Serie de documentos de trabajo sobre estadística de la FAO

Número 24-40

GUÍA DE MUESTREO Y ESTIMACIÓN PARA EL

INDICADOR ODS 2.4.1
UTILIZANDO MARCOS MÚLTIPLES
Segunda edición
Serie de documentos de trabajo sobre estadística de la FAO / 24-40

GUÍA DE MUESTREO Y ESTIMACIÓN PARA EL INDICADOR ODS 2.4.1

UTILIZANDO MARCOS MÚLTIPLES
Segunda edición
Cristiano Ferraz
Universidade Federal de Pernambuco (UFPE)

Organización de las Naciones Unidas para la Alimentación y la Agricultura

Roma, 2024
Cita requerida:
Ferraz, C. 2024. Guía de muestreo y estimación para el indicador ODS 2.4.1 utilizando marcos
múltiples, segunda edición. Serie de documentos de trabajo sobre estadística de la FAO, n.o 24-40.
Roma, FAO. [Link]

Las denominaciones empleadas en este producto informativo y la forma en que aparecen presentados los datos que contiene no
implican, por parte de la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO), juicio alguno sobre la
condición jurídica o nivel de desarrollo de países, territorios, ciudades o zonas, ni sobre sus autoridades, ni respecto de la
demarcación de sus fronteras o límites. La mención de empresas o productos de fabricantes en particular, estén o no patentados, no
implica que la FAO los apruebe o recomiende de preferencia a otros de naturaleza similar que no se mencionan.

Las opiniones expresadas en este producto informativo son las de su(s) autor(es), y no reflejan necesariamente los puntos de vista
o políticas de la FAO.

ISBN 978-92-5-138602-6

© FAO, 2024

Algunos derechos reservados. Esta obra se distribuye bajo licencia Creative Commons Atribución-NoComercial-CompartirIgual 3.0
Organizaciones intergubernamentales (CC BY-NC-SA 3.0 IGO; [Link]

De acuerdo con las condiciones de la licencia, se permite copiar, redistribuir y adaptar la obra para fines no comerciales, siempre
que se cite correctamente, como se indica a continuación. En ningún uso que se haga de esta obra debe darse a entender que la
FAO refrenda una organización, productos o servicios específicos. No está permitido utilizar el logotipo de la FAO. En caso de
adaptación, debe concederse a la obra resultante la misma licencia o una licencia equivalente de Creative Commons. Si la obra se
traduce, debe añadirse el siguiente descargo de responsabilidad junto a la referencia requerida: “La presente traducción no es obra
de la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). La FAO no se hace responsable del contenido
ni de la exactitud de la traducción. La edición original en [idioma] será el texto autorizado”.

Todo litigio que surja en el marco de la licencia y no pueda resolverse de forma amistosa se resolverá a través de mediación y
arbitraje según lo dispuesto en el artículo 8 de la licencia, a no ser que se disponga lo contrario en el presente documento. Las reglas
de mediación vigentes serán el reglamento de mediación de la Organización Mundial de la Propiedad Intelectual
[Link] y todo arbitraje se llevará a cabo de manera conforme al reglamento de arbitraje de la
Comisión de las Naciones Unidas para el Derecho Mercantil Internacional (CNUDMI).

Materiales de terceros. Si se desea reutilizar material contenido en esta obra que sea propiedad de terceros, por ejemplo, cuadros,
gráficos o imágenes, corresponde al usuario determinar si se necesita autorización para tal reutilización y obtener la autorización del
titular del derecho de autor. El riesgo de que se deriven reclamaciones de la infracción de los derechos de uso de un elemento que
sea propiedad de terceros recae exclusivamente sobre el usuario.

Ventas, derechos y licencias. Los productos informativos de la FAO están disponibles en la página web de la Organización
([Link]/publications/es) y pueden adquirirse dirigiéndose a publications-sales@[Link]. Las solicitudes de uso comercial deben
enviarse a través de la siguiente página web: [Link]/contact-us/licence-request. Las consultas sobre derechos y licencias
deben remitirse a: copyright@[Link].
Resumen
La presente guía enumera y describe el proceso de estimación del indicador Objetivos de Desarrollo
Sostenible (ODS) 2.4.1, sostenibilidad de la agricultura, a través de sus subindicadores, y considerando
diferentes niveles de desagregación en un país. Esta guía complementa la publicación de la FAO de 2021
titulado “Guía de muestreo para el indicador 2.4.1 de los ODS”. Si bien la primera aporta información útil
sobre una perspectiva general de muestreo y estimación, esta guía considera el uso de diseños de
muestreo de marco dual en las encuestas agrícolas nacionales, que combinan marcos de áreas con marcos
de listas. En el desarrollo de esta guía también se presentarán los diseños de marcos duales y situaciones
útiles para países que usan encuestas agropecuarias basadas en estos mismos. Se usaron documentos
metodológicos e informes de experiencias prácticas que definen la realidad de diversos países, entre los
que se cuenta Colombia, Costa Rica, México y el Perú, como base para el desarrollo de los tópicos de esta
guía, así como para formular ejemplos de conceptos básicos presentes en esta primera versión.

iii
Índice
Resumen .........................................................................................................................................iii
Agradecimientos .............................................................................................................................vi
1 Introducción ............................................................................................................................ 1
2 El ODS 2.4.1 como parámetro poblacional ............................................................................. 2
3 Criterios de sostenibilidad de cada subindicador ................................................................... 5
3.1 Subindicadores de la dimensión económica .................................................................... 5
3.2 Subindicadores de la dimensión ambiental ..................................................................... 6
3.3 Subindicadores de la dimensión social ............................................................................ 7
4 Muestreo para encuestas agropecuarias ................................................................................ 9
4.1 Factores de estra�ficación ............................................................................................... 9
4.2 Muestreo de conglomerados ......................................................................................... 10
4.3 Muestreo con probabilidades dis�ntas .......................................................................... 10
5 Es�mando el ODS 2.4.1 para un territorio nacional ............................................................. 11
5.1 Es�mación usando un marco de área ............................................................................ 14
5.1.1 Es�mación u�lizando la estrategia de segmento abierto ....................................... 14
5.1.2 Es�mación u�lizando la estrategia de segmento ponderado (en una etapa) ........ 15
5.1.3 Es�mación u�lizando la estrategia de segmento ponderado en dos etapas ......... 16
5.2 Es�mación usando un marco de lista ............................................................................. 18
5.3 Es�mación usando un marco dual ................................................................................. 20
5.3.1 Es�mación por mul�plicidad simple ....................................................................... 20
5.3.2 Screening es�mator ................................................................................................ 23
6 Es�mación para dominios subnacionales ............................................................................. 25
7 Conclusión ............................................................................................................................. 27
Referencias .................................................................................................................................... 28

v
Agradecimientos
El autor agradece al Estadístico Regional Michael Rahija (FAO) por la invitación para el desarrollo de esta
guía; a Alethea Gabriela Candia (FAO), Gloria Vargas (FAO) y Xinia Andrade Ruiz (INEC) por la lectura,
correcciones y sugerencias de mejorías al texto. Cualquier error o imprecisión son únicamente
responsabilidad del autor. También agradece a la Secretaría General de la Facultad Latino Americana de
Ciencias Sociales (FLACSO) por el trabajo llevado a cabo para que esta guía pudiese ser desarrollada bajo
la Carta de Acuerdo firmada con la FAO en el “Apoyo a los sistemas estadísticos nacionales para el
fortalecimiento de los indicadores ODS 2.4.1 y 12.3.1.a”. Finalmente, agradece a Tal Pinto (FAO) por la
edición del documento.

vi
1 Introducción
Creado para monitorear los avances en la consecución de la meta 2.4 – para 2030, asegurar la
sostenibilidad de los sistemas de producción de alimentos y aplicar prácticas agrícolas resilientes que
aumenten la productividad y la producción, contribuyan al mantenimiento de los ecosistemas, fortalezcan
la capacidad de adaptación al cambio climático, los fenómenos meteorológicos extremos, las sequías, las
inundaciones y otros desastres, y mejoren progresivamente la calidad del suelo y la tierra –, el ODS-i 2.4.1
es una proporción de superficie agrícola en que se practica una agricultura productiva y sostenible. A fin
de ponderar cómo inciden las dimensiones económicas, ambientales y sociales en la definición una
agricultura productiva y sostenible, el indicador 2.4.1 es una función resumen, típicamente del valor
mínimo, de una serie de 11 subindicadores. Cada subindicador corresponde a una proporción de
superficie agrícola productiva y sostenible de acuerdo con un criterio específico. Así, este indicador puede
ser interpretado como la proporción más grande del área agrícola nacional de la que se puede afirmar
que cumple con los criterios de sostenibilidad en cada uno de los subindicadores. Aunque es posible
realizar el análisis de sostenibilidad cambiando la función matemática que define el indicador, adecuando
su interpretación, esta guía usa solamente la función matemática del valor mínimo como ejemplo, por ser
la definición con una interpretación amplia de sostenibilidad, propuesta por la FAO.

Para lograr estimaciones adecuadas de todos los parámetros relacionados con el ODS-i 2.4.1,
independente del nivel de desagregación, es necesario, en primer lugar, tener en cuenta el conjunto de
definiciones conceptuales de cada uno de ellos. Por ejemplo, el subindicador #1 informa la proporción de
área agrícola nacional con un alto valor de producción agrícola por hectárea. Así, por ejemplo, solo puede
ser comprendido en su totalidad contando con una definición para “valor de producción agrícola por
hectárea” y para el adjetivo “alto”, presente en la expresión “alto valor de producción”. Cabe mencionar
que, para todos los subindicadores aquí tratados, han sido definidos y justificados en diversas
publicaciones 1 de la FAO. En consecuencia, en este documento solo se ofrecerán estas definiciones de
forma abreviada.

Por último, para garantizar que los parámetros se estimen adecuadamente, estos deben formalizarse
como funciones de cantidades mensurables a partir del proceso de medición típico de las encuestas
agropecuarias. Comprendiendo el aspecto funcional de cada parámetro de interés, así como el diseño
muestral empleado en una encuesta nacional, es posible proponer estimadores consistentes del punto de
vista estadístico.

Esta guía representa un primer esfuerzo para ayudar a estudiar estos aspectos de forma objetiva,
proponiendo estimadores consistentes para cada uno de los subindicadores, y por consecuencia, para el
ODS-i 2.4.1.

1
Ver FAO (2023a, 2023b) por ejemplo.

1
2 El ODS 2.4.1 como parámetro poblacional
Las descripciones del ODS-i 2.4.1 y de sus subindicadores como parámetros poblacionales destacan el
aspecto funcional de cada uno de ellos. Una proporción de área agrícola productiva y sostenible se define
como una razón entre totales de superficies de áreas. Las notas metodológicas de la FAO recomiendan el
informe del ODS-i 2.4.1 como:

𝑅𝑅241 = 𝑚𝑚𝑚𝑚𝑚𝑚(𝑅𝑅#1 , … , 𝑅𝑅#11 ), (1)

donde cada uno de los subindicadores 𝑅𝑅#𝑖𝑖 : 𝑖𝑖 ∈ {1, … ,11} corresponde a la expresión:
𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇#𝑖𝑖
𝑅𝑅#𝑖𝑖 = , (2)
𝑇𝑇𝑇𝑇𝑇𝑇
en la cual:

• 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇#𝑖𝑖 representa el total de superficie de área agrícola nacional en que se practica una
agricultura considerada productiva y sostenible de acuerdo con el criterio 𝐶𝐶#𝑖𝑖 usado por el
subindicador 𝑅𝑅#𝑖𝑖 ; y

• 𝑇𝑇𝑇𝑇𝑇𝑇 representa el total de superficie de área agrícola nacional.

Así, 𝑅𝑅241 representa la proporción de área agrícola en que se practica una agricultura considerada
productiva y sostenible en el país, desde un punto de vista multidimensional, en el que los once criterios
𝐶𝐶#𝑖𝑖 : 𝑖𝑖 ∈ {1, … ,11} de productividad y sostenibilidad, relacionados a los subindicadores, son atendidos.

𝑅𝑅#𝑖𝑖 es considerado un parámetro complejo, pues consiste en una razón entre totales. Sin embargo, es
posible generar una estimación consistente del subindicador, del punto de vista estadístico, a partir de la
estimación de cada total por separado. Por ello, se recomienda el uso de un estimador 𝑅𝑅�#𝑖𝑖 .
�
𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇#𝚤𝚤
𝑅𝑅�#𝑖𝑖 = . (3)
�
𝑇𝑇𝑇𝑇𝑇𝑇
� y 𝑇𝑇𝑇𝑇𝑇𝑇
La forma de los estimadores 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇#𝚤𝚤 � depende del diseño de la muestra, lo que será discutido más
adelante. Siguiendo el mismo principio, se recomienda como estimador del indicador 𝑅𝑅241, la expresión:

𝑅𝑅�241 = 𝑚𝑚í𝑛𝑛�𝑅𝑅�#1 , … , 𝑅𝑅�#11 �. (4)

Aunque cada subindicador tenga su propio criterio 𝐶𝐶#𝑖𝑖 de sostenibilidad, la forma con que cada uno de
ellos es reportado sigue una estructura de clasificación simple: “Verde” (deseable), “Amarillo” (aceptable)
y “Rojo” (insostenible).

Esto abre la posibilidad de contar con un estimador general, aplicable a todos los subindicadores. Para
avanzar en una caracterización cuantitativa común, es necesario considerar el proceso de medición de las
encuestas agropecuarias.

Por lo general, las encuestas agropecuarias usan unidades muestrales de naturaleza distinta (como
segmentos de área, productores y unidades de producción), dependiendo del tipo de marco empleado,
sea de área o de lista. En ocasiones, las encuestas nacionales con un diseño dual, que mezclan ambos
marcos, tienen ambas unidades muestrales. Sin embargo, cualquiera sea el caso, la información

2
recolectada para medir los criterios de sostenibilidad 𝐶𝐶#𝑖𝑖 provienen de una entrevista, con un cuestionario
estructurado, en que la unidad de referencia es el establecimiento agropecuario. En consecuencia, las
respuestas obtenidas están en función a la superficie de área agrícola del establecimiento agropecuario
(agro), es decir la superficie de área usada para sembrar cultivos o criar ganado. Este es el alcance de
definición del indicador 2.4.1, la que permite tomar como universo, o población objetivo, el conjunto de
todos los establecimientos agropecuarios de un país. En este contexto, es posible definir cada
subindicador de manera similar, adoptando la siguiente notación:

• 𝑈𝑈 = {1, … , 𝑁𝑁} representa el universo de 𝑁𝑁 establecimientos agropecuarios nacionales.

• 𝑦𝑦𝑘𝑘 representa la superficie de área agrícola del establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈.

• 𝑉𝑉(𝑖𝑖)𝑘𝑘 representa una variable indicadora de que el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 es

clasificado en la categoría “Verde” de sostenibilidad, de acuerdo con el criterio 𝐶𝐶#𝑖𝑖 .
1, si el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 es "Verde" por el criterio 𝐶𝐶#𝑖𝑖 ;
𝑉𝑉(𝑖𝑖)𝑘𝑘 = �
0, si el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 no es "Verde".

• 𝐴𝐴(𝑖𝑖)𝑘𝑘 representa una variable indicadora de que el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 es

clasificado en la categoría “Amarillo” de sostenibilidad, de acuerdo con el criterio 𝐶𝐶#𝑖𝑖 :
1, si el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 es "Amarillo" por el criterio 𝐶𝐶#𝑖𝑖 ;
𝐴𝐴(𝑖𝑖)𝑘𝑘 = �
0, si el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 no es "Amarillo".
Así, es posible describir los parámetros poblacionales relativos a cada subindicador en función de la
categoría deseada. Por ejemplo, con base en la expresión (2), mediante

𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇#𝑖𝑖 = � 𝑦𝑦𝑘𝑘 𝑉𝑉(𝑖𝑖)𝑘𝑘 , (5)

𝑘𝑘∈𝑈𝑈

y
𝑇𝑇𝑇𝑇𝑇𝑇 = � 𝑦𝑦𝑘𝑘 , (6)
𝑘𝑘∈𝑈𝑈

la expresión
∑𝑘𝑘∈𝑈𝑈 𝑦𝑦𝑘𝑘 𝑉𝑉(𝑖𝑖)𝑘𝑘
𝑅𝑅#𝑖𝑖 = (7)
∑𝑘𝑘∈𝑈𝑈 𝑦𝑦𝑘𝑘

que representa la forma paramétrica del subindicador 𝑅𝑅#𝑖𝑖 en función de la categoría “Verde” de
sostenibilidad. Es decir, en este caso, 𝑅𝑅#𝑖𝑖 representa la proporción de área agrícola nacional con el nivel
deseable de sostenibilidad para el criterio 𝐶𝐶#𝑖𝑖 . En paralelo, los parámetros poblacionales

∑𝑘𝑘∈𝑈𝑈 𝑦𝑦𝑘𝑘 𝐴𝐴(𝑖𝑖)𝑘𝑘

𝑅𝑅#𝑖𝑖 1 = , (8)
∑𝑘𝑘∈𝑈𝑈 𝑦𝑦𝑘𝑘
∑𝑘𝑘∈𝑈𝑈 𝑦𝑦𝑘𝑘 (𝑉𝑉(𝑖𝑖)𝑘𝑘 + 𝐴𝐴(𝑖𝑖)𝑘𝑘 )
𝑅𝑅#𝑖𝑖 2 = (9)
∑𝑘𝑘∈𝑈𝑈 𝑦𝑦𝑘𝑘

3
 ∑𝑘𝑘∈𝑈𝑈 𝑦𝑦𝑘𝑘 (1 − 𝑉𝑉(𝑖𝑖)𝑘𝑘 𝐴𝐴(𝑖𝑖)𝑘𝑘 )
𝑅𝑅#𝑖𝑖 3 = (10)
∑𝑘𝑘∈𝑈𝑈 𝑦𝑦𝑘𝑘

representan la proporción de área agrícola de un mismo subindicador usando categorías distintas de

sostenibilidad, donde:

• 𝑅𝑅#𝑖𝑖 1 es la proporción de área agrícola con un nivel aceptable de sostenibilidad (Amarillo)

para el criterio 𝐶𝐶#𝑖𝑖 .

• 𝑅𝑅#𝑖𝑖 2 es la proporción de área agrícola con nivel aceptable o deseable de sostenibilidad

(Amarillo o Verde) para el criterio 𝐶𝐶#𝑖𝑖 .

• 𝑅𝑅#𝑖𝑖 3 es la proporción de área agrícola con nivel de insostenibilidad (Rojo) para el criterio
𝐶𝐶#𝑖𝑖 .

Sin perder el aspecto más general del problema, en esta guía, los ejemplos de estimación consideran los
subindicadores definidos en función de la categoría “Verde” de sostenibilidad, como en (7), así como los
demás, 𝑅𝑅#𝑖𝑖 1, 𝑅𝑅#𝑖𝑖 2 y 𝑅𝑅#𝑖𝑖 3, definidos de una forma general en (8), (9) y (10), respectivamente.

4
3 Criterios de sostenibilidad de cada subindicador
Conocer los criterios de sostenibilidad de cada subindicador es fundamental para la estimación adecuada
del indicador 2.4.1. El Perú y Costa Rica cuentan con la experiencia en el uso de los conceptos relativos a
cada criterio, y en la forma como la información fue recopilada a través de cuestionarios, considerando la
clasificación de cada subindicador por categoría de sostenibilidad. En este capítulo se destaca los aspectos
más generales de los criterios, agrupados por dimensión. El Cuadro 1 presenta un resumen de los temas
considerados por cada subindicador.

Subindicadores por dimensión.

Subindicador Criterio Dimensión
1 Valor de la producción agrícola por hectárea Económica
2 Ingresos agrícolas netos Económica
3 Mecanismos de mitigación de riesgos Económica
4 Magnitud de la degradación del suelo Ambiental
5 Variación en la disponibilidad del agua Ambiental
6 Gestión de fertilizantes Ambiental
7 Gestión de plaguicidas Ambiental
8 Uso de prácticas de apoyo a la biodiversidad agrícola Ambiental
9 Salarios en la agricultura Social
10 Escala de experiencia de inseguridad alimentaria (FIES) Social
11 Seguridad de los derechos de tenencia de la tierra Social
Fuente: Elaboración por autor.

3.1 Subindicadores de la dimensión económica

Los tres subindicadores de la dimensión económica son 𝑅𝑅#1 , 𝑅𝑅#2 y 𝑅𝑅#3 . Sus criterios de sostenibilidad son
𝐶𝐶#1 , 𝐶𝐶#2 y 𝐶𝐶#3 , respectivamente:

• 𝑪𝑪#𝟏𝟏 : Compara el valor de 𝑉𝑉𝑉𝑉𝐴𝐴𝑘𝑘 , la producción agrícola por hectárea del establecimiento agro
𝑘𝑘 ∈ 𝑈𝑈, con un percentil 90 (𝑃𝑃90) de esta misma cantidad, resultando en
2
o Verde, si 𝑉𝑉𝑉𝑉𝐴𝐴𝑘𝑘 ≥ 𝑃𝑃90;
3
1 2
o Amarillo, si 𝑃𝑃90 ≤ 𝑉𝑉𝑉𝑉𝐴𝐴𝑘𝑘 < 𝑃𝑃90; y
3 3
1
o Rojo, si 𝑉𝑉𝑉𝑉𝐴𝐴𝑘𝑘 < 𝑃𝑃90.
3

• 𝑪𝑪#𝟐𝟐 : Compara los valores de 𝐼𝐼𝐴𝐴𝐴𝐴𝑘𝑘 , el ingreso agrícola neto del establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈,
para los tres últimos años, resultando en:

5
 o Verde, se 𝐼𝐼𝐴𝐴𝐴𝐴𝑘𝑘 ≥ 0 para los tres últimos años;

o Amarillo, se 𝑉𝑉𝑉𝑉𝐴𝐴𝑘𝑘 > 0 para al menos uno de los tres últimos años; y

o Rojo, se 𝑉𝑉𝑉𝑉𝐴𝐴𝑘𝑘 < 0 para los tres últimos años.

• 𝑪𝑪#𝟑𝟑 : Identifica si un establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 hace uso de mecanismos de mitigación de

riesgos, es decir, se tiene acceso a crédito, seguro y se diversifica su explotación agrícola,
resultando en:

o Verde, se tiene acceso o ha utilizado al menos dos de los mecanismos;

o Amarillo, se tiene acceso o ha utilizado uno solo de los mecanismos; y

o Rojo, no se tiene acceso a ningún de los tres mecanismos.

3.2 Subindicadores de la dimensión ambiental

Hay cinco subindicadores de la dimensión ambiental: 𝑅𝑅#4 , 𝑅𝑅#5 , 𝑅𝑅#6 , 𝑅𝑅#7 y 𝑅𝑅#8 . Sus criterios de
sostenibilidad son 𝐶𝐶#4 , 𝐶𝐶#5 , 𝐶𝐶#6 , 𝐶𝐶#7 y 𝐶𝐶#8 , respectivamente:

• 𝑪𝑪#𝟒𝟒 : Compara el nivel de la degradación del suelo por erosión, reducción de fertilidad,
salinización, y encharcamiento. Se mide como la 𝑃𝑃𝑃𝑃𝐷𝐷𝑘𝑘 , proporción de área agrícola del
establecimiento 𝑘𝑘 ∈ 𝑈𝑈 afectada por degradación, resultando en:

o Verde, se 𝑃𝑃𝐴𝐴𝐴𝐴𝑘𝑘 ≤ 10 %;

o Amarillo, se 10% < 𝑃𝑃𝐴𝐴𝐴𝐴𝑘𝑘 ≤ 50 %; y

o Rojo, se 𝑃𝑃𝐷𝐷𝐷𝐷𝑘𝑘 > 50 %.

• 𝑪𝑪#𝟓𝟓 : Identifica si hay variación en la disponibilidad de agua a lo largo de los años, resultando en:

o Verde, si la disponibilidad de agua es estable a lo largo de los años o no utiliza agua

para regar cultivos en más del 10 por ciento del área agrícola de la finca.

o Amarillo, cuando utiliza el agua para regar los cultivos en al menos el 10 por ciento
del área agrícola de la finca, no se sabe si la disponibilidad del agua se mantiene o se
constata una reducción en su disponibilidad, pero existe una organización
responsable por la distribución eficaz del agua entre los usuarios.

o Rojo, en todos los demás casos.

• 𝑪𝑪#𝟔𝟔 : Identifica si un establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 adopta medidas (de un total de ocho) de

mitigación de riesgo de contaminación por fertilizantes.

o Verde, si el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 adopta al menos cuatro de las medidas

consideradas;

o Amarillo, si el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 adopta dos o tres de las medidas

consideradas;

o Rojo, en los demás casos.

6
 • 𝑪𝑪#𝟕𝟕 : Identifica si un establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 adopta medidas de mitigación de riesgo de
contaminación por plaguicidas. Además de adoptar medidas de mitigación consideradas en
una lista, se considera también el tipo de plaguicida utilizado, resultando en:

o Verde, cuando el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 solo utiliza plaguicidas moderadamente

peligrosos o poco peligrosos (clases II y III de la Organización Mundial de la Salud
[OMS]), cumple tres medidas relacionadas con la salud, y al menos cuatro medidas
relacionadas con el medio ambiente.

o Amarillo, cuando el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 solo utiliza plaguicidas

moderadamente peligrosos o poco peligrosos (clases II y III de la OMS) y adopta al
menos dos medidas de cada grupo para mitigar los riesgos para el medio ambiente y
los riesgos para la salud.

o Rojo, cuando el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 utiliza plaguicidas sumamente peligrosos,

muy peligrosos (clases Ia y Ib de la OMS) o ilegales, o utiliza plaguicidas
moderadamente peligrosos o ligeramente peligrosos sin adoptar medidas específicas
para mitigar los riesgos para el medio ambiente y la salud asociados con la utilización
de dichos plaguicidas (menos de dos medidas de alguna de las listas consideradas).

• 𝑪𝑪#𝟖𝟖 : Identifica si un establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 hace uso de prácticas de apoyo a la

biodiversidad agrícola (de un total de seis) resultando en:

o Verde, cuando el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 hace uso de al menos tres de las seis
prácticas.

o Amarillo, cuando el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 solo utiliza uno o dos de las prácticas.

o Rojo, cuando el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 no utiliza ninguna de las practicas.

3.3 Subindicadores de la dimensión social

Son tres los subindicadores de la dimensión social: 𝑅𝑅#9 , 𝑅𝑅#10 y 𝑅𝑅#11 . Sus criterios de sostenibilidad son
𝐶𝐶#9 , 𝐶𝐶#10 y 𝐶𝐶#11 , respectivamente:

• 𝑪𝑪#𝟗𝟗 : Se relaciona con el salario en la agricultura. Identifica si el salario pagado, en promedio,

a los trabajadores agrícolas no calificados, por un establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈, es igual,
superior o inferior al salario mínimo del país, resultando en:

o Verde, cuando el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 paga en promedio salarios superiores

al salario mínimo.

o Amarillo, cuando el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 paga en promedio salarios iguales al

salario mínimo.

o Rojo, cuando el establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 paga en promedio salarios inferiores al

salario mínimo.

7
• 𝑪𝑪#𝟏𝟏𝟏𝟏 : Se define en función de una escala de experiencia de inseguridad alimentaria (FIES,
por sus siglas en inglés). Identifica el grado de inseguridad alimentaria, leve, moderado o
severo, a partir de la probabilidad de cada una de ellas, resultando en:

o Verde, si la probabilidad de que el hogar del titular de la explotación padezca

inseguridad moderada o grave es inferior a 0,5 y la probabilidad de que padezca
inseguridad alimentaria grave es inferior a 0,5.

o Amarillo, si la probabilidad de que el hogar del titular de la explotación padezca

inseguridad moderada o grave es superior a 0,5 y la probabilidad de que padezca
inseguridad alimentaria grave es inferior a 0,5.

o Rojo, si la probabilidad de que el hogar del titular de la explotación padezca

inseguridad alimentaria grave es superior a 0,5.

• 𝑪𝑪#𝟏𝟏𝟏𝟏 : Se define en función de la seguridad de los derechos a tenencia de la tierra. Identifica

si el titular del establecimiento agro 𝑘𝑘 ∈ 𝑈𝑈 tiene un documento oficial de tenencia de tierra,
resultando en:

o Verde, cuando tiene un documento oficial con el nombre del titular del
establecimiento agro, o se tiene el derecho de vender o de transmitir por herencia
cualquiera de las parcelas de la explotación.

o Amarillo, cuando tiene un documento oficial, aunque no figure el nombre del titular
ni del establecimiento agro.

o Rojo, en todos los demás casos.

8
4 Muestreo para encuestas agropecuarias
Aunque, en teoría, podría diseñarse una encuesta nacional para cumplir solo con los objetivos de
desarrollo sostenible, cada país tiene necesidades particulares de información. Así, es más eficiente
integrar los objetivos de estimación de indicadores de sostenibilidad con los objetivos específicos de
encuestas muestrales agropecuarias nacionales ya existentes, o el desarrollo de un sistema integrado de
encuestas agropecuarias que atienda a todos estos objetivos. El Programa AGRIS (FAO, 2018) es un
ejemplo de sistema integrado que puede ser adoptado como referencia para el desarrollo de sistemas
nacionales considerando la realidad de cada país.

Desarrollar un documento considerando cada uno de los diseños muestrales de encuestas agropecuarias
en uso por los países no sería razonable. Sin embargo, es posible identificar los elementos de diseño
muestral más utilizados y usarlos en una descripción intuitiva para que, por un lado, se perciba la
adecuación del método de muestreo al problema de estimación del indicador 2.4.1, y por otro, se tenga
una referencia para los países que necesitan desarrollar o renovar un método para sus encuestas por
muestreo probabilístico.

Independiente del tipo de marco en uso, tres elementos son comúnmente usados para mejorar la
eficiencia de estimación:

• Estratificación;

• muestreo en etapas; y

• diseños con probabilidad proporcional a una medida de tamaño (PPT).

4.1 Factores de estratificación

Usualmente, una población objetivo es estratificada según cuando menos a uno de dos conjuntos de
factores. El primero abarca los factores que definen dominios subnacionales de interés para estimación,
mientras, el segundo, aquellos que adicionan información auxiliar importante para incrementar la
precisión. Así, un estrato ℎ representa uno de los niveles de un factor de estratificación, o una
combinación de niveles de factores de las dos categorías.

En caso en que cada estrato es una combinación de niveles de factores, considere un país con un censo
agropecuario reciente, en el cual es posible identificar un marco de áreas con terrenos de límites físicos
conocidos. Imagine que la población objetivo de todos los establecimientos agropecuarios del país es
completamente cubierta por el marco de área. Además, en algunos casos se identifica una relación
univoca de un terreno para cada productor agropecuario, aunque cada productor pueda tener más de un
terreno, como en México, en su censo agropecuario de 2022.

Desarrollar una encuesta nacional agropecuaria para el país podría beneficiarse de una estructura de
estratificación que emplea factores geopolíticos para garantizar estimaciones subnacionales, y factores
relacionados a la intensidad de uso de suelo, mensurados a través del uso de imágenes satelitales, para
añadir precisión a las estimaciones. Singularizando el factor geopolítico de interés, como los estados del
país, en el caso de México, resulta en que hay 32 niveles (estados). Si el factor intensidad de uso de suelo
tiene, por ejemplo, tres niveles (alta, moderada y baja intensidad), todo el proceso de estratificación
utilizaría 32 × 3 = 96 estratos.

9
4.2 Muestreo de conglomerados
El uso de conglomerados en diseños muestrales puede ser una alternativa de recopilación de datos más
económica. Por definición, un conglomerado es un conjunto de elementos de una población objetivo. En
encuestas agropecuarias con poblaciones objetivos definidas como todos los establecimientos
agropecuarios, un conglomerado puede tener diversas formas, dependiendo del tipo de marco. En marcos
de áreas, por ejemplo, es común que un conglomerado tome la forma de un área más grande, donde es
posible identificar un conjunto de establecimientos agropecuarios. En ocasiones, el número de
establecimientos agropecuarios en el conglomerado puede ser muy alto, lo que justifica dividirlo en
subáreas más pequeñas, donde cada una de ellas contiene un conjunto más pequeño de establecimientos.
En los marcos de lista, los conglomerados pueden tener otras definiciones. Un marco que lista todas las
asociaciones de productores agrupados por aldea, por ejemplo, es un marco en que cada aldea representa
un conjunto de productores, con una relación conocida con el concepto de establecimientos
agropecuarios de un país.

La Encuesta Nacional de Agropecuaria de Costa Rica (ENA) subdivide su marco de área en áreas más
pequeñas, llamadas segmentos de área, en las cuales se puede identificar un conjunto de fincas
(establecimiento agropecuario). Cada segmento de área es un conglomerado seleccionado por un
muestreo probabilístico. Se realiza un barrido de todos los segmentos de área en los conglomerados
seleccionados, y todas las fincas identificadas son investigadas. Sería posible, todavía, añadir una etapa
de selección al proceso de muestreo, en la cual podrían seleccionarse fincas al interior de cada
conglomerado, obteniendo así un muestreo en dos etapas.

4.3 Muestreo con probabilidades distintas

Cuando los marcos de muestreo cuentan con informaciones auxiliares disponibles, es posible utilizar
diseños muestrales de probabilidades distintas, típicamente de valores proporcionales a una medida de
importancia, comúnmente llamada medida de tamaño. Así, las probabilidades de selección son calculadas
para incluir estas informaciones, ganando precisión, siempre y cuando la información auxiliar tenga algún
grado de correlación con la variable de interés.

10
5 Estimando el ODS 2.4.1 para un territorio nacional
La FAO recomienda estimar el indicador 2.4.1 para todo el territorio nacional. Además, cuando sea
posible, generar estimaciones desagregadas para dominios subnacionales supone ganar información útil
para las gestiones de sostenibilidad, en acuerdo con la Agenda 2030.

En este capítulo, el problema de generar estimativas del indicador para un territorio nacional es abordado
considerando los elementos de diseño muestral introducidos antes. Además de estratificación y
probabilidades distintas de selección, dos situaciones de diseño son consideradas: una con muestreo en
dos etapas, y otra con muestreo en una etapa.

Para efecto de notación, imagínese que en total se identifican 𝐻𝐻 estratos, y que los elementos de análisis,
los establecimientos agropecuarios, coinciden con el último nivel de unidad de muestreo de cada estrato,
o están incluidos en ellos, cuando el ultimo nivel es un conglomerado. La siguiente notación es
introducida:

• 𝑈𝑈 = {1, … , 𝑁𝑁} representa el universo de 𝑁𝑁 establecimientos agropecuarios nacionales,

identificados en una estructura poblacional en la cual:

o 𝑈𝑈 = ⋃𝐻𝐻
ℎ=1 𝑈𝑈ℎ , es decir que la población es estratificada en 𝐻𝐻 estratos, con

𝑈𝑈ℎ = {1, … , 𝑀𝑀ℎ }, representando el conjunto de 𝑀𝑀ℎ conglomerados del estrato ℎ, tal que 𝑀𝑀 = ∑𝐻𝐻
ℎ=1 𝑀𝑀ℎ
es el total de conglomerados en la población.

o 𝑈𝑈ℎ𝑖𝑖 = {1, … , 𝑁𝑁ℎ𝑖𝑖 } representa el conjunto de 𝑁𝑁ℎ𝑖𝑖 establecimientos agropecuarios del

𝑀𝑀ℎ
conglomerado 𝑖𝑖 en el estrato ℎ, tal que 𝑁𝑁ℎ = ∑𝑖𝑖=1 𝑁𝑁ℎ𝑖𝑖 es el total de establecimientos
agropecuarios en el estrato ℎ; y

o 𝑁𝑁 = ∑𝐻𝐻
ℎ=1 𝑁𝑁ℎ .

• 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 que representa la superficie de área agrícola del establecimiento agro 𝑗𝑗 del conglomerado 𝑖𝑖,
en el estrato ℎ.

Por ejemplo, en la ENA de Costa Rica la finca es la unidad de análisis; y usa un marco dual de muestreo,
con un marco de área y un marco de lista de grandes productores, para cubrir toda la población. Por un
lado, un censo es aplicado al marco de lista. Por otro lado, el marco de área de la ENA es dividido en
grandes áreas para efectos de clasificar en cinco estratos, de acuerdo con un criterio de intensidad de uso
agrícola del suelo. En cada estrato, una muestra de conglomerados de áreas menores es seleccionada.
Todas las fincas con explotación de parcelas en estos conglomerados son entrevistadas. En este caso, 𝑦𝑦ℎ𝑖𝑖𝑖𝑖
representa la superficie de área agrícola de la finca (establecimiento agro) 𝑗𝑗 del conglomerado (áreas
menores) 𝑖𝑖, en el estrato ℎ.

Por conveniencia, en esta guía, algunas veces será hecha referencia a los establecimientos agropecuarios
simplemente como "ℎ𝑖𝑖𝑖𝑖", para denotar el establecimiento agropecuario 𝑗𝑗 del conglomerado 𝑖𝑖, en el
estrato ℎ.

Las variables anteriormente definidas como “𝑉𝑉(𝑖𝑖)𝑘𝑘 ” y “𝐴𝐴(𝑖𝑖)𝑘𝑘 ” necesitan una pequeña adaptación de
notación, cambiando el índice 𝑖𝑖 por 𝑐𝑐, pasando a ser escritas como:

11
 • 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 , que representa una variable indicadora de que el establecimiento agro 𝑗𝑗 del
conglomerado 𝑖𝑖 en el estrato ℎ es clasificado en la categoría “Verde” de sostenibilidad, de acuerdo
con el criterio 𝑐𝑐 ∈ {𝐶𝐶#1 , … , 𝐶𝐶#11 }:
1, si el establecimiento agro "ℎ𝑖𝑖𝑖𝑖" es "Verde" por el criterio 𝑐𝑐 ;
o 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 = �
0, si el establecimiento agro "ℎ𝑖𝑖𝑖𝑖" no es "Verde";
y

• 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 representa una variable indicadora de que el establecimiento agro 𝑗𝑗 del conglomerado 𝑖𝑖
en el estrato ℎ es clasificado en la categoría “Amarillo” de sostenibilidad, de acuerdo con el criterio
𝑐𝑐 ∈ {𝐶𝐶#1 , … , 𝐶𝐶#11 }:
1, si el establecimiento agro "ℎ𝑖𝑖𝑖𝑖" es "Amarillo" por el criterio 𝑐𝑐;
o 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 = �
0, si el establecimiento agro "ℎ𝑖𝑖𝑖𝑖" no es "Amarillo".
Los parámetros poblacionales (7), (8), (9) y (10), relativos a cada subindicador, pueden ser escritos como
una razón entre:
𝐻𝐻

𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇#𝑐𝑐 = � � � 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 , (11)

ℎ=1 𝑖𝑖∈𝑈𝑈ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖

y
𝐻𝐻

𝑇𝑇𝑇𝑇𝑇𝑇 = � � � 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 , (12)

ℎ=1 𝑖𝑖∈𝑈𝑈ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖

como sigue:

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
𝑅𝑅#𝑐𝑐 = , (13)
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
𝑅𝑅#𝑐𝑐 1 = , (14)
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )
𝑅𝑅#𝑐𝑐 2 = , (15)
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )
𝑅𝑅#𝑐𝑐 3 = . (16)
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖

Estimación en dos etapas

Para generar estimaciones nacionales consistentes, del punto de vista del diseño muestral, para los
parámetros (13), (14), (15) y (16), es necesario tener en consideración el proceso de aleatorización usado
en el diseño. Cuando se tiene una selección de muestra en dos etapas en las cuales, en cada estrato, se
saca una muestra 𝑆𝑆ℎ de conglomerados, y en cada conglomerado se saca una muestra 𝑆𝑆ℎ𝑖𝑖 de
establecimientos, tal que 𝜋𝜋ℎ𝑖𝑖𝑖𝑖 es la probabilidad de selección del establecimiento 𝑗𝑗 del conglomerado 𝑖𝑖
en el estrato ℎ, es posible escribir: 𝜋𝜋ℎ𝑖𝑖𝑖𝑖 = 𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 , donde 𝜋𝜋ℎ𝑖𝑖 es la probabilidad de selección del

12
conglomerado 𝑖𝑖 en el estrato ℎ y 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 es la probabilidad de selección de la unidad de producción 𝑗𝑗 dado
que el segmento 𝑖𝑖 a lo cual el pertenece, dentro del estrato ℎ, fue seleccionado para la muestra. Como
resultado, en una estimación en dos etapas, los estimadores de los indicadores de interés asumen las
siguientes fórmulas:
𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖
𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 = 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 , (17)
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖 𝜋𝜋 𝜋𝜋
ℎ𝑖𝑖 𝑗𝑗|ℎ𝑖𝑖

𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖
𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 1 = 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 , (18)
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖 𝜋𝜋 𝜋𝜋
ℎ𝑖𝑖 𝑗𝑗|ℎ𝑖𝑖

𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖 𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 2 = 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 , (19)
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖 𝜋𝜋 𝜋𝜋
ℎ𝑖𝑖 𝑗𝑗|ℎ𝑖𝑖
y
𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖 𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 3 = 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 . (20)
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖 𝜋𝜋 𝜋𝜋
ℎ𝑖𝑖 𝑗𝑗|ℎ𝑖𝑖

Estimación en una etapa

Cuando se tiene una selección de muestra en una etapa en la cual, en cada estrato, se saca una muestra
𝑆𝑆ℎ de conglomerados, y en cada conglomerado se hace un barrido de todos los establecimientos
agropecuarios, tal que 𝜋𝜋ℎ𝑖𝑖 es la probabilidad de selección del conglomerado 𝑖𝑖 en el estrato ℎ, los
estimadores (17), (18), (19) y (20) necesitan un ajuste, resultando respectivamente en:
𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 = 𝑦𝑦 , (21)
ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝜋𝜋
ℎ𝑖𝑖

𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 1 = 𝑦𝑦 , (22)
ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ
∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝜋𝜋
ℎ𝑖𝑖

𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 2 = 𝑦𝑦 , (23)
ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝜋𝜋
ℎ𝑖𝑖
y

13
 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 3 = 𝑦𝑦 . (24)
ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝜋𝜋
ℎ𝑖𝑖

Los estimadores introducidos hasta el momento son generales, lo suficiente para el uso en la práctica. Sin
embargo, es posible realizar adaptaciones de acuerdo con el tipo de marco utilizado. En esta guía, las
adaptaciones son introducidas para los diseños más comunes de encuestas agropecuarias que usan un
solo marco, sea de área o de lista; y un sistema de marcos duales, con el uso simultáneo de marcos de
área y de lista.

5.1 Estimación usando un marco de área

Los marcos de área usan el territorio nacional como referencia para cubrir la población-objetivo de una
encuesta. En esta guía se considera que los marcos de área usan segmentos de área como unidades de
muestreo, y unidades de producción como unidades de observación y análisis.

El concepto de segmentos de área empleado aquí es general, es decir, un segmento de área es una parcela
de terreno que tiene forma regular o irregular. Los segmentos cuadrados, también llamados de
cuadrículas, son ejemplos de segmentos de forma regular: por otra parte, los segmentos formados a partir
de límites físicos son ejemplos de segmentos irregulares. El marco de área utilizado para la Encuesta
Nacional Agropecuaria de Colombia, elaborado por el Departamento Administrativo Nacional de
Estadística (DANE), es un marco en lo cual las unidades primarias de muestreo forman una partición del
territorio nacional del país a través de segmentos de área irregulares delimitados por accidentes físicos,
naturales o culturales, identificados por imágenes satelitales.

El concepto de unidades de producción también es suficientemente general para representar diversos

casos. En Costa Rica, por ejemplo, su encuesta nacional tiene como unidad de observación y análisis una
finca, a la que se aplica un cuestionario. Se trata de la situación ideal para recolectar las informaciones
necesarias para generar estimaciones de los subindicadores de interés para la definición del indicador de
sostenibilidad 2.4.1.

Típicamente, los diseños de muestreo de un marco de área aplicado a una encuesta agropecuaria usan
estratificación por criterio de intensidad de uso agropecuario del suelo y segmentos de área como
unidades primarias de muestreo en cada estrato. Dos estrategias de muestreo de segmentos de área muy
utilizadas para selección de unidades de producción son la estrategia de selección por segmento abierto
y la estrategia de selección por segmento ponderado.

5.1.1 Estimación utilizando la estrategia de segmento abierto

Sacar una muestra de unidades de producción utilizando la estrategia de selección por segmento abierto
equivale a tener un cuestionario aplicado para cada unidad de producción (establecimiento
agropecuario), el que tiene una “sede” dentro de los límites del segmento. Las respuestas a las cuestiones
dicen respecto a toda la unidad de producción, aunque su área delineada extrapole los límites del
segmento. La definición de “sede” necesita ser un criterio claro que permita una asociación de cada
unidad de producción a apenas un segmento de área, de forma que la probabilidad de selección de una
unidad de producción es la misma del segmento de área en que está ubicada.

14
Utilizando la estrategia de segmento abierto, los estimadores del indicador 2.4.1 para todo el territorio
nacional coinciden con los definidos anteriormente para un muestreo en una etapa. Así, en los diseños
muestrales con probabilidad igual de selección de segmentos (por ejemplo, muestreo aleatorio simple o
sistemático), dentro de cada estrato, la probabilidad de selección es 𝜋𝜋ℎ𝑖𝑖 = 𝜋𝜋ℎ = 𝑚𝑚ℎ /𝑀𝑀ℎ , donde 𝑚𝑚ℎ es el
número de segmentos seleccionados para la muestra del estrato ℎ, y 𝑀𝑀ℎ es el total de segmentos de área
en el estrato ℎ del marco de área. Bajo estas condiciones, los estimadores (21), (22), (23) y (24) tienen la
siguiente forma, respectivamente:
𝑀𝑀ℎ 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚ℎ
𝑅𝑅�#𝑐𝑐 = , (25)
𝐻𝐻 𝑀𝑀ℎ 𝑦𝑦ℎ𝑖𝑖𝑖𝑖
∑ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑚𝑚ℎ
𝑀𝑀ℎ 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚ℎ
𝑅𝑅�#𝑐𝑐 1 = , (26)
𝐻𝐻 𝑀𝑀ℎ 𝑦𝑦ℎ𝑖𝑖𝑖𝑖
∑ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑚𝑚ℎ
𝑀𝑀ℎ 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚ℎ
𝑅𝑅�#𝑐𝑐 2 = , (27)
𝑀𝑀 ℎ 𝑦𝑦ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚
ℎ

y
𝑀𝑀ℎ 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚ℎ
𝑅𝑅�#𝑐𝑐 3 = . (28)
𝑀𝑀ℎ 𝑦𝑦ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚
ℎ

5.1.2 Estimación utilizando la estrategia de segmento ponderado (en una etapa)

Sacar una muestra de unidades de producción usando la estrategia de segmento ponderado equivale a
tener un cuestionario aplicado a cada unidad de producción que tiene una intersección total o parcial de
sus parcelas de áreas agrícolas con el segmento seleccionado. La superficie de área formada por la
intersección de una o más parcelas de áreas agrícolas con el segmento, bajo la misma unidad de
producción, son aquí llamados “tracts”.

Considere 𝑇𝑇ℎ𝑖𝑖𝑖𝑖 como el área del “tract” de la unidad de producción 𝑗𝑗 en el segmento 𝑖𝑖 dentro del estrato
ℎ, y 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 como el área total de la unidad de producción 𝑗𝑗 seleccionada a través del segmento 𝑖𝑖, dentro del
estrato ℎ. Utilizando la estrategia de segmento ponderado, las variables de interés 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 reciben una
ponderación proporcional al área del “tract” de la unidad de producción seleccionada, así que se observa,
para efecto de estimación, la variable ponderada 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 , tal que:
𝑇𝑇ℎ𝑖𝑖𝑖𝑖
𝑥𝑥ℎ𝑖𝑖𝑖𝑖 = 𝑦𝑦 .
𝐴𝐴ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖

Las fórmulas de estimación del indicador 2.4.1 bajo esta estrategia de muestreo coinciden con las mismas
de estimación en una etapa, cambiando 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 por 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 . Considerando diseños muestrales con
probabilidades iguales para selección de segmentos dentro de cada estrato, se deriva 𝜋𝜋ℎ𝑖𝑖 =

15
𝜋𝜋ℎ = 𝑚𝑚ℎ /𝑀𝑀ℎ , donde 𝑚𝑚ℎ es el número de segmentos seleccionados para la muestra del estrato ℎ, y 𝑀𝑀ℎ
es el total de segmentos de área en el estrato ℎ del marco de área. Bajo estas condiciones, los estimadores
(21), (22), (23) y (24) tienen la siguiente forma, respectivamente:
𝑀𝑀ℎ 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚ℎ
𝑅𝑅�#𝑐𝑐 = , (29)
𝑀𝑀ℎ 𝑥𝑥ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚
ℎ

𝑀𝑀ℎ 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚ℎ
𝑅𝑅�#𝑐𝑐 1 = , (30)
𝑀𝑀ℎ 𝑥𝑥ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚
ℎ

𝑀𝑀ℎ 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚ℎ
𝑅𝑅�#𝑐𝑐 2 = , (31)
𝐻𝐻 𝑀𝑀ℎ 𝑥𝑥ℎ𝑖𝑖𝑖𝑖
∑ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑚𝑚ℎ
y
𝑀𝑀ℎ 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚ℎ
𝑅𝑅�#𝑐𝑐 3 = . (32)
𝑀𝑀ℎ 𝑥𝑥ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑚𝑚
ℎ

Una desventaja de esta estrategia es la necesidad de conocer el valor de 𝑇𝑇ℎ𝑖𝑖𝑖𝑖 para calcular 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 .

5.1.3 Estimación utilizando la estrategia de segmento ponderado en dos etapas

Sacar una muestra de unidades de producción con esta estrategia equivale a seleccionar una submuestra
de unidades de producción dentro de cada segmento a través de un muestreo con reemplazo y
probabilidad de selección proporcional al tamaño del “tract”, simulado por medio de puntos.

Para llegar a la fórmula de los estimadores con esta estrategia de muestreo, es necesario considerar la
misma variable auxiliar 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 introducida anteriormente,
𝑇𝑇ℎ𝑖𝑖𝑖𝑖
𝑥𝑥ℎ𝑖𝑖𝑖𝑖 = 𝑦𝑦 , (33)
𝐴𝐴ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖

así como utilizar las expresiones generales (17), (18), (19) y (20). Para ejemplificar el raciocinio, considere
la expresión (17), cambiando 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 por 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 :
𝑥𝑥ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖
𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 = 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 . (34)
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑆𝑆ℎ𝑖𝑖 𝜋𝜋 𝜋𝜋
ℎ𝑖𝑖 𝑗𝑗|ℎ𝑖𝑖

El próximo paso es adaptar la fórmula (34) para acomodar el proceso de submuestreo por puntos.
Considere, como ejemplo, un segmento de área con 𝑃𝑃 puntos. La Figura 1 ilustra un segmento de área
cuadrado con 𝑃𝑃 = 5 puntos. Es posible identificar, en la Figura 1, cinco unidades de producción (UP): A,
B, C, D y E. También es posible identificar los cinco puntos: 1, 2, 3, 4 y 5. Ningún punto se queda en los

16
“tracts” de las unidades de producción A, C y D, así que estas u no hacen parte de la submuestra del
segmento ilustrado en la Figura 1. El punto 1 se ubicó en un “tract” de la UP B, así que la UP B es parte de
la submuestra y se aplica un cuestionario. Los puntos 2 y 3 se ubicarán en la misma UP E, y por eso,
también se le aplica un cuestionario. El punto 4 está en un área urbana y el punto 5 se queda en un área
forestal.

Figura 1. Segmento cuadrado con cinco puntos.

Fuente: Elaboración del autor.

Considere que una muestra de 𝑚𝑚ℎ segmentos de área es sacada del estrato ℎ, de forma que cada uno de
los 𝑀𝑀ℎ segmentos tienen iguales probabilidades de selección. Considere, además, que una submuestra de
unidades de producción es seleccionada por puntos (ver Figura 1). Así,
𝑚𝑚ℎ
𝜋𝜋ℎ𝑖𝑖 = , (35)
𝑀𝑀ℎ
y
𝑇𝑇ℎ𝑖𝑖𝑖𝑖
𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 = 𝑃𝑃, (36)
𝑇𝑇ℎ𝑖𝑖
donde 𝑇𝑇ℎ𝑖𝑖 representa la superficie de área del segmento 𝑖𝑖 en el estrato ℎ, 𝑃𝑃 es el total de puntos utilizados
en cada segmento, y 𝑇𝑇ℎ𝑖𝑖𝑖𝑖 es el área del “tract” de la unidad de producción 𝑗𝑗 ubicada en el segmento 𝑖𝑖,
dentro del estrato ℎ. Utilizando los valores de 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 , 𝜋𝜋ℎ𝑖𝑖 y 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 de las expresiones (33), (35) y (36), es
posible observar que:
𝑥𝑥ℎ𝑖𝑖𝑖𝑖 𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑇𝑇ℎ𝑖𝑖𝑖𝑖 𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖
= 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 = 𝑦𝑦 .
𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 𝑚𝑚ℎ 𝑇𝑇ℎ𝑖𝑖𝑖𝑖 𝑃𝑃 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑚𝑚ℎ 𝑃𝑃 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖

De modo que
1, si el punto k se ubicó en el "𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡" de la UP ℎ𝑖𝑖𝑖𝑖; 𝑦𝑦
𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 = �
0, 𝑒𝑒n caso contrario,
es posible reescribir la formula (34) de la siguiente manera:

17
 𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 ∑𝑘𝑘=1
𝑚𝑚ℎ 𝑃𝑃 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖
𝑅𝑅�#𝑐𝑐 = . (37)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖
∑𝐻𝐻 ∑ ∑ ∑𝑃𝑃
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑘𝑘=1 𝑚𝑚 𝑃𝑃 𝐴𝐴 𝑦𝑦 𝐼𝐼
ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖𝑖𝑖
ℎ ℎ𝑖𝑖𝑖𝑖

En la expresión (37), 𝑈𝑈ℎ𝑖𝑖 representa el conjunto de todos los establecimientos agropecuarios que tienen
un “tract” con el segmento 𝑖𝑖 dentro del estrato ℎ.

Utilizando el mismo raciocinio, se derivan los siguientes estimadores:

𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 ∑𝑘𝑘=1
𝑚𝑚ℎ 𝑃𝑃 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖
𝑅𝑅�#𝑐𝑐 1 = , (38)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖
∑𝐻𝐻 ∑ ∑ ∑𝑃𝑃
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑘𝑘=1 𝑚𝑚 𝑃𝑃 𝐴𝐴 𝑦𝑦 𝐼𝐼
ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖𝑖𝑖
ℎ ℎ𝑖𝑖𝑖𝑖

𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 ∑𝑘𝑘=1
𝑚𝑚ℎ 𝑃𝑃 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 ) 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖
𝑅𝑅�#𝑐𝑐 2 = , (39)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖
∑𝐻𝐻 ∑ ∑ ∑𝑃𝑃
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑘𝑘=1 𝑚𝑚 𝑃𝑃 𝐴𝐴 𝑦𝑦 𝐼𝐼
ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖𝑖𝑖
ℎ ℎ𝑖𝑖𝑖𝑖

y
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 ∑𝑘𝑘=1 𝑦𝑦 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖
𝑚𝑚ℎ 𝑃𝑃 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖
𝑅𝑅�#𝑐𝑐 3 = . (40)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖
∑𝐻𝐻 ∑ ∑ ∑𝑃𝑃
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑘𝑘=1 𝑚𝑚 𝑃𝑃 𝐴𝐴 𝑦𝑦 𝐼𝐼
ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖𝑖𝑖
ℎ ℎ𝑖𝑖𝑖𝑖

Utilizando la Figura 1 como ejemplo, los valores de las variables de interés 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 serían computados de la
siguiente manera:

• Para el punto 𝑘𝑘 = 1, 𝐼𝐼ℎ𝑖𝑖𝑖𝑖1 = 1, para la UP B, luego el valor de 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 es la respuesta registrada por
la UP B.

• Para el punto 𝑘𝑘 = 2, 𝐼𝐼ℎ𝑖𝑖𝑖𝑖2 = 1 para la UP E, luego el valor de 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 es la respuesta registrada por la
UP E.

• Para el punto 𝑘𝑘 = 3, 𝐼𝐼ℎ𝑖𝑖𝑖𝑖3 = 1 para la UP E, luego el valor de 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 es la respuesta registrada por la
UP E, es decir, hay una repetición de la misma observación registrada para el punto 𝑘𝑘 = 2.

• Para el punto 𝑘𝑘 = 4, 𝐼𝐼ℎ𝑖𝑖𝑖𝑖4 = 0, como ninguna UP es seleccionada, luego el valor de la respuesta

registrada es nulo.

• Para el punto 𝑘𝑘 = 5, 𝐼𝐼ℎ𝑖𝑖𝑖𝑖5 = 0, como ninguna UP es seleccionada, luego el valor de la respuesta

registrada también es nulo.

5.2 Estimación usando un marco de lista

Al usar solamente un marco de lista como referencia para la encuesta, se simplifica en el contexto de
muestreo, toda vez que los marcos de lista tienen las unidades de producción (establecimientos
agropecuarios) como unidades de muestreo. En estas condiciones, es natural asumir el uso de elementos
de estratificación y de probabilidades distintas en el diseño de la muestra. Para efecto de notación,

18
imagínese que se identifican 𝐻𝐻 estratos y que cada unidad de producción (establecimiento agropecuario)
es seleccionada en una etapa con probabilidad proporcional a una variable de tamaño conveniente. La
siguiente notación es introducida:

• 𝑈𝑈 = {1, … , 𝑁𝑁} representa el universo de 𝑁𝑁 establecimientos agropecuarios nacionales,

identificados en una estructura poblacional en la cual:

o 𝑈𝑈 = ⋃𝐻𝐻
ℎ=1 𝑈𝑈ℎ , es decir, que la población es estratificada en 𝐻𝐻 estratos, con

𝑈𝑈ℎ = {1, … , 𝑁𝑁ℎ } representando el conjunto de 𝑁𝑁ℎ establecimientos agropecuarios del estrato ℎ, tal que
𝑁𝑁 = ∑𝐻𝐻
ℎ=1 𝑁𝑁ℎ ;.

• 𝑦𝑦ℎ𝑖𝑖 representa la superficie de área agrícola del establecimiento agro 𝑖𝑖 del estrato ℎ.

• 𝑆𝑆ℎ representa una muestra probabilística, de tamaño 𝑛𝑛ℎ , seleccionada dentro del estrato ℎ, tal
que 𝜋𝜋ℎ𝑖𝑖 representa la probabilidad de selección del establecimiento agro 𝑖𝑖 en el estrato ℎ.

Las variables anteriormente definidas como “𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 ” y “𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 ” necesitan una pequeña adaptación de
notación, suprimiendo el índice 𝑗𝑗 y pasando a ser escritas como:

• 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 , que representa una variable indicadora de que el establecimiento agro 𝑖𝑖 del estrato ℎ es
clasificado en la categoría “Verde” de sostenibilidad, de acuerdo con el criterio 𝑐𝑐 ∈ {𝐶𝐶#1 , … , 𝐶𝐶#11 }:
1, si el establecimiento agro "ℎ𝑖𝑖" es "Verde" por el criterio 𝑐𝑐;
𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 = �
0, si el establecimiento agro "ℎ𝑖𝑖" no es "Verde";
y

• 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖 representa una variable indicadora de que el establecimiento agro 𝑖𝑖 en el estrato ℎ es

clasificado en la categoría “Amarillo” de sostenibilidad, de acuerdo con el criterio 𝑐𝑐 ∈
{𝐶𝐶#1 , … , 𝐶𝐶#11 }:
1, si el establecimiento agro "ℎ𝑖𝑖" es "Amarillo" por el criterio 𝑐𝑐;
𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖 = �
0, si el establecimiento agro "ℎ𝑖𝑖" no es "Amarillo".
Bajo estas condiciones, los estimadores de interés se quedan así:
𝑦𝑦ℎ𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 = 𝑦𝑦ℎ𝑖𝑖 , (41)
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ 𝜋𝜋
ℎ𝑖𝑖

𝑦𝑦ℎ𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 1 = 𝑦𝑦 , (42)
∑ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ℎ𝑖𝑖
𝐻𝐻
𝜋𝜋ℎ𝑖𝑖
𝑦𝑦ℎ𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖 )
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 2 = 𝑦𝑦 , (43)
∑ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ℎ𝑖𝑖
𝐻𝐻
𝜋𝜋ℎ𝑖𝑖
y

19
 𝑦𝑦ℎ𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖 )
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 3 = 𝑦𝑦ℎ𝑖𝑖 . (44)
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ 𝜋𝜋
ℎ𝑖𝑖

5.3 Estimación usando un marco dual

Los diseños muestrales de marcos duales para encuestas agropecuarias por lo general utilizan
simultáneamente un marco de áreas y un marco de lista. De ahí se mantenga la notación introducida
anteriormente para cada tipo de marco. Una muestra probabilística es sacada, de forma independiente,
de cada marco. En este escenario, tres tipos de uso del marco de lista incluyen:

i. El marco identifica todos los 𝑁𝑁 establecimientos agropecuarios de la población-objetivo y una

muestra de 𝑛𝑛 establecimientos agropecuarios (𝑛𝑛 < 𝑁𝑁) es sacada de este marco utilizando un muestreo
probabilístico.

ii. El marco identifica los más grandes establecimientos agropecuarios y todos ellos hacen parte de
la muestra, es decir que un censo es aplicado al marco de lista.

iii. El marco identifica los 𝑁𝑁𝐺𝐺 más grandes establecimientos agropecuarios (𝑁𝑁𝐺𝐺 < 𝑁𝑁), y una muestra
de tamaño 𝑛𝑛 establecimientos (𝑛𝑛 < 𝑁𝑁𝐺𝐺 ) es sacada de ello usando un muestreo probabilístico.

Los escenarios i. y iii. tienen el mismo tratamiento estadístico en términos de las fórmulas de los
estimadores. El escenario ii. no representa dificultad pues implica en el uso de las fórmulas para el marco
de área, introducidas en 5.1, añadidas de la observación del marco de lista.

Con respecto al uso del marco de área, tres escenarios fueron considerados en esta guía: estimación a
través de la estrategia de segmento abierto (5.1), estimación a través de la estrategia de segmento
ponderado en una etapa (5.2) y estimación a través de la estrategia de segmento ponderado en dos etapas
(5.3).

Para ejemplificar la derivación de las fórmulas de los estimadores bajo un diseño de marco dual, será
utilizado el caso en que el marco de área usa la estrategia de segmento ponderado en dos etapas (5.3), y
el marco de lista identifica los más grandes productores, como descripto en iii. Las demás situaciones
pueden ser derivadas de manera análoga.

Dos estimadores para marcos duales son presentados aquí: el de multiplicidad simple y el “screening”.

5.3.1 Estimación por multiplicidad simple

Mecatti (2007) introdujo un estimador de marcos múltiplos basado en un factor de multiplicidad simple.
𝐴𝐴 𝐴𝐴
En esta guía, ese factor es representado por 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 , tal que 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 representa el número de marcos a los que
un establecimiento agropecuario ℎ𝑖𝑖𝑖𝑖, identificado a través del marco de área, pertenece. En este caso,

𝐴𝐴 1, se el establecimiento agro ℎ𝑖𝑖𝑖𝑖 pertenece solamente al marco de área;

𝑓𝑓ℎ𝑖𝑖𝑖𝑖 =�
2, se el establecimiento agro ℎ𝑖𝑖𝑖𝑖 pertenece al marco de lista y de área.
Cuando el establecimiento agropecuario es identificado a través del marco de lista, en esta guía el factor
de multiplicidad es representado por 𝑓𝑓ℎ𝑖𝑖𝐿𝐿 , tal que 𝑓𝑓ℎ𝑖𝑖𝐿𝐿 representa el número de marcos a que un
establecimiento agropecuario ℎ𝑖𝑖, identificado a través del marco de área, pertenece. En encuestas

20
agropecuarias, el marco de lista es inserto en el marco de área, así que el factor de multiplicidad asume
el valor 𝑓𝑓ℎ𝑖𝑖𝐿𝐿 = 2.

Considere el uso de submuestreo de establecimientos agropecuarios, dentro de cada segmento del marco
de área, utilizando 𝑃𝑃 puntos. Considere también el uso de un factor de multiplicidad simple, asociado a
los establecimientos agropecuarios dentro de cada estrato. Así es posible escribir 𝑅𝑅�#𝑐𝑐 para un marco dual,
aprovechando las fórmulas (34) y (41), con las debidas adaptaciones. La formula se presentaría como
sigue:
𝑥𝑥ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 𝑦𝑦ℎ𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 ∑𝑘𝑘=1 + ∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ
𝐴𝐴
𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 𝜋𝜋ℎ𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝐿𝐿
𝑅𝑅�#𝑐𝑐 = . (45)
𝑥𝑥ℎ𝑖𝑖𝑖𝑖 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻 ∑ ∑ ∑𝑃𝑃
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖 𝑘𝑘=1 + ∑𝐻𝐻 ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ
𝐴𝐴
𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 𝜋𝜋ℎ𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝐿𝐿

La expresión (45) contiene un abuso de notación, pues trata al mismo tiempo de dos contextos distintos,
uno del marco de área y otro del marco de lista, como es posible apreciar en la Figura 2.

Figura 2. Estimador de marco dual por tipo de marco.

Fuente: Elaboración del autor.

Así, por ejemplo, en la parte del estimador de marco de área, un total de 𝐻𝐻 estratos es utilizado, mientras
que, en la parte del marco de lista, aunque se use la misma notación (𝐻𝐻 estratos), ese número es
probablemente distinto. Para llegar a una expresión más precisa, la siguiente notación es introducida:

Notación usada en el marco de área

• 𝑈𝑈𝐴𝐴 = {1, … , 𝑀𝑀} representa el universo de 𝑀𝑀 segmentos de área que forman el marco de área, tal
que:

o 𝑈𝑈𝐴𝐴 = ⋃𝐻𝐻 𝐴𝐴
ℎ=1 𝑈𝑈ℎ , es decir, el marco de área es estratificado en 𝐻𝐻 estratos, con:

 𝑈𝑈ℎ𝐴𝐴 = {1, … , 𝑀𝑀ℎ } representando el conjunto de 𝑀𝑀ℎ segmentos de área ubicados

en el estrato ℎ, tal que 𝑀𝑀 = ∑𝐻𝐻 ℎ=1 𝑀𝑀ℎ es el total de conglomerados en la
población.
𝐴𝐴
 𝑈𝑈ℎ𝑖𝑖 representa el conjunto de establecimientos agropecuarios que tienen
“tracts” con en el segmento 𝑖𝑖, del estrato ℎ.

21
 𝐴𝐴
o Una muestra de 𝑃𝑃 establecimientos agropecuarios es seleccionada de 𝑈𝑈ℎ𝑖𝑖 , con
𝐴𝐴
reemplazo, y probabilidad de selección 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 .
𝐴𝐴
• 𝑥𝑥ℎ𝑖𝑖𝑖𝑖 representa la variable de superficie de área agrícola ponderada del establecimiento
agropecuario 𝑗𝑗 que tiene “tract” con el segmento de área 𝑖𝑖, en el estrato ℎ.

• 𝑆𝑆ℎ𝐴𝐴 representa una muestra probabilística de 𝑚𝑚ℎ segmentos, seleccionada dentro del estrato ℎ
𝐴𝐴
del marco de área, tal que 𝜋𝜋ℎ𝑖𝑖 representa la probabilidad de selección del establecimiento
agropecuario 𝑖𝑖 en el estrato ℎ del marco de área.

Notación usada en el marco de lista

• 𝑈𝑈𝐿𝐿 representa el universo de los 𝑁𝑁𝐺𝐺 más grandes establecimientos agropecuarios identificados en
el marco de lista, tal que:
′
o 𝑈𝑈𝐿𝐿 = ⋃𝐻𝐻 𝐿𝐿 ′ 𝐿𝐿
ℎ=1 𝑈𝑈ℎ , es decir, el marco de lista es estratificado en 𝐻𝐻 estratos, con 𝑈𝑈ℎ
representando el conjunto de los 𝑁𝑁𝐺𝐺ℎ más grandes establecimientos agropecuarios del
estrato ℎ, tal que 𝑁𝑁𝐺𝐺 = ∑𝐻𝐻
ℎ=1 𝑁𝑁𝐺𝐺ℎ .

𝐿𝐿
• 𝑦𝑦ℎ𝑖𝑖 representa la superficie de área agrícola del establecimiento agropecuario 𝑖𝑖 del estrato ℎ del
marco de lista.

• 𝑆𝑆ℎ𝐿𝐿 representa una muestra probabilística, de tamaño 𝑛𝑛𝐺𝐺ℎ , seleccionada dentro del estrato ℎ del
𝐿𝐿
marco de lista, tal que 𝜋𝜋ℎ𝑖𝑖 representa la probabilidad de selección del establecimiento agro 𝑖𝑖 en
el estrato ℎ del marco de lista.

La fórmula (45) puede ser reescrita más formalmente como:

𝐴𝐴 𝐿𝐿
𝑥𝑥ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑ 𝑦𝑦ℎ𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 𝐴𝐴 𝐴𝐴 + ∑ 𝐿𝐿
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝐿𝐿 𝐿𝐿
ℎ ℎ𝑖𝑖 𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 𝜋𝜋ℎ𝑖𝑖 𝑓𝑓ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 = 𝐴𝐴 . (46)
𝑥𝑥ℎ𝑖𝑖𝑖𝑖 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 𝐻𝐻 ′
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻 ∑ ∑
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ𝐴𝐴 𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝐴𝐴 ∑𝑃𝑃
𝑘𝑘=1 𝐴𝐴 𝐴𝐴 𝐴𝐴 + ∑ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐿𝐿 𝜋𝜋 𝐿𝐿 𝑓𝑓 𝐿𝐿
𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖 ℎ𝑖𝑖

Recordando la expresión (33), es posible todavía escribir:

𝐴𝐴
𝑇𝑇ℎ𝑖𝑖𝑖𝑖 𝐴𝐴
𝑥𝑥ℎ𝑖𝑖𝑖𝑖 = 𝑦𝑦 ,
𝐴𝐴ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖

donde:
𝐴𝐴
𝑦𝑦ℎ𝑖𝑖𝑖𝑖 representa la superficie de área agrícola del establecimiento agropecuario 𝑗𝑗 que tiene un “tract” con
el segmento 𝑖𝑖 del estrato ℎ, en el marco de área; y 𝑇𝑇ℎ𝑖𝑖𝑖𝑖 y 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 tienen la misma definición anteriormente
introducida, es decir:

o 𝑇𝑇ℎ𝑖𝑖𝑖𝑖 representa el área del “tract” del establecimiento agropecuario ℎ𝑖𝑖𝑖𝑖; y

o 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 representa el área total del establecimiento agropecuario ℎ𝑖𝑖𝑖𝑖.

Así que la expresión (46) puede ser finalmente reescrita como:

22
 𝐴𝐴 𝐿𝐿
𝑇𝑇ℎ𝑖𝑖𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑ 𝑦𝑦ℎ𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 + ∑ℎ=1 𝐿𝐿
ℎ ℎ𝑖𝑖 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝜋𝜋ℎ𝑖𝑖 𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖
𝐴𝐴 𝐴𝐴 𝐴𝐴 𝑖𝑖∈𝑆𝑆ℎ 𝜋𝜋 𝑓𝑓 𝐿𝐿
𝐿𝐿
ℎ𝑖𝑖 ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 = 𝐴𝐴 . (47)
𝑇𝑇ℎ𝑖𝑖𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑃𝑃
𝐴𝐴 ∑𝑘𝑘=1 + ∑ 𝐿𝐿
𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝐴𝐴
𝜋𝜋ℎ𝑖𝑖 𝐴𝐴
𝜋𝜋𝑗𝑗|ℎ𝑖𝑖 𝐴𝐴
𝑓𝑓ℎ𝑖𝑖𝑖𝑖 ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝐿𝐿 𝐿𝐿
𝜋𝜋ℎ𝑖𝑖 𝑓𝑓ℎ𝑖𝑖

Considerando la situación en que, dentro de un estrato ℎ, un muestreo aleatorio simple es empleado para
selección de segmentos de área en el marco de área, y un muestreo con probabilidades distintas es usado
para selección de establecimientos agropecuarios en el marco de lista, y, además, utilizando el valor de
𝑓𝑓ℎ𝑖𝑖𝐿𝐿 = 2, la expresión (47) queda como:
𝐴𝐴 𝐿𝐿
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 ′ 𝑦𝑦ℎ𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐿𝐿 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 = 𝐴𝐴 . (48)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑃𝑃
𝐴𝐴 ∑𝑘𝑘=1 𝐼𝐼
𝐴𝐴 ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ 𝐿𝐿
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝐿𝐿
𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖

Los demás estimadores son:

𝐴𝐴 𝐿𝐿
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 ′ 𝑦𝑦ℎ𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑃𝑃
𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐿𝐿 𝐿𝐿
𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 1 = 𝐴𝐴 . (49)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑃𝑃
𝐴𝐴 ∑𝑘𝑘=1 𝐼𝐼
𝐴𝐴 ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ 𝐿𝐿
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝐿𝐿
𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖
𝐴𝐴 𝐿𝐿
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 ) ′ 𝑦𝑦ℎ𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖 )
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐿𝐿 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 2 = 𝐴𝐴 . (50)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑃𝑃
𝐴𝐴 ∑𝑘𝑘=1 𝐼𝐼
𝐴𝐴 ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ 𝐿𝐿
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝐿𝐿
𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖
𝐴𝐴 𝐿𝐿
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 ) 𝐻𝐻 ′ 𝑦𝑦ℎ𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ ∑ 𝐿𝐿
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 3 = 𝐴𝐴 . (51)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐿𝐿 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖

5.3.2 Screening estimator

El “screening estimator” es una composición de informaciones de los dos marcos, de área y de lista, en
que informaciones referentes a grandes productores son computadas a través de la muestra del marco
de lista, mientras las informaciones referentes a los demás productores son computadas a través del
marco de áreas.

Para aprovechar el raciocinio en el desarrollo de las fórmulas (48), (49), (50) y (51), considere la siguiente
notación:
1, es el establecimiento 𝑗𝑗 𝑐𝑐on "𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡" en el segmento 𝑖𝑖 en el estrato ℎ 𝑞𝑞𝑞𝑞𝑞𝑞
• 𝐿𝐿ℎ𝑖𝑖𝑖𝑖 = � pertenece al marco de lista; y
0, en caso contrario.
Las fórmulas referentes al “screening estimator” son:

23
 𝐴𝐴 𝐿𝐿
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑ 𝑦𝑦ℎ𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 (1 − 𝐿𝐿 ) 𝐼𝐼
ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ 𝐿𝐿
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 = 𝐴𝐴 . (52)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑃𝑃
𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 (1 − 𝐿𝐿 ℎ𝑖𝑖𝑖𝑖 ) 𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ℎ=1 𝐿𝐿
𝑖𝑖∈𝑆𝑆ℎ 𝜋𝜋 𝐿𝐿
𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖

𝐴𝐴 𝐿𝐿
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑ 𝑦𝑦ℎ𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 (1 − 𝐿𝐿 ℎ𝑖𝑖𝑖𝑖 )𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ 𝐿𝐿
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 1 = 𝐴𝐴 . (53)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′ ∑
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈ℎ𝑖𝑖
𝑃𝑃
𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 (1 − 𝐿𝐿 )𝐼𝐼
ℎ𝑖𝑖𝑖𝑖 ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ 𝐿𝐿
ℎ=1 𝑖𝑖∈𝑆𝑆ℎ 𝐿𝐿
𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 𝜋𝜋ℎ𝑖𝑖
𝐴𝐴 𝐿𝐿
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 ) ′ 𝑦𝑦ℎ𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖 )
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 (1 − 𝐿𝐿ℎ𝑖𝑖𝑖𝑖 )𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐿𝐿 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 2 = 𝐴𝐴 . (54)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 (1 − 𝐿𝐿ℎ𝑖𝑖𝑖𝑖 )𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐿𝐿 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖
𝐴𝐴 𝐿𝐿
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 ) ′ 𝑦𝑦ℎ𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖𝑖𝑖 )
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 (1 − 𝐿𝐿ℎ𝑖𝑖𝑖𝑖 )𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐿𝐿 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖
𝑅𝑅�#𝑐𝑐 3 = 𝐴𝐴 . (55)
𝑀𝑀ℎ 𝑇𝑇ℎ𝑖𝑖 𝑦𝑦ℎ𝑖𝑖𝑖𝑖 𝐻𝐻 ′
𝐿𝐿
𝑦𝑦ℎ𝑖𝑖
∑𝐻𝐻 𝑃𝑃
ℎ=1 ∑𝑖𝑖∈𝑆𝑆 𝐴𝐴 ∑𝑗𝑗∈𝑈𝑈 𝐴𝐴 ∑𝑘𝑘=1 𝐴𝐴 (1 − 𝐿𝐿ℎ𝑖𝑖𝑖𝑖 )𝐼𝐼ℎ𝑖𝑖𝑖𝑖𝑖𝑖 + ∑ℎ=1 ∑𝑖𝑖∈𝑆𝑆ℎ𝐿𝐿 𝐿𝐿
ℎ ℎ𝑖𝑖 𝑃𝑃 𝑚𝑚ℎ 𝐴𝐴ℎ𝑖𝑖𝑖𝑖 𝑓𝑓ℎ𝑖𝑖𝑖𝑖 2 𝜋𝜋ℎ𝑖𝑖

24
6 Estimación para dominios subnacionales
El proceso de estimación del indicador 2.4.1 para todo un territorio nacional incluye la recopilación de
una gran variedad de datos, toda vez que depende de una evaluación de cada uno de los 11
subindicadores. Eso tiene, por supuesto, un costo, que puede ser traducido en términos del tamaño de la
muestra. Cuando los dominios de interés subnacionales coinciden con los dominios de interés previstos
en la encuesta agropecuaria, se espera que los tamaños de muestra sean suficientemente grandes para
generar estimaciones del indicador 2.4.1 para cada uno de ellos. Este es el caso, por ejemplo, de encuestas
que usan un factor de definición del estrato relativo al dominio subnacional de interés. Sin embargo,
planear una encuesta con factores de estratificación coincidentes con niveles de desagregación más
avanzados, puede resultar en costos financieros prohibitivos. Por lo tanto, en muchas situaciones,
estimaciones pueden ser generadas para dominios que no coinciden con factores de estratificación
previamente planeados. Precisamente por eso, la calidad de la inferencia depende del tamaño de muestra
observado en cada dominio.

Para definir el indicador 2.4.1 como parámetro en un dominio subnacional de interés, se introduce la
siguiente notación:

• 𝑈𝑈𝑑𝑑 = {1, … , 𝑁𝑁𝑑𝑑 } representa el universo de 𝑁𝑁𝑑𝑑 establecimientos agropecuarios que pertenecen al
dominio subnacional 𝑑𝑑, identificados en una estructura poblacional en la cual:

o 𝑈𝑈𝑑𝑑 = ⋃𝐻𝐻
ℎ=1(𝑈𝑈ℎ ∩ 𝑈𝑈𝑑𝑑ℎ ), es decir, el factor que define el dominio 𝑑𝑑 es cruzado con el
factor que define el estrato, con:

 𝑈𝑈ℎ representando el conjunto de 𝑁𝑁ℎ establecimientos agropecuarios del estrato

ℎ.

 𝑈𝑈𝑑𝑑ℎ representa el conjunto de 𝑁𝑁𝑑𝑑ℎ establecimientos agropecuarios del estrato ℎ,

que pertenecen al dominio subnacional 𝑑𝑑.

• 𝑦𝑦ℎ𝑖𝑖 representa la superficie de área agrícola del establecimiento agropecuario 𝑖𝑖 en el estrato ℎ.

El indicador 2.4.1 tiene la siguiente forma en el dominio subnacional de interés 𝑑𝑑:

𝑅𝑅241𝑑𝑑 = 𝑚𝑚í𝑛𝑛�𝑅𝑅#1𝑑𝑑 , … , 𝑅𝑅#11𝑑𝑑 �, (56)

donde cada uno de los subindicadores 𝑅𝑅#𝑐𝑐𝑑𝑑 : 𝑐𝑐 ∈ {1, … ,11} corresponden a una expresión del tipo:
𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇#𝑐𝑐𝑑𝑑
𝑅𝑅#𝑐𝑐𝑑𝑑 = , (57)
𝑇𝑇𝑇𝑇𝐴𝐴𝑑𝑑
donde:
𝐻𝐻

𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇#𝑐𝑐𝑑𝑑 = � � 𝑦𝑦ℎ𝑖𝑖 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 , (58)

ℎ=1 𝑖𝑖∈𝑈𝑈𝑑𝑑ℎ

25
 𝐻𝐻

𝑇𝑇𝑇𝑇𝐴𝐴𝑑𝑑 = � � 𝑦𝑦ℎ𝑖𝑖 . (59)

ℎ=1 𝑖𝑖∈𝑈𝑈𝑑𝑑ℎ

• 𝑇𝑇𝑇𝑇𝑇𝑇𝑇𝑇#𝑐𝑐𝑑𝑑 representa el total de superficie de área agrícola del dominio subnacional 𝑑𝑑 en que se
practica una agricultura considerada productiva y sostenible de acuerdo con el criterio 𝐶𝐶#𝑖𝑖 usado
por el subindicador 𝑅𝑅#𝑐𝑐𝑑𝑑 ; y

• 𝑇𝑇𝑇𝑇𝐴𝐴𝑑𝑑 representa el total de superficie de área agrícola del dominio subnacional 𝑑𝑑.

El estimador (56) representa la forma paramétrica del subindicador 𝑅𝑅#𝑐𝑐𝑑𝑑 , referente al dominio
subnacional 𝑑𝑑, en función de la categoría “Verde” de sostenibilidad. Es decir, en este caso 𝑅𝑅#𝑐𝑐𝑑𝑑 representa
la proporción de área agrícola del dominio subnacional 𝑑𝑑, con nivel deseable de sostenibilidad para el
criterio 𝐶𝐶#𝑐𝑐 . En paralelo, los parámetros poblacionales

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈𝑑𝑑ℎ 𝑦𝑦ℎ𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖
𝑅𝑅#𝑐𝑐𝑑𝑑 1 = , (60)
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈𝑑𝑑ℎ 𝑦𝑦ℎ𝑖𝑖

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈𝑑𝑑ℎ 𝑦𝑦ℎ𝑖𝑖 (𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 + 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖 )
𝑅𝑅#𝑐𝑐𝑑𝑑 2 = , (61)
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈𝑑𝑑ℎ 𝑦𝑦ℎ𝑖𝑖

∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈𝑑𝑑ℎ 𝑦𝑦ℎ𝑖𝑖 (1 − 𝑉𝑉(𝑐𝑐)ℎ𝑖𝑖 𝐴𝐴(𝑐𝑐)ℎ𝑖𝑖 )
𝑅𝑅#𝑐𝑐𝑑𝑑 3 = (62)
∑𝐻𝐻
ℎ=1 ∑𝑖𝑖∈𝑈𝑈𝑑𝑑ℎ 𝑦𝑦ℎ𝑖𝑖

representan la proporción de área agrícola de un mismo subindicador para el mismo dominio subnacional
𝑑𝑑 de interés, usando categorías distintas de sostenibilidad:

• 𝑅𝑅#𝑐𝑐𝑑𝑑 1 es la proporción de área agrícola subnacional con nivel aceptable de sostenibilidad

(Amarillo) para el criterio 𝐶𝐶#𝑐𝑐 .

• 𝑅𝑅#𝑐𝑐𝑑𝑑 2 es la proporción de área agrícola subnacional con nivel aceptable o deseable de

sostenibilidad (Amarillo o Verde) para el criterio 𝐶𝐶#𝑐𝑐 .

• 𝑅𝑅#𝑐𝑐𝑑𝑑 3 es la proporción de área agrícola subnacional con nivel de insostenibilidad (Rojo)

para el criterio 𝐶𝐶#𝑐𝑐 .

El desarrollo de estimadores subnacionales en todas las situaciones de esta guía sigue pasos análogos al
que fue descrito para la estimación del indicador para todo el territorio nacional.

26
7 Conclusión
Esta guía presentó formas de estimar el indicador 2.4.1 de sostenibilidad de agricultura, considerando
varios aspectos estadísticos del diseño de la muestra.

Como se trata de una primera versión, hay una serie de elementos que pueden y deben ser mejorados en
versiones sucesivas. Por ejemplo, se espera poder incluir más referencias a documentos que puedan
ayudar con conceptos relativos al tema. Asimismo, se espera también avanzar en la construcción de un
documento más completo que incluya los esfuerzos de demostración de uso de los cuestionarios para
recopilación de datos, profundizando en las experiencias de Colombia, Costa Rica y el Perú. Además, dos
otros elementos que merecen ser discutidos son el problema de estimación en dominios subnacionales
considerados pequeños, y el problema de estimación de una medida de calidad de la estimación del
indicador.

Al respecto del problema de la medida de calidad del indicador es importante una discusión acerca de la
estimación de la varianza, cuyo problema no es trivial, sino además sobre alternativas de medidas de
calidad que puedan tener una interpretación menos limitada para los países. El uso del rango entre los
subindicadores, por ejemplo, ¿sería una medida más interesante? También se podrían explorar otras
posibilidades.

27
Referencias
Candia, A. 2022. Análisis de datos e implementación del cálculo del indicador 2.4.1 en Perú. Documento
interno Informe de consultoría proyecto para el cálculo de los indicadores de ODS. Sucre.

Candia, A. 2023. Apoyo a los sistemas estadísticos nacionales para el fortalecimiento de los indicadores
ODS 2.4.1 en Costa Rica. Documento interno Informe de consultoría proyecto para el cálculo de los
indicadores de ODS. Sucre.

FAO. 2018. AGRIS Guía para la Encuesta Agrícola Integrada. Roma.

[Link]

FAO. 2021. Sampling guidance for SDG Indicator 2.4.1. Roma.

[Link]

FAO. 2023a. SDG indicator metadata 2.4.1. Roma. [Link]

[Link]

FAO. 2023b. Proporción de la superficie agrícola en que se practica una agricultura productiva y sostenible.
Nota metodológica, Revisión 11. Roma. [Link]

Mecatti, F. 2007. A single frame multiplicity estimator for multiple frame surveys. Survey Methodology,
33(2): 151–158.

Nova, D. 2021. Ejercicio piloto para la medición del indicador 2.4.1 a partir de la Encuesta Nacional
Agropecuaria (ENA) en Colombia. Documento interno Informe de consultoría proyecto para el cálculo de
los indicadores de ODS. Bogotá.

28
Contacto:

División de Estadística – Desarrollo económico y social

FAO-statistics@[Link]
[Link]/food-agriculture-statistics/resources/publications/working-papers/en/

Organización de las Naciones Unidas para la Alimentación y la Agricultura

Roma, Italia