Estatísticos na toma de mostras

A toma de mostras ten o obxectivo de obter información relevante sobre un solo en particular; aínda que as mostras teñen como obxectivo representar todas as áreas de solo, o que denominamos “a poboación”, estas poden ser ou non representativas da poboación.

Todos os solos presentan propiedades que varían de forma horizontal e vertical, polo que as mostras han de dividirse segundo proveñan de greens, tees ou fairways con similares características.

O parámetro estatístico máis utilizado e importante da toma de mostras é a media aritmética dunha variable entre unha colección de mostras, x‾. A dispersión de mostras individuais arredor da media está dada pola varianza, s², unha varianza ampla indica gran dispersión e unha varianza pequena, desviación pequena (idóneo). A desviación estándar, s, é a raíz cadrada da varianza. O erro estándar dunha mostra, s‌×, dá a confianza no valor da media, x‾.

Por tanto, para amplios números de mostras, podemos estar 95% seguros de que a media da poboación estará dentro de dous erros estándares da media; así, se nun solo temos unha media na medida de potasio, K, de 11 ppm e un erro estándar de 1.5 ppm, a media real da poboación estará entre 8 e 14 ppm. Esta estimación será errónea soamente un 5% das veces, unicamente debido á variación natural da toma de mostras.

Os valores obtidos sumando ou restando dous erros estándar á media dan o 95% do límite de confianza. Os límites de confianza para calquera nivel, 67, 80, 90, 95 ou 99% poden calcularse a través da media e o erro estándar.

A varianza, a medida da variabilidade entre unidades, é a miúdo función do tamaño das unidades, altos valores tenden a ter maiores varianzas que pequenas unidades. Así, a lonxitude das raíces teñen maiores varianzas que a media do diámetro das mesmas. O coeficiente de variación, CV, expresa a variabilidade relativa, dividindo a desviación estándar pola media, CV%=100 s/x‾.

A toma de mostras e o seu traballo analítico son custosos, pero estes custos poden minimizarse tomando soamente o número de mostras necesario para dar un nivel de precisión requirido. Así, podemos utilizar a seguinte fórmula:

n=t²s²/D²

sendo n, o número de mostras; t, un número elixido para un nivel de precisión, como por exemplo 95%; s², a varianza s² coñecida de antemán doutros estudos; D, a variabilidade na estimación da mostra que aceptamos.

Así é posible determinar que número de mostras é o óptimo para conseguir os resultados máis eficientes.