido. Lawes, junto con Gilbert desde 1843, desarroIlaron los principios de la nutrición vegetal. Los diseños experimentales que utilizaron no serían admisibles hoy (no contemplan aleatorización, ni repetición, ni ningún tipo de dispositivo en bloques para contralar la heterogeneidad en parcelas extremadamente grandes, etc.). Sin embargo fueron de indudable valor práctico y permitieron a sus autores vislumbrar el problema de la interacción y la importancia decisiva la variabilidad entre centros o años. ^awes y Gilbert pasan por ser los padres de la aplicación del método científico en agricultura. Fuera del Reino Unido, se realizan importantes aportaciones desde las Estados Unidos, fundamentalmente desde la Estación de Agricultura Experimental de connecticut, fundada en 1875. En Europa destacan Francia, Alemania y Escandinavia, donde ya en el último cuarto del siglo XIX eran utilizados los precursores (na aleatorizados) de los diseños en cuadrado latino. Este tipo de diseños indican la nECesidad de repetición (2) y de algún tipo de equilibria, pero su fundamentación estadística era débil o incluso no reconocida de manera explícita. AI margen del contexta agríco{a se desarrollan durante el sigfo XIX, I) la Teoría de la Probabilidad, con sus antecedentes en los problemas de juegos de azar planteados ya en el siglo XVII, 11) el método de los mínirnos cuadrados utilizado originalmente en astronomía y geodesia. ^linguno de estos conacimientos son aplicados en la experimentación agraria que se desarrolla en ef siglo XIX, cuyos principios y métodos se recopilan en el texto de Jahnston (1849). Relacionados en mayor o menar medida con la agronomía se encuentran los trabajos de !a Escuela de Biometría británica (Biometric School, BS). F. Galton (1822-191 1) es en cierta forma, el fundador de BS, impulsada par W. R. F. Wheldon (1860-1906), quien atrae a este grupo de trabajo a K. P. Pearsan (1857-1936), quizá su rnáximo representante. La BS funda la revista Biometrika en 1901 en una suerte de competencia con la RSS, a la que no'pertenece K. P. Pearson. Gran parte de la actividad (2) En general solo duplicación. Así se afirma en Voelker (1881 ): "Todos los experimentos de fertilización deberían realizarse por duplicado". Pero en el texto de Young (1 771), se preconizaba la necesidad de un mayor número de repeticiones en los ensayos individuales y^o que es más importante, la repetición de la experimentación en años sucesivos. Esta última es una idea básica en agricultura, que es frecuentemente olvidada. aso ESTA[71ST1C"^^ FSPAti(aLA de la BS se localiza en el C©legio Universitario Eugenics tGenéticol de Londres, donde Pearson es el primer profesor de la cátedra que Ileva el nombre de F. G alton. F. G alton, primo de Darwin (1 800-1 882 } es el gran impulsor del denominado "movirniento Eugenics", en el que se incluiría también R. A. Fisher. La BS estabfece una sólida tradición en biometría que, en opinión de un gran número de historiadores de la estadística, permite !a aparición de la estadística matemática contemporánea. Tras la muerte de J. Lawes en 190fl y J. H. G ilbert en 19C^ 1, D. Hall es elegido Director de la estación experimental de Rothamsted. Hall fué el primero en destacar la necesidad de tener presente la variabilidad del terreno de experimentación, una idea que hoy nos parece obvia, pero que fue preciso evidenciar y cuantificar. En el trabajo más importante de D. Hall, un artículo sobre ensayos de varíedades de trigo y remolacha (Mercer y Hall, 191 1), se comienzan a establecer las normas modernas sobre tamaño y forma de las parcelas de los experimentos de campo en agricultura. EI cambio más notable es una apreciable reducción en el tamaño de las parcelas de experimentación. E! ya mencionado trabajo de Mercer y Hall (1 91 1) y el publicado por Wood y Stratton (1910}, marcan el comienzo de la aplicación de los métodos probabi{ísticos en la experimentación agrícola. Wood, al igual que Mercer y Hall, es agrónomo, pero Stratton es profesor de astronomía y por ello estaba familiarizado con el método de los mínimos cuadrados. Wood y es difícil imaginar dos discipliStratton hacen notar en su artículo, como nas más distantes entre si, como la agricultura y la astronornía , pero que ambas se ven a pesar de ello, ambas tienen algo en común y es que afectadas por la variabilidad causada por las condiciones meteorológicas . Como consecuencia de su trabajo en la empresa cervecera Guinnes, vV. T. Gosset (1 876-1 937), Student, entra en contacto con los problemas estadísticos asociados con la experimentación relativa a los ensayos de varíedades de cebada. Como es sabido, utilizando métodos empíricos, Student estudia la distribución t, (caracterizada más tarde analíticamente por Fisher), en su intento por superar las limitaciones de la teoría existente hasta el momento (grandes muestras) cuando se ha de tratar con muestras de pequeña extensión: las constituidas por los resultados obtenidos en un reducido número de parcelas de experimentación. Pero ni el artículo de Mercer y Hall (1 91 1} ni el de Wood y Stratton (1 91 O) utilizan ios resultados ya publicados por Student (1 90$), acerca de la distribución t. Y esto, a pesar de que W. D. Gosset colabora en un apéndice de! trabajo de Mercer y Hall, en el que hace referencia a su ESTADlSTICA Y AGRlC'l,'[_TLR:^ 481 artículo de 1 908. Es de destacar que la teoría expuesta en este importante artículo de Student, no se divulgó con rapidez. En el texto de McMullen (1942), se informa sobre una carta enviada por V1/^. G. C^osset a R. A. Fisher el año 1922 (es decir 14 años después del trabajo básico de Student), en la que se lee: 'le envio una copia de las tablas de la t de Student, ya que usted parece ser el único en utilizarlas'. Aproximadamente a comienzos de siglo, las revistas científicas en agricultura adquieren, en líneas generales, 1a forma en la que se presentan actualmente y cuentan con estadísticos en su consejo de redacción. Destacan, Journa/ of Agricultural Science Ípublicado en Cambridge desde 1905), .^4gronomy Journal (Washington, , 1913) y Experimental Agriculture (Oxford, 1930}. También^ a comienzos de siglo se puede considerar consolidado el Instituto Internacional de Estadistica (ISI), una de las rnás antiguas instituciones científicas que continuan activas. 1.2 EI periodo de entreguerras EI periodo comprendido entre las dos grandes guerras de este siglo está dominado por la figura de R. A. Fisher, quien permanece en Rothamsted desde 1919 hasta 1933. Como resumen de la actividad de R. A. Fisher en este periodo, Finney y Yates ( 1 981 ^ afirman: "En Rothamsted ( Fisher} establece las bases de la matemática estadística, los fundarnentos de las técnicas modernas de diseño y análisis de experimentus y desarrolla un gran número de métodos originales corno respuesta a los requerimientos de los investigadores que le consultan. Su libro Métodos Estaáísticos para lnvPstigadores, publicado por primera vez en 1 92 5, hizo Ilegar los nuevos métodos allí donde rápidamente pudieron ser asimilados y utifizados. Casi todo lo que hoy es la filosofía y la práctica en biometría, proviene de las ideas concebidas por Fisher". Las teorías de Fisher, presentadas en su texto de 1 92 5 y en su artículo de 1928, no recibieron una aceptación inmediata por parte de los científicos agrícolas. Particularmente ^a ^dea cle la aleatorización, que trastocaba concepciones básicas y que conoció una ^^ran opusición por parte de los partidarios de los diseños sistemát^cos ^incluido Student). La controversia puede considerarse decantada a favor c!e la aleatarización hacia 1 938. Hoy los métodos Fisherianos no son discutidos en el terreno de la investigación agrícola. Por su indudable validez c^errtamente, pero quizás también porque, como afirma Pearce (1 979) citanclo a T. H. Huxle^y, " ciertas n^,evas ideas, que comienzan siendo una herejía, term^nan cor^virtiéndose en supersticiones". -^K? F ^^ ar^isr^c ^^ E ^F>:^tic^t_.^ F. Yates Ilega a Rotharnsted en 1931 y ocupa su dirección en 1933. Este año Fisher sucede a f'+^arson en la cátedra Galton en Londres y arienta su trabajo básicamente hacia la genétíca cuantitativa. F. Yates desarrolla en Rothamsted sus ideas, particufarmente sobre diseño de experimentos, elaborando un texto (Yates, 1937) que constituye una guía para la experimentación agrícala durante un fargo periodo de tiempo. En esta época se establecen igualmente I©s principios det análisis de series de ensayos (Yates y Cochran, 1938), y de los experiment©s con rotaciones de cultivos tCochran, 1939). Comienza a desarrollarse ef diseño estadístico en experimentación animal (1Nishart, 1 939) y en horticultura tHablyn, 1 931 ). F. Yates enfrentado ante problemas de censo de poblaciones y estimación de rendimientos, colabora en la efaboración de gran parte de la teoría del muestreo que se aplicará en innumerables campos de las ciencias experimentales, sociales y económicas. En esta década continúan investigándose un gran número de problemas específicamente agrícolas, como pueden ser el tamaño más adecuado de las parcelas de experimentación (Smith, 1938), o la relación entre el rendímiento de fos cuftivos y fa densidad de siembra, para la que se proponen modelos no lineales, en fos que las técnicas clásicas del análisis de !a varianza no son aplicables (una revisión de los trabajos realizados en este campo se encuentra en Willey y Heath, 1969). De entre las principales aportaciones realizadas durante la década de los años treinta desde el campo de la bio-estadística al de la agricultura en sentido estricto, destacan: i1 el ensaya de productos biológicos (bioensayo) que incorporaría a la agricultura técnicas ya contrastadas, sobre todo en farmacología, que serán intensamente desarrolladas durante y después de la segunda guerra, orientadas sobre todo a fa producción de herbicidas y fertilizantes y ii) la aplicación de las teorías sobre epidemiología, que aunque nacieron con una marcada orientación teórica (tanto en su componente biológica como en la matemática), pronto encontrarían aplicación en agricultura (Butt y Royle, 1974). EI análisis multivariante que sería básicamente desarrollado al margen de la agricultura, cuenta también con Fisher (1 936) y alguno de sus discípulos, como Wishart o M. Barlett (191 O-y, entre sus primeras impulsores. En general las ideas originadas en el periodo de entreguerras fueron divulgadas rápidamente. También en este sentida fué importante la estación experimental de Rothamsted, como receptora de investigadores que F.ST ^[^I^T1<'-^ 1' 1(^RI(^t l_ Tt R.^^ 483 provenían de todo el mundo científico y la actividad desarrollada por Fisher, quien viajó en varias ocasiones a la India (3^ y EE.UU. La escuela India de estadística se ha desarrollado de forma especial en relación con la agricultura. Destacan en este campo V. G. Panse y P. V. Sukhatme, autores de un texto sobre experimentación agraria, editado en castellano en 1959, bien conocido entre los agrónomos españoles durante los años sesenta. En EE.UU., Fisher entraría en contacto con G. W. Snedecor { 1 881-1 974) en 1931 y 1936, quien según J, F. óox (1978), introducirá las nuevas técnicas estadísticas en el contexto agrícola en los EE.UU. y Canadá (4}. En esta tarea de divulgación colaboran algunos discípulos de R. A. Fisher que viajan a lowa reclamados por Snedecor. Entre éstos destaca el escocés W. G. Cochran (1909-1980). Las ideas de Fisher, al ser aplicadas a nuevos campos científicos dentro y fuera de la agricultura, encuentran nuevas objeciones, problemas o limitaciones. Pero estas a su vez se encuentran en el origen de nuevos métodos estadísticos, particularmente en medicina y ciencias sociales, donde las respuestas pueden no ser tan sencillas de tratar como el rendimiento de un cultivo, o donde pueden aparecer restricciones de tipo económico o ético en los procesos de ensayo. Como reflejo de la expansión de la Estadística, la RSS funda en 1933 la Sección de Investigación en Agricultura e Industria y el Suplemento a su revista, Journal of the RSS. Wishart { 1934) recopila los artículos sobre estadística y agricultura aparecidos durante los años 1931-33 en el primer número del Suplemento. En este trabajo se aprecia, un equilibrio entre los artículos de aplicación producidos en los contextos agrícola e industrial, con un ligero predominio del primero. Paralelamente se observa en este periodo del Suplemento un incremento de los artículos puramente metodológicos, anunciando !a tendencia predominante tras la guerra. (3} Donde trabaja con Mahalanobis, quien en 1932 funda el Instituto Indio de Estadística en Calcuta, que edita desde 1933 la revista Sankhya, y desde 1 948 el Journa/ of the lndian Society of Agricu/tural Statistics, donde han aparecido un gran número de trabajos no solo sobre Estadística y agricultura, sino también sobre Investigación Operativa en Agricultura (Mehta, 1984}. Otros países de la antigua Cornmonwealth desarrollaron su propia actividad en estadística, en mayor o menor grado relacionada con la agricultura. Destaca Australia, donde se edita desde 1 959 e) Austra/ian Journal of Statistics, en el que se localizan trabajos importantes en biometría y agricultura. (4} Su texto Statistical Methods (1 937}, resultaría decisivo en este sentido. G. W. Snedecor es el organizador en 1915, en lowa, del primer curso de estadística formalmente definido como tal. 484 1.3 ESTADESTICA ESPAÑt)LA EI periodo posterior a la segunda guerra mundial La segunda guerra mundial marca un verdadero cambio de orientación en la aplicación y desarrollo de la estadística. Como es sabido, muchos de los no muy numerosos estadísticos existentes en aquellos momentos pasan a trabajar en departamentos que desarrallan tareas que hay formarían parte de lo que conocemos como Investigación Operativa. En el Reino ^.lnido fué paradigm'"itica la actividad desarrollada por F. Yates en el estudio de la .distribucián de las escasos recursos de fertilización mineral que poseía la Gran Bretaña (Crowter y Yates, 1941 ). Su informe, junto con otros muchos factores naturalmente, ayudá a superar durante la guerra, el problema de la alimentacián en un país, del que alguién dijo que había resuefto el problema agrario terminando con la agrícultura (5^. Tras la guerra, las éreas de aplicación de técnicas estadisticas crecen considerablemente, pero la influencia de la agricultura sigue haciéndose notar, por ejemplo, en el gran número de Cátedras de Estadística que son ocupadas por investigadores que han estado en cantacto con el medio agrario. A modo de ejemplo, M. S. Bartlet, W. G. Cochran, D. J. Finney y O. Kempthorne. Aunque las aportaciones británicas continúan siendo destacables, otros países pasan a realizar contribuciones importantes, particularmente EE.UU. desde los centros de Ames (lowa) y Raleigh (Carolina del lVorte). En 1938 !a Asociación Americana de Estadística (ASA) constituye una sección de biometría, que organiza en 1947 la primera conferencia ínternacional de Biometría, tras fa que se funda la organiiación internacional Biometric Society. Esta sociedad edita desde su fundación la revista Bíometrics. La brítánica RSS transforma en 1948 su revista J©urna/ of the Royal Statistica/ Society y su Supp/ement en dos revistas que denomina respectivamente Series A (General, desde 1987: La Estadistica en 1a Sociedad) y Serles B (Metodológica,). En 1950 aparece la tercera revista de la RSS denominada ^4pp/ied Statistics (desde 1964 Series C), cuya sección de algoritmos estadísticos refleja el proceso de investigación y desarrollo de la informática en estadística desde 1 968. Biometrika, Biometrics y las revistas de la RSS han recogido gran parte de la investigación y desarrollo de la estadístíca en agricultura, si bien con (5) La extraordinaria preponderancia de^ mundo anglosajón en el campo de la estadística puede reconocerse en el campo de las revistas especíalizadas. Así, las revistas alemanas Biometrica/Journal (RFA, fundada en 1958) y Biometria {RDA) na alcanzan el nivel de divulgaci©n de sus equivalentes ang^osajonas. ESTADISTtCA Y AGRICULTU'RA 485 el transcurso de los años la agricultura ha ido perdiendo gran parte de su protagonismo inicial. E! periodo de la postguerra supone una época de consolidación y unificación de ideas anteriores. Son de destacar en este sentido los libros de Yates (1949} sobre muestreo, Finney (1952} sobre bioensayo, y Cochran y Cox (1950) sobre diseño de experimentos. Sorprendentemente este tema, que nace con la aplicación de la estadistica a la agricultura, no solo no se ha visto agotado, sino que ha sido intensamente estudiado en las últirnas décadas. Además, en los últirnos 1 5 años, la irrupción de la informática ha supuesto un cambio cualitativo en la concepción del diseño de experimentos. De hecho, los tipos de diseños desarrollados con una perspectiva de operatividad práctica incorporan la característica de su adecuación a la mecanización informática. C^uizá el paradigma de estos diseños sean los a-látices de Patterson y Williams (1 976^ aplicables a la experimentación tradicional con variedades. Pero esta filosofía se ha desarrollado también ante problemas más específicos como los que se presentan en fruticultura (Pearce, 1976). La experimentación animal se ha desarrollado de forma especial en Estados Unidos (Gill, 1978}, donde se han propuesto modelos mixtos, que han exigido el avance de los métodos de estimación de componentes de la varianza y B LU P, En los últimos años y especialmente en torno a!os ensayos de variedades, han recobrado su interés los modelos espaciales, que en la actualidad están siendo evaluados a nivel experimental ante su posible adopción como métodos sistemáticos de análisis (Brewer y Mead, 1986). 1.4 Estadística y Agricultura en España En España, los primeros trabajos de estadística oficial con una proyección agronómica general se Ilevaron a cabo en 1748, como consecuencia de los proyectos del Marqués de la Ensenada que exigían el conocimiento completo de la riqueza agrícola. En 1802 se crea la Oficina de Estadística y en 1856 la Comisión de Estadística General del Reino, que en 1861 se transformó en Junta General de Estadística, con una Dirección concerniente a la riqueza territorial, y pecuaria. Estas primeras recopilaciones de información se realizaron sin un planteamiento científico de la toma de datos. Esta carencia se compensó, en cierta medida, con un gran conocimiento de los técnicos encargados de esta labor del mundo agrario, conocimiento que les permite delimitar en algunos casos la veracidad de la información que reciben. 4Rf^ FST,A[)ISTIf'A [^SI'A^()LA Tras la publicación en 1887 de1 Reglamento orgánico del Cuerpo de Ingenieros Agrónomos, al que se asigna e1 cometido de la realiiación de los trabajos de Estadística Agricola y Pecuaria, comienzan a establecerse las reglas e instrucciones para ta recogida de datos y fa efaboración de Memorias y Avances que se publican sistemáticamente desde la última década del pasado siglo. ^as modernas técnicas estadísticas fueron aplicadas en algunos experimentos agricalas en España incluso en los años treinta. Zulueta (1950^ cita como las primeras pubficaciones españolas sobre !a materia, dos folletos de Sancho y De Goytia editados en Jerez de la Frontera en i 935. La creación en 194o de la Sección de Estudios Económicos, Estadísticos y de Matemática Aplicada en el Instituto Nacional de Investigaciones Agronárnicas proporcionó a los investigadores españoles un centro donde desarrollar la experimentación agrícola según las técnicas conocidas en su tiernpo. Un reflejo de este hecho se tiene en la publicación de los libros de Pérez, Zulueta y Anós (1943 j y Wishart (1949j. Ya en el primero de los textos mencionados solo se dedica el penúltimo capítulo a estudiar los diseños sisteméticos, diseños que, seígún comentan los autores, son "utiiizados en Escandinavia y Europa central, particularmente en Ale^-nania'". En los ejemplos de c^iiculo de el texto de Pérez y col., se hace referencia a experimentos diseñados en bloques completos al azar y cuadrado iatino, realizados en las años inmediatamente anteriores a la guerra civil, e incluso durante la propia guerra, como es el caso del experimento factorial realizado en G ranada el año 1938. Gran parte de los trabajos españoles sobre estadistica en agricultura aparecen en la revista Anales de/ lN/A (/nstituto Nacrona/ de /nvestigacíones Agrarias, 1974), desde 1 986 /nvestigación Agraria. Esta revista cuenta en la actualidad con tres series: Producción y Protecciá^ n Vegetables, Produccián y Sanidad Animales, y Economía. ^En España, La palabra Estadística aparece por primera vez 1os estudios de la carrera de Ingeniero Agrónomo en el plan de 1907. Durante todo el periodo 1907-57, la Estadística se estudia en el úitimo curso de la carrera y, correspondiente con el origen de la palabra, formando parte de materias que estudian el Estado (6). No obstante, los temarios de las asignaturas de Matemáticas de los primeros cursos, incluian algunos capítulos, generalmente los últimos, referentes a1 Cálculo de Probabilidades. 1907, Estadística y Catastro; 1910, Estadística, Catastro, Legislación; 1924, Estadística ^6} y Legislacidn; 1928, Derecho Administrativo, Estadística y Catastro Agrícola.-- Legislación. ESTADISTICA Y AGRICULTURA 4Hi Aunque como hemos indicado, hasta el año 1957 la Estadística no constituye una asignatura autónoma de la carrera de Ingeniería Agronómica España, en los últimos años cuarenta y primeros cincuenta comienza a adquirir una entidad propia, que se traduce en la elaboración de programas específicos de la materia. Hemos tenido acceso al programa editado el curso 1951-52, en el que se aprecia la transición desde una concepción de la Estadística basada únicamente en su componente descriptiva, hasta otra que incluye ia lnferencia y el Diseño de Experimentos. SITUACION ACTUAL Y PERSPECTIVAS 2. La investigación agraria se apoya hoy en un gran número de herramientas estadísticas, o con un fuerte componente estadístico. Muchas de estas técnicas fueron originadas o recibieron un fuerte impulso ante la necesidad de resolver problemas concretos. Así, el control de plagas y enfermedades potencia el estudio de la dinámica de poblaciones y la necesidad de conocer los factores que determinan la resistencia a los insecticidas crea nuevas áreas de actividad que engloban la genética, la dinámica de poblaciones y el ensayo. EI organismo británico de investigación en agricu^tura y alimentacián ^AFRC^, enumera como más demandantes de apoyo estadístico en el contexto agroalimentario las siguientes áreas: 1. Explotación de las metodologías de diseño y planificación 2. Biología Molecular: secuenciación, cornparación 3. Quimiometría: análisis de datos origen químico 4. Modelización: planificación, ajuste, validación, sensibilidad, estabilidad. 5. Obtención remota o automatizada de datos: Instrumentación y control. 6. Análisis espacial: modelos para el estudio de la densidad de plantas en una región, características del suelo, etc. 7. Reconocimiento de patrones y análisis de imágenes. 8. Evolución del cálculo estadístico. 2.1 Las técnicas Tradicionales En esta lista de grandes áreas, destaca la continuidad de alguno de los grandes temas sobre los que ha girado la estadística en agricultura: modelización y particularrnente diseño y análisis de experirnentos. ^4 8 S Fs^r^.^r^^sY^^'^^ r-:SPA`VC^^_A Así, Corsten (1 9851 (?) cita el problema de la construcción de diseños en bioques incompletos para el ensayo de un gran número de tratamientos como et primero de los temas de investigacián en estadística apiicada a la agricultura. Este problema se plantea cuando se han de ensayar las nuevas variedades de una especie agrícola a fin de estudiar su valor de cultivo. Estos ensayos se denominan de valor agronómico (EVA) en el organismo español Instituto Nacional de Semillas y Piantas de Vivero (INSPV}. Si la especie tiene gran incidencia en la agricuitura de un país, un gran número de empresas {púbticas y privadas), como resultado de Ios trabajos de mejora genética, producirán un elevado número de nuevas variedades. No todas las nuevas variedades son ensayadas tse establecen fiftros previos), pero en cualquier caso, el número de las variedades que el organismo ^de control de un país (en España el I NSPV} ha ^ie ensayar puede ser muy elevado. En todo caso su número será variable, por lo que habrá que disponer de métodos de construcción de diseños sin restricciones objetivamente exotéricas del tipo, el número de variedades a ensayar deberá de ser un cuadrado perfecto, ó descomponible en forma de producto de dos enteros consecutivos, etc. Tan importante como la investigación en torno a los ensayos individuales resulta el estudio de las series de ensayos que se desarrollan durante años sucesivos y en diferentes localidades. Este tipo de análisis, que el ordenador hace hoy posible, vendrían a superar el que Nelder (19$4) denomina "cu[to al estudi© aislado", que si en general resulta de iimitado valor, la gran variabilidad natural presente en ^a agricuttura lo hace pr^cticamente irrelevante. Un amplio trabajo, en el que se describen muy detalladamente los probiemas pianteados en el ensayo de variedades y las soluciones estadísticas propuestas en el Reino Unido, es e! de Patterson y Silvey ( 1 9$0}. EI ensayo de variedades es un tema con gran tradición en 1a estadística aplicada en agricultura, que ha sido revisado en el artículo de Kempton y Talbot (1988}2.^ Los nuevos problemas Utras de las áreas de investigación y/o desarrollo de la estadística con proyeccicín en agricultura que se han mencionado, aparecen como consecuencia de la irrupcián de [as nuevas tecnologías (algunas no tan nuevas (7^ corsten cita también: i1 los problemas de predicción en fenómenos con comportamiento espacial aleatorio, iij la parametriiación en el estudio de curvas de crecimiento, y iii^ las relac+ones entre modelos factoriales y iog-lineales. ES^T^ADISTIC'A l' AC;RIC`l,'LTl'RA 489 ya) en agricultura (8). Así por ejemplo, la automatización en la toma de datos ha generado nuevos problemas de control y validación de la información registrada, debido a que los errores producidos por 1as máquinas (ocasionados por ejemplo por una mala calibración) presentan características diferentes a los errores humanos (Dickson y Talbot, 1986). Las nuevas tecnologías aplicadas al tratamiento de 1a información y el conocimiento, conocen actualmente un importante esfuerzo de investigación en relación can la agricultura. Cabe destacar, la aplicación de lenguajes de programación lógica para abordar problernas característicos de la investigación en agricultura (K©Ilias, 1 988) y sobre todo el gran impacto de ios Sistemas Basados en el Conocimiento (KBSA, 1988). Problemas agronómicos han sido utilizados en trabajos ya clásicos en Inteligencia Artificial como el de M ichalski (1980). De entre el resto de nuevas á reas, comentaremos algunos aspectos de las aplicaciones de la biología molecular, quimiometría y análisis de imágenes, como e^ emplos más característicos de nuevos problemas y nuevos métodos que la estadística ha de desarrollar o actualizar para su estudio. La Estadística ha tenido tradicionalmente una gran relación con la genética, relación de la que se han beneficiado ambas materias. EI desarrollo de las técnicas de bialogía molecular que permiten, de forma rápida y segura, conocer la sequencia de nucleótidos (A,T,G,C) en el écido desoxyribonucleico (DNA) ha abierto un nuevo campo de investi+gación en genética, que en pocos años ha producido grandes resultados en biofogía, medicina y agricultura. Mientras que {a genética Mendeliana clásica trataba ios genes como las unidades elementales en el estudio de !a herencia, el conocimiento de la composición molecular de los genes, que se hizo posible con el descubrimiento de la estructura química del DNA en 1953, permite estudiar los procesos de evolución y los mecanismos genéticos asociados, con mayor detaile. La disponibilidad de las secuencias de nucleótidos ha originado nuevas áreas de trabajo en relación con la estadística (Weir, 1983). Curnow y Kirkwood (1989) clasifican estas nuevas áreas en tres grandes grupos: I) En un primer grupo se incluyen las técnicas que perfeccionan métodos ya eiaborados por la genética estadística clásica, por ejemplo, el análisis de la variación dentro y entre poblaciones o el estudio de las relaciones filogenéticas. t8) Nuevas tecnologías que para un Estadístico no son sino, básicamente, nuevas fuentes de datos a analizar. aga FSTADISTIt'A ESPAtiOLA I I) Un tipo completamente nuevo de problemas surge ante la creciente necesidad de fos biólog©s molecuiares por comparar unas sequencias de nucleótidos con otras, c©n ef fin de determinar su grado de semejanza. La ir^portancia de la comparación radica en la relación evoiutiva o funcional que puede deducirse de la semejanza o repetición de determinadas secuencias. Un gran número de secuencias de DNA se encuentran almacenadas en bases de datos infarmatizadas. La gran dimensión de estas bases de datos obliga a eiaborar procedimientos de búsqueda de simiiitudes rápidos, pero diseñados, en la medida de lo posible, para detectar similitudes genuinas y rechazar las que solo son debidas al azar. Durante 1os años ^ etenta, e1 prablema se trató en base a una comparación exhaustiva de secuencias, pero esta aproximación se ha visto desplazada por la técnica de búsqueda por 'palabras', grupos de bases, formados por entre 8 y 6 nucieótidos {Mott y co1., 1989^. !I!) EI conocimienta de las bases moieculares del material genétíco, permite plantear el diseño de la experimentación para conocer los mecanismos que gobiernan los fenómenos de herencia con un mayor grado de precisión. Se han desarrollado ya métodos estadísticos para la confección de pruebas que perrnitan detectar patrones de DNA con una posible función bialóg'rca {como aqueilas secuencias de DNA que codifican para una prateina específica^, o para la evaluación en términos cuantitativos, de la irnportancia relativa de las posibles causas que afectan los procesas evolutivos, así coma sus posibles interacciones. Para finalizar esta mención de la estadística en biología moiecu lar, diremos que éste es uno de los temas propuestos en la XV Conferencia Internacional de Biometría {IBC-90^, bajo el título: "Statistical aspects of molecular biology and moiecuiar genetics". La C2uimiometría, camo su nombre indica, se ocupa del análisis de los datos de naturaleza química. Hasta hace reiativamente no mucho tiempo, fa estadística se apiicaba a muy pocos problemas de tipo qur'mico, quizá por una concepción de la química como ciencia 'exacta" que tenía poco que ver con problemas de incertidumbre. Se trataba de desarra{lar la investigación, en base a experimentos 'adecuadarnente construidos' y realizados una vez, en vez de plantear la realización de series de experimentos, con un adecuado diseño estadístico. La situación cambió, debido a dos nuevas tendencias de la investigación química. En primer lugar se ha producido una transformación desde la que se propuso denominar 'química húmeda', a otra caracterizada por el uso de instrumentos {espectrómetras, cromatógrafos, analizadores automáticos, etc,}. Estos instrumentos generan gran cantidad de datos, normalmente EtiT^1[^IS^TI('A 1" :1(^RIC"I^LTI R^1 multivariantes, que exigen la utilización de métodos estadísticos para su interpretación (Wold et al., 1987). En segundo lugar, la química se ha decantado cada vez más hacia el estudio de sistemas complejos, frecuentemente re{acionados con la biología, medicina y e1 entorno natural. Estos sistemas exigen !a consideración de modelos capaces de tratar las interrelaciones y e{ uso de diseños estadísticos para la planificación de las series de experimentos. La "explosión de datos químicos' se produjo en primer lugar en química analítica. Alrededor de 1965, comenzaron a aplicarse los métodos de análisis multivariante y las técnicas estadísticas de diseño de experimentos para la planificación de la investigación. La Quimiometría evolucionó desde entonces muy rápidamente, en 1a medida que gran número de 'quimiómetras" adaptaron las técnicas estadísticas para apficarlas a los problemas específicos que tienen planteados. El desarrollo de esta técnica fué expuesto por Kowalski (1 9$0) en la revista Analytical Chemistry, que desde entonces proporciona revisiones anuales sobre esta materia. En la mencionada Conferencia sobre biometría, IBC-90, aparecen dos temas relacionados con la quimiometría. Uno de forrna rnás directa: "Modelling and Analysis of inetabolism and pharmacokinetics'". EI segundo tema de este tipca, tiene que ver con el problema de control de la contaminación ambiental: "Spatial sampling aspects of environmental pollution monitoring". La consideración de los problemas medioambientales es cada vez más necesaria. En este aspecto, la formación de los Ingenieros Agrónomos ha de mejorarse y, en gran medida, redefinirse. La aportación de la estadística en este contexto, se ha considerado en artículos como el de Cormack (1988). Un gran número de tareas de la actividad diaria, suponen alguna forma de análisis de imágenes (tema también propuesto en I BC-90i. La extraordinaria capacidad humana para extraer las característícas definitorias de una imágen, o para distinguir unas imágenes de otras, quizá no ha sido valorada hasta que se han realizado los primeros intentos de mecanización de tareas que, de forma un tanto inadvertida (9) en ocasiones, implican una considerable capacidad de análisis en la observación visual de objetos. La elaboración de conclusiones, se realiza 'sin pensar' y sin que sea necesario un estudio minucioso y cuantificado de las características de interés. Mencionaremos brevemente tres Ir'neas de desarrollo en la aplicación de las técnicas de análisis de imágenes en actividades relacionadas con la (9} Quizá en estadística, con la excepción de los trabajos de Chernoff (1 973}. 49? ^ s.r arai^^r ic ^ 1 SF',Ati()1_.A agricultura. La primera tiene que ver con la investigación básica: los electroforegramas ^Autran y Abbal, 19891, cromatogramas, espectrogramas, etc., san analizados visualmente par los científicos y técnícos, quienes verían disminuída en gran medida la parte rutinaria de su trabajo mediante una adecuada mecanización de estas tareas. Otro tipo de aplicaciones del análisis de imégenes en problemas de tipo agrícoia se encuentra en la caracterización de variedades y localización de semillas defectuosas. Esta tarea viene impuesta por 1as exigencias de certificación, para la que es necesario estimar la proporción de semillas no viables, de sernillas que no corresponden a fa variedad vendida, de impurezas, etc. Estos trabajos son normalmente realizados por personal muy experimentado, capaz de distinguir en una bandeja de semillas ias que no pertenecen a la variedad que se desea comercializar. Una capacidad muy dificil de adquirir en ocasiones, puesto que las características definitorias de las distintas variedades no permiten una inmediata discriminación visual. ni muy bien Pero este tipo de , trabajos rutinarios no son gratificantes remunerados en comparacicín con otros , por lo que se suele producir un abandono frecuente de esta actividad laboral por parte dei personal especializado, muy difícil de sustituir. Un sistema automatizado de identificación que opere con una precisión equivalente a la humana, tendría asegurado un gran éxito comercial. En esta línea se desarrollan los trabajos de Keefe y Draper (1986^. E! tercer campo de aplicación de las técnicas de análisis de imágenes que nos proponemos comentar, es la teledetección. Los satélites meteorológicos y los de observacic5n terrestre proporcionan información complementaria sobre fas condiciones del crecimiento de los cultivos y de la evolución de sus parámetros bi©lógicos, lo cual abre nuevas perspectivas en el controf de la pr©^ducción agrícala. La información sobre la producción agricala es decisiva, al objeto de efectuar una planificación gubernamental. En la mayoría de los países més desarroilados se obtienen, con antelación a la finalización de las campañas, estimas fiables de las superficies y producciones para los cultivos más importantes, mediante muestreo y a través de canales administrativos. La mayor parte de los países no disponen de otras estimas que las que puedan ofrecer ios censos, Ilevados a cabo cada década^ por término medio. Esta iimitación es debida, no solo a problemas de financiación, sino también a!a falta de capacidad técnica para organizar sistemas estadísticamente fiables de recolección de datos a nivel nacional. Algunos de los avances tecnológicos hacen posible realizar estudios globales, sin la dependencia absofuta del método tradicional de enviar encuestadores a zonas preseleccionadas, donde realizar observaciones. La técnica más elaborada, FSTA[)ISTICA Y AC1RtC`l1LTl^RA 493 consiste en obtener imágenes de satélite de la superficie terrestre periódicamente durante la época de cultivo y utilizar la información contenida en las imágenes para estimar la superficie utilizada (Germain y Julien, 1988). Esta información, junto con los datos procedentes del resto de fuentes de información, predecir los rendimientos. Las técnicas de reconocimiento de patrones permiten detectar las áreas de cultivo y mediante rnodelos que se apoyan en datos sobre el tiempo atmosférico y otros factores, evaluar los rendimientos. La superficie bidimensional a estudiar se divide en una cuadrícula fina, en la que los rectángulos elernentales (pixels) poseen un 'color' cuyo verdadero valor es desconocido pues se ve alterado por distorsiones atmosféricas y por efecto de las señales emitidas por los elementos adyacentes, pudiendo las alteracianes variar de una longitud de onda a otra. EI objeto del estudio es reconstruir la escena verdadera, distinguiendo la señal del ruido. En este contexto juegan un importante papel, los métodos Bayesianos y las técnicas de anélisis multivariante, principalmente el análisis en cornponentes principales (Townshead, 19$4) y el análisis 'cluster'. La estructura local de las imágenes, en las que destaca el hecho de que los pixeles contiguos tienden a tener el mismo (o al menos similar) color, se viene caracterizando mediante campos de Markov (Besag, 1986}. La aplicabilidad de la teledetección en agricultura, se estudió a gran escala y en primer lugar en EE.UU. Tres instituciones de este país, NASA, NOAA y US DA, financiaron conjuntamente un proyecto denominado Inventario Experimental de Cultivos Extensivos ( Large Crop Inventory Experiment, LACI E^, y su correspondiente programa de seguimiento: Agricultural Resource Inventory Surveys Through Aeroespace Remote Sensing, AgRISTARSi. Los resultados de este estudio fueron publ,icados en LACIE (1984). En España destaca en el campo de la teledetección agraria, revisado recientemente por Hom (1989y, el trabajo del Proyecto de Teledetección del I.N.I.A. (Moro y col., 1984). La Comunidad Europea ha aprobado reeientemente (3-9-88) el denominado Proyecto Pifoto de Teledetección Aplicada a la estadística Agraria (MARS, Monitoring Agriculture with Remote Sensing), cuyo objetivo es "estudiar las posibilidades de aplicación de la teledetección espacial en estadística agrícola, con la finalidad de incorpor.ar esta nueva fuente de información, en los actuales sistemas de información agrícola". A finales de 1988, se creó el Instituto de aplicaciones de la Teledetección, con el ánimo de impulsar esta técnica en Europa, y, en particular, proporcionar un marca dde desarrollo al proyecto MARS. f=STA(^lSFlt^.-1 ! ^i'.Atif)!_.A 2.3 Otras t^cnicas Ciertos ^nodelos propuestos en agricultura utilizan técnicas que suelen considerarse constitutivas de la.lnvestigación Glperativa. Ni estos modelos, ni los econométricos se analizan en este artículo, orientado primordialmente hacia la Estadística, Sin embargo, se han incluido algunas referencias importantes en la bibfiografía { 10). EI artículo de Stern y Coe (1 984) resulta un valioso ejemplo de la utilización de la estadística (en este casa cadenas de Markov} en el apoyo a la planificación de tareas agricolas, como la elección de cultivos, variedades o momentos de realización de las labores culturales, En otro tipo de trabajos se viene explorando la aplicabilidad en agricultura de tratamientos de la incertidumbre, alternativos al probabilístico (Chang y Borrough, 1987). AI igual que en otros países, en España 1a agricultura (su correspondiente ministerio) engloba hoy la pesca y!a tecnología alimentaria; cada una de estas actividades plantea problemas específicos. Especia l relevancia está cobrando en este campo, el análisis sensoriai (Jeilinek (1 985}, O`Mahony { 1986) ), ante un mercado de consumidores atraídos no solo por la cantidad, sino también por la calidad ofrecida (Gacula y Singh (1 984), Kramer y Ttivigg { 1 973}. La gestión de los recursos marinos plantea problemas de estirnación de abundancia, en esencia un problema de muestreo complicado por problemas logísticos y de heterogeneidad en la distribución espacial de las poblaciones estudiadas (Thompson y Ramsey, 1983). EI análisis multivariante ha conacido en las últimas dos décadas un importante campo de aplicación en agricultura {Judez, 1989). Algunos de los trabajos efectuados son el resultado de tareas de investigación, en particular ios estudios sobre la interacción genotipo x ambiente. En esta línea destaca el artículo de Calinski y col, (1 987^, quienes utilizan el análisis en componentes principales y en variables canónicas para describir las relaciones entre variedades y ambientes. Los artículos de Kempton (1 984) y Campbell (1 988) utilizan la técnica de -biplot--, 'introducida por Gabriel { 1971 }, en el zstudio de la interacción. (1 O) Así, los textos generales de Agrawal y Heady (1 972} y France y Thornley (1 984); los libros de J. B. Dent { 1 971, 1 979), Csari (1985), Rebbingfe y col. (1 989), Vries (1 989) y los artículos de Anderson (1974) y Peart y col. (1985) sobre simulación; Beneke y Winterboer í 1 984), Hazeil y Norton (1 986), Meister y col. (1 978^ y Dykstra (1 984) sobre programación matemática; Anderson y col. (1 977), Dmochowski (1 987) y Romero (1 989) sobre teoría de la Decisión; o Heady {1971 ) y Rausser (1 982) sobre econometría. E=.STA[>ISTICA lr' .^C;RCC^I'C,TI'R:1 495 Otras aplicaciones del análisis multivariante en agricultura se plantean con fines operativos inmediatos. Citaremos la utilización de estas técnicas en la caracterización de las variedades obtenidas por los mejoradores genéticos, como realmente nuevas respecto a las ya existentes. Este es un requisito necesario, no el único, para que la variedad pueda inscribirse en un Catálogo de Variedades Comercializables, que en España gestiona el INSPV. La inscripcián en el registro nacional es un requisito obligado para la comercialización de la nueva variedad en la nación titular del registro, pero conlleva también la facultad de su comercialización en el resto de países de la CE. De hecho el Catáiogo Europeo de Variedades Comercializabies no es sino la unión de los Catálogos de sus países miembros. La caracterización de una nueva variedad corno efectivamente distinta a las preexistentes, se efectua tras el estudio de un cierto número de caracteres morfológicos y fisiológicos, medidos planta por planta, en un tipo especial de ensayos, muy laboriosos, denominados de identifícación. La necesidad de estudiar varios (en ocasiones muchos, dependiendo de los cultivos) caracteres simultáneamente obliga a utilizar técnicas de análisis multivariante. Estas han sido descritas en relación con el problema de identificación de variedades en el trabajo de Weatherup (19$0). Es claro que las aportaciones de los estadísticos en el desarrollo cientí fico y tecnológico se producirán en un contexto multidisciplinar. Pero no es menos cierto, que la colaboración será tanto rnás fructífera, cuanto mejor conozcan los miembros de los equipos de trabajo, las áreas de conocimiento ajenas a la de su especialidad. Tradicionalmente, los científicos, en la medida que han comprendido la utilidad potencial de la estadística en sus áreas de trabajo, han hecho un esfuerzo por conocer las técnicas de análisis estadístico. Hecho reflejado en el gran número de libros de Bioestadistica (en el sentido de Estadística para Biólogos), que se han escrito. Pero es cada vez más importante que los estadísticos hagan también un esfuerzo por conocer el objet0 sobre el que se aplican las técnicas estadísticas. Esta actitud, que Curnow (1984) fundamenta y defiende, hará, como ya lo hizo en el pasado, avanzar la estadística, evitando el estancamiento derivado de la aplicación rutinaria de los métodos convencionales. Si esta perspectiva se desarrolla, aparecerán los textos de título genérico 'Biología para Estadísticos' que ya reclamara Cox (1968). AGRADECIMlENTOS Agradezco al profesor Lucinio Júdez fa lectura de la primera versión de este artículo. Sus comentarios contribuyeron a su mejor reelaboración. 496 EST,^I^IS^T !(`A ESP.A^OLA BIBLiOGRAFIA AGRAWAL, R. C., HEADY, E. O. (1972). Operations Research Methads for Agricultural Decisions. iowa State University Press. ANDERSON, J. R. (1974}. Simuiation: Methodaiogy and applications in agriculturai econorr^ics. Review of Marketing and Agricultural Econ., March. ANDERSON, J. R., DILLON, J. L,, HARDAKER, B. (1977). AgriCUltural Decision Anaiysis. lowa State University Press. AUTRAN, J-C,, ABeA^, Ph. (1988}. Wheat cultivar identification by a totally automatic soft-laser scanning densitometry and comp.-aided analysis of protein electropherograms. Electrophoresis, 9, 205-213. BENEKE, R. R., WINTERBOER, R. (1984}. Linnear Programming applications to agriculture. (trad. esp., 1 984, ed. Aedos}. lowa State U.P. BESAG, J. (1986). On the statistical anaiysis of dirty pictures. J. R. Statist. Soc., 8,48, 2 59-302. Box, J. F. (1 978}. R. A. Fisher, the Life of a Scientist. Wiley. BREWER, A. C., MEAD, R. (1 986}. Continuous Second Order Model of Spatial variation with Application to the Efficiency of Field Crop Experiment. J. R. Stat. Soc., A, 149, 314-348. BuTT, D. J., ROYLE, D. J. (1 974}. En Epidemics of Plant Diseases, J. Kranz í ed. }, 7 8-1 14. CA^^NSK^, T., CzA^KA, S., KA^zMAREK, J. 11987). A model for the analysis of a series of experiments repeated at several places over a períod of years. Cultivar Testing Bulletin, XII, 7-71. CAMPBELL, A. (1988j. The use of Biplot Graphical Dispiays in interpreting variety Environment Interactions for Winter Cereal Yield Data. Cultivar Testing Bulletin. CHANG, L., BURROUGH, P. A. (1 9$7}. Fuzzy reasoning: a new quantitative aid for land evaluation. Soil Survey and Land Evaluation, 7, 2, 69-8C}. CHERNC?FF, H. (1973). Using faces to represent points in k-dimensional space graphically. J. of the Amer. Stat Asso., 68,361 361-68. CoCHRAN, W. G. (1 939). Long - term agricultural experiments. J. R. Statist. Soc., 6, 104-1 íJ8. C©CHRAN, W. G. (1976^. Early Development of techniques ín comparative experimentation. On the History of Statistics and probability, 3-25. 4wen, D. B. (ed.}. M. Dekker. COCNRAN, W. G., Cox, G. M. (19 5oi. Diseños Experimentales ( 1 ed. 1 9 50 1. ed. español 1 965}. Trillas, Mexico. EST.^^DIS"TI(^A l^" ,^(;RI('t'L.Ti. R,^^ 497 CORMACK, R. M. (1 988). Statistical Challenges in the Environmental Sciences. J. R. Statist. Soc., A, 1 51, 201-210. CORSTEN, L. C. A. (1 985 ^ . Current Statistical Issues in Agricultural Research. Statistica Neerlandica, 39, 2, 1 59-168. Cox, C. P. { 19fi8). Some Observations an the teaching of statistical consulting. Biometrics, 24, 789-801. CRETTE de PALLUEL, F. 11988). Sur les avantages et I'economie que procurent les racines employees a I'engrais des moutons a I'etable Memoirs d'Agriculture, trimestre d'ete, 1 7-23. CROWTHER, E. M., YATES, F. (1941 ). Fertilizar policy in wartime. The fertilizar requeriments of arable crops. J. Exper. Agriculture, 9, 77-97. CSARI, C. (1 985). Simulation and Systems Analysis in Agriculture. Elsevier. CuRNOw, R. N. (1 984). Some personal views on statistics in biometry and agriculture. J. R. Statist. Soc, A, 147, 349-358. CuRNOw, R. N., KIRKWOOD, T. B. L. (1 989). Statistical Analysis of DNA sequence data a review. J. R. Stat. Soc., A, 1 55, 2, 199-220. DAGNELIE, P. (1973). Theorie et Methodes Statistiques. Applications Agronomiques. 3 vols. Gembloux, Belgique. DENT, J. B. (1 971 ). Applications of Systems concepts and Simulation in Agriculture. Univ. of Aberdeen, Mis. Pub. DENT, J. B., BLACKIE, M. J. (1979). Systems Simulation in Agriculture. Applied Sciences, London. DICKSON, J. M. TALBOT, M. (1986). Statistical data validation and expert systems. Physica-Verlag, Heildelberg. COM PSTAT-86, 283-288. DMOCHOWSKI, K. (1 987). Possibilities of utilization of some Biometrical Tools in Decisions on Optimal Choice of Cultivars. Cultivar Testing Bulletin, XI I, 103-1 2 5. DYKE, G. V. (1988). Comparative Experiments with Field Crops. Griffin. DYKSTRA, D. P. (1 984). Mathematical Programming for Natural Resource Management. McGraw-Hill. FINNEY, D. J. (1 952). Statistical Method in Biological Assay { 1 ed. 1952 - 3 ed. 1978). Charles Griffin & Co., London. FINNEY, D. J. (1 972). An introduction to statistical science in agriculture. W i ley. FINNEY, D. J. (1 978). Statistics and Statisticians in Agricultural Research. J. Agric. Sc., Camb., 91, 653-659. ^yK E=ST -^C)C^T It •1 E Sf'^>tit)l_A FiNNEY, D. J. (1 981 ). The Misure of Mathematicians, Statisticians and Computers in Agricultural Research. Experimental Agriculture, 17, 345-353. FINNEY, D. J. (1 982). Statistics and Statisticians for agricultural Research. Indian Statistical Institute. Int. Conference on Fr©ntiers in Agriculture, FINNEY, D. J. (1 988-89}. What This in Your Statistics Textbook ?. Experimental Agriculture, 24-35. FINNEY, D. J., YATES, F. (1 981 }. Statistics and Computing in agricultural research. En Agricultural Research 1931-1981. Cooke, G. W. (ed.). FISHER, R. A. (1925}. Statistical Methods for Research Workers (1 ed. 1925 - 14 ed. 1 970}. ©liver and Boyd, Edinburgh. F^sHER, R. A. (1 926}. The arrangement of field experiments. J. Ministry Ag. Sept., 33, 503-51 3. FISHER, R. A. (1 936). The use of multiple measurements in taxonomic problems. Ann. Eugenics, 7, 1 79-88. FISHER, R. A. (1935). The Design of Experiments t 1 ed. 1 935 / 8 ed. 1966). Oliver & Boyd, Edinburgh. F^sHER, R. A., YATES, F. (1 963}. Statistical Tables for Biolagical, Agricultural and Medical Research. (1 st ed., 1 93$}. Oliver & Boyd. FRAN^E, J., THC}RNLEY, J. H. M, { 1984). Mathematical Models in Agriculture. Butterworths. FREEMAN, G. H. (1 983). Statistics in Agriculture. En Enciclopedia of Statisticai Sciences, 1, 34-37. KOTZ, S., JOHNSON, N. L. (eds). GABRIEL, K. R. (1971 }. Biplot display of multivariate matrices with application to principal component analysis. Biometrika, 58, 453-365. GACULA, M. C., SINGH, J. ( 1 984). Statistical Methods in food and consumer research. Academic Press. G ERMAIN, M. F., JULIEN, C. ( 1 988). L'application de la teledetection a I'estimation des superficies agricoles. Canadian J. Stat., 1 6, 9-23. GILL, J. L. ( 1978). Design and Analysis of Experiments in the Animal and Medical Sciences ( 3 vois.}. lowa State University Press. G ^N^, C. (1 964}. Statistical methods with special reference to agriculture. M etron, 2 3, 19 7. G iuSTi, F. (1 989). The future of agricultura^ statistics in Italy. Procee. 19$5 Meeting Italian Stat. Soc., 257-29D. GOMEZ, K. A., GoMEZ, A. A. (1 984}. Statistical Procedures for Agriculturaf Research. Wiley Interscience. E^STAD[STI(^A ^` A(;RI( l: LT['RA 499 GowER, J. C. (1988). Statistics and Agriculture. J. R. Statist. Soc., A, 151, 179-200. HAZELL, J. H., NORTON, R. D. (1986). Mathematical Programming for Economic Analysis in Agriculture. MacMillan Pub. Co., NY. HEADY, E. 0. (ed.). (1971). Economic Models and Quantitative Methods for Decisions and Planning in Agriculture. lowa State U. Press. HILL, I. D. (1 984). Royal Statistical Society. History of the Soc. The First 100 Years, 1834-84. J. R. Stat. Soc., A, 147, 130-131. HOBLYIN, T. N. (1931). Field experiments in horticulture. Imperial Bureau of Fruit Production. Technical Communication, 2. HoM, H. (1 989). Use of remote sensing for agricultural statistics. Bull. ^nt. Stat. Inst., 53,2, 329-338. JELLINEK, G. (1985). Sensory evaluation of food. Theory and Practice. V. C. H., Chichester, U K. JOHNSTON, J. F. W. (1849). Experimental Agriculture. W. Blackwood and Sons, Edinburgh. JuDEZ, L. (1989). Técnicas de análisis de datos multidimensionales. Bases teóricas y aplicaciones en agricultura. M.A.P.A. KBSA. Deutsche Landwirtschafts-Geselischaft (ed). (1988). Knowledge Based Systems in Agricuiture. Frankfurt a. M. KAM^s, S. H., THEODORE, G. (1985). New Techniques for agricultural statistics. Bull. Int. Stat. Inst. 51,5, 1 19-126. KEEFE, P. D., DRAPER, S. R. (1986). The measurement of new characters for cultivar identification in wheat using machine vision. Seed Science and Technology, 14, 71 5-724. KEMPTON, R. A. (1 984). The use of biplots in interpreting variety by environment interactions. J. Agric. Sci. Camb., 103, 123-135. KEMPTON, R. A. (1 978). Statistical Consultancy at an Agricultural Research Institute. Mathematical Scientist, 3, 9-21. KEMPTfJN, R. A., TALBOT, M. (1988). The Development of New Crop Varieties. J. R. Statis. Soc., A, 1 51, 32 7-341. KENNEDY, J. O. S. (1986). Dynamic Programming: Applications to Agriculture and Natural Resources. Elsevier. KOLLIAS, V. J. (1988). Logic Programming in Soil Evaluation. Soil Survey and Land Evaluation, 8, 2, 99-95. KOREN, J. (1970). The History of Statistics. Their Development and Progress in Many Countries. Burt Franklin, New York. 500 EST^^^ DISTIC':^ f.5PA^1(^L_A KOWALSKI, B. R. (1980). Chemometrics. Analytical Chemistry, 52, 1 12 R. KRAMER, A., TwiGG, 6. A. {eds.). { 1 973). Quality Control for the food industry. (2 vols.). A.V.I., Westport, Conn. LAC^E. (19$4). Crop Surveys Using Satellite Data. Communications in Statistics, A, 13, 23. LECREG, E. L., LEONARD, W. H., CLARK, A. G. { 1 962}. Field Plot Technique. Burguess Publis. Co. Minneapolis, Minessota. L^TT^E, T. M., H ^LLS, F. J. (1 978). Agricultural Experimentation. Design and Analysis. Wiley. MEAD, R., CURNOV, R. N. (1 9$3). Statistical Methods in Agriculture and Experimental Biology. Chapman and Hail. M EHTA, P. { 1984^. ©perations Research in Agriculture. Dep. Agric. Econ., Palumpur, India. MEDIN, K. { 1 988}. Trends in the Sweedish Agricultural Statistics. Journal of C)fficial Statistics, 4, 1 73-190. MEISTER, A. D., CHEN, C. C. C., HEADY, E. O. ( 1 978). Quadratic Programming Models Applied to Agricultural POlicies. lowa State U. P. MicHA^sKi, R. S., CHiLANStcY, R. ^. (198oi. Knowledge acquis'rtion by encoding expert rules versus computer induction from examples: a case study involving soy-bean pathology. Int. J. Man-Machine Studies, 12, 63-fi8. MERCER, vV. B., HALL, A. D. t 1 91 1). The experimental error af field trial. J. Agric. Sci., 4, 7 07-1 32. MoRO, J., GoNZALEZ, F., CUEVAS, J. M. (1 985). Sistema ERAFIS. Estimación de Recursos Agrarios y Forestales mediante Imágenes de Satélite. I.N.I.A.-S.P.D. MoTT, R. F., KIRKWOOD, T. B. L., CURNOw, R. N. (1989). A test for the statistical significance of DNA sequence similarities for application in databank searches. CAB IOS, 5,2, 1 23-1 31. MCMULLEN, L. (1942). Student's Collected Papers. Cambridge U.P. N ELDER, J. A. (1984). Personal Views on Statistical Computing. J. R. Statist. Soc., 147, 1 51-1 60. NEYMAN, J. et al. { 1 935}. Statistical Problems in Agricultural Experimentation. Supp. J. Royal Stat. Soc., 2, 107. 0'MAHONY, M. { 1 9$6). Sensory Evaluation of Food. Statistical Methods and Procedures. M. Dekker. PANSE, v. G., SUKHATME, P. v. (1959^. Métodos Estadísticos para Investigadores Agrícolas. Fondo de Cultura Económica. 501 ESTADlST1C'A Y AC^RlCt,LTI:'RA PATERSON, D. D. (19391. Statistical Technique in Agricultural McGraw-Hill. Research. PATTERSON, H. D., SI^vEY, V. (1980). Statutory and Recommended List Trials of Crop Varieties in the Uníted Kingdom. J. R. Stat. Soc., 143,3, 219-252. PATTERSON, H. D., WIL^IAMS, E. R. (1976). A new class of resolvable incomplete block desígn. Bíometríka, 63, 83-91. PEARCE, S. C. (1976). Field Experimentation with fruit trees and other perennial plants. Commonwealth Agricultural Bureaux. PEARCE, S. C. t 1979). Experimental Design; R. A. Físher and some modern rivais, The Statistician, 28, 1 53-1 6 i. PEARCE, S. C. (1983). The Agricultural Field Experiment. Wiley. PEARCE, S. C., CLARKE, G. M., DYKE, G. V., KEMPSON, R. E. ( 1 988). A Manual of Crop Experimentation. G riffin. PEARCE, S. C. (1 988). The analysis of data from agrícuftural experimentation. Tropical Agriculture, 65, 2-5. PEART, R. M., OGILVE, J. R., BARRET, J. R., BENDER, D. A. (19$5}. Some Examples of the Use of Simulation in U.S. and Canadian Agriculture J. Opl. Res. Soc., 36,2, 109-1 15. PEREZ, R. ZULUETA, M. M., ANOS, A. (1 943). Experimentación Agrícola. Fundamentos estadisticos y métodos operativos. INIA, Sección de estudios económicos, estadísticos y de maternática aplicada. PIERNAVIEJA, J. (1955). La representación estadística y sus aplicaciones agrarias. Salvat. RAUSSER, G. C. (1 982). New Directions in Econometric Modelling and Forecasting ín U.S. Agriculture. (2 vols.). North-Holland. RAYNER, A. A. (1 967). A first course in Biometry for Agricultural Students. Univ. of Natal Press. REBBINGLE, R., WARD, S. E., LAAR, H. H. (1989). Simulation and Systems management crop protection. PU DOC, Wageningen, Netherlands. ROMERO, C. (1 989). Multiple criteria analysis for agricultural decisions. Elsevier. Rulz, P. (1980). Estadística aplicada a la investigación agraria. Ser. Pub. Agrarias, M,A.P.A. SMITH, H. (1 938). An empirical law describing the heterogeneity in the yields of agricultural crops. J. Agric. Sci. Camb., 2$, 1-23. SQ2 FrSTAI^ISTI(`A fSPA^+OLA SNEDECOR, G. W. (1937y. Statistical Methods Applied to experiments in Biology and Agriculture. Ames lowa Callegiate Press. STERN, R. D., CoE, R. (1 984). A model fitting analysis of rainfall data. J. R. Statist. Soc., 147, A, 1-37. STU©ENT, (1 9©8). The probable error of a mean. Biometrika, 6, 1-24. STU©ENT, { 192fi). Mathematics and agronomy. J. American Soc. of Agronomy, 18, 703. TOWNSHEAD, J. R. G. (1984). Agricultura! land-cover diserimination using TM spectral bands. Int. J. Remote Sensing, 5, 681-698. THOMPSON, S. K., RAMSEY, F. L. (1983j. Adaptative sampling of animal papulations. Tech. Report, 82. Dept. Statistics, Oregon. TRANCHEFORT, J. (1974). La Regression. Application a I'agronomie. I.T. des Cereales et des Fourrages, Paris. TSUCHIYA, K. (1989). The development of Japan's agricultural statistics and its problems. Journai of the Japan Stat. Soc., 49-61. VOELKER, J. C. A. (1$81). Agricultural Experiments, and how to conduct them. J. Farmers' Club, 88-89. VRIES, F. W. T. (1 989). Simulation of ecophysiological processes of growth in several annua! crops. PUDOC, Wageningen, Netherlands. WE^R, B. S. (1983). Statistical Analysis of DNA Sequence Data. M. Dekke WILLEY, R. W., HEATH, S. B. (19fi9). The quantitative relationships between plant populations and crop yields. Advances in Agronomy, 21, 281-321 . WEATHERUP, S. T. C. (1980). Statistica! Procedures dor distinctness, Uniforrnity and Stability of variety trials. J. Agric. Sci., 94, 31-46. WISHART, J. (1934), Statistics for Agricultural Research - Bibliography for Agricultural Statistics, J. R. Stat. Soc. Suppl., 1, 94-106. W^SHART, J. (1939). Statistical treatment and animal experimentation. J. R. Statist. Soc., fi, 1-22. WISHART, J. 11949). Análisis de !a varianza y covarianza. Con referencia especial a la experimentación agricola. I.N.l.A. WOLD, S., SJOSTROM, M., H ELLBERG, S. { 1 987). ChemometriCS: Multivariate Analysis and Design. B u ll. I nt. Stat. I nst. 52,4, 47 7-49 5. WOLLE, G. H., OUTLAW, J. E., BAINES, A. H. J. et al. { 1 964). Some uses of statistics within the ministry agriculture, fisheries and food. The Statistician, 14, 191. WooD, T. B., STRATTON, F. J. M. { 191 O). The interpretation of experimental results. Journal Agricultural Science, 3, 41 7-440. E.ST;^[?tSTt(^^^ 1" AC^RI("t'1_^Tl't^t:^ 5(} ^ YATES, F. (1937j. The design and analysis of factorial experiments. Imperial Bureau of Soil Science, Harpenden. Technical Comm., 35. YATES, F. (1 949). Sampling Methods for Censuses and Surveys (1 ed. 1949 - 4 ed. 1 981). Griffin, London. YATEs, F., COCHRAN, W. C. (1938). The analysis of groups of experiments. J. Agric. Sci., 28, 556-579. YouNG, A. (1 771 ). Experimental Agriculture. Exshaw et al., Dublin. ZULUETA, M. (1950). I.- Estado actual de la Estadr'stica aplicada a la Investigación Agraria. II.- Los servicios oficiales de Estadística Agrícola. Asoc. Nac. de Ing. Agrónomos, Congreso Nacional Ing. Agr. STATISTICS AND AGRICULTURE SUMMARY The relationship between statistics and agricultural research is reviewed. Both the use of statistica{ tools in agriculture and the role of agriculture in the deve{opment of statistics. Agricuiture and Statistics play a role in the advancement of statistics that is similar to the one played by physics related to mathernatics. The paper is structured in two sections. First dea{s with the history, from the end of the 18th century. Second deals with current and promising statistical issues in agricultural research. Key words: Statistics, Agriculture. A MS Subject Classification.^ 6 2 P 10, 9 2 A 9 0.