O conceito de produção sustentada, baseada no princípio de diversificação de culturas é consolidado através dos sistemas agroflorestais, que é a denominação recente para os cultivos consorciados que envolvem um componente arbóreo, culturas agrícolas e/ou animais. Devido à possibilidade de múltiplas interações entre os componentes, a análise e a interpretação dos dados experimentais de um sistema agroflorestal pode tornar-se complexa. Uma abordagem muito encontrada na literatura, para análise de cultivos consorciados é feita através do LER (Land Equivalent Ratio), que representa uma medida de equivalência do uso da terra do consórcio em relação ao monocultivo. Do ponto de vista estatístico, o LER representa uma variável aleatória formada pela razão de duas variáveis aleatórias e, conseqüentemente, sua distribuição de probabilidades nem sempre segue a distribuição normal. Esse fato, impossibilita a aplicação dos métodos paramétricos, comumente empregados na experimentação agronômica. Os métodos computacionalmente intensivos como "Jackknife" e "Bootstrap" possibilitam análise estatísticas livres de suposições de modelos teóricos, tornando possível a exploração das propriedades amostrais, independentemente de suas formas analíticas. O método "Bootstrap" é mais versátil que o método "Jackknife" e pode ser implementado facilmente, tanto na forma não-paramétrica quanto paramétrica, para uma grande variedades de situações. A idéia básica dos procedimentos "Bootstrap" baseia-se no fato de se obter uma distribuição empírica, que reproduza o mecanismo probabilístico gerador dos dados amostrais e assim, a partir de grande quantidades de reamostras, obtêm-se as estimativas das estatísticas de interesse. Encontra-se neste trabalho uma sucinta descrição do método "Jackknife". Os conceitos e algoritmos que envolvem os procedimentos "Bootstrap" não-paramétricos, são descritos e executados através de dados simulados. A análise de um sistema agroflorestal, com a variável aleatória LER, foi realizada com o uso dos procedimentos "Bootstrap" e através dos software SAS e S-PLUS obtiveram-se limites de confiança e teste de hipótese para os parâmetros populacionais.

The concept of sustainable yield, based on the principle of crop diversification, is consolidated through agroforestry systems, that is the up-to-date denomination for mixture of crops that include a tree component, crops and/or livestock. Due to the possibility of multiple interactions among the systems components, the analysis and interpretation of the experimental data of an agroforestry systems many became complex. An approach found in the literature for analysis of intercropping experiments is to use LER (Land Equivalent Ratio), that represent a measurement of equivalence of land use by the intercropping and cropping. Under statistical point of view, LER represents a random variable representing the ratio of two random variables, and its distribution not always follow the normal distribution. This fact do not allow the application of parametric methods, frequently used in agricultural experiments. Methods which use intensively computer, as Jackknife and Bootstrap, allow for analysis of data without following the assumptions of theoretical models. This, it is possible to explore sample properties, independent of analytical forms. Bootstrap is more freely used as the Jackknife method and can be implemented as parametric and non parametric forms, for wide situations. The basic idea of Bootstrap procedures is that one can get empirical distribution, that mimic the mechanism of generating sample data, and then, with the large amount of resampling data, it is, possible to get statistics of interest. In this paper it was presented a brief description of the Jackknife method and the concepts underlying Bootstrap procedures under non parametic form are also described and executed with simulated data. The analysis of a Agroforestry system, using LER as random variable was analised through the use of Bootstrap procedure and SAS and S-PLUS softwares. It is presented the confidence interval for the parameters and the respective hypothesis test.