ISBN 978-612-03-0859-2

Reseña

La estadística aplicada ha tenido un gran florecimiento en los últimos 20 años y en la actualidad es parte del lenguaje científico cotidiano. Aunque el tratamiento estadístico de los resultados experimentales no es un seguro contra los hallazgos casuales, es un gran avance en ese sentido y representa una formidable herramienta para la interpretación de datos, no solo poniendo restricciones a la percepción caprichosa de la información, sino guiando metodológicamente su indagación.
La enseñanza de la Estadística en las Ciencias Agropecuarias no es un tributo a la modernidad sino una larga tradición que se origina en los trabajos de Fisher que, a comienzos del siglo XX, sentaron las bases de la estadística aplicada a la experimentación agrícola.
La presente edición es el resultado de un trabajo de organización de contenidos, selección de ejemplos y formulación de problemas relacionadas a la actividad agropecuaria. Es el resultado de la experiencia docente y de la interacción con sus principales destinatarios, los alumnos.
En el mundo actual, la agricultura es uno de los sectores que más datos genera. Cada vez más, los agricultores y las empresas agroindustriales utilizan la tecnología para recopilar información sobre los cultivos, el clima y el suelo. Sin embargo, la recopilación de datos no es suficiente, para aprovechar realmente su potencial, es necesario analizarlos adecuadamente.
Una de las áreas en las que el análisis de datos puede marcar diferencia es en la identificación de patrones en la producción. Por ejemplo, un estudio publicado en la revista Scientific Reports analizó la producción de trigo en Australia y encontró que los patrones de crecimiento y rendimiento estaban relacionados con factores climáticos y del suelo. Utilizando esta información los agricultores pueden ajustar las prácticas de cultivo para maximizar el rendimiento.
A su vez, el análisis de datos en el agro permite predecir el rendimiento de los cultivos, la firma de análisis de datos agrícolas Gro Intelligence afirma que el rendimiento de los cultivos se puede predecir con una precisión del 90% utilizando modelos de machine learning y análisis de datos. Esto permite a los agricultores planificar con anticipación y tomar decisiones informadas en cuanto a la comercialización de sus granos (Colombo, 2023).