Você está na página 1de 170

UNIVERSIDADE DE TRS-OS-MONTES E ALTO DOURO

Engenharia Florestal








APONTAMENTOS
DE
INVENTRIO FLORESTAL










CARLOS PACHECO MARQUES
TERESA FONSECA







VILA REAL, 2006




1












































2
NDICE

CAPTULO I - O Inventrio Florestal....................................................................................................... 1
CAPTULO II - Metodologias respeitantes recolha de dados e apresentao
dos resultados. Prazos e verbas disponveis ............................................................ 3
1. DECISES RESPEITANTES RECOLHA DE DADOS E APRESENTAO DOS RESULTADOS ............... 3
1.1 RECONHECIMENTO DAS REAS A INVENTARIAR.............................................................................. 4
1.2 DEFINIO DOS PARMETROS A AVALIAR................................................................................................... 4
1.3 DEFINIO DE CLASSES E LIMITES DAS DIMENSES................................................................................. 4
1.4 DEFINIO DOS LIMITES DE APROVEITAMENTO ........................................................................................ 5
1.5 PERSPECTIVA DE ESTUDOS DE CRESCIMENTO ............................................................................................ 5
1.6 DEFINIO DO ESQUEMA DE AMOSTRAGEM...................................................................................... 5
1.7 PREPARAO DE QUADROS FINAIS................................................................................................................. 5
1.8 PREPARAO DE CARTOGRAFIA ..................................................................................................................... 6
1.9 NORMALIZAO................................................................................................................................................... 6
2. PRAZOS E VERBAS DISPONVEIS......................................................................................................................... 7
CAPTULO III - A classificao das reas florestais............................................................................... 11
1. FUNDAMENTOS DOS SISTEMAS DE CLASSIFICAO.................................................................................... 11
2. CARACTERSTICAS DA CLASSIFICAO FLORESTAL................................................................................... 13
2.1 A COMPOSIO..................................................................................................................................................... 13
2.2 A DIMENSO DAS RVORES E A DENSIDADE DOS POVOAMENTOS ....................................................... 14
2.3 EXPLORABILIDADE ............................................................................................................................................. 15
2.4 REGIME DE PROPRIEDADE ................................................................................................................................ 15
3. NORMAS DE CLASSIFICAO.............................................................................................................................. 16
CAPTULO IV - A utilizao de mtodos estatsticos em Inventrio Florestal ..................................... 19
1. NOES FUNDAMENTAIS..................................................................................................................................... 19
2. MEDIDAS DE TENDNCIA CENTRAL E DE DISPERSO.................................................................................. 21
2.1 A MDIA.................................................................................................................................................................. 21
2.2 A VARINCIA......................................................................................................................................................... 22
2.3 O DESVIO PADRO E O COEFICIENTE DE VARIAO.......................................................................... 25
2.3.1 Estimativa expedita da mdia e do desvio padro................................................................................. 25
3. ERRO PADRO......................................................................................................................................................... 26
4. O t DE "STUDENT" E O ERRO DE AMOSTRAGEM.............................................................................................. 29
5. UNIDADES DE AMOSTRAGEM.............................................................................................................................. 33
5.1 FORMA DAS UNIDADES DE AMOSTRAGEM.................................................................................................... 33
5.1.1 Parcelas quadradas e rectangulares ....................................................................................................... 34
5.1.2 Faixas de amostragem........................................................................................................................... 34
5.1.3 Parcelas circulares................................................................................................................................. 36

3
5.2 NMERO DE PARCELAS DE AMOSTRAGEM A OBSERVAR.................................................................. 36
5.3 INFLUNCIA DA DIMENSO DAS UNIDADES DE AMOSTRAGEM NA AVALIAO
DO COEFICIENTE DE VARIAO....................................................................................................................... 38
6. COMPARAO DA EFICINCIA RELATIVA DE PLANOS DE AMOSTRAGEM........................................ 43
CAPTULO V - Amostragem casual simples ............................................................................................ 45
1. DELINEAMENTO DA AMOSTRAGEM CASUAL SIMPLES........................................................................ 45
2. A INTENSIDADE DA AMOSTRAGEM........................................................................................................ 46
3. ERRO PADRO E ERRO DE AMOSTRAGEM DO VOLUME TOTAL QUANDO A
REA AVALIADA POR AMOSTRAGEM............................................................................................... 48
4. CONDICIONALISMOS DE CUSTO ............................................................................................................. 50
CAPTULO VI - Amostragem estratificada.............................................................................................. 53
1. DELINEAMENTO DA AMOSTRAGEM....................................................................................................... 53
2. CLCULOS ESPECFICOS PARA A AMOSTRAGEM ESTRATIFICADA CASUAL ..................................... 59
3. CLCULOS ESPECFICOS PARA A AMOSTRAGEM PROPORCIONAL DIMENSO DOS ESTRATOS.... 62
4. CLCULOS ESPECFICOS PARA A AMOSTRAGEM ESTRATIFICADA PTIMA...................................... 63
5. COMPARAO ENTRE AMOSTRAGEM CASUAL SIMPLES, AMOSTRAGEM ESTRATIFICADA
PROPORCIONAL E ESTRATIFICADA PTIMA........................................................................................ 64
6. OS CUSTOS NA AMOSTRAGEM ESTRATIFICADA................................................................................... 66
CAPTULO VII - Amostragem sistemtica............................................................................................... 69
1. DELINEAMENTO DA AMOSTRAGEM SISTEMTICA....................................................................................... 69
2. ESTIMATIVA DOS PARMETROS PELA AMOSTRAGEM SISTEMTICA................................................ 72
3. AMOSTRAGEM SISTEMTICA SEM ESTRATIFICAO.................................................................................. 72
4. AMOSTRAGEM SISTEMTICA COM ESTRATIFICAO ................................................................................. 73
CAPTULO VIII - Amostragem por meio de razes ................................................................................ 75
1. VARIVEIS AUXILIARES....................................................................................................................................... 75
2. ESTIMAES POR MEIO DE RAZES....................................................................................................... 76
CAPTULO IX - Amostragem por pontos de estao .............................................................................. 81
CAPTULO X - Amostragem de caractersticas das populaes............................................................. 87
1. VARIVEIS QUANTITATIVAS E VARIVEIS QUALITATIVAS....................................................................... 87
2. CLCULO DA MDIA, VARINCIA E ERRO PADRO EM AVALIAES QUALITATIVAS ..................... 88
3. ERRO DE AMOSTRAGEM. APROXIMAO DA DISTRIBUIO BINOMIAL
DISTRIBUIO NORMAL .................................................................................................................................... 92
4. EXEMPLOS DE CLCULOS INERENTES A AVALIAES DE CARACTERSTICAS
DE UMA POPULAO........................................................................................................................................... 97
5. AJUSTAMENTO DE ERROS COMETIDOS NA AVALIAO DE REAS ATRAVS
DE FOTOINTERPRETAO ................................................................................................................................. 99
CAPTULO XI - Amostragem em vrias fases ......................................................................................... 105

4
1. INTRODUO........................................................................................................................................................... 105
2. DUPLA AMOSTRAGEM EM FASES MUTUAMENTE DEPENDENTES ............................................................. 106
2.1 DUPLA AMOSTRAGEM COM RECURSO A REGRESSO................................................................................ 106
2.2 DUPLA AMOSTRAGEM COM RECURSO A UMA RAZO............................................................................... 109
2.2.1 Caso geral de aplicao da dupla amostragem com recurso a razes.................................................... 109
2.2.2 Aplicao da dupla amostragem em conjugao com a amostragem por pontos de estao ................ 109
3. EXEMPLO DE APLICAO: DUPLA AMOSTRAGEM EM AMOSTRAGEM POR PONTOS
DE ESTAO........................................................................................................................................................... 111
3.1 RESOLUO DO PROBLEMA POR MEIO DE UMA RAZO ........................................................................... 112
3.2 RESOLUO DO PROBLEMA POR MEIO DE REGRESSO............................................................................ 114
CAPTULO XII - Amostragem sequencial................................................................................................ 117
CAPTULO XIII - Amostragem em vrios graus..................................................................................... 122
1. INTRODUO........................................................................................................................................................... 122
2. AMOSTRAGEM EM UM GRAU OU AMOSTRAGEM EM GRUPOS ................................................................... 122
3. AMOSTRAGEM EM DOIS GRAUS OU SUBAMOSTRAGEM.............................................................................. 124
4. SUBAMOSTRAGEM DE UNIDADES PRIMRIAS COM A MESMA DIMENSO
CONTENDO O MESMO NMERO DE UNIDADES SECUNDRIAS................................................................ 126
4.1 CONDICIONALISMOS DE CUSTO....................................................................................................................... 128
5. SUBAMOSTRAGEM DE UNIDADES PRIMRIAS COM DIFERENTES DIMENSES..................................... 131
5.1 SUBAMOSTRAGEM COM SELECO CASUAL DAS UNIDADES PRIMRIAS.
AMOSTRAGEM POR MEIO DE RAZES............................................................................................................. 132
5.2 SUBAMOSTRAGEM COM SELECO DAS UNIDADES PRIMRIAS
PROPORCIONAL RESPECTIVA DIMENSO. AMOSTRAGEM POR LISTAGENS.................................. 133
6. SUBAMOSTRAGEM EM INVENTRIOS QUALITATIVOS COM UNIDADES PRIMRIAS DE IGUAL
DIMENSO E OBSERVANDO O MESMO NMERO DE UNIDADES SECUNDRIAS POR
UNIDADE PRIMRIA............................................................................................................................................. 136
7. CONSIDERAES FINAIS SOBRE A AMOSTRAGEM EM VRIOS GRAUS.................................................. 137
7.1 EXEMPLO DE APLICAO DA SUBAMOSTRAGEM EM INVENTRIO QUANTITATIVO........................ 138
7.2 EXEMPLO DE APLICAO DA SUBAMOSTRAGEM EM INVENTRIO QUALITATIVO........................... 140
BIBLIOGRAFIA............................................................................................................................................................ 143
ANEXOS

1
CAPTULO I
O Inventrio Florestal
Inventrio , na sua origem, um termo comercial que significa a compilao de uma
lista detalhada de gneros, com indicao da quantidade e valor de cada um deles. Para a
preparao de tal lista necessrio recolher informaes a partir da classificao e da
contagem de todos os artigos que se encontram armazenados numa certa data. Com base
nessa lista possvel conhecer a existncia, e a partir dos valores de "entradas" e "sadas",
avaliar o "movimento" dos gneros adquiridos.
A informao fornecida pelo inventrio, obviamente, deve satisfazer os fins visados
com a realizao do mesmo. O requisito de uma certa qualidade de informao adquire
particular importncia no decurso de um inventrio florestal porque, neste caso, a aquisio
das informaes exige normalmente a utilizao de tcnicas de amostragem, uma vez que, nas
situaes mais comuns, no possvel fazer uma avaliao integral de todos os "artigos" que
constituem o povoamento florestal, ou seja, as rvores.
Nestes Apontamentos so analisadas as metodologias a que habitualmente se recorre
para a obteno das informaes que satisfaam as exigncias dos inventrios florestais.
Em geral, considera-se ser o inventrio florestal sinnimo da estimativa das existncias
florestais. Assim, o inventrio consiste na avaliao da qualidade e da quantidade de rvores
e, ainda, na identificao de caractersticas da superfcie em que aquelas se encontram
implantadas. conveniente sublinhar que o inventrio florestal deve compreender uma
avaliao das caractersticas das rvores e do terreno que as sustenta.
O nmero de caractersticas a avaliar e, por conseguinte, a maior ou menor
complexidade de um inventrio florestal, depende principalmente da dimenso da rea
florestal a estudar e da finalidade do estudo. Estes dois factores incidem sobre os meios
financeiros necessrios realizao do inventrio que, por sua vez, iro influenciar o plano do
inventrio e a preciso das estimativas.
A avaliao das modificaes que se operam numa floresta ao longo de um certo
intervalo de tempo exige a realizao de inventrios peridicos. Se estes no forem feitos, as

2
modificaes produzidas podem passar despercebidas, resultando da a eventual acumulao
de erros graves.
A actualizao dos inventrios permite verificar as alteraes ocorridas depois do
ltimo controlo da composio dos povoamentos, da sua qualidade, do nmero de rvores
existentes, da respectiva distribuio por classes de dimetro e de altura, e assim avaliar o seu
crescimento.
Na disciplina de Dendrometria descreveu-se os princpios em que se fundamentam os
instrumentos utilizados para determinar os dimetros e as alturas das rvores. Tambm foram
estudadas as metodologias em que se baseiam as determinaes do volume, do peso e do
crescimento das rvores e dos povoamentos florestais. Referiu-se ento que os dois mtodos
mais divulgados para avaliar a evoluo dos povoamentos so os mtodos do inventrio
contnuo ou do controlo e o mtodo da anlise do tronco.
Salientmos nessa ocasio que, embora o mtodo da anlise do tronco seja mais
expedito, porque permite verificar a evoluo das rvores atravs de uma amostragem
realizada num determinado momento, s raramente possibilita a reconstruo da estrutura
passada do povoamento por se desconhecer o regime dos desbastes, o ingresso e a
mortalidade. O mtodo do inventrio contnuo mais racional, uma vez que atravs dele
consegue-se estudar todas as modificaes sofridas pelo povoamento ao longo do tempo.
A preparao de qualquer inventrio exige sempre a anlise dum certo nmero de
factores. Esses factores podem no ter a mesma importncia e no foroso que figurem em
todos os inventrios. No obstante, desde que se trate de elaborar um plano devem ser
avaliados e eventualmente eliminados aqueles que se julgar desajustados ao caso em estudo.
No entanto, os seguintes aspectos devem ser sempre considerados:
a) Metodologias respeitantes recolha de dados e apresentao dos resultados.
b) Prazos e verbas disponveis.
c) Metodologias respeitantes classificao das reas florestais.

3
CAPTULO II
Metodologias respeitantes recolha de dados e apresentao dos
resultados. Prazos e verbas disponveis
1. DECISES RESPEITANTES RECOLHA DE DADOS E APRESENTAO DOS
RESULTADOS
conveniente decidir, desde o princpio, quais as informaes a obter atravs do
inventrio. Trata-se duma fase muito importante que muitas vezes relegada para um plano
secundrio. Ora, evidente que a definio clara dos objectivos do inventrio deve ser
estabelecida antes de iniciar outras fases do planeamento (ver o Anexo 1).
igualmente importante analisar, logo no incio, as implicaes derivadas da fixao
prvia de um erro de amostragem desejvel. Este deve ser estabelecido consoante o uso que
ser feito das informaes. O grau de preciso fixado deve afectar a informao duma
confiana satisfatria, mas se ele for demasiado alto, as despesas tambm sero acrescidas,
conforme j se referiu.
No decurso da fase preparatria deve ser equacionada a utilizao de meios de Deteco
Remota e devem ser delineados os quadros que figuraro no relatrio final, com discri-
minao dos respectivos ttulos, denominaes de colunas, limites de classe, unidades de
medio e todos os outros elementos a incluir na apresentao dos resultados do inventrio.
Esta tarefa pode parecer fastidiosa e susceptvel de ser adiada para uma fase em que j se
tenham reunido todas as informaes, mas de facto ela de extrema importncia do ponto de
vista cronolgico porque todas as operaes ulteriores do inventrio dependem das decises
tomadas nesta fase preparatria. Frequentemente, a elaborao dum plano de inventrio
consiste em estabelecer o nmero e a localizao das unidades de amostragem procedendo
posteriormente respectiva avaliao. Depois de reunido um conjunto de informaes,
comea-se a pensar quais sero as que interessam e no modo de as apresentar. Da, aqueles
que necessitam de consultar um relatrio final dum inventrio queixarem-se amide que ele
est apresentado duma maneira pouco cmoda, que tem lacunas ou que contm demasiadas
informaes. Portanto, exactamente na ordem inversa que convm proceder: primeiramente
h que referir o gnero e a forma de apresentao dos resultados finais e s depois seleccionar

4
os mtodos que permitiro recolher as informaes pretendidas. Indicaremos, seguidamente,
os pontos que exigem tomadas de deciso, nesta fase.

1.1 RECONHECIMENTO DAS REAS A INVENTARIAR
H que comear por estabelecer os limites da rea a inventariar. Sempre que possvel, os
limites naturais - cursos de gua, caractersticas topogrficas e mesmo estradas - devem ser
utilizados para que se torne mais fcil reconhec-los nas fotografias areas e no terreno.
completamente irrelevante fazer medies perfeitas de rvores se no se dispuser de
informaes seguras respeitantes s reas a que as medies se reportam. igualmente
conveniente subdividir a superfcie total em unidades de dimenses apropriadas; estas
subdivises podem fundamentar-se em limites j existentes, por exemplo, permetros
florestais, em caractersticas topogrficas ou em caractersticas dos prprios povoamentos
(ver Captulo III). Esta tarefa permite reunir informaes relativas s subdivises existentes e
tambm facilitar a execuo dos trabalhos de campo.

1.2 DEFINIO DOS PARMETROS A AVALIAR
imprescindvel definir as informaes quantitativas a recolher no decurso do
inventrio (volume, peso, nmero de rvores, etc...) e as caractersticas de cada parmetro.
Assim, para o volume, necessrio precisar se se trata do volume sobre casca ou sobre pau.
Para o peso, se se trata de peso seco ou verde, etc...

1.3 DEFINIO DE CLASSES E LIMITES DAS DIMENSES
Para que se possa agrupar e recapitular as informaes quase sempre necessrio
indicar valores apurados por classe de dimenso. Convm definir as classes e os seus limites
em funo dos parmetros a avaliar: dimetro altura do peito, altura, forma, volume,
nmero de rvores por hectare, etc.



5
1.4 DEFINIO DOS LIMITES DE APROVEITAMENTO
Os limites de aproveitamento definem as pores das rvores que apresentam interesse
comercial. Torna-se, portanto, essencial especificar esses limites: dimetro altura do peito
mnimo a medir, comprimento de toros, dimetros mnimos dos troncos e dos ramos e decidir
se as pores no comerciveis devem ser includas, indicadas separadamente, ou omitidas no
relatrio das avaliaes.

1.5 PERSPECTIVA DE ESTUDOS DE CRESCIMENTO
conveniente verificar o interesse em incluir no inventrio estimativas respeitantes aos
crescimentos. A ttulo indicativo, recorda-se que estas informaes so indispensveis desde
que se trate de recursos florestais a ordenar ou a utilizar durante um certo tempo. A floresta
no um corpo esttico e inerte, mas sim um conjunto vivo e em transformao. Se as
estimativas de crescimentos forem julgadas necessrias, h que tomar decises no que
respeita a processos a seguir para a sua avaliao.

1.6 DEFINIO DO ESQUEMA DE AMOSTRAGEM
Para este efeito, preciso ter em conta a grandeza e importncia econmica da rea
florestal, os meios de acesso existentes para a alcanar, a topografia, os meios de transporte
disponveis, a possibilidade de recorrer a fotografias areas, as verbas concedidas (ou o erro
de amostragem admissvel) e a finalidade dos resultados do inventrio.

1.7 PREPARAO DE QUADROS FINAIS
Uma vez definidos os elementos at agora considerados possvel esboar esquemas
para os quadros finais. Estes devem ser sintticos e elucidativos, contendo apenas resultados
obtidos a partir dos dados colhidos no decurso do inventrio.



6
1.8 PREPARAO DE CARTOGRAFIA
Convm escolher o tipo e a escala dos mapas a utilizar no inventrio - cartas
topogrficas, mapas de classificao das reas florestais, cartas de solos, cartas de utilizao
dos solos - bem como o mtodo a seguir na preparao e reproduo de cartografia, caso seja
necessria a apresentao deste tipo de informao.

1.9 NORMALIZAO
Grande parte dos planos de inventrios florestal delineada, para cada caso, sem
qualquer preocupao de apresentar resultados de modo a que estes possam ser associados ou
comparados com os resultados provenientes de outros inventrios. Tal atitude pode parecer
lgica e apropriada para esta ou aquela situao particular. O que cada qual pretende obter,
to eficazmente quanto possvel, os dados indispensveis aos seus prprios planos.
O argumento apresentado que uma comparao ou conjugao de resultados obtidos por
cada um com aqueles que provm doutros inventrios no tem qualquer interesse para eles
prprios. Resulta daqui, serem poucos os inventrios realizados com base em normas que
permitam comparar ou conjugar os respectivos resultados com os de outros inventrios,
perdendo-se a possibilidade de anlise de resultados obtidos por diferentes autores. Porm,
essa comparao seria no somente til, como poderia apresentar o maior interesse para
diferentes sectores da Silvicultura.
As vantagens resultantes da planificao, tanto a nvel nacional como internacional, do
desenvolvimento sustentvel so evidentes. As organizaes pblicas, ou privadas, devem
reconhecer a necessidade duma reavaliao permanente da sua situao, estabelecer a cada
passo planos de desenvolvimento futuro e estar prontas a reformular processos. Tambm no
domnio da Silvicultura, para se tomar decises destas preciso estar bem informado e dispor
de elementos que possam ser comparados ou conjugados com informaes de outras
provenincias.
A normalizao aqui preconizada diz mais respeito ao gnero de informaes a obter
num inventrio, e ao modo segundo o qual elas so apresentadas, do que propriamente
formulao duma metodologia normalizada para execuo dos inventrios florestais. Trata-se,
como se referiu, de estabelecer um conjunto de normas que permitam a comparao dos
resultados obtidos em diferentes inventrios.

7
Essas normas no podem ser estipuladas, a no ser por via da discusso e do acordo
entre os interessados na utilizao dos resultados conseguidos por meio dos inventrios. As
normas aceites acabaro, pouco a pouco, por se impor medida que o seu valor for sendo
reconhecido. Convm aqui considerar os seguintes aspectos, cuja importncia j foi
reconhecida:
a) Toda a normalizao deve estar subordinada definio de termos e de smbolos
utilizados nos trabalhos de inventrio florestal. Neste sentido, a IUFRO (Unio
Internacional de Institutos de Investigao Florestal) no seu congresso em Oxford
(1956) acordou numa simbologia a utilizar nas medies florestais. Por exemplo:
d - dimetro altura do peito, h- altura de uma rvore, v - volume de uma rvore,
G - rea basal dum povoamento, etc.
b) possvel o estabelecimento duma classificao das reas florestais aplicvel
inicialmente escala mundial e que se v tornando mais detalhada medida que o
seu campo de aplicao geogrfico se for restringindo.
c) Todos os inventrios devem ser concebidos de modo a dar uma indicao do erro de
amostragem.
d) aconselhvel exprimir o volume das rvores sobre pau.
e) vantajoso normalizar a amplitude das classes dos parmetros a avaliar.
f) No que toca aos limites de utilizao, deve-se estabelecer uma srie de categorias
para dimetros mnimos altura do peito e para as pores superiores dos troncos.
Os volumes dos povoamentos em p podero, ento, ser expressos em funo dos
seus limites mercantis.

2. PRAZOS E VERBAS DISPONVEIS
A questo dos prazos e das verbas disponveis um elemento muito importante e, por
vezes, limitativo na preparao do inventrio.
Se for fixada uma verba, todo o processo de inventrio ter que ser definido em funo
dela. Pelo contrrio se as verbas disponveis forem flexveis, possvel estimar o custo da
operao em funo duma determinada preciso e submeter o oramento a aprovao
administrativa.

8
Tanto num caso como noutro, no decurso da fase preparatria que se deve proceder a
essas estimativas. Este ponto particularmente importante, uma vez que todos os elementos
do inventrio: constituio das equipas de campo, gnero de equipamento e instrumentos,
utilizao de fotografias areas (j existentes ou novas), nmero e distribuio das parcelas de
amostragem sero funo do seu custo.
O planeamento global de um inventrio , em geral, condicionado pela verba disponvel
para a sua realizao. A grandeza dessa verba, por sua vez, depende de numerosos factores,
entre os quais destacamos os seguintes:
1. Tipo de informao requerida - Em geral pouco dispendioso recolher infor-
maes sobre tipos de essncias e reas de ocupao, quando se trata de regies
predominantemente florestadas. Uma grande parte destas informaes pode ser
obtida com o auxlio de imagens de satlite ou de fotografias areas. O recurso a estas
tcnicas tm sempre a vantagem de reduzir o tempo de trabalho, embora no
dispensem trabalho de campo, nem que seja para verificao da interpretao.
medida que se vo tornando necessrias informaes mais detalhadas, como seja a
avaliao do volume dos povoamentos, o custo do inventrio vai aumentando. Se se
pretender informaes relativas a crescimento - tecnicamente as mais difceis de
obter - ento o custo torna-se ainda mais elevado.
2. Grau de preciso desejado - Existe uma relao fundamental entre a verba atribuda
realizao dum inventrio florestal e o grau de preciso pretendido. bvio que
quanto maior for a preciso requerida, mais medies h que efectuar, mais tempo se
despende na recolha dos dados, donde os custos sero maiores. O tcnico ter sempre
que fazer a opo do esquema de inventrio a utilizar, de modo a obter a avaliao
mais precisa, em funo da verba atribuda.
3. Dimenso e caractersticas da superfcie a inventariar - Em princpio, quanto mais
extensa for a rea a inventariar, maiores custos estaro envolvidos na realizao do
levantamento. Por outro lado, a topografia da regio em estudo, bem como a
densidade e a qualidade das vias de acesso, condicionam a produo diria das
equipas de trabalho. Estes aspectos devem ser considerados no planeamento do
inventrio, nomeadamente no que diz respeito ao mtodo de amostragem a utilizar.

9
4. Definio da populao a inventariar Alm do conhecimento sobre a topografia,
a fisiografia e os acessos na superfcie a observar conveniente saber, logo partida,
a dimenso da populao a inventariar. Admitamos pretender-se realizar um
inventrio num determinado Permetro Florestal, com o objectivo de conhecer o
volume total dos povoamentos que o integram. Se no for acrescentado qualquer
outro requisito, podemos assumir que todos os povoamentos integram apenas uma
unidade de observao, a prpria populao, a qual coincide com a rea do
Permetro em apreo. Mas, se, atravs do inventrio se pretender conhecer, discri-
minadamente, o volume dos povoamentos por espcies ou por classes etrias, ter-se-
que elaborar um plano especfico para a recolha de observaes por cada uma dessas
categorias. Evidentemente, quanto mais categorias forem consideradas, maior ser o
custo do inventrio. As estimativas que visam grandes loteamentos satisfazem os
planos de ordenamento regional ou nacional. Se se tratar de ordenamento local, as
estimativas devero basear-se em lotes de menor dimenso.
Do mesmo modo que os custos, o tempo concedido para a realizao dum inventrio
deve tambm ser tomado em linha de conta, porque a sua incidncia anloga daqueles. Por
vezes, prefervel apresentar estimativas mais rpidas, ainda que com menor grau de
preciso, do que consagrar mais tempo a avaliaes mais precisas.
Definidas as reas a inventariar e o gnero de informaes a recolher, passa-se fase de
planificao da execuo do inventrio e estimativa dos seus custos. Cada plano possvel
ter um determinado custo e a escolha final recair sobre aquele que permita recolher as
informaes desejadas com um limite de erro aceitvel e pelo menor custo.
Antes de abordar o mtodo de elaborao dum plano de inventrio ser til destacar os
elementos do plano, cujos custos se conhecem e que podem ser comparados com o de outros
planos possveis. Esses elementos so os seguintes:
1- Meios humanos necessrios nos diferentes escales: pessoal tcnico, mo-de-obra e
respectivos salrios. As despesas com o pessoal podem ser repartidas em funo do
tempo necessrio execuo das diferentes tarefas:
a) Trabalhos preliminares de gabinete - fotointerpretao, preparao de cartas,
determinao de reas, estabelecimento do plano de amostragem e preparao de
quadros.

10
b) Operaes a efectuar no campo.
c) Trabalho dos dados recolhidos, a efectuar no gabinete.
2 - Nmero de veculos e outro equipamento necessrio para o transporte.
3 - Carburantes e manuteno dos veculos.
4 - Custo de alojamento.
5 - Material a utilizar no trabalho de gabinete.
6 - Instrumentos tcnicos a utilizar nos trabalhos de gabinete e de campo.
7 - Fotografia area ou imagens de satlite.
8 - Tratamento dos dados.
9- Preparao do relatrio final.
Para fins comparativos, convm calcular o custo por hectare em proporo do custo
total.


11
CAPTULO III
A classificao das reas florestais
Em qualquer classificao florestal, a primeira dificuldade consiste em estabelecer uma
definio de rea florestal. O problema no to simples como parece. Por exemplo, um
terreno constitudo essencialmente por mato, em que se encontram dispersas algumas rvores
de grande porte, constitui uma rea florestal? Uma rea cuja cobertura arbrea foi destruda
pelo fogo constitui uma rea florestal? O problema da classificao reside, portanto, em
estabelecer claramente uma distino entre o que se considera e no considera rea florestal.
Todos os sistemas de classificao utilizveis, no mbito dum inventrio florestal, devem
tender para uma uniformidade de critrios.

1. FUNDAMENTOS DOS SISTEMAS DE CLASSIFICAO
Deve-se adoptar para as reas florestais, bem como para outras reas, um sistema
uniforme de classificao que permita subdivises em estratos. Esta classificao deve
comear por considerar reas florestadas e no florestadas, florestas explorveis e no
explorveis e, de seguida, para o caso florestal, estabelecer subdivises fundamentadas na
composio e utilidade das essncias que formam as florestas. Se a utilizao das terras visa
outros fins para alm da explorao florestal propriamente dita, formular-se-o as
classificaes necessrias e suas definies.
Na preparao dos sistemas classificativos destinados aos inventrios florestais
necessrio ter presente que em qualquer classificao de terras e da sua cobertura pode ser
efectuada em dois planos interdependentes mas, no obstante, distintos:
a) Uma classificao fundamentada nos factores ecolgicos (clima, topografia, solos e
cobertura vegetal natural)
Este sistema no indica necessariamente a utilizao real das terras ou da cobertura
vegetal, mas procura exprimir a sua vocao potencial.
b) Uma classificao dendromtrica, visando a cobertura florestal actual ou a
utilizao das terras no momento do inventrio.

12
Esta ltima, ou seja, a que reflecte as condies reais, a que mais se utiliza nos
inventrios florestais. Mas mesmo sendo esta informao de interesse fundamental, no se
deve desprezar a classificao das vocaes potenciais das terras ocupadas actualmente pelas
florestas ou dos terrenos explorados e no explorados. Os movimentos ecologistas tm vindo
a chamar a ateno para esta perspectiva.
A distino entre uma classificao que indica a situao actual e a que pretende
exprimir as vocaes potenciais importante. Numerosos sistemas de classificao tm sido
preparados sem considerar essa diferena, misturando elementos que pertencem a cada um
dos sistemas, o que pode induzir erros de interpretao.
Num inventrio que tenha por fim fornecer estimativas do material lenhoso em p e
outras informaes afins, um sistema de classificao indispensvel para se poder subdividir
uma floresta heterognea em unidades mais pequenas, mais facilmente reconhecveis, mais
homogneas. Esta subdiviso, ou estratificao, permitir estabelecer um esquema de
amostragem mais eficaz e ao mesmo tempo delinear mapas que mostrem as diferentes
condies florestais e a utilizao das terras.
Dois aspectos importantes devem influenciar a escolha dum sistema de classificao a
empregar num dado inventrio:
1. A classificao de reas florestais deve corresponder, tanto quanto possvel, s
definies genericamente estabelecidas. Se as informaes recolhidas visarem uma
divulgao a nvel internacional ser til que os elementos fundamentais das
classificaes estejam em conformidade com as normas internacionais.
2. As categorias em que as reas florestais ou qualquer extenso de terreno forem
subdivididas devem exprimir uma condio relativamente homognea, que possa ser
definida em termos precisos.
O ideal ser que os critrios de diferenciao sejam facilmente aplicveis, tanto nas
fotografias areas como no terreno.
Uma vez adoptado um sistema de classificao, este no dever ser modificado durante
o processamento do inventrio. Por isso, importa assegurar, logo de incio, que o sistema
escolhido seja satisfatrio.

13
A classificao pode ser efectuada no terreno ou com o auxlio de fotografias areas. Os
critrios a seguir dependero do sistema utilizado. Se forem empregues fotografias areas, o
sistema deve basear-se em caractersticas que sejam identificveis nas fotografias. Por
exemplo, com o auxlio de fotografias areas, pode alicerar-se uma classificao das reas
florestais em tipos de cobertura, altura dos povoamentos, densidade dos mesmos, etc...
Seja qual for o critrio adoptado, sempre necessrio definir a superfcie mnima de
terreno a identificar. Desde que se empreguem fotografias areas, a escala desta influencia a
dimenso dessa superfcie mnima. A fotografia com escala pequena exige superfcies
mnimas de maiores dimenses do que a fotografia de escala grande. Em geral, uma
classificao apoiada na fotointerpretao desejvel e deve ser utilizada sempre que
possvel, pois permite uma estratificao prvia. mais rpida e normalmente mais precisa
do que uma classificao sobre o terreno, se o tempo disponvel para esta fase no for muito
dilatado.

2. CARACTERSTICAS DA CLASSIFICAO FLORESTAL
Uma mata constituda por vrios conjuntos de rvores, denominados povoamentos que
se renem por uma ou por outra caracterstica comum. Qualquer sistema de classificao
fundamenta-se em caractersticas que podem ser facilmente identificadas. Indicaremos
seguidamente, as caractersticas das rvores ou dos povoamentos que se tm revelado mais
teis e mais prticas na elaborao dum sistema classificativo das reas florestais.

2.1 A COMPOSIO
Os povoamentos que apresentam certas caractersticas e que se compem de essncias
identificveis formam associaes designadas por "tipos de floresta". Esta designao
constitui, provavelmente, a base mais amplamente utilizada para uma classificao florestal.
Os tipos de florestas no so entidades estticas. Modificam-se ao longo do tempo. Qualquer
factor que destrua a floresta inicial, ou parte da vegetao que a compe, tende a desencadear
uma sucesso florestal, isto , a apario duma srie de tipos de florestas, em que cada um
ocupa o terreno durante um certo tempo, sendo depois substitudo por outro medida que a
floresta se regenera, que as rvores atinjam a maturidade, morram ou sejam abatidas.

14
A interveno cultural, os incndios, os ataques de insectos, as doenas e as
perturbaes climatricas so os factores que tendem a modificar a composio da floresta.
Deste modo, quando se utilizam as informaes dum inventrio, preciso ter presente
que as reas e os tipos de florestas referentes a esta ou quela data modificar-se-
-o, sem a mnima dvida, e que as informaes tornar-se-o obsoletas medida que o tempo
passa. Da, a necessidade de inventrios peridicos para se conhecer, em qualquer altura, a
evoluo da floresta.

2.2 A DIMENSO DAS RVORES E A DENSIDADE DOS POVOAMENTOS
Uma superfcie arborizada pode ser subdividida em classes, segundo as dimenses das
rvores ou dos povoamentos. Os sistemas de classificao poder-se-o basear na dimenso
mdia das rvores ou em qualquer parmetro mdio do povoamento que possa expressar-se
por unidade de superfcie.
Uma classificao visando as dimenses das rvores pode ser estabelecida de diversas
maneiras. Para os grandes inventrios florestais, a altura das rvores a melhor caracterstica
para utilizar num sistema de classificao, uma vez que as diferenas de altura podem ser
avaliadas com um grau de preciso aceitvel nas fotografias areas. Se a classificao no
empregar fotografias areas, ento o recurso ao dimetro altura do peito prefervel, pois a
sua medio menos dispendiosa.
Tratando-se de matas ordenadas, a classificao por idades aceitvel, tanto mais que
bastante vantajosa para regular a explorao florestal.
A densidade exprime o grau de ocupao do terreno por parte do povoamento florestal.
Esta medida bastante utilizada como meio de classificao, desde que disponha de
fotografias areas. Neste caso, a densidade dum povoamento pode exprimir-se tendo por base
o grau relativo de ocupao das copas. Uma densidade de copas igual a 0.70, significa que 70%
da rea coberta pelas copas das rvores.
Se a classificao for feita apenas por meio de avaliaes no terreno, a densidade pode
ser expressa pela rea basal do povoamento, cujo valor igual ao somatrio das reas

15
seccionais altura do peito das rvores presentes numa unidade de rea do terreno. Exprime-
-se, geralmente, em m
2
/ha.
O nmero de rvores por unidade de superfcie pode igualmente ser tomado como
unidade determinativa da densidade, apesar do seu valor assumir um significado muito
relativo. Por exemplo, cem rvores por hectare representariam um valor irrisrio, no caso de
se tratar dum povoamento muito jovem, mas o seu significado seria completamente diferente,
se as rvores j atingissem o fim de uma revoluo. Assim, o nmero de rvores por hectare
pode ser til se for aplicado conjuntamente com a idade.

2.3 EXPLORABILIDADE
O que importa primordialmente, na subdiviso duma rea florestal, a sua
explorabilidade. Entende-se por explorabilidade, a possibilidade econmica relativa de
ordenar uma superfcie arborizada ou de extrair o material lenhoso a contido. A
explorabilidade no se limita a reconhecer a possibilidade fsica de acesso a uma superfcie
florestada. Tem que considerar o conjunto de dificuldades materiais e de custos, contrapondo-
-as s receitas que podero ser obtidas. evidente que as informaes respeitantes
composio, quantidade e ao crescimento das florestas explorveis so da mxima
importncia e devem ser apresentadas com maior detalhe do que as informaes relativas s
reas florestais menos explorveis. Por outro lado, reas no exploradas podem dizer respeito
a espaos de proteco, cuja identificao necessria a fim de preservar os objectivos que
fundamentaram a sua criao.

2.4 REGIME DE PROPRIEDADE
O regime de propriedade pode afectar a gesto e o prprio valor das matas. Os mtodos
de gesto aplicveis a grandes superfcies arborizadas, por exemplo, reas baldias, sero
naturalmente diferentes daqueles que mais interesse possam apresentar em povoamentos
pequenos, pertencentes a proprietrios privados. Os objectivos visados em cada situao
podem mesmo vir a interferir na implementao de planos de desenvolvimento integrado
perspectivados para uma dada regio.


16
3. NORMAS DE CLASSIFICAO
Existem vrias normas de classificao florestal, sendo, na sua maioria, estabelecidas
pelos Servios de Inventrio Florestal de cada pas, procurando retratar o melhor possvel a
respectiva realidade. A ttulo de exemplo, apresenta-se, de um modo genrico, o sistema
classificativo adoptado pela Diviso de Inventrio Florestal da Direco-Geral das Florestas.
I - reas hidrolgicas (HH) - cursos de gua, lagos, lagoas, salinas e albufeiras.
II - reas terrestres
A. Agrcola (AG)
a) Culturas agrcolas permanentes ou temporrias
b) Prados e pastagens
B. Florestal (FL) - com superfcie mnima de 0.5 ha, largura mdia no inferior a
15 m, que apresentem formaes arbreas constitudas por essncias florestais,
com densidade mdia de copas igual ou superior a 10%. Incluem-se nesta
classificao caminhos florestais, viveiros e clareiras.
a) Povoamentos puros - quando uma s espcie ocupa 75% ou mais do coberto.
a.1) Resinosas
a.1.1) Pinheiro bravo (Pb)
a.1.2) Pinheiro manso (Pm)
a.1.3) Resinosas diversas (Rd)
a.2) Folhosas
a.2.1) Sobreiro (Sb)
a.2.2) Azinheira (Az)
a.2.3) Outras quercneas (Qc)
a.2.4) Eucalipto (Ec)
a.2.5) Castanheiro (Ct)
a.2.6) Folhosas diversas (Fd)



17
b) Povoamentos mistos - quando, havendo mais do que uma espcie em presena,
nenhuma atinja os 75% de coberto. Neste caso, a codificao a adoptar a
mesma de a.1) e a.2), colocada por ordem de representatividade de cada
espcie. Por exemplo, surgindo um povoamento misto de pinheiro bravo e
eucalipto onde este fosse dominante, a codificao seria EcPb.
c) Cortes rasos e reas queimadas, em que no seja possvel identificar a espcie
que estava presente (W).
No caso das reas florestais surgem ainda critrios de sub-classificao, como sejam:
I) Objectivos da produo: lenho; bens no lenhosos (cortia, frutos); abrigo,
proteco, lazer (zonas verdes de reas urbanas ou parques desportivos).
II) Grau de coberto: floresta aberta (10-30%); floresta densa (30-50%); floresta
muito densa (>50%).
III) Dimenso : <2 ha; 2-10 ha; 10-50 ha; > 50 ha.
C. Incultos (IC) - terrenos com coberto vegetal de porte arbustivo, lenhosas ou
herbceas, de origem natural, onde no se verifique actividade agrcola ou
florestal.
D. Improdutivos (IP) - terrenos praticamente estreis do ponto de vista da produo
vegetal, quer em resultado de limitaes naturais (areias litorais e afloramentos
rochosos), quer em resultado de aces antropognicas (pedreiras, saibreiras,
lixeiras e reas de explorao mineira).
E. Social (SC) - reas urbanas e pequenos agregados populacionais, portos, aeroportos,
grandes vias de comunicao.
O grau de desenvolvimento a que pode chegar uma classificao florestal depende das
condies locais e dos objectivos a que se destina. Uma classificao mais detalhada do que o
estritamente necessrio torna o processo mais dispendioso e aumenta os riscos de surgirem
erros na classificao. Concomitantemente, quanto menor for o nmero de classes, menor
ser o risco de cometer erros de classificao, mas, neste caso, as informaes podero ser
demasiado generalistas. Portanto, um bom sistema classificativo ser aquele que permita
obter, com o menor erro possvel, as informaes estritamente necessrias aos fins visados.
Aplicam-se classificaes mais complexas quando dois ou mais sistemas de
classificao so considerados simultaneamente. Embora os cdigos a utilizar devam ser

18
sempre to sintticos quanto possvel, por vezes, so mais elaborados, como se mostra no
Quadro I. A parte superior fornece informaes respeitantes densidade global da vegetao,
espcies presentes e respectiva densidade relativa. A parte inferior apresenta dados relativos
estao: exposio, declive e altitude.

Quadro I
Esquema classificativo para terreno/vegetao na regio de Bucks Lake, elaborado em
1972, pelo Personnel Forestry Remote Sensing Laboratory, Berkely.
Densidade da vegetao Tipos de cobertura do terreno
1 - 0 - 5 % C - conferas
2 - 5 - 20 % H - folhosas, zona seca
3 - 20 - 50 % R - folhosas, zona hmida
4 - 50 - 60 % M
d
- campina, zona seca
5 - 80 -100 % M
w
- campina, zona hmida
B - mato
W- gua
Densidade Tipos de vegetao, por
da vegetao ordem decrescente de
densidades

4 C
3
B
2
H
2
SS 2 4


Exposio Declive Altitude

Exposio Declive Altitude
NN - Norte 1 - Plano : 0 - 3% 2 - 2 000 - 3 000 ps
NE - Nordeste 2 - Suave : 3 - 10% 3 - 3 000 - 4 000 ps
EE - Este 3 - Moderado : 10 - 50% 4 - 4 000 - 5 000 ps
SE - Sudeste 4 - ngreme : >50% 5 - 5 000 - 6 000 ps
SS - Sul 6 - 6 000 - 7 000 ps
SW - Sudoeste
WW - Oeste
NW - Noroeste
LL Plana

19
CAPTULO IV
A utilizao de mtodos estatsticos em Inventrio Florestal
1. NOES FUNDAMENTAIS
Para a obteno das informaes requeridas em qualquer inventrio florestal
necessrio medir certos atributos das rvores ou dos povoamentos florestais, seja atravs das
imagens registadas em fotografias areas, seja directamente na floresta, e determinar as reas
dos terrenos onde se encontram implantados essas rvores ou esses povoamentos.
Desde que se trate duma pequena rea florestal, pode-se efectuar as medies requeridas
em todas as rvores e realizar um inventrio integral do povoamento. Este procedimento
justifica-se quando, por exemplo, se pretende uma estimativa do volume dum bosquete.
Para reas florestais extensas, a medio de todas as rvores no pode ser considerada,
j pela importncia numrica de efectivos necessrios realizao do trabalho, j pelo tempo
que o mesmo exigiria, com o inerente aumento de custos. por isso que a maior parte dos
inventrios florestais so estabelecidos recorrendo a uma tcnica que consiste em seleccionar
pequenas reas da floresta tidas como representativas do seu todo: avaliar os quantitativos
presentes nessas fraces e alargar a estimativa superfcie total. A superfcie total
arborizada constitui a "populao" e cada poro seleccionada uma "unidade de amostragem"
ou uma "parcela de amostragem".
A amostragem pode definir-se como sendo uma seleco de parte dum agregado
populacional, representativa de todo o agregado. A noo de "representatividade"
fundamental, uma vez que se pretende com a amostragem recolher informaes fidedignas
sobre toda a populao. Ora isto s se consegue se a parte seleccionada retratar
convenientemente a populao, ainda que em dimenso reduzida (ver o Anexo 2).
As amostras representativas fornecem, portanto, estimativas dos parmetros popu-
lacionais. O grau de confiana a depositar nessas estimativas depende do erro de amostragem
a que as amostras esto sempre sujeitas, que devido a variaes na populao e ao acaso da
seleco.

20
O erro de amostragem a diferena entre a estimativa de um qualquer parmetro
populacional e o verdadeiro valor daquele. A grandeza desta discrepncia desconhecida,
mas pode ser estimada por meio de processos de estatsticos apropriados. Portanto, o erro de
amostragem nada tem a ver com o conceito de "erro", no sentido de engano ou incorreco. O
efeito destes, devido a medies mal executadas, tendenciosas ou a anotaes incorrectas,
deve ser anulado ou neutralizado (ver "Apontamentos de Dendrometria" - Cap. I).
A amostragem pode ser levada a efeito por:
1 - Mtodos no casuais
2 - Mtodos baseados em clculo de probabilidades
Os mtodos de amostragem no casual, dita selectiva, providenciam estimativas dos
parmetros populacionais, mas no permitem tirar concluses peremptrias sobre a confiana
dessas estimativas atravs do erro de amostragem, porque a amostragem - por ser selectiva -
pode carecer de representatividade em relao populao e os dados recolhidos no
retratarem convenientemente a realidade. Os resultados obtidos a partir de tais dados podem
apresentar enviesamento e dar origem a um erro uniteral.
Por outro lado, os mtodos de amostragem baseados nas leis das probabilidades
permitem conhecer com maior rigor o erro de amostragem.
A amostragem de acordo com as leis de probabilidades implica que todas as unidades de
amostragem que constituem a amostra tenham iguais possibilidades de ser seleccionadas ou
possibilidades proporcionais de seleco, relativamente a uma grandeza da populao,
consoante o mtodo de amostragem utilizado.
O mtodo de amostragem por probabilidades mais elementar conhecido por
amostragem casual simples e garante sempre uma probabilidade igual de seleco a todas as
unidades de amostragem.
A amostragem segundo diferentes probabilidades de seleco tem encontrado, no
domnio do Inventrio Florestal, uma larga divulgao na chamada amostragem proporcional
a uma dimenso, atravs da qual a probabilidade de qualquer unidade ser seleccionada
proporcional grandeza da varivel a amostrar (rea de ocupao, rea basal, por exemplo).

21
A amostragem pode ser feita com ou sem reposio. Numa populao finita, a
amostragem sem reposio pode eventualmente esgotar a populao. Numa populao deste
tipo, aps cada seleco de uma unidade, a probabilidade de qualquer outra ser seleccionada
vai aumentando. Por outro lado, a amostragem com reposio numa populao finita
equivalente a uma amostragem feita a uma hipottica populao infinita. A probabilidade de
seleco, neste caso, mantm-se constante e a amostragem pode prosseguir indefinidamente.
A amostragem a uma populao em que qualquer elemento tem probabilidade constante
de ser seleccionado , chamada amostragem casual simples, como j se referiu.
No caso florestal, interessam-nos especialmente populaes grandes, finitas. Normal-
mente o tamanho destas populaes tal, que se podem considerar suficientemente prximas
de infinito e, se a razo entre o nmero de unidades seleccionadas (n) e o nmero total de
unidades na populao (N) tender para zero, a amostragem sem reposio numa populao
destas no se afasta do que se definiu como amostragem casual simples.

2. MEDIDAS DE TENDNCIA CENTRAL E DE DISPERSO
2.1 A MDIA
Das diversas medidas de tendncia central duma populao - a moda, a mediana e a
mdia - esta ltima a que, em geral, mais interessa no caso dos inventrios florestais. O tipo
de mdia a empregar nos clculos , normalmente, a mdia aritmtica:
=
N

x
i
N
(populao)
x =
n

x
i
n
(amostragem)

Quando a rea florestada inclui vrias classes, que podem no estar equitativamente
representadas na populao, conveniente aplicar uma ponderao a cada classe antes de
calcular a mdia. Obtm-se, ento, uma mdia ponderada:

22
=
M

N
j

j
M
N
j
(populao)

x =
M

N
j
x
j
M
N
j
(amostragem)

Em que: M - nmero de classes
N
j
- nmero total de unidades de amostragem em cada classe

j

- valor mdio do parmetro x na classe j:

j
=
N
j
x
ij
N
j

x
j

- valor mdio do parmetro x na classe j
x
j
=
n
j
x
ij
n
j

n
j
- nmero de observaes efectuadas em cada classe
Sublinhe-se que a amostragem apenas nos permite calcular x, que uma estimativa de
. A esta estimativa, por que a populao no foi integralmente observada, est associado um
erro - erro de amostragem - ao qual nos referiremos mais detalhadamente na sec. 4. deste
captulo.

2.2 A VARINCIA
O conhecimento da mdia s por si no nos permite tirar ilaes sobre a
homogeneidade ou heterogeneidade duma populao.
De facto, duas populaes podem apresentar mdias idnticas, relativamente a uma
qualquer caracterstica e, no entanto, serem constitudas por indivduos muito diferentes. Por
exemplo, uma populao constituda por cinco elementos pode apresentar os valores: 5, 5, 5, 5,
5 com mdia igual a 5. Outra populao, tambm constituda por cinco elementos pode
apresentar, relativamente mesma caracterstica, uma mdia de 5, a partir dos valores
individuais: 1, 4, 5, 6, 9. Este pequeno exemplo mostra que, embora as duas populaes
apresentem a mesma mdia, uma delas visivelmente homognea, enquanto a outra
heterognea, no que se refere caracterstica em anlise. No entanto, no possvel avaliar a
variao da populao atravs do somatrio dos desvios relativamente mdia, uma vez que
ele igual a zero.

23
Em termos estatsticos, a varincia a medida mais utilizada para quantificar a
variabilidade de uma populao. Esta medida de variao obtm-se pela mdia do somatrio
dos quadrados dos desvios dos valores individuais em relao mdia populacional:

2
=
x
i
( )
2
N

N

Do mesmo modo que atravs de uma amostragem no possvel conhecer a mdia
populacional (), mas sim uma sua estimativa (x), tambm da varincia populacional (
2
)
apenas se pode obter uma expectativa (s
2
).
Se os valores x
i
observados forem independentemente retirados de uma distribuio
conhecida de valores de x (distribuio normal, binomial, Poisson, etc...) possvel
determinar rigorosamente o seu desvio em relao mdia populacional, uma vez que
aquelas distribuies so estabelecidas por meio de funes prprias. Por exemplo, no caso da
distribuio normal, quando se exprime uma varivel X em termos de unidades padro,
z=(X-)/, a equao probabilstica assume a forma:
1
2
2 1
2
z
Y
e

=
Neste caso, dizemos que z est distribudo normalmente, com mdia igual a zero e
varincia igual a um.
A Fig.1 mostra a curva da distribuio normal. Esto assinaladas as reas includas
entre z=-1 e +1, z=-2 e +2, z=-3 e +3, que correspondem respectivamente a 68.27%, 95.45% e
99.73% da rea total, sendo esta igual a 100%.


Fig. 1

24
Por sua vez, no caso de uma amostragem efectuada numa populao, cujo tipo de
distribuio no conhecido, o somatrio do quadrado dos desvios das observaes
efectuadas (x
i
) estabelecido em relao a x (
n
(x
i
-x )
2
) e no em relao a (
N
(x
i
-)
2
).
Ainda que as n observaes (x
i
) sejam efectuadas independentemente, os n desvios (x
i
-x) no
so independentes porque, como x =
n
x
i
/n, ento
n
(x
i
-x) =
n
xi -
n
n
xi
n
= 0. Observa-se,
pois, que os n valores (x
i
-x) satisfazem uma determinada relao, ou seja, esto sujeitos a
uma restrio. Num conjunto de n desvios (x
i
-x), se forem conhecidos os valores de n-1
deles, o valor do restante fica forosamente definido, uma vez que tem de satisfazer a
relao
n
(x
i
-x) = 0.
Quer dizer que para avaliar, atravs de uma amostragem, um parmetro populacional
(varincia, por exemplo), que depende directamente de outro (mdia), tambm ele objecto de
uma estimativa, essa determinao fica condicionada a n-1 observaes. Se pretendessemos
estimar o valor de um novo parmetro, no dependente do primeiro (por exemplo, no caso
da regresso linear, a estimativa dos dois parmetros da regresso: b
0
e b
1
), sacrificar-se-iam
duas observaes, restando n-2.
Generalizando, ao nmero (n) de observaes efectuadas em amostragem, aps a
deduo do nmero k de parmetros independentes a estimar, designa-se nmero de graus de
liberdade (gl):
gl = n - k
Por isso, a estimativa da varincia populacional apresenta um denominador (n-1)
diferente daquele que apresentmos (N) para o clculo da verdadeira varincia populacional.
A distino entre as duas avaliaes faz-se simbolizando a varincia populacional por

2
e a sua estimativa por s
2
:
( )
2
2
1
s
i
n
x x
n

=


Ou, desenvolvendo:
2
2
2
1
s
n
n
x
x
n
n
| |

|
\

=


Note-se que, parte esta distino, para um elevado nmero de observaes, a diferena
resultante de dividir o quadrado do somatrio dos desvios por n ou por n-1 no substancial.

25
2.3 O DESVIO PADRO E O COEFICIENTE DE VARIAO
Como vimos, para obter a varincia houve que elevar ao quadrado os valores dos
desvios. Para conhecer a disperso existente, em termos das unidades originais, s h que
determinar a raiz quadrada do valor da varincia. Passamos, ento, a ter outra medida de
disperso, que se designa por desvio padro (s):
s =
2
s
=

i
x
i
x
( )
2
n 1

O desvio padro expressa-se portanto em valor absoluto e nas unidades inicialmente
consideradas (cm, m
3
/ha, etc.).
Se quisermos fazer uma comparao de populaes, no em valor absoluto, mas em
valor relativo, recorre-se ao coeficiente de variao, que no mais que o desvio padro
expresso em percentagem da respectiva mdia:
CV(%) =
s
x

100

2.3.1 Estimativa expedita da mdia e do desvio padro
Um mtodo muito simples para estimar aproximadamente a mdia e o desvio padro
duma populao consiste em:
a) Para estimativa da mdia: somar as estimativas do valor mximo e do valor mnimo
possveis de serem encontrados na populao e dividir por 2:
x =
Vmx + Vmn
2

b) Para estimativa do desvio padro: dividir por 4.5 a diferena entre as estimativas do
valor mximo e do valor mnimo possveis de serem encontrados na populao.
s =
Vmx Vmn
4.5


26
Esta estimativa baseia-se no facto de que a generalidade dos indivduos integrados
numa distribuio normal incluem-se no intervalo 3z = 6z. Ora, como se referiu na sec.2.2,
a varincia da distribuio normal reduzida igual a 1. Ento, o desvio padro correspondente
a essa varincia pode assumir os valores de 1, pelo que o intervalo igual ao intervalo
z, ao qual corresponde 68.27% da rea sob a curva da distribuio. De acordo com o
mesmo raciocnio, no intervalo 2 (definido por quatro unidades de desvio padro),
encontrar-se- 95.45% da populao, e no intervalo de seis unidades de desvio padro ( 3),
99.73% da populao.
O denominador (4.5) da frmula expedita para avaliao do desvio padro adoptado,
em lugar de 6, como medida de precauo, por no se saber partida se a populao normal
e se os dois valores seleccionados (Vmx e Vmn) so de facto os valores extremos da
populao.
O recurso a este mtodo recomendvel quando se dispe de fotografias areas. Neste
caso, aps o delineamento da rea florestal a inventariar, seleccionam-se para amostrar no
terreno duas unidades de amostragem que aparentem possuir maior e menor densidade de
copas. Os valores encontrados no campo permitiro empregar o esquema acima indicado.

3. ERRO PADRO
O erro padro a medida de preciso da mdia estimada atravs duma amostragem.
utilizado para definir o intervalo dentro do qual se espera encontrar a mdia populacional (),
para um determinado nvel de probabilidade.
Enquanto o desvio padro contabiliza a variao de valores individuais em torno da
mdia, o erro padro exprime o desvio de uma populao de mdias x
i
, relativamente a uma
mdia de mdias x, sendo estimado a partir de uma amostragem por:
s
x
=
s
2
n
=
s
n
(1)
Referimos, ao finalizar a seco 1, que se a fraco de amostragem n/N tender para
zero, a amostragem sem reposio numa populao finita tende para a amostragem numa
populao infinita.

27
Se a fraco n/N no puder ser desprezada, a varincia da mdia (s
2
x
=
s
2
n
) tem que ser
ajustada por meio de um factor de correco
N n
N
:
2
2
x
s N n
s
n N

=
A razo
N n
N
conhecida por multiplicador finito ou factor de correco para
populaes finitas (cpf). Convm observar que esse factor de correco se aproxima da
unidade medida que o tamanho da populao N tende para infinito e, neste caso, a varincia
da mdia tende a ser idntica duma populao infinita.
Transformando a expresso
N n
N
na sua equivalente 1 -
n
N
, observa-se mais
facilmente que a varincia da mdia tende para zero se o tamanho da amostragem, n, se
aproximar do tamanho da populao, N. Se n for igual a N, a varincia da mdia zero, o que
bvio porque nesse caso toda a populao foi observada e conhece-se ento a verdadeira
mdia populacional.
Como regra prtica o cpf s se aplica quando a fraco de amostragem igual ou
superior a 5%, ou seja, quando a amostragem inclui 5% ou mais da populao. At 5%,
considera-se que o valor de cpf muito prximo da unidade e portanto despreza-se a sua
aplicao.
Uma vez que a mdia obtida por amostragem uma estimativa da mdia da populao,
o erro padro indica-nos a preciso dessa estimativa. A confiana que podemos depositar
nesta estimativa pode ser expressa em termos de um intervalo associado a uma certa
probabilidade. Ento, a confiana a depositarmos numa mdia obtida por amostragem deve
ser descrita por um intervalo, dentro do qual de esperar que se encontre a mdia
populacional, para uma certa probabilidade pretendida. Esse intervalo designado por
intervalo de confiana e os seus valores extremos so chamados limites de confiana
(seco 4. deste captulo).
Em inventrios florestais, muitas vezes pretende-se determinar simultaneamente as
existncias de vrias espcies que surgem numa rea florestal, cada uma das quais com uma

28
mdia e um erro padro prprios. Em princpio, o problema est em combinar valores
provenientes de mais de uma populao. Representemos por x
i
e y
i
, respectivamente, os
valores individuais de duas populaes distintas. Expressemos por z
i
o valor resultante da
soma de y
i
com x
i
, que representa a adio de valores provenientes das duas populaes.
Assim:
z
i
= x
i
+ y
i

Portanto:
( )
i i i i i
n n n n
x y z x y
z x y
n n n n
+
= = = + = +
E a estimativa da varincia ser dada por:
( ) ( ) ( )
2
2
( )
2 2
1 1
x y
n n
i i i
x y x y z z
s s
z
n n
+
(
+ +

= = =


Desenvolvendo, obtm-se:
( ) ( ) ( )( )
2 2
( )
2
2 2
1
x y
n n n
i i i i
x x y y x x y y
s s
z
n
+
+ +
= =


Ou seja:
s
z
2
= s
x
2
+ s
y
2
+ 2 s
xy

Em que:
( )( )
( )
1 1
n n
n
n
i i
i i
i i
xy
x y
x y
x x y y
n
s
n n



= =

(2)
representa a covarincia de x e y.
O erro padro da soma de duas variveis mutuamente dependentes pode ento ser
calculado:
z = s
z
2
s
n
(3)


29
4. O t DE "STUDENT" E O ERRO DE AMOSTRAGEM
A definio do intervalo de confiana obtida por meio duma avaliao probabilstica:
t =
x
i
x
s

Esta avaliao foi proposta, em 1908, por W.S. Gossett, que escrevia sob o pseudnimo
de "Student". Da a distribuio gerada por aquela expresso ser conhecida por distribuio
de t de "Student".
Repare-se a semelhana entre a expresso para avaliao de t e a expresso para
avaliao de z (z = (X-)/), da distribuio normal reduzida (sec.2.2). Mas, ao contrrio da
distribuio normal, a distribuio de t baseia-se no nmero observaes efectuadas. Para um
nmero elevado de observaes, t comporta-se como z.
A Tabela de t , apresentada no Anexo 3, fornece a distribuio de t baseada em graus de
liberdade (gl) e com probabilidades correspondentes a reas sob a curva de distribuio.
Recorrendo avaliao probabilstica de t, torna-se vivel fazer a estimativa do desvio
entre uma mdia determinada a partir duma amostragem e a mdia populacional:
t =
x
s
x

Donde:
t . s
x
= x
Note-se que a mdia populacional, , um valor desconhecido. Assim, a diferena
exacta entre a mdia estimada (x) e a mdia verdadeira () no pode ser conhecida, mas o
erro padro s
x
pode, e atravs dele, juntamente com um certo valor probabilstico t,
estabelece-se os limites de confiana, dentro dos quais se encontra a mdia verdadeira .
O valor dado pelo produto sx .t conhecido por erro de amostragem (SE). Ao definir a
diferena entre a mdia estimada e a mdia verdadeira, o erro de amostragem , realmente,
uma medida de exactido.

30
Os limites do intervalo de confiana so simtricos em relao mdia e podem
expressar-se:
IC = x s
x
t
Como j se assinalou, o valor de t depende do nvel de probabilidade escolhido e da
grandeza da amostragem (n). medida que n tende para infinito a distribuio dos t tende
para a distribuio normal.
O nvel de probabilidade reflecte uma percentagem de confiana que depositamos nas
estimativas obtidas, da o tambm ser conhecido por nvel de confiana.
Por exemplo, a um nvel de confiana de 0.95 (95%) - que indica poder ocorrer apenas 5
vezes em 100, um valor de t maior do que o indicado na tabela - o valor de t, para n igual a
infinito (ltima linha da tabela) 1.960. A rea sob a curva da distribuio normal para um
valor de z igual a 1.960 0.475 + 0.475= 0.95. Por aqui se observa que, quando n tende para
infinito, a distribuio de t tende para a normalidade. Pode dizer-se que quando n ultrapassa
60, a distribuio de t comporta-se como uma distribuio normal.
Para amostras pequenas a diferena j mais substancial, como se ilustra na Fig. 2 (a
tracejado), para 4 gl.




Fig. 2
Resumindo, os diversos valores de t que se encontram na tabela representam
coeficientes de confiana para dadas grandezas de amostragem e para determinadas reas sob
a curva, definidas, como j se referiu, pelos nveis de probabilidade.

31
Os nveis de confiana mais utilizados em inventrios florestais so o de 95% e 99% a
que correspondem os nveis de significncia, de 0.05 e 0.01, respectivamente, quando referidos
probabilidade de erro. Assim designam-se os nveis de significncia:
0.05 = significativo (probabilidade de erro inferior a 5%)
0.01 = altamente significativo (probabilidade erro inferior a 1%)
Mais de 0.05 = no significativo (probabilidade de erro superior a 5%)
Exemplo de aplicao - Os seguinte dados foram obtidos por amostragem casual de
vinte parcelas, numa populao dividida em duzentas.
Parcela x
(volume, m
3
/ha)
1............................................................. 36
2............................................................. 60
3............................................................. 60
4............................................................. 65
5............................................................. 74
6............................................................. 76
7............................................................. 82
8............................................................. 87
9............................................................. 90
10........................................................... 91
11........................................................... 94
12........................................................... 96
13........................................................... 98
14........................................................... 101
15........................................................... 113
16........................................................... 120
17........................................................... 125
18........................................................... 137
19........................................................... 144
20........................................................... 150
Como a fraco de amostragem (
n
N
=
20
200
= 0.10) superior a 5%, h que aplicar o
factor de correco (cpf) na determinao da varincia da mdia populacional:
N n
N
=
200 20
200
= 0.9
Entretanto:
x = 1 899
x
2
= 197 303
(x)
2
= 3 606 201

32
Donde:
1) Clculo da mdia: x =
x
n
=
1899
20
= 95 m
3
/ ha
2) Varincia: s
2
=
x
2

(x)
2
n
n 1
=
197 303
3 606 201
20
19
= 894.4
3) Desvio padro: s = s
2
= 894.4 = 29.9m
3
/ha
4) Coeficiente de variao: CV(%) =
s
x
100 =
29.9
95
.100 = 31.5
5) Varincia da mdia:
2
2
x
894.4 x 0.9 40.3
s N n
s
n N
=

= =
6) Erro padro: s
x
= s
2
x = 40.3 = 6.3m
3
/ ha
7) Erro padro em percentagem da mdia: s
x
(%) =
s
x
x
100 = 6.6
8) Erro de amostragem: SE = s
x
.t
Para o nvel de confiana de 0.05:
SE = 6.3 x 2.093 = 13.18 m
3
/ha

t = 2.093 para 19 gl. (0.05)


9) Intervalo de confiana: IC = x s
x

t
IC
(0.05)
= 95 13.18 m
3
/ha
10) Erro de amostragem em percentagem da mdia:

13.18
100 100 13.9
95
(%)
SE
SE
x
= = =

33
5. UNIDADES DE AMOSTRAGEM
As unidades de amostragem so, como j referimos, elementos constitutivos da
populao a observar, podendo assumir vrios tipos, de acordo com os mtodos de inventrio
utilizados.
Poder-se- definir, por exemplo, as unidades de amostragem de acordo com:
- uma superfcie de dimenso pr-estabelecida.
- um nmero (mnimo ou mximo) de rvores a observar.
- uma superfcie de dimenso no estabelecida previamente.
Este ltimo exemplo ser analisado na amostragem por pontos de estao (Cap. IX),
onde as unidades de amostragem so as prprias rvores, no se tomando em considerao
uma superfcie de referncia. A designao parcela de amostragem utilizada para as
unidades de pequenas dimenses (no superiores a 1000m
2
) com formas quadrada, rectangular
ou circular.
Os diferentes tipos de parcelas de amostragem atrs indicados caracterizam-se,
respectivamente, do seguinte modo (Rondeux, 1999).
- parcela com superfcie definida (delimitada): o seu permetro definido a priori.
Em geral, trata-se da projeco horizontal de um permetro que corresponde a uma
superfcie pr-estabelecida;
- parcela com um nmero definido de rvores: o seu permetro definido a
posteriori. Esta parcela abranger um nmero n, pr-definido, de rvores
localizadas em torno do ponto central da parcela.
- parcela de superfcie no definida (no delimitada): esta parcela irradia de um ponto
de estao, integrando rvores cuja probabilidade de seleco proporcional
respectiva rea basal.
Nesta seco, considerar-se-, sobretudo, o caso das unidades de superfcie definida,
analisando a sua forma e dimenso.

5.1 FORMA DAS UNIDADES DE AMOSTRAGEM
As formas mais habituais das unidades de amostragem de superfcie definidas so a
quadrada, a rectangular, a faixa e a circular. A forma mais favorvel a utilizar numa
amostragem aquela que, para igual superfcie, apresente a menor relao entre o permetro e
a rea, de tal modo que o nmero de rvores localizados no limite da parcela seja o mais

34
reduzido possvel. Esta condio perfeitamente preenchida pela forma circular que, alis,
permite uma delimitao rpida.
A escolha da forma das parcelas depende, muitas vezes, das circunstncias, na medida
em que convm, antes de mais, ter em considerao a facilidade de instalao, o tipo de
povoamento e a dimenso da superfcie a avaliar. De acordo com Grayet (1977) e Kulow
(1966), a forma da parcelas de amostragem no tem qualquer repercusso na grandeza do erro
da amostragem.

5.1.1 Parcelas quadradas e rectangulares
As parcelas quadradas permitem obter estimativas precisas, salvo se os parmetros em
anlise variarem marcadamente segundo uma direco. Nestas circunstncias, prefervel,
por razes de representatividade de amostragem, utilizar parcelas rectangulares e orientar o
seu lado maior de acordo com essa direco.

5.1.2 Faixas de amostragem
A faixa um caso particular de parcela rectangular. Pode-se igualmente conceber
faixas contnuas e faixas descontnuas, como se mostra nas Fig. 3 e 4 respectivamente. Este
tipo de unidade apresenta um bom compromisso entre o tempo dedicado sua delimitao e o
tempo relativo execuo das medies a efectuar. Pode ser vantajoso em florestas tropicais,
onde o acesso e a demarcao das parcelas causam muitas vezes problemas. No entanto, de
um ponto de vista estatstico, a faixa apresenta dois inconvenientes (Loetsch e Haller, 1973):
- para uma mesma intensidade de amostragem, comparativamente ao caso de
parcelas de pequenas dimenses, como a rea da faixa muito maior, o nmero de
unidades a observar ser forosamente reduzido. A diminuio da variabilidade
derivada do aumento da dimenso da faixa no geralmente suficiente para
compensar a reduo do nmero de unidades (ver 5.2 e 5.3 deste Captulo);
- as possibilidades de introduo de esquemas de estratificao so limitadas pelo
facto de que este tipo de unidade de amostragem pode cruzar todos os estratos
susceptveis de identificao, no sendo vivel recorrer a fraces de amostragem
variveis, com uma repartio ptima das unidades, a no ser dividindo a populao
em blocos com a mesma dimenso e seleccionando um nmero pr-definido de
faixas em cada um deles.


35


Fig. 3

Do ponto de vista prtico, as faixas so por vezes difceis de estabelecer devido a uma
maior probabilidade de ocorrncia de erros de alinhamento dos limites das mesmas. Como o
objectivo de reduzir este inconveniente, poder-se- observar na faixa um conjunto de parcelas
rectangulares equidistantes. Nestas condies, falar-se- de faixas descontnuas (Fig. 4).
Cada faixa pode ser constituda por um conjunto de, por exemplo, parcelas de 500 m
2

distribudas de 50 em 50 m, num mesmo eixo. De notar que neste caso a unidade de
amostragem continua a ser a faixa.


Fig. 4


36
5.1.3 Parcelas circulares
As parcelas de forma circular so incontestavelmente as mais interessantes e as mais
utilizadas devido aos seguintes aspectos:
- no privilegiam qualquer direco, o que confere maior objectividade s medies a
efectuar e aos resultados obtidos;
- permitem reduzir de forma considervel o nmero de casos duvidosos quanto
incluso ou no de rvores numa parcela, uma vez que, para a mesma rea, o
permetro de um crculo menor do que o de um quadrado ou de um rectngulo;
- a sua implantao no campo fcil e rpida, desde que no sejam muito extensas.

5.2 NMERO DE PARCELAS DE AMOSTRAGEM A OBSERVAR
O desvio padro uma medida de variao dum qualquer parmetro populacional e,
como tal, constitui uma caracterstica da populao em apreo. medida que uma
amostragem vai sendo efectuada, melhor vamos conhecendo o seu valor, podendo determin-
-lo com todo o rigor se a populao fosse completamente observada. Mas como o factor
"custo" condiciona quase sempre um inventrio florestal, torna-se importante estabelecer um
nmero mnimo de parcelas de amostragem a observar numa populao para que o valor do
desvio padro seja conhecido com uma certa confiana.
Consideremos um estudo efectuado por D. A. Stellingwerf (1979), envolvendo uma
amostragem numa rea povoada com Picea abies na Austria. O Quadro II d conta dos
resultados obtidos.
Neste Quadro apresenta-se os valores de desvios padres, calculados atravs de
amostragens independentes, constitudas de 5 a 55 unidades de amostragem e efectuadas numa
mesma populao. Em todas os casos as parcelas de amostragem tinham uma rea de 500m
2
.
Em cada nvel de intensidade de amostragem (de 5 a 55 parcelas) efectuaram-se 35
repeties, sendo as unidades seleccionadas casualmente em cada repetio.
A partir das 35 repeties para cada grupo pde calcular-se os desvios padres mdios
(representados no Quadro por s) e os desvios padres desses desvios padres mdios por
nvel de intensidade de amostragem (s
s
).
Verifica-se que estes, em valor absoluto ou em percentagem das mdias ( %
s
CV ), so
maiores para intensidade de amostragem menores do que para intensidades de amostragem

37
maiores. Para uma intensidade de amostragem aproximadamente de n = 30, o coeficiente de
variao dos desvios mdios cerca de 14% e para n = 55, (%)
s
CV 11.

Quadro II
Valores de desvios padres para diferentes intensidades de amostragem em 35 repeties

Repeties 5 10 15 20 25 30 35 40 45 50 55
1 5.533 6.460 6.397 5.768 5.668 5.701 6.434 6.055 5.800 5.658 5.720
2 7.861 5.330 5.148 4.960 4.830 5.361 5.050 5.167 5.206 5.371 5.601
3 5.768 5.032 4.211 5.852 7.460 6.387 5.017 5.274 6.334 6.013 5.328
4 3.584 3.913 6.468 6.907 3.981 4.783 60755 5.671 4.803 5.744 6.661
5 5.424 4.856 7.831 4.059 5.736 6.686 3.717 6.015 6.562 7.187 6.504
6 4.966 6.987 4.173 3.824 5.829 6.974 6.962 7.429 6.947 6.064 6.631
7 3.546 7.445 2.734 7.394 7.345 6.065 6.991 5.884 5.686 6.638 5.831
8 4.446 6.924 4.129 6.895 7.246 7.116 6.211 6.089 7.081 5.048 6.857
9 5.464 4.689 8.329 7.154 5.364 6.123 5.875 7.095 4.979 6.929 5.238
10 4.772 3.552 4.425 6.743 6.626 6.593 7.677 5.076 7.185 5.461 6.223
11 8.351 3.186 7.500 5.685 7.206 5.048 5.093 7.042 5.316 6.173 5.927
12 6.382 4.385 7.589 7.170 6.302 6.742 6.390 5.848 5.807 6.200 5.866
13 2.846 7.758 7.482 4.387 4.352 6.714 6.321 5.235 6.722 5.458 4.933
14 9.634 7.691 4.237 7.721 5.958 5.754 5.833 6.381 5.573 5.268 4.875
15 6.228 4.944 6.161 6.776 7.738 5.038 5.270 5.958 5.702 4.644 4.710
16 7.906 6.680 7.875 4.651 5.950 5.637 6.525 6.212 4.882 5.102 6.859
17 5.848 7.406 3.847 5.925 5.830 7.227 6.239 5.435 4.908 6.792 5.523
18 3.822 6.850 6.570 7.474 5.509 5.158 6.084 5.029 5.211 5.662 5.794
19 1.947 8.564 7.444 5.986 4.705 6.403 5.930 4.909 6.322 5.068 5.498
20 1.835 6.272 7.189 6.239 7.398 5.407 4.721 4.705 5.927 6.382 6.508
21 2.524 4.221 5.076 6.320 6.853 5.126 4.780 5.389 5.073 5.145 5.458
22 3.644 6.962 5.770 4.209 5.329 5.117 5.077 6.841 5.290 4.559 6.019
23 5.106 5.977 4.995 5.299 5.691 4.391 4.610 6.273 6.179 5.618 6.417
24 2.941 8.598 8.263 5.030 5.573 5.501 5.731 4.710 4.830 5.345 5.002
25 8.420 4.613 6.647 8.037 5.310 5.310 6.648 6.224 5.566 6.532 6.311
26 6.150 3.823 6.922 6.815 4.948 5.168 5.829 4.802 6.177 5.929 4.927
27 9.378 7.673 4.322 4.422 4.450 6.860 5.521 4.753 5.194 4.475 5.417
28 4.670 8.452 6.662 5.693 4.649 6.224 5.287 5.411 6.431 6.561 6.217
29 3.347 7.818 4.788 6.853 5.853 6.192 6.419 5.270 5.318 5.602 5.844
30 6.045 5.477 5.195 4.770 5.380 4.862 5.480 5.654 4.595 5.867 5.539
31 8.037 5.117 5.532 5.582 4.222 4.730 4.399 6.523 6.327 6.001 5.782
32 5.225 4.768 4.474 4.698 7.813 6.380 4.654 5.919 5.948 5.740 5.610
33 8.536 6.318 7.646 5.047 5.983 5.716 5.900 5.074 4.686 5.695 4.766
34 6.970 5.177 7.858 4.378 5.470 4.417 6.082 5.681 5.887 5.696 5.392
35 4.665 4.761 7.426 4.345 6.396 4.522 5.672 5.759 6.686 5.835 5.558
s 5.576 5.970 6.023 5.942 5.856 5.755 5.738 5.737 5.747 5.733 5.700
( )
s
s

2.016 1.555 1.514 1.508 1.043 0.824 0.924 0.711 0.727 0.662 0.618
(%)
( )
CV
s

36.1% =26.0% =25.1% =25.4% =17.8% =14.3% =16.1% =12.4% =12.6% =11.5% =10.9%


38
Hansen, Hurwitz e Madow (1953) admitem que um coeficiente de variao de 10 a 15%,
de desvios padres em relao ao desvio padro mdio de uma amostragem
(CV =
s
s
s
100) , providencia uma estimativa segura do verdadeiro desvio padro da populao.
Admitindo uma distribuio normal, o quadrado do coeficiente de variao de desvios
padres, para uma amostragem casual simples, dado por:
(CV)
2
=
1
0.0004n

Em que: =
4
4
s

(= Medida de curtosis de Pearson) e


( )
4
4
N
i
x x
n


=
n = nmero de parcelas de amostragem

De: (CV)
2
=
1
0.0004n
tira-se que: n =
1
0.0004(CV)
2

Sendo: = 3 (distribuio normal), para se obter um CV(%) = 10
n =
2
0.0004(10)
2
= 50
Ou, para se obter um CV (%) = 15:
n =
2
0.0004(15)
2
= 23
Para populaes em que >3, a dimenso da amostragem dever naturalmente ser
maior.
Deste modo, verifica-se que o exemplo atrs apresentado se enquadra nestes valores, ou
seja, que para uma avaliao segura do desvio padro, o nmero mnimo de unidades de
amostragem dever andar por volta de 30, admitindo como margem de segurana que a
populao no seja perfeitamente normal.

5.3 INFLUNCIA DA DIMENSO DAS UNIDADES DE AMOSTRAGEM NA AVALIAO DO
COEFICIENTE DE VARIAO
As parcelas de amostragem de menor dimenso conduzem, normalmente, a uma maior
variabilidade relativa (maior coeficiente de variao) do que as parcelas de maior dimenso.

39
Esta diferena pode ser explicada pelo arranjo espacial das rvores no povoamento. As
parcelas de maior dimenso ponderam melhor o efeito produzido pela presena de ncleos
mais densos de rvores e de clareiras, porque oferecem a possibilidade de incluir na rea de
amostragem uma representao mdia das condies do povoamento. Enquanto isto, as
parcelas de menor dimenso podem incluir apenas reas mais densas, reas mais abertas,
reas mdias, o que se traduz pela tal maior variabilidade relativa. Pelas razes apontadas,
evidente que em povoamentos instalados por plantao, a variao da dimenso das parcelas
pouco efeito ter na varincia dos parmetros observados. Em povoamentos obtidos por
regenerao natural ou instalados por sementeira, a relao entre a dimenso das parcelas e a
varincia depende da frequncia e dimenso dos ncleos mais densos e das clareiras e a
dimenso estabelecida para cada parcela de amostragem.
Ainda que a dimenso das parcelas seja frequentemente escolhida com base na experi-
ncia, dever-se- ter como objectivo seleccionar a dimenso mais eficiente, ou seja, a menor
dimenso que simultaneamente permita obter o mais baixo coeficiente de variao possvel.
A adopo dessa dimenso permite, evidentemente, diminuir os custos do inventrio.
Quando, atravs de uma amostragem prvia, se conhece o coeficiente de variao de
uma populao, a partir da recolha de dados em parcelas com uma determinada dimenso,
possvel estimar aproximadamente o valor de coeficientes de variao para outras dimenses,
recorrendo frmula sugerida por Freese (1961):
(CV
2
)
2
= (CV
1
)
2

P
1
P
2

Onde:
CV
2
= coeficiente de variao esperado a partir da observao de parcelas com
uma nova dimenso.
CV
1
= coeficiente de variao conhecido a partir da observao de parcelas com
uma dada dimenso
P
1
= dimenso das parcelas utilizadas.
P
2
= nova dimenso.
Assim, por exemplo, se o coeficiente de variao de um determinado parmetro fsse
30%, utilizando parcelas de 0.02ha, o coeficiente de variao a esperar, recorrendo a parcelas
de 0.01ha, seria:
(CV
2
)
2
= 30
2

0.02
0.01
= 900 (1.414) = 1272.6
CV
2
= 1272.6 = 36%

40
O coeficiente de variao de 36% em parcelas de 0.01ha pode agora, em termos de
eficincia, ser comparado com o coeficiente de variao de 30% em parcelas de 0.02ha, atravs
do nmero de parcelas exigido num e noutro caso para que o erro padro no exceda um
determinado valor.
Considerando, por exemplo, que a estimativa da mdia do parmetro observado nas
parcelas de 0.02ha era igual a 20, o desvio padro correspondente ser igual a 6
[s = (30 x 20)/100]. Se se pretendesse conhecer o nmero de parcelas de 0.02ha a observar para
que o erro padro da mdia no fosse superior a 1, teramos que aplicar a relao apresentada
na sec.3:
s
x
=
s
n
1 =
6
n
n = 36
Entretanto, recorrendo a parcelas de 0.01ha, admitindo uma mdia semelhante, o desvio
padro estimado passaria a ser de 7.2 ((36 x 20)/100) e para mesmo erro padro pretendido (1):
n =
7.2
1
n = 52
A opo entre a realizao da amostragem recorrendo a 36 parcelas de 0.02ha ou a 52
parcelas de 0.01ha dever ser tomada em funo do tempo e custos envolvidos num e noutro
caso. Esta questo ser abordada mais adiante.
Entretanto, de notar que a aplicao da frmula de Freese a situaes de sucessivo
aumento de rea evidenciar o facto de que quanto menor foi a rea de cada parcela de
amostragem (0.01ha) maior ser a expectativa de que o seu aumento favorea a reduo do
valor do coeficiente de variao. Mas, considerando a mesma populao, h uma dimenso a
partir da qual no ser possvel reduzir mais aquele valor, porque a variao determinada
iguala a verdadeira variao da populao. A partir dessa dimenso intil aumentar a rea
das parcelas de amostragem porque o prejuzo em termos de tempo e custos no ser
compensada pela preciso.
Sobre este tema apresenta-se no Quadro III os resultados de um estudo efectuado por
D.A. Stellingwerf (1979) referente determinao do volume de um povoamento Picea abies
na ustria, em que se d conta da evoluo do valor do CV% com o aumento da rea de
amostragem. Neste exemplo foi mantido constante o nmero de parcelas (n = 125) e fez-se
variar a dimenso das parcelas.


41
Quadro III

Nmero de rea Volume mdio Desvio padro CV
Amostras (ha) (m
3
/ha) (m
3
/ha) (%)

125 0.0125 418.063 266.432 64
125 0.0250 455.576 198.650 44
125 0.0375 445.789 174.465 39
125 0.0500 455.441 162.047 36
125 0.0625 450.475 159.919 35.5
Deste Quadro obtm-se o grfico apresentado na Fig. 5. Pode observar-se que uma rea
de 0.05ha aceitvel para a determinao de volumes no povoamento em estudo. Com a sua
diminuio, a perda de preciso gradualmente maior, o que conduz necessidade de
observar um maior nmero de unidades de amostragem, se se pretender manter um erro
baixo. Em contrapartida, o seu aumento em cerca de 25% (0.0625ha) pouco altera o valor do
coeficiente de variao.


Dimenso das amostras (ha)

Fig. 5

42
Por tudo o que ficou exposto, torna-se claro que a seleco da dimenso das parcelas de
amostragem no pode ser encarada independentemente da intensidade de amostragem.
Repare-se que no estabelecimento do nmero mnimo de parcelas a observar, apresentado na
seco 5.2, foi analisado o efeito de diferentes nveis de intensidade de amostragem
recorrendo a parcelas de rea constante (500m
2
). Por sua vez, ao tratarmos da influncia da
rea das parcelas no exemplo agora considerado, manteve-se constante o nmero de
observaes (n=125), para cada dimenso considerada.
De que maneira a variao simultnea destes dois factores influencia o rigor das
estimativas?
Para uma dada intensidade de amostragem (percentagem de rea amostrada numa
populao), o recurso a parcelas de pequena dimenso tende a aumentar a preciso uma vez
que o nmero total de parcelas observado maior. Por outro lado, como se viu, o aumento de
rea das parcelas de amostragem tende a diminuir o valor do coeficiente de variao da
amostra.
evidente que a mesma preciso pode ser atingida a partir da observao de um nmero
mais elevado de parcelas de pequena dimenso, ou de um menor nmero de parcelas de maior
dimenso, como se viu no exemplo a que recorremos para aplicao da frmula de Freese.
A escolha entre uma destas opes tem forosamente que ser tomada em funo de
outros factores condicionantes: tempo e custos envolvidos. No entanto, a ttulo indicativo,
vrios autores referem que a rea das parcelas de amostragem deve ser estabelecida de modo
a observar entre 15 a 20 rvores por parcela.
Para uma dada intensidade de amostragem, quanto maior for a rea de cada parcela,
menor ser o nmero de parcelas a observar e, portanto, menores sero o tempo e o custo
envolvidos em deslocaes e instalao das parcelas de amostragem. Por outro lado, o tempo
despendido nas medies das rvores, em cada parcela maior. Logo, o tipo de floresta em
estudo, a topografia e os meios de acesso devem ser considerados na opo a tomar.
Em povoamentos de densidade no muito elevada, com bastantes acessos e cuja
topografia permita deslocaes rpidas ser prefervel optar pela realizao de um maior
nmero de parcelas de menor dimenso (0.01 a 0.05ha). Quando essas condies no se
apresentem (como no caso das florestas tropicais), ento ser de optar pela observao de um
menor nmero de parcelas de maior dimenso (0.06 a 0.1ha).

43
A escolha da dimenso das parcelas de amostragem deve, assim, ter por base tanto os
custos ou o tempo, como a exactido pretendida e esta, como vimos, baseia-se directamente
no nmero de parcelas observadas.

6. COMPARAO DA EFICINCIA RELATIVA DE PLANOS DE AMOSTRAGEM
A anlise de vrios planos alternativos de amostragem pode ser feita por meio de um
ndice de eficincia relativa, calculado atravs do produto do quadrado do erro padro
percentual pelo tempo (T) ou custo, envolvido em cada um dos planos considerados
((s %)
2
.T).
Observe-se o exemplo apresentado no Quadro IV.
Quadro IV

Plano s % T (s %)
2
.T Eficincia
(h) (ordem)
A 21.6 10 4665.6 3
B 19.3 11 4097.4 2
C 22.4 8 4014.1 1
D 31.7 6 6029.3 5
E 26.8 8 5745.9 4
Neste exemplo, o plano C mostra ser o mais eficiente (1), por apresentar o menor
produto do quadrado do erro padro pelo tempo despendido.
Embora o plano B seja mais preciso, acaba por ficar ordenado em segundo lugar (2),
dado o maior valor do factor tempo.
A determinao do ndice de eficincia parece penalizar mais acentuadamente os planos
que apresentam maior erro padro - uma vez que o valor deste entra no clculo elevado ao
quadrado - mas repare-se que a reduo para metade do valor de um erro padro, no
conseguida pela duplicao do nmero de parcelas de amostragem, mas sim pela sua
quadriplicao.
Por outro lado, o tempo tratado como uma varivel linear, porque ao reduzi-lo para
metade, admite-se uma reduo proporcional dos custos envolvidos.

44

45
CAPTULO V
Amostragem casual simples
1. DELINEAMENTO DA AMOSTRAGEM CASUAL SIMPLES
A maneira mais simples de evitar erros sistemticos na seleco das parcelas de
amostragem proceder de modo a obter a localizao das parcelas absolutamente ao acaso.
Uma amostragem deste tipo s pode ser realizada segundo processos de casualizao
apropriados. O mais prtico de todos consiste em recorrer-se a tabelas de nmeros casuais, de
que exemplo a que se transcreve no Anexo 4.
Para aplicar a tabela, deve-se primeiro esquematizar a diviso da rea a amostrar de
acordo com a distribuio de todas as unidades susceptveis de observao nessa rea (Fig. 6).
evidente que a dimenso de cada unidade condiciona o nmero total de parcelas. Se
cada parcela tiver 0.05 ha, haver menos parcelas do que se elas forem de 0.01 ha. A malha
ser portanto diferente, consoante a dimenso com que se pretenda trabalhar.

Fig. 6
Seguidamente, todas as parcelas devem ser numeradas de 01 a N (Fig. 7). Pode tambm
adoptar-se outro esquema: a rea ser enquadrada num sistema de eixos, e a posio de cada
parcela determinada pelas respectivas coordenadas (Fig. 8):

Fig. 7 Fig. 8

46
Comeando ento em qualquer ponto da tabela, vo-se lendo os nmeros que devero
corresponder s n parcelas a observar na populao.
Usando o sistema das coordenadas, o primeiro nmero lido pode corresponder ao valor
da abcissa e o segundo ao valor da ordenada.
Caso a rea no possua contorno regular (como o que apresentado nas Fig. 6 e 7), a
seleco das parcelas a observar feita de modo idntico, mas os dados, nas parcelas de
bordadura com rea inferior estipulada, sero recolhidos de acordo com o mtodo de
espelho (ver Apontamentos de Dendrometria - Cap. II - Marques et al., 2005)).

2. A INTENSIDADE DA AMOSTRAGEM
A intensidade da amostragem depende da preciso pretendida ou do montante de verbas
disponvel. A preciso pode ser fixada logo na fase da preparao da amostragem. Mas, de
seguida, pe-se a questo de saber quantas parcelas h que observar para obter essa preciso.
Como sab-lo se antes de iniciar o trabalho no se conhece o valor da varincia de
populao? evidente que estamos perante um problema insolvel se no se puder avaliar
prioritariamente a varincia da populao. Como poderemos fazer esta avaliao? A resposta
foi j sugerida em anteriores seces. Ou se opta por uma amostragem expedita (sec.2.3.1 do
Captulo IV), ou h que realizar cerca de 30 parcelas para satisfazer as condies referidas na
sec. 5.2 do mesmo captulo.
S aps essa amostragem prvia ser possvel calcular o nmero de parcelas necessrio
para obter uma preciso desejada.
Ento, poderemos seguir este raciocnio:
J sabemos que: SE = s t
Pelo que: (SE)
2
= s
2
t
2
=
s
2
n
. t
2

Donde: n =
s
2
t
2
(SE)
2
(sem cpf) (1)

47
Se o erro de amostragem pretendido for estipulado em percentagem, a frmula
modificada, empregando-se ento o coeficiente de variao:
CV (%) =
s
x
. 100
E neste caso:
n =
(CV)
2
t
2
(SE%)
2
(sem cpf) (2)
Aplicando o cpf, as mesmas frmulas assumiro:
n =
s
2
t
2
N
N(SE)
2
+ s
2
t
2
(3)
e:
n =
(CV)
2
t
2
N
N(SE%)
2
+ t
2
(CV)
2
(4)
H que especificar o nvel de significncia para o erro de amostragem pretendido. O
valor de t correspondente ao nvel pretendido lido na tabela dos t para (n-1) graus de
liberdade, referindo-se n ao nmero de amostras da amostragem prvia. Na realidade, este
procedimento incorrecto porque n deveria ser o nmero de parcelas a observar, mas uma
vez que esse valor desconhecido, o nmero de parcelas da amostragem prvia tem que ser
usado e, por consequncia, o verdadeiro valor de t para o nmero de parcelas requerido
mudar.
Exemplo de aplicao - Pretende-se efectuar uma amostragem que nos d um erro no
superior a 10%, para o nvel dos 95% de significncia. Sabe-se que numa amostragem
preliminar de 30 parcelas, o coeficiente de variao igual a 100%. Quantas parcelas devem
integrar a amostragem?
Como se viu:
n =
t
2
(CV)
2
(SE%)
2



48
Como na amostragem preliminar n = 30, t = 2.045 para 29 gl, no nvel dos 95%.
Ento:
n =
2.045
2
x 100
2
10
2
= 418.2 419
Se agora considerssemos o valor de t para n = 419 teramos t = 1.960, com 418 gl e para
o mesmo nvel de 0.95.
Seria ento:
n =
1.960
2
x 100
2
10
2
= 384
Haveria, neste caso, uma diferena de 35 parcelas.
Os inventrios florestais tambm procuram obter a informao dos totais populacionais.
Assim, conhecida a rea de um povoamento, a estimativa do respectivo volume total (V
T
)
efectivada multiplicando a mdia apurada (m
3
/ha) e o respectivo erro de amostragem pelo
valor da rea (ha) do povoamento ( A
T
):
3
T T T
V = A x A SE (m )
Ou, se a mdia e o erro de amostragem forem expressos em m
3
/parcela ( x
p
e SE
p
):
V
T
= N . x
p
N. SE
p
(m
3
)

3. ERRO PADRO E ERRO DE AMOSTRAGEM DO VOLUME TOTAL QUANDO A
REA AVALIADA POR AMOSTRAGEM
Por vezes, ao realizar um inventrio florestal, a grandeza da rea em apreo no
previamente conhecida, embora se conhea a sua delimitao. Nestas circunstncias, a
avaliao da rea muitas vezes obtida por utilizao de uma rede de pontos, colocada sobre
fotografia area ou mapa onde aquela se encontra delimitada. natural que um determinado
posicionamento da rede induza uma contagem total de pontos diferente de outra em que a

49
rede no estivesse posicionada de maneira idntica. Por isso, a avaliao da rea nestes
moldes est tambm sujeita a um erro de amostragem. Sendo assim, ser conveniente realizar
mais de uma contagem (duas a quatro), de modo a obter uma estimativa mais precisa da rea.
Num caso destes, em que a determinao do volume total (V
T
) influenciada por duas
avaliaes mutuamente independentes (volume mdio avaliado por amostragem no terreno
( x) e rea por contagem de pontos um mapa de fotografia ( y)), h que combinar os valores
obtidos atravs das duas avaliaes, bem como os respectivos erros.
Assim:
V
T
= x y
e:
s
VT
= x
2
s
y
2
+ y
2
s
x
2

ou:
s
V
T
% = (s
x
%)
2
+ (s
y
%)
2

Nesta situao, as amostras observadas em cada uma das amostragens raramente so em
igual nmero. Para definir o erro de amostragem h ento que calcular um valor de t
correspondente ao peso com que cada intensidade de amostragem contribui para a estimativa
da varincia mdia. O valor de t ponderado estabelecido do seguinte modo:
t =
s
x
2
n
1
t
1
+
s
y
2
n
2
t
2
s
x
2
n
1
+
s
y
2
n
2

Onde t
1
o valor de t tabelado para n
1
- 1 graus de liberdade e t
2
o valor de t tabelado
para n
2
- 1 graus de liberdade, correspondentes a um nvel de confiana pretendido.



50
4. CONDICIONALISMOS DE CUSTO
Quando o montante de verbas a atribuir a um plano de inventrio fixado partida, o
nmero de parcelas a observar tem que ser estabelecido atendendo a essa restrio.
Se o custo total de um plano de inventrio for C, ento:
C = C
0
+ n C
1

Onde:
C
0
= custos relativos a planeamento, organizao, anlise e compilao.
C
1
= custo por unidade de amostragem
n = nmero de unidades de amostragem
O nmero de unidades a observar ser fixado por:
n =
C C
0
C
1

O custo por unidade de amostragem inclui despesas de transporte da equipa tcnica
(quilometragem, combustveis e manuteno de viatura) e pagamento de servios. Este
depende da recolha de observaes (medio de dimetros; medio de dimetros e alturas;
determinao de volumes; avaliao de crescimento por sondagem; abate de rvores para
anlise do tronco, etc...).
Quanto mais morosa for a avaliao pretendida, menos parcelas so diariamente
observadas e maior ser o seu custo. S atravs da experincia possvel prever o nmero de
parcelas a observar por dia e fixar o respectivo custo, face aos objectivos.
Admitindo que a um plano de inventrio tinha sido atribuda uma verba de 10 000 e
que havia sido estimado um custo de planeamento, tratamento e anlise dos resultados e
apresentao do relatrio final da ordem dos 2 500 , teramos:
10 000 = 2 500 + nC
1

n =
7 500
C
1


51
Se as medies a efectuar permitissem observar 6 parcelas de 500m
2
por dia, recorrendo
a uma equipa de 3 tcnicos, teramos que considerar, de seguida, o respectivo salrio e ajudas
de custo, para contabilizar o custo relativo a cada parcela. Admitindo ser o salrio de cada
tcnico de 600 mensais, o respectivo salrio dirio ser de 20, ou, no conjunto, 60 dirios.
Acrescentando 40 dirios de ajudas de custo individuais, passa o montante global dirio para
180.
Admitindo que percorrem, por dia, 50 km e que o custo por km de 0.30, teremos mais
15 dirios.
Ento o custo de cada parcela ser:
C
1
=
195
6
= 32.50
Portanto:
n =
7500
32.50
= 231
Reportando-nos aos valores apresentados no exemplo da sec.2 deste captulo, em que
atravs de uma estimativa prvia se havia determinado um coeficiente de variao de 100%, o
erro de amostragem a esperar, observando nesse povoamento 231 parcelas, seria igual a:
(SE%)
2
=
2 2 2 2
1.960 100
231
CV ( ) x t
n
= = 166.3
SE% = 166.3 = 12.9
Em concluso, a fixao prvia das verbas restringia a amostragem observao de 231
parcelas, o que implicava um erro de amostragem de 12.9%. Por turno, a fixao prvia da
preciso (erro de amostragem de 10%) implicava a observao de, pelo menos, 384 parcelas.

52

53
CAPTULO VI
Amostragem estratificada
1. DELINEAMENTO DA AMOSTRAGEM
A amostragem estratificada resulta de uma restrio introduzida no processo de seleco
das parcelas, atravs do qual possvel diminuir o erro de amostragem, embora mantendo
casual a localizao das mesmas.
Concretamente, a populao dividida em classes ou estratos, to homogneos quanto
possvel, de modo a que a variao dentro de cada estrato seja inferior da populao total.
Assim, a varincia total pode ser interpretada como resultante de duas fontes de variao
distintas: variao entre os estratos e variao dentro dos estratos, de acordo com o seguinte
esquema de anlise de varincia:

Fonte de variao Soma de quadrados gl Varincia
Entre estratos
m
n
j
(y
j
- y)
2
m-1 s
2
b =
s
2
w
+

n
j
s
2


Dentro dos estratos
j
n
m
(y
ij
- y
j
)
2
m(n
j
-1) s
2
w


Total
m
(y
ij
- y)
2
mn
j
-1 s
2

Sendo:
m - nmero de estratos observados
n
j
- nmero de unidades de amostragem observadas no estrato j
n - nmero de unidades de amostragem observadas na populao
s
2
w
- varincia das unidades de amostragem dentro dos estratos:
s
2
w
=

n
j
(y
ij
y
j
)
2
m(n
j
1)
=
2
2
1 ( )
j
j
ij
ij
j
j
n
n
m
y
m
y
n
m n
(

(


(1)
s
2
b
- varincia entre estratos, incluindo o efeito da variao das unidades de
amostragem dentro dos estratos:
s
b
2
= s
w
2
+ n
j
s

2
=

m
n
j
(y
j
y )
2
m1
=
2
2
1
j
j
ij
ij
j j
n
n
m
m
y
y
n mn
m
(
(
(

(
(

(2)


54
s
2

- varincia estritamente entre os estratos:
s

2
=
s
b
2
- s
w
2
n
j
=
s
w
2
+ n
j
s

2
- s
w
2
n
j
(3)
Ento, a varincia da amostragem ser dada por:
s
2
= s

2
+ s
w
2
(4)
Consideremos, por exemplo, a populao apresentada na Fig.9 (Loetsch e Haller, 1973).
A populao encontra-se dividida em 16 estratos, sendo todos observados (m = M = 16), cada
um com 25 unidades de amostragem, sendo tambm todas observadas (nj = N
j
= 25). No
Quadro V so apresentados os valores que nos permitem avaliar a varincia populacional
dentro dos estratos (s
2
w
), entre os estratos (s
2
b
) e total (s
2
).

I II III IV
1 130 153 153 112 200 106 100 147 118 165 - - 12 - 35 - 18 - - 24
2 124 106 136 130 165 141 194 212 136 88 100 - 12 65 88 - 100 30 12 47
3 177 165 136 124 171 106 82 177 147 165 118 82 47 6 88 12 30 - - 24
4 165 112 124 118 153 118 224 136 118 159 141 65 35 24 - 30 30 53 53 30
5 100 82 118 153 147 130 130 112 88 118 147 153 88 53 71 - - 94 47 30


A
6 224 247 217 230 130 259 277 100 147 171 200 171 118 141 82 59 71 6 - -
7 253 200 135 271 277 271 230 206 242 177 141 200 135 153 106 153 124 71 30 6
8 212 277 265 212 206 171 289 259 183 247 194 277 183 165 88 106 118 136 53 71
9 224 283 247 300 100 318 277 306 177 200 177 271 141 71 124 71 188 171 159 94
10 100 141 265 277 306 165 253 265 271 159 236 188 300 165 147 241 118 159 82 124


B
11 277 130 253 218 177 353 330 253 171 194 241 177 177 118 88 106 118 188 77 165
12 224 212 159 224 141 183 282 188 147 183 206 183 130 88 59 130 141 112 106 94
13 271 318 200 271 218 253 260 200 147 259 253 77 165 242 153 194 106 224 59 141
14 277 277 206 236 230 230 294 165 294 212 259 159 94 124 212 100 159 124 218 200
15 130 218 65 171 165 194 171 206 312 94 153 118 171 71 136 147 88 100 153 124


C
16 218 130 118 130 82 171 147 124 177 183 159 94 124 212 100 159 124 100 82 71
17 106 147 153 118 159 153 153 130 112 177 88 12 41 18 24 88 53 41 - 18
18 130 200 194 100 141 165 153 147 177 194 106 35 - 18 - - 35 30 41 35
19 77 165 159 159 183 118 124 124 94 159 71 - 100 18 6 6 - - - 30
20 188 183 177 130 94 153 47 188 112 118 18 18 - - - 12 - 30 59 12


D
a b c d e f g h i j k l m n o p q r s t

Fig. 9

55
Quadro V

Estrato (M) N
j

N
j
ij
y
2
N
j
ij
y
j


1 25 3454 495306 138.16
2 25 3417 500631 136.68
3 25 1430 140638 57.20
4 25 664 36036 26.56
5 25 5599 1341501 223.96
6 25 5620 1340670 224.80
7 25 4174 780286 166.96
8 25 2411 327955 96.44
9 25 5468 1284084 218.72
10 25 5576 1342148 223.04
11 25 3854 677222 154.16
12 25 3374 501784 134.96
13 25 3641 564951 145.64
14 25 3600 546066 144.00
15 25 1262 143740 50.48
16 25 1026 85616 41.04
400 54570 10108634 2182.8

2
365360.6272
M
j
y =
2
2283500392
N
M j
i j
y
| |
=
|
|
\

Com estes valores podemos determinar:
a) A varincia dentro dos estratos, de acordo com (1) ser:
s
2
w
=
10108634
228350392
25
16 (25)
= 2434.55
Note-se que neste caso, como a populao toda observada no h perda de graus de
liberdade.
b) A varincia entre blocos determinada de acordo com (2), mas considerando que
a populao toda observada no h perda de graus de liberdade:
s
2
b
=
228350392
25

54570
2
400
16
= 105582.4644

56
c) A varincia s
2

, de acordo com (3) ser:


s
2

=
105581.46 2434.55
25
= 4125.88
d) A varincia total , pois:
s
2
= s
2

+ s
2
w

s
2
= 4125.88 + 2434.55 = 6560.43
Estas relaes mostram claramente que a anlise de varincia separa as componentes de
s
2
em s
2
w
e s
2

. Neste caso, a varincia entre estratos (s


2

) responsvel por cerca de 63% da


variao total ( (4125.88x100) / 6560.43 = 63%).
Passando da verificao exaustiva da populao ao caso de amostragem, temos que a
varincia da mdia ser dada por:
s
y
2

=
s
2

m
+
s
2
w
mn
j
(5)
Na situao de populaes finitas teremos:
s
y
2

=(1
m
M
)
s
2

m
+ (1
mn
j
MN
j
)
s
2
w
mn
j
(6)
Onde:
M - nmero de estratos na populao
Nj - nmero de unidades de amostragem no estrato j
Na amostragem estratificada as unidades de amostragem so seleccionadas em todos os
estratos. Portanto m = M, e consequentemente (1 -
m
M
) = 0. Deste modo, na amostragem
estratificada, a varincia da mdia apenas depende da varincia dentro dos estratos:
s
y
2
=(1
n
N
)
s
2
w
n
(7)

57
Todas estas dedues se aplicam, em parte, ao esquema da subamostragem que tambm
ser estudada neste curso (Captulo XIII). No entanto, na subamostragem h que considerar a
componente s
2

, porque como veremos, nesse caso, nem todos os "estratos" so observados.


A amostragem estratificada deve ser aplicada preferencialmente em reas de dimenso
mdia, onde os estratos possam ser identificados antes de se proceder seleco das parcelas.
A estratificao deve ser efectuada, obviamente, de acordo com os objectivos do inventrio.
necessrio possuir mapas ou fotografias areas para reconhecimento dos limites do
povoamento e dos estratos, a fim de se estabelecer o sistema de coordenadas para seleco
das unidades de amostragem. Estas so ento distribudas casualmente dentro de cada estrato,
como se cada um deles constitusse uma populao independente.
A distribuio das parcelas nos diferentes estratos pode ser feita de trs maneiras:
1 Casual Amostragem estratificada casual
2 Proporcional dimenso dos estratos Amostragem estratificada proporcional
3 Proporcional dimenso e ao desvio padro dos estratos Amostragem estrati-
ficada ptima
Na amostragem estratificada casual, as parcelas so distribudas casualmente por toda a
populao, embora esta se apresente estratificada. H contudo, que considerar a restrio,
alis comum aos outros mtodos de distribuio de parcelas, que implica a observao de
pelo menos duas unidades de amostragem em cada estrato, de modo a poder-se calcular a
respectiva varincia.
Na amostragem proporcional, o nmero de parcelas a observar em cada estrato
proporcional dimenso deste. Assim, as diferenas entre os estratos so ponderadas no erro
de amostragem total, uma vez que cada estrato est representado proporcionalmente na
populao total.
Este tipo de estratificao s deve ser feito quando a variao entre os estratos no
muito grande, porque caso contrrio, deve preferir-se a amostragem ptima, em que os
estratos com maior variao so amostrados mais intensamente que os outros.
Em qualquer destas situaes, a varincia deve ser ponderada de acordo com a
dimenso dos estratos.


58
Sendo:
M - nmero de estratos na populao
N - nmero de unidades de amostragem em que a populao est dividida
Nj - nmero de unidades de amostragem no estrato j
n - nmero de unidade de amostragem observadas na populao
nj - nmero de unidades de amostragem observadas no estrato j
xij - grandeza x (volume, etc...) determinada na parcela i do estrato j
x
j - mdia de x no estrato j
x

- mdia de x na populao
X - valor total de x na populao
Pj - proporo do estrato j em relao rea total P
j
=
N
j
N

s
j
2
- varincia de x no estrato j
s
x
2
- varincia da mdia populacional
s
X
2
- varincia total de x
SE - erro de amostragem
Apresenta-se de seguida o formulrio comum amostragem estratificada casual,
amostragem estratificada proporcional e amostragem ptima para avaliao de mdias,
totais e varincia ao nvel dos estratos:
1 - Clculo da mdia nos estratos:
j
j
n
ij
j
x
x
n

=
2 - Mdia populacional:
M
M
j j
j j
P
N x
x x
N

= =
3 - Total na populao
j j
M
x N x N x = =

59
4 - Varincia por estrato:
( )
2
2
2
1
j
j
j
n
n
ij
ij
j
j
x
x
n
s
n
| |
|
|
\

=



2. CLCULOS ESPECFICOS PARA A AMOSTRAGEM ESTRATIFICADA
CASUAL
Neste caso, a varincia da mdia determinada a partir de:
2 2
2
( )
M
j j
x
j
P s
s
n
=
No caso de populaes finitas:
s
x
2
=
M
(
1
n
j

1
N
j
)
) P
j
2
s
j
2

De notar que recorrendo a este esquema de amostragem no possvel estimar o
nmero de parcelas a observar aps a amostragem prvia, porque o erro padro calculado
em funo do nmero de parcelas distribudas aleatoriamente pelos estratos. Como estes no
so forosamente observados de acordo com a sua dimenso, no pode ser definida
previamente uma relao entre n
j
e n. Esta relao fica definida, no caso das distribuies
proporcional e ptima.
Outro aspecto a reter, relativamente a este esquema de distribuio de parcelas, tem a
ver com a definio do nmero de graus de liberdade para obter o valor de t a utilizar no
estabelecimento do erro de amostragem.
Como se referiu na sec.1. do Captulo IV, a amostragem de acordo com as leis da
probabilidade implica que todas as unidades de amostragem tenham iguais possibilidades de
ser seleccionadas ou possibilidades proporcionais de seleco relativamente dimenso da
populao, segundo o mtodo de amostragem utilizado.

60
Na amostragem estratificada casual, embora a distribuio das parcelas seja aleatria,
pode no respeitar o requisito de proporcionalidade de representatividade dos estratos,
conforme estabelecem as leis da probabilidade.
Nesta situao, problemtica a definio de nmero de graus de liberdade disponveis
para obter o valor tabelado de t . Satterthwaite (1946) deduziu a seguinte frmula para determi-
nao do nmero de graus de liberdade (gl) em situaes deste tipo:
( )
( )
2
M
2 j j j
j
j
2
4 j j j
j
M
j
j
1
N N n
n
gl
N N n
n
n
s
s
| |

|
|
\
=

(


(

(


`


O valor de gl situa-se sempre entre o valor mais baixo de n
j
-1 e a soma de todos os n
j
-1.
Esta determinao leva em conta a possibilidade dos valores de s
j
2
poderem variar de estrato
para estrato. No entanto, foi estabelecida pressupondo uma distribuio normal dos valore x
ij

em cada estrato. Se tal no suceder, a frmula conduz a uma sobrestima do nmero de graus
de liberdade adequado.
Esta restrio levou a que outros autores, como Loetsch e Haller (1973) tenham
proposto, empiricamente, a adopo de um valor de t igual a 2.1, para o nvel de propabilidade
de 95%, quando sejam observadas mais de 30 parcelas de amostragem.
Como comentrio, h a referir que, sendo muito mais prtica a adopo deste valor
prefixado de t = 2.1, no caso de haver lugar observao de um elevado nmero de parcelas e
a distribuio dos valores de x
ij
tenderem para a normalidade, o clculo do erro de
amostragem ser sobrestimado.
Em concluso, a frmula de Satterthwaite, quando no aplicada a distribuies
normais, tender a subestimar o valor de t, enquanto a utilizao do valor fixo de t =2.1 ser
excessivo no caso de distribuies tendencialmente normais.

61
Para finalizar a abordagem ao esquema de distribuio de parcelas na amostragem
estratificada casual, no podemos deixar de fazer a seguinte observao: uma vez que a
distribuio proporcional de parcelas pelos estratos no implica um trabalho de maior em
relao distribuio casual e, alm disso, no s permite calcular um nmero suplementar
de parcelas para atingir um erro de amostragem desejado, como no acarreta qualquer
dificuldade na definio dos graus de liberdade, porque razo, logo partida, no se pe de
parte a distribuio casual e se adopta a distribuio proporcional?
Na realidade, quem quer que planeie a realizao de uma amostragem estratificada,
logicamente, face a tudo que anteriormente foi exposto, dever recorrer ao esquema de
distribuio proporcional. No entanto, existe pelo menos uma situao em que a aplicao da
distribuio casual revela um grande interesse prtico. Admitamos que o responsvel por um
determinado inventrio optou pela realizao de uma amostragem casual simples. Aps a
colheita dos dados, face aos valores apurados, verifica que existem variaes acentuadas na
populao. O instrumento de que dispe, neste caso, para fazer diminuir a estimativa do erro
de amostragem , a posteriori, estabelecer uma estratificao sobre a rea j observada.
Ento, ser-lhe- possvel converter um esquema de amostragem casual simples num esquema
de amostragem estratificada casual, com todas as vantagens que da advm: 1) Desde logo,
induz a diminuio do erro de amostragem. 2) Com base nos valores calculados para cada
estrato, a partir da amostragem prvia, poder prosseguir o levantamento, de acordo com os
esquemas de distribuio proporcional ou distribuio ptima das novas parcelas a observar.
Em resumo, o recurso amostragem estratificada casual pode servir de ponte entre a
amostragem casual simples e a amostragem ptima, a partir de dados colhidos no decurso da
realizao da primeira destas amostragens.
A maior dificuldade resultante da aplicao desta tcnica reside no delineamento dos
estratos a partir dos valores colhidos aquando do primeiro levantamento. Se, para a realizao
deste, foram utilizados fotografias areas recentes, ser conveniente reobserv-las, analisando
as mesmas reas, mas tendo presente os valores obtidos no campo. Possivelmente, sero
detectados aspectos (alturas das rvores, densidade, dimenso de copas) que no haviam sido
considerados relevantes inicialmente. Esses aspectos podero agora servir para o
redelineamento de estratos.


62
3. CLCULOS ESPECFICOS PARA A AMOSTRAGEM PROPORCIONAL
DIMENSO DOS ESTRATOS
Primeiro h que calcular a percentagem de ocupao de cada estrato:
1) P
j
=
Nj
N
=
nj
n

Conhecidas as mdias e as varincias dos estratos atravs das frmulas indicadas na
sec. 2.1 e 2.2 do Captulo IV, a varincia da mdia populacional estimada por:
2)
2
2
M
j j
s
x
P s
n

=

Ou para populaes finitas:
3)

2
2
M
j j
x
P s
N n
s
N n

| |
=
|
\

Como para cada estrato se faz uma avaliao independente da varincia, baseada numa
amostragem proporcional de parcelas em relao dimenso de cada estrato, o valor de t a
multiplicar pelo erro padro, para se conhecer o erro de amostragem, visto na tabela para
n - M graus de liberdade.
O nmero total de parcelas a estabelecer na populao, para um erro de amostragem
desejado ser:
4)

( )
2
2
2
j j
M
t P s
n
SE

=
Ou para populaes finitas
5)

2
2
2
2
2
j j
j j
M
t P s
n
M
t
SE P s
N

=
+

A distribuio das n parcelas pelos j estratos feita proporcionalmente, de acordo com:
n
j
= n P
j





63
4. CLCULOS ESPECFICOS PARA A AMOSTRAGEM ESTRATIFICADA
PTIMA
Neste tipo de amostragem, a distribuio das parcelas pelos estratos privilegia os
estratos em que, atravs duma amostragem prvia, se verificou haver maiores varincias.
Assim, reduz-se o nmero total de parcelas a observar, uma vez que se procedeu de modo a
minimizar a varincia mdia populacional.
Neyman (1934) estabeleceu que a varincia mdia ser mnima, para uma amostragem de
grandeza n, se as parcelas forem distribudas pelos estratos de acordo com a relao:
1)

j j
j M
j j
P s
n n
P s
=


Teremos neste tipo de amostragem que a varincia da mdia populacional se calcula
por:
2)

2
2
M
j j
x
P s
s
n
| |

|
\
=

E em populaes finitas:
3)

2
2
2
M M
j j j j
x
P s P s
s
n N
| | | |

| |
\ \
=

Na amostragem ptima, tal como na amostragem estratificada casual, as unidades de amos-
tragem no so seleccionadas proporcionalmente dimenso de cada estrato pelo que, tambm
neste caso, adoptado o procedimento referido quando se tratou da amostragem estratificada
casual, na definio do nmero de graus de liberdade, para obteno do valor de t.
A determinao do nmero total de parcelas dada por:
4)

2
2
2
M
j j
t P s
n
SE
| |

|
\
=

Ou, em populaes finitas:
5)

2
2
2
2 2
M
M
j j
j j
t P s
n
t
SE P s
N
| |

|
\
=
+


64

5. COMPARAO ENTRE AMOSTRAGEM CASUAL SIMPLES, AMOSTRAGEM
ESTRATIFICADA PROPORCIONAL E ESTRATIFICADA PTIMA
Em 1990, foi feito um censo nos EUA, tendo em vista conhecer a produo de madeira
trabalhada nas serraes do pas.
Em 1991, o censo foi repetido seguindo-se o esquema anterior. Para isso, as serraes
foram agrupadas em estratos, tendo por base a sua produo em 1990.
Os dados da produo referentes a 1990 foram tambm utilizados para se estimar os
desvios padres por estrato.
Apresenta-se no Quadro VI uma anlise desses dados.
Quadro VI
Produo expressa em milhares de m
3


Estratos Produo anual Nmero de Produo mdia Desvio padro estimado
(1 000 m
3
) serraes por estrato partir dos dados de 1990
(1990) (N
j
) (1 000 m
3
) (s
j
)
1 12 ou mais 538 26.7 21.2
2 De 3 a 12 4 756 4.2 2.8
3 Menos de 3 30 964 0.5 0.7
TOTAL Sem estratificao 36 258 1.4 4.0
Para o censo de 1991 foram seleccionadas 1 000 serraes:
i) Se optasse por uma amostragem proporcional, o nmero de amostras por estrato
seria:
n
j
= n P
j

Ou seja :
n
1
= 1000 .
538
36258
= 15
n
2
= 1000 .
4756
36258
= 131
n
3
= 1000 .
30964
36258
= 854
ii) O nmero de amostras por estrato, no caso de pretender uma amostragem ptima foi
calculado pela enumerao Neyman, de que se d conta no Quadro VII.


65
Quadro VII

Estratos Nmero de P
j
s
j
P
j
s
j
N de amostras a obs.
serraes(Nj)
3
j j
j j
P s
P s
por estrato ( nj)
1 538 0,0148 21,2 0,314 0,245 245
2 4756 0,1312 2,8 0,367 0,287 287
3 30964 0,8540 0,7 0,598 0,468 468
TOTAL 36258 1,0000 1,279 1,000 1000

Erros padres:
A) Amostragem casual simples:
s
x
=
s
n
=
4
1000
= 0.13 M m
3

B) Amostragem proporcional:
s
x
=

M
P
j
s
j
2
n
=
8.099
1000
= 0.09 M m
3

C) Amostragem ptima:
s
x
=
(
M
P
j
s
j
)
2
n
=
1.64
1000
= 0.04 M m
3

Observando os valores dos erros padres verifica-se que, no caso da amostragem
proporcional era necessrio fazer uma amostragem 5.1 vezes maior que a feita para a
amostragem ptima, a fim se se obter a mesma preciso (E =
s
x
2
prop
s
x
2
opt
=
0.09
2
0.04
2
= 5.1).
A amostragem casual exigiria um nmero de parcelas 10.6 vezes maior do que aquele
que seria necessrio para amostragem ptima, a fim de se obter o mesmo erro.
Assim, ao empregar a amostragem ptima obteve-se um erro de 0.04 m
3
, amostrando
apenas 2.8% da populao. Para o mesmo erro seria necessrio, no caso da amostragem
proporcional, amostrar 14.3% da populao e no caso da amostragem simples, 29.7%.

66
Comparando a amostragem estratificada com a casual simples, verifica-se que o ganho
em preciso depende da quantidade de variao explicada pela criao dos estratos.
Se as diferenas entre as mdias e os desvios padres dos estratos no for significativa,
no vantajoso estratificar a populao.
No caso da amostragem ptima, o ganho em preciso depende da variao dentro dos
diferentes estratos. Quanto maiores forem as diferenas entre os desvios padres nos diversos
estratos maior ser a reduo do erro padro utilizando este tipo de amostragem.
Na prtica, a amostragem proporcional pode ser levada a efeito com um pouco mais de
trabalho do que a amostragem simples. A amostragem ptima deve ser feita quando de
esperar um ganho substancial em preciso. A menos que a razo entre os desvios padres dos
estratos com maior e menor variao seja superior a 2 para 1, a amostragem ptima no
oferece maior preciso do que a amostragem proporcional. No exemplo apresentado, o desvio
padro do estrato 1 cerca de 30 vezes maior que o do estrato 3.

6. OS CUSTOS NA AMOSTRAGEM ESTRATIFICADA
No caso da amostragem casual simples, o custo inerente observao das parcelas
fixado atravs de um valor mdio (sec. 4. do Captulo V), o que se justifica por aquele tipo de
amostragem ser o mais adequado a reas homogneas, onde o tempo despendido na recolha
de observaes no substancialmente diferente de parcela para parcela.
Esta situao pode no se dar no caso da amostragem estratificada, principalmente se o
critrio de estratificao assentar em diferenas de densidade dos povoamentos ou em
factores topogrficos. Assim o custo da amostragem ser:
C =
M
n
j
C
j
= n
1
C
1
+ n
2
C
2
+ ...+n
j
C
j
... + n
M
C
M

Onde:
C
j
= custo mdio por unidade de amostragem no estrato j
n
j
= nmero de parcelas a observar no estrato j

67
O clculo do nmero ptimo de parcelas a observar no caso da amostragem
estratificada, quando o custo fixado partida, ser obtido por:
n =
C
M
(N
j
s
j
/ C
j
)

M
(N
j
s
j
C
j
)

E a distribuio das parcelas pelos diversos estratos passa a ser:
n
j
= n
N
j
s
j
/ C
j
(N
j
s
j
/ C
j
)
M


A ponderao do factor custo atravs de uma radiciao tende a reduzir o efeito de
diferenas das unidades de custo. Assim, a menos que haja diferenas entre unidades de custo
da ordem de 2 para 1 (ou mais), a distribuio das parcelas de acordo com este esquema no
significativamente diferente da distribuio baseada em caractersticas dos estratos.

68

69
CAPTULO VII
Amostragem sistemtica
1. DELINEAMENTO DA AMOSTRAGEM SISTEMTICA
J se mencionou que as unidades de amostragem devem ser seleccionadas casualmente
porque esta a nica forma de todos os indivduos da populao terem as mesmas hipteses
de ser includos na amostragem. Este no o caso da amostragem sistemtica. Aqui, a
seleco da primeira unidade de amostragem determina automaticamente a posio de todas
as outras. A casualizao s introduzida na seleco do ponto de partida do esquema, ou
seja, na localizao da primeira parcela.
Esta situao levanta a questo de se saber se tal procedimento afecta ou no a
avaliao estatstica dos parmetros populacionais.
Por um lado, a experincia tem demonstrado que na maior parte das vezes a
amostragem sistemtica conduz a estimativas teis, atravs dum processo eficiente e pouco
dispendioso. Todavia, apenas as tcnicas de seleco casual garantem estimativas no
tendenciosas dos parmetros populacionais.
O primeiro aspecto a investigar : "Em que circunstncias se pode esperar que a
amostragem sistemtica oferea estimativas correctas da mdia e do erro padro duma
populao?".
Como exemplo, admita-se a seleco de um nmero de dez em dez, numa tabela de
nmeros casuais. A seleco sistemtica, mas os indivduos dessa populao so absolu-
tamente casualizados e consequentemente os nmeros seleccionados tendem a constituir uma
amostragem casual.
Genericamente, poder-se- portanto aplicar qualquer tipo de seleco sistemtica a uma
populao constituda por indivduos casualmente distribudos, sem correr o risco de vir a
obter estimativas tendenciosas.
Em sentido restrito, no entanto, essa distribuio casualizada de indivduos nunca se
encontra numa populao florestal.
Mesmo em povoamentos puros notam-se diferenas de densidade entre zonas da rea
arborizada, que podem ser atribudas ao regime de desbastes, qualidades da estao ou aces
de outros agentes (vento, insectos, etc...). Quanto menores forem essas diferenas, menor ser

70
o perigo de introduzir observaes tendenciosas nas estimativas ao aplicar a amostragem
sistemtica. Assim, o problema da seleco sistemtica menos importante em reas
homogneas do que em reas heterogneas.
Um outro aspecto da amostragem sistemtica o da possibilidade de coincidncia do
intervalo de amostragem com uma periodicidade no detectada na populao. Esta
periodicidade pode ser causada por situaes topogrficas e geolgicas ou por actividades
humanas. Se o intervalo entre as amostras coincidir, por exemplo, alternadamente com linhas
de cumeadas e vales, pode acontecer que as diferentes situaes no sejam avaliados
proporcionalmente sua representatividade e, como resultado, a mdia e o erro padro sero
sobre ou subestimados.
A Fig. 10 ilustra um caso destes, em que a periodicidade da populao afecta o
resultado. O grfico mostra o volume, em m
3
/ha, em 22 faixas contguas. Estes resultados
provm duma avaliao completa da populao. Se, por meio duma amostragem sistemtica,
se seleccionassem cinco faixas, por exemplo as faixas 2, 7, 12, 17 e 22 (representadas no
grfico por crculos), evidente que o resultado daria uma subestima tanto da mdia como do
erro padro da populao. Repare-se ainda, que obter-se-ia sempre uma avaliao enviesada
desta populao, para o intervalo de cinco em cinco faixas, fosse qual fosse a posio da faixa
seleccionada em primeiro lugar.
Como se referiu, quanto mais homognea for a populao menor o risco de erro.
Ento, se a amostragem sistemtica puder ser efectuada aps uma estratificao do
povoamento, as estimativas passam a ser mais precisas.



Fig. 10

71
Convm ainda referir que a aplicao da amostragem sistemtica apresenta outra
vantagem. No h necessidade dum conhecimento rigoroso da rea a inventariar, porque uma
vez fixada a distncia entre as parcelas, a amostragem terminar quando se atingirem os
limites dessa rea e, caso se pretenda, medida que a amostragem vai decorrendo poder-se-
elaborar um mapa, ainda que no rigoroso, da rea em estudo.
Existem trs processos para aplicao da amostragem sistemtica:
1 - Por faixas contnuas, com largura fixa (normalmente 10 a 20m), distribudas
paralelamente com um intervalo estabelecido priori. A rea includa em cada faixa
observada integralmente (Fig.3, do Cap.IV, sec. 5.1.2). Se as faixas tiverem
comprimentos diferentes, os clculos da mdia populacional e do respectivo erro
padro so efectuados de acordo com o procedimento indicado na sec.2 do Cap.VIII).
2 - Por faixas descontnuas (Fig. 4, do Cap.IV, sec. 5.1.2). Este processo parte de um
esquema idntico ao da amostragem por faixas contnuas, mas aqui so observadas
parcelas de amostragem dispostas a intervalos regulares dentro de cada faixa,
visando uma reduo dos custos. No entanto, a unidade de amostragem a faixa.
Um procedimento comparvel a este utilizado na subamostragem (Cap.XIII).
3 - Por unidades de amostragem dispostas a distncias regulares, normalmente em
quadrcula (Fig. 11), contribuindo cada uma delas para a avaliao da varincia.


Fig. 11

72
Os dois processos indicados em primeiro lugar aplicam-se a reas extensas e
heterogneas. O terceiro aplica-se a reas mais pequenas, onde se pretenda realizar um
inventrio intensivo.

2. ESTIMATIVA DOS PARMETROS PELA AMOSTRAGEM SISTEMTICA
Como se mencionou repetidamente na seco anterior no possvel verificar, a partir
dos dados recolhidos por meio duma seleco sistemtica, se as estimativas da mdia e do
erro padro so tendenciosas, devido coincidncia do intervalo entre as amostras com
qualquer tipo de periodicidade da populao.
Pode-se, quando muito, tentar minorar esta possibilidade por observao prvia da rea,
anlise da localizao das parcelas por meio de mapas ou por estratificao, mas mesmo
assim dever-se- assinalar a determinao do erro padro por um sinal () que permita
referenciar imediatamente ter sido a amostragem conduzida por processo sistemtico.

3. AMOSTRAGEM SISTEMTICA SEM ESTRATIFICAO
1) Estimativa da mdia populacional

n
i
x
x
n

=
Em que: x
i
- Volume por unidade de amostragem
n - Nmero de unidade de amostragem

2) Estimativa da varincia da mdia

( )
2
2
1 ( ) x
n
i
x x
s
n n



73
O erro de amostragem calculado, como na amostragem casual simples, multiplicando
o erro padro por t, para n - 1 graus de liberdade e para o nvel de probabilidade escolhido.

4. AMOSTRAGEM SISTEMTICA COM ESTRATIFICAO
Neste caso, a distribuio das parcelas feita exactamente como na situao anterior,
mas a populao estratificada previamente, ou aps o trabalho de campo, e as avaliaes so
feitas por estrato.
1) Clculo da mdia populacional

M
j j
x P x =
2) Varincia da mdia por estrato

( )
( )
2
2
2
1 1
1
j
n
ij j j j j
j j j j j
x
j
x x
n n s
s
N n n n
N
| | | |
| = |
| |

\ \

3) Varincia da mdia populacional

2 2 2
M
j
j
x
x s s P

Tal como nas amostragens estratificada casual e ptima, para a determinao do erro de
amostragem, como as unidade de amostragem no so seleccionadas de acordo com a
proporo de cada estrato, o valor de t baseia-se no nmero de graus de liberdade calculados
pela frmula de Satterthwaite, ou, para mais de 30 parcelas de amostragem, estipula-se um
valor de t = 2.1, para o nvel de confiana de 95%.

74




75
CAPTULO VIII
Amostragem por meio de razes
Os delineamentos de amostragem abordados at aqui distinguem-se essencialmente pelo
modo como as parcelas de amostragem podem ser distribudas numa populao: casualmente
sem restries, casualmente por estratos, ou sistematicamente. Neste captulo apresentada
uma nova tcnica de amostragem, a amostragem com recurso a razes, que pode ser
implementada em conjugao com qualquer dos mtodos de amostragem consideradas
anteriormente.

1. VARIVEIS AUXILIARES
Ao recorrer amostragem casual simples, amostragem estratificada ou amostragem
sistemtica, assumiu-se que a varivel cujo valor se pretende conhecer observada em cada
uma das parcelas de amostragem. Por exemplo, para apurar, num povoamento, o volume das
rvores com d superior a 30cm, todas as rvores encontradas com essa caracterstica, em todas
as parcelas consideradas, so medidas. As estimativas por meio de razes requerem a
avaliao de uma varivel auxiliar, a qual observada em cada parcela, conjuntamente com a
varivel cujo valor interessa apurar. Assim, para alm de se determinar o volume das rvores
com d superior a 30cm, tambm se determina a rea basal de todas as rvores na parcela,
estabelecendo-se de seguida a razo entre o volume das rvores com d>30cm e a rea basal de
todas as rvores da parcela. Se as duas variveis estiverem bem correlacionadas, poder-se-
estimar, para qualquer nova situao, o volume das rvores com d superior a 30cm apenas
com a informao da rea basal da parcela.
A utilidade deste procedimento pode parecer questionvel porque, muitas vezes, o
recurso a variveis auxiliares requer avaliaes suplementares, a que correspondem mais
custos. Contudo, se a varivel auxiliar estiver altamente correlacionada com a varivel em
apreo, o trabalho extra compensado por uma maior preciso na avaliao do parmetro
populacional em questo. Alm disso, surgem situaes em que o alvo do levantamento
exactamente o apuramento de uma razo entre duas variveis, pelo que estas tm
forosamente que ser medidas. , por exemplo, o caso da avaliao da proporo de rvores
mortas num dado povoamento florestal.

76
2. ESTIMAES POR MEIO DE RAZES
Quando se recorre a razes, necessrio definir os parmetros populacionais, tanto no
que respeita varivel em apreo (y) como varivel auxiliar (x). Donde:
R =
y
x
=

n
i
y

n
i x

Para que o total populacional (Y) de
i
y seja determinado, o total populacional (X) de
i x tem que ser conhecido. Ento a estimativa de Y ser:

Y
R
=
y
x
X = RX
O significado desta razo depende da definio de y e de x. Por exemplo, se y for o
volume/ha actual e x o volume/ha h 5 anos, R representa a proporcionalidade de crescimento
em volume nos ltimos 5 anos.
A estimativa da mdia populacional dos valores de
i
y (y
R
) ser:
y
R
=
y
i
x
i

x
= R
x

Repare-se que para estimar y
R
necessrio conhecer o valor populacional de
x
.
A varincia da razo dada por:
R
2
s =
1
x
2
u
2
s
n
N n
N
|
\
|


onde:
2 2 2
2
2
1
n n n
i i
u
i i
y R x R x y
n
s
+
=


Este termo quantifica a variao existente na correlao entre x e y. Quando x e y esto
altamente correlacionados de forma linear, as varincias de R, y
R
e YRsero menores do que
as estimativas correspondentes de y e y
T
sem recurso a razes.
Convm ter presente que o recurso a razes pressupe o conhecimento do verdadeiro
valor de x (total ou mdio). Muitas vezes, devido carestia dessa determinao emprega-se o
valor de x (total ou mdio) obtido por amostragem. Quando a fraco de amostragem

77
grande, as estimativas de x tendero a coincidir com os valores populacionais, mas se a
fraco de amostragem for pequena, o recurso a razes pode induzir erros elevados. De
seguida, apresentamos dois exemplos de aplicao do mtodo. Num deles, a mdia de x
estimada. No outro, o valor total de x conhecido.
Exemplos: Estimativa da proporo de rvores doentes, atravs de uma amostragem de
10 parcelas de 0.08ha numa rea de 8ha. Em cada parcela todas as rvores so contadas e
determinado o nmero das que apresentam a doena. Definido
i x como o nmero total de
rvores na parcela i e
i
y como o nmero de rvores infectadas na parcela, obteve-se:
Parcela
i x
i
y

1 35 24
2 18 12
3 42 31
4 25 17
5 16 4
6 29 17
7 34 28
8 21 15
9 28 14
10 39 28
Calcula-se:
10
287
i
x =
10
190
i
y =

10
i
x
2
= 8937
10
i
y
2
= 4264

10
i
x
i
y = 6091
Donde:
10
10
190
0.66
287
i
i
y
R
x
=

= =


Para calcular a varincia da razo,
R
2
s , preciso calcular primeiro
u
2
s :
u
2
S =
4264 + 0.662 ( )
2
8973 ( ) 2 0.662 ( ) 6091 ( )
9
=
131.8794
9
=14.6533
Depois: N = 8ha/0.08ha = 100 parcelas
Ento:

R
2
s
=
1
28.7
2
x
14.6533
10
100 10
100
|
\
|

= 0.00160181

78
Note-se que, neste caso, como
x
desconhecido, a mdia de y estimada
directamente a partir dos valores observados de y e x, ou seja, a partir da razo estabelecida.

R
s =

R
2
s = 0.040
Portanto, para o nvel de probabilidade de 95% e 9 graus de liberdade, t = 2.262 e o
intervalo de confiana ser:
0.66 2.262 ( ) 0.040 ( )0.662 0.09
lim.inf . = 0.57
lim.sup. = 0.76




Ou seja, com uma confiana de 95%, estima-se que entre 57% e 76% das rvores estejam
doentes.
Pelo que, a estimativa feita com um erro de amostragem percentual de:
SE% =
SE
x
100 =
0.09x100
0.66
=13.6%
Qual seria o erro de amostragem se no tivesse recorrido razo. Ou seja, se a
amostragem apenas tivesse incidido na contabilizao das rvores doentes?
Mdia das rvores doentes: y =
190
10
=19
Varincia:
y
2
s =
4264
190
2
10
9
= 72.67
Desvio padro: s
y
= 72.67 = 8.52
Erro padro: s
y
=
8.52
10
100 10
100
= 2.6
Erro de amostragem, para o nvel de 95%: 2.6 x 2.262 = 5.9
Erro de amostragem em percentagem da mdia: SE% =
5.9
19
.100 = 31.1%
Portanto, evidente que o recurso razo permitiu diminuir em cerca de 2.3 vezes o
erro de amostragem produzido pela amostragem casual simples, referente apenas s rvores
atacadas.

79
No exemplo apresentado, a varivel em apreo era uma caracterstica qualitativa das
rvores (sanidade). Vejamos outro exemplo, agora focando a avaliao de uma caracterstica
quantitativa (volume).
Pretende-se avaliar os volumes mdios e total de um povoamento florestal com rea de
43.4 ha, cujo permetro apresenta um contorno irregular, recorrendo a uma amostragem por
faixas. Neste caso, as unidades de amostragem faixas no possuem a mesma dimenso.
Foram observadas 10 faixas, nas quais se colheu as informaes que seguidamente so
apresentadas.


Faixa n
y
i
Volume/faixa
(m
3
)
x
i
rea da faixa
(ha)
1
2
3
4
5
6
7
8
9
10
31.4
28.3
37.6
34.8
28.3
35.2
44.9
33.6
40.4
38.2
0.210
0.214
0.219
0.231
0.235
0.247
0.255
0.263
0.263
0.259
352.7 2.396

10
2.396
i
x =
10
352.7
i
y =
10
2
0.5779
0.2396 x
i
x
=
=

10
2
12687.95
i
y =

10
85.0736
i i
x y =
Donde:
R =

10
y
i

10
x
i
=
352.7
2.396
= 147.2 m
3
/ ha
A fim de calcular a varincia da razo
R
2
s
, h que determinar:
u
2
s
=
12687.95 + 147.2 ( )
2
0.5779 ( ) 2 147.2 ( ) 85.0736 ( )
9
=
164.13
9
=18.2

80
Neste caso a fraco de amostragem no deve ser calculada pela razo entre o nmero
de faixas observadas (n) e o nmero total de faixas na populao (N), uma vez que as faixas
no possuem a mesma dimenso. Ento, a fraco de amostragem resulta da razo entre o
valor da rea amostrada (a) e o valor da rea total do povoamento (A):
2.396
43.4
= 0.055
Donde, o factor de correco para populaes finitas ser:
cpf = 1 - 0.055 = 0.945
Portanto:
R
2
s
=
1
0.2396
2
x
18.2
10
x 0.945 =
17.199
0.574
= 29.96
e:
S
R
= 29.96 = 5.5m
3
/ha
Pelo que, a estimativa do volume total ser, para 95% de probabilidade (t=2.262):
V
T
=147.2 m
3
/ha x 43.4ha 5.5 m
3
/ha x 43.4ha x 2.262 = 6388 540 m
3

Neste caso, a razo aplicada a um total de x (rea do povoamento) previamente
conhecido. Esta informao satisfaz os requisitos para utilizao do mtodo das razes. No
entanto, outro aspecto que se referir de seguida poder tornar questionvel a utilizao desse
mtodo.
De facto, o recurso a razes recomendvel sempre que a varivel auxiliar escolhida
esteja altamente correlacionada com a varivel cujo valor se pretende apurar. Por vezes, a
admisso tcita dessa correlao pode no corresponder inteiramente realidade e a aplicao
de uma razo revelar-se inadequada. Voltemos a analisar o ltimo exemplo apresentado.
Numa situao deste tipo, as variveis x (rea) e y (volume) esto ambas sujeitas a variao e
a sua interdependncia pode no ser absoluta. Se no vejamos, a observao de um volume
igual a zero no implica que a rea da parcela seja igual a zero. Contudo, se a rea for igual a
zero, o volume correspondente tem tambm que ser zero.
Portanto, h que ter presente a vantagem da utilizao deste mtodo, mas no deixando
de considerar a necessidade de uma escolha criteriosa da varivel auxiliar. Esta escolha, por
vezes, requer alguma imaginao, porque o ideal ser que, para alm da varivel auxiliar estar
bem correlacionada com a varivel que importa avaliar, o seu valor mdio ou total na
populao seja fidedignamente conhecido.

81
CAPTULO IX
Amostragem por pontos de estao
Em todos os mtodos de amostragem considerados at aqui, para que seja possvel
proceder no terreno recolha de informao relativas a parmetros dos povoamentos,
primeiramente h que definir as unidades de amostragem no que respeita forma e
dimenso. Como se referiu na disciplina de Dendrometria, as avaliaes a efectuar em cada
parcela de amostragem podem envolver todas as rvores presentes ou apenas parte delas,
consoante os fins visados e as metodologias utilizadas. Por exemplo, para estimar o nmero
de rvores por hectare, todas as rvores existentes nas parcelas tero que ser contadas,
procedendo posteriormente multiplicao do valor apurado pelo factor de expanso da rea
da parcela ao hectare (100 no caso de parcelas 100m
2
, 50 no caso de parcelas de 200m
2
, etc).
Para avaliar a rea basal (m
2
/ha), so medidos os d de todas as rvores presentes, calculadas
as reas basais correspondentes, cuja soma multiplicada pelo factor de expanso ao hectare
providencia a informao pretendida. No caso da avaliao do volume (m
3
/ha) a metodologia
poder ser diferente. Se se dispuser duma equao de simples entrada, a obteno da
informao pretendida pode ser conseguida nos moldes atrs referidos, aplicando a equao
na estimativa do volume de cada rvore, somando os volumes individuais e extrapolando-os
para o hectare. Mas se no se dispuser da equao volumtrica, h que determinar o volume
de rvores modelo (nomeadamente, atravs do mtodo de Pressler-Bitterlich), distribudas
equitativa (mtodo de Hossfeld) ou proporcionalmente (mtodo de Draudt) por classes de
dimetro. De seguida, os valores mdios obtidos, por classe so multiplicados pela frequncia
das rvores por suas respectivas classes e, finalmente, o somatrio desses produtos
reportado ao hectare.
No entanto, possvel chegar a resultados similares aos obtidos em parcelas de
amostragem de rea conhecida, recorrendo a um mtodo de amostragem inteiramente
diferente, que dispensa a delimitao de parcelas de amostragem, sendo as rvores
amostradas em funo das suas dimenses e no da frequncia da sua ocorrncia.
Esta tcnica genericamente conhecida por "amostragem proporcional a uma
dimenso", e foi inicialmente apresentada nos EUA por Hansen e Hurwitz (1943). No caso
florestal, no mbito da Dendrometria que se d a aplicao mais conhecida desta tcnica.

82
De facto, na disciplina de Dendrometria j aludimos a este tipo de amostragem, baseado
na "prova de numerao angular" (Bitterlich, 1948). Nessa ocasio limitmo-nos a referir a
determinao da rea basal dos povoamentos por esse mtodo. Vamos agora analisar como
tambm possvel estimar o nmero de rvores por hectare, a estrutura do povoamento, a rea
basal mdia, o dimetro mdio e o volume do povoamento. Neste ponto da matria,
aconselha-se a reviso da sec. 2.1.3. do Cap. VII dos Apontamentos de Dendrometria.
Relembremos apenas que ao empregar a "banda dos 4", uma rvore com rea basal
igual a 1m
2
est teoricamente no centro de um crculo imaginrio de 2 500m
2
e a
probabilidade dessa rvore ser includa na amostragem de:
P
a
=
a
A
=
2 500
10 000
=
1
4

Mas ao ser seleccionada, essa rvore passa a representar uma rea basal de 4m
2
/ha, ou
seja, a rvore representa a sua prpria rea basal e a das outras 3 que se espera encontrar num
hectare. Portanto, se dividirmos o factor de rea basal (FAB) pelo valor da rea basal da
rvore, obteremos a indicao do nmero de rvores por hectare representadas por essa nica
rvore contada:
F
t
=
FAB
g

No exemplo dado:
F
t
=
4
1
= 4 rvores/ha
Designando-se F
t
por factor de rvore.
Admitamos que essa rvore com g = 1m
2
tinha um volume de 6m
3
. Ento, ao
representar 4 rvores/ha, em relao ao volume ela representar 6 x 4 = 24m
3
/ha, ou seja:
F
v
=
FAB
g
.v = F
t
. v (m
3
/ha)
Para o exemplo:
F
v
=
4
1
. 6 = 24 m
3
/ha
Designa-se F
v
por factor de volume.

83
A partir destas noes, vejamos agora, atravs de um exemplo, como possvel
recorrendo amostragem por pontos de estao conhecer os parmetros dum povoamento.
Admitamos que um observador, a partir de um ponto de estao, utilizando "banda dos
4" de um relascpio de espelho, contou 6 rvores. Para o clculo da rea basal (m
2
/ha), de
acordo com o postulado de Bitterlich, aquela informao suficiente:
G = N x FAB = 6 x 4 = 24 m
2
/ha
No entanto, para determinar o volume (m
3
/ha), estrutura do povoamento e dimetro
mdio, torna-se necessrio - de acordo com o formulrio apresentado - conhecer a rea basal
de cada uma dessas rvores e dispr de uma tabela de volume, ou proceder - no campo -
avaliao do volume das rvores contadas.
Consideremos, pois, os valores de d das 6 rvores contadas (Quadro VIII, col. 2).
A fim de avaliar distribuio, por hectare, das rvores includas na amostra, a partir
daquele ponto de amostragem, as mesmas foram agrupadas por classe de d (col. 1).

Quadro VIII

Classe
rv. de d d g v tab. Ft (
FAB
g
) Na F
v
(F
t
x v)
(cm) (cm) (m
2
) (m
3
) (rv./ha) (m
3
)
1 2 3 4 5 6 7
1 18 0.025 0.191 160 30.6
20 265
2 22 0.038 0.296 105.3 31.2
3 23 0.042 0.327 95.2 31.1
25 177
4 25 0.049 0.392 81.6 32.0
5 28 0.062 0.502 64.5 32.4
30 121
6 30 0.071 0.583 56.3 32.8
563 190
Na coluna 3 apresenta-se os valores de rea basal correspondentes aos dimetros
medidos e na coluna 4, os volumes lidos numa tabela, correspondentes a essas mesmas
rvores.

84
A coluna 5 apresenta o clculo do factor de rvore, que nos permite conhecer o nmero
de rvores por hectare, que cada uma das rvores medida representa.
A soma do nmero de rvores/ha, por classe de dimetro, possibilita-nos conhecer o seu
total no povoamento (coluna 6).
Finalmente, a coluna 7 mostra o volume (m
3
/ha) que cada rvore contada representa,
sendo o seu somatrio a estimativa do volume mdio do povoamento (m
3
/ha), feita a partir
de um nico ponto de amostragem.
Para calcular a rea basal mdia do povoamento, com base nesse ponto de amostragem,
temos, por definio:
g =
G (m
2
/ ha)
N
a
(rv / ha)
=
24
563
= 0.043 m
2

A que corresponde um dimetro mdio de:
g

=

g
2
d
4
d
g
=
4g

=
4 x 0.043
3.142
= 23.3 cm
Quanto ao nmero pontos de estao a definir para que a estimativa da rea basal do
povoamento seja rigorosa, Bitterlich sugere que, em povoamentos com rea inferior a 5 ha,
devem ser observadas 4 pontos de estao por hectare.
Outros autores, como Beers e Miller (1964) sugerem os seguintes valores:
1. Nunca observar menos de 10 pontos.
2. At 16 ha, observar, em mdia, 2.5 pontos/ha.
3. At 32 ha, observar, em mdia, 1.25 pontos/ha.
4. At 80 ha, observar, em mdia, 0.5 pontos/ha.
5. Para reas superiores a 80 ha, recorrer frmula da amostragem utilizada para
distribuio dos pontos no terreno
Evidentemente, estes valores so apenas referenciais, porque, tambm eles, dependem
da "banda" utilizada. No se aplicaro "banda dos 1" ou "banda dos 2", do mesmo modo
que se aplicam "banda dos 4". Ou seja, tambm neste caso, o erro da amostragem no
depende apenas do nmero de pontos observados, mas tambm da variabilidade da populao

85
que poder ser mais rigorosamente contabilizada quando se recorre a bandas que permitem
incluir um maior nmero de rvores.
Grande parte dos autores que estudaram a amostragem por pontos de estao (tambm
designada amostragem pontual) preconiza a adopo da amostragem sistemtica como
esquema a utilizar na localizao dos pontos de estao, de modo a cobrir toda a rea em
estudo. Para tal, poder-se- percorrer o povoamento seguindo, com o auxlio de uma bssola,
linhas paralelas distanciadas de p passos (admitindo que um passo equivale a 1 metro) e sobre
cada linha efectuar uma prova de numerao angular em cada p passos. Para a determinao
geomtrica destes pontos de estao, poder recorrer frmula de Gde:
p =
S
n

em que:
p= nmero de passos (1 passo 1 m)
S = rea do povoamento (m
2
)
n = nmero de pontos de estao
Tal como se referiu do estudo da amostragem sistemtica, a localizao do primeiro
ponto de estao deve ser efectuada de forma casual.
Caso se pretenda distribuir os pontos da estao de acordo com uma malha rectangular,
pode fixar-se previamente uma distncia entre linhas, havendo que determinar posteriormente
a distncia entre os pontos de amostragem em cada linha. Assim, se a rea de um povoamento
fosse 40ha e se se pretendesse observar 65 pontos segundo linhas distanciadas entre si 100m,
ter-se-ia que calcular primeiro a rea relativa a cada ponto (Ap):
p A
=
400000
65
= 6154 m
2

Como a distncia pretendida entre linhas 100m, a distncia entre pontos na linha ser:
D=
6154
100
= 61.54 m
Embora merecendo algumas reservas, tem sido prtica comum, para reas com
dimenso superior a 5 ha, localizar os pontos de estao de forma casual, calculando-se ento
o nmero pontos de estao a observar por meio do formulrio inerente ao esquema de

86
amostragem adoptado nessa situao. Ou seja, o nmero pontos de estao a observar, para
que o erro no ultrapasse um valor desejvel, ser calculado de acordo com o formulrio
utilizado na amostragem casual simples, caso tenha sido este o esquema de amostragem
seleccionado. No caso de amostragem estratificada proporcional, recorrer-se-ia ao respectivo
formulrio, e assim por diante.
Pode entender-se a reticncia com que esta metodologia encarada, muito embora seja
mais aliciante do que o recurso ao esquema sistemtico derivado da aplicao da frmula de
Gde. Em todos os esquemas de amostragem at agora tratados, as populaes so divididas
em unidades de amostragem de dimenso constante. No caso da amostragem pontual, tal no
possvel porque no so definidas parcelas de amostragem. Esta efectuada com base em
pontos de estao e as rvores visadas a partir desses pontos sero includas, ou no, de
acordo com a respectiva dimenso, face abertura angular utilizada. Portanto, nesta situao,
a seleco prvia dos pontos de amostragem ter, forosamente, que ser feita por
coordenadas. Eventualmente, sempre que no se recorra amostragem sistemtica, existe a
probabilidade de que, devido ao acaso da seleco, dois ou mais pontos de estao fiquem
localizados to prximos, que haja lugar incluso de rvores comuns, o que implica uma
amostragem realizada com reposio parcial, no de pontos de amostragem, mas de
indivduos (rvores) observveis de locais diferentes.
Assim, quando, para localizao dos pontos de estao se recorrer a qualquer esquema
de amostragem no sistemtico, aconselhvel, aquando do trabalho de campo, afastar
minimamente os pontos de estao, de modo a que no haja lugar incluso de rvores
comuns s observaes efectuadas a partir desses pontos, sempre que surja uma situao
dessas.


87
CAPTULO X
Amostragem de caractersticas das populaes
1. VARIVEIS QUANTITATIVAS E VARIVEIS QUALITATIVAS
As avaliaes estatsticas tm por base dados respeitantes quer a variveis
quantitativas, quer a variveis qualitativas.
As observaes que envolvam variveis quantitativas so susceptveis de medio
porque possuem uma determinada ordem natural. Pode-se apresentar, como exemplos desse
tipo de variveis, a altura, o peso, o volume ou o nmero de elementos que constituem a
populao.
As variveis quantitativas podem ser classificadas como contnuas ou como
descontnuas.
As variveis contnuas so as que assumem qualquer valor possvel dentro de um certo
intervalo. A altura um exemplo bvio. Pode ser medida com aproximao ao centmetro,
mas isso no significa que a altura s varie de centmetro em centmetro. Na realidade, a sua
variao pode assumir qualquer valor, embora a respectiva avaliao dependa da preciso do
instrumento de medio utilizado. Por seu turno, as variveis descontnuas no podem
assumir qualquer valor num certo intervalo, porque existem hiatos entres os valores possveis.
Por exemplo, o nmero de plantas num canteiro pode ser 20, 21, 22, etc, mas no podem ser
contadas 20.2 ou 21.5 plantas.
As variveis qualitativas no so susceptveis de medio. Referem-se a caractersticas,
tais como espcie florestal, tipo de solo e estado sanitrio. Para efeito de processa-
mento de dados, no caso de espcies florestais, por exemplo, poder-se- atribuir o valor 1
ao pinheiro bravo, 2 ao sobreiro, 3 ao eucalipto, e assim por diante. Todavia, esses nmeros
so apenas utilizados como cdigos e no como valores quantitativos. Ao valor 3, por
exemplo, no est associada uma maior quantidade do que aos valores 1 e 2. Ou seja, os
cdigos numricos so utilizados para diferenciar categorias da caracterstica em apreo, no
fazendo qualquer sentido calcular indicadores quantitativos (como mdia ou desvio padro) a
partir deles.
Ocorre um caso particular de codificao de variveis qualitativas quando a
caracterstica em estudo apenas possui duas categorias: so as chamadas caractersticas
binrias ou dicotmicas. Exemplos deste tipo de caractersticas so as respostas a questes
como A rea X ocupada por culturas agrcolas? (sim ou no), O tipo de solo argiloso?
(sim ou no), etc Em casos destes, habitual codificar a resposta afirmativa com o valor 1 e
a resposta negativa com o valor 0.
sempre possvel expressar qualitativamente, de uma forma directa, uma varivel
quantitativa, mas o inverso no verdadeiro. Um pinheiro bravo com 26 m pode ser

88
qualificado com alto, ou uma rea com 100000 hectares como grande. Em contra partida,
uma varivel qualitativa s pode ser expressa numericamente se estiver relacionada com uma
varivel quantitativa que obvie aquela expresso. Para tal, h que estabelecer categorias das
caractersticas, classificar os indivduos de acordo com as categorias estabelecidas e proceder
a contagens.
Por conseguinte, na amostragem duma caracterstica de uma populao, o objectivo do
levantamento consiste na contagem ou na avaliao da proporo ou percentagem de
indivduos que possuam essa caracterstica.
Para a anlise estatstica de dados, importante conhecer a respectiva distribuio. As
seguintes distribuies tericas constituem frequentemente modelos de referncia para as trs
relaes possveis entre varincia (
2
ou s
2
) e a mdia ( ou x ):
1) Distribuio binomial o modelo adequado para simular distribuies de
frequncias quando a varincia significativamente menor do que a mdia
(
2
< ou
2
s x < ).
2) Distribuio de Poisson o modelo a adoptar quando a varincia aproximada-
mente igual mdia (
2
= ou
2
s x = ).
3) Distribuio binomial negativa o modelo mais flexvel para simular
distribuies de frequncias no caso da varincia ser significativamente superior
mdia (
2
> ou
2
s x > ).
Na maior parte das avaliaes qualitativas a efectuar no mbito dos inventrios
florestais adequado o recurso distribuio binomial. No entanto, como veremos, o recurso
distribuio de Poisson tambm se poder justificar, embora em casos muito particulares.

2. CLCULO DA MDIA, VARINCIA E ERRO PADRO EM AVALIAES
QUALITATIVAS
Sero utilizadas as seguintes notaes nas derivaes a apresentar subsequentemente:
N nmero de unidades na populao
n nmero de unidades da amostragem
N
e
nmero de unidades na populao com o atributo e
n
e
nmero de unidades de amostragem com o atributo e

89
As unidades observadas tanto podem possuir a caracterstica e como no. Se se
expressar o primeiro caso por 1 (y
i
=1) e segundo por 0 (y
i
=0), ento:
y
i
i=1
N
=
2
y
i
i=1
N
= N
e

e
y
i
i=1
n
=
2
y
i
i=1
n
= n
e

Como 1=1
2
, a soma dos valores de todas as observaes igual soma dos respectivos
quadrados. A mdia populacional ser, portanto:
( ) = =
y
i
i=1
N

N
=
N
e
N
(1)
Torna-se claro que a mdia populacional representa a proporo de unidades com o
atributo e, sendo a sua estimativa dada por:
x ( )= P =
n
e
n
(2)
A varincia da populao determinada de modo semelhante ao adoptado no caso de
avaliaes quantitativas:

2
=
y
i
( )
i=1
N

2
N
=
y
i
2
N
2
i=1
N

N
=
N
e
N
2
N
(3)
Como N
e
= N (de acordo com (1)), a expresso anterior pode transformar-se em:

2
=
N N
2
N
= 1 ( ) (4)
O que mostra a relao funcional existente entre a mdia e a varincia nas avaliaes de
caractersticas das populaes. Sendo a proporo de unidades com o atributo e, 1- ser
naturalmente a proporo de unidades que no possui aquele atributo. Simbolizando esta
proporo por : = 1-. Na amostragem: Q = 1 P.
Assim, a varincia da populao poder expressar-se por:

2
= (5)

90
E a estimativa, obtida por amostragem, da varincia populacional ser:
s
2
=
n P Q
n 1
(6)
Repare-se que, tal como no caso das avaliaes de variveis quantitativas, aqui tambm
se considera o conceito de graus de liberdade. No entanto, se a grandeza de amostra for
elevada, a fraco n/(n-1) tende para 1 e a expresso (6) torna-se semelhante expresso (5):
s
2
= PQ (7)
Na amostragem de caractersticas populacionais, a varincia da mdia ser obtida por:
P
2
s =
nPQ
n(n 1)
=
PQ
n 1
(8)
Em geral, quando n superior a 30, costume utilizar a frmula simplificada:
P
2
s =
PQ
n
(9)
ignorando a perda de um grau de liberdade para o clculo da varincia. O efeito de se
desprezar esta correco induzir uma subestima ligeira do erro padro da proporo.
Se a fraco de amostragem for superior a 5%, aplica-se o factor de correco para
populaes finitas:

2
P
N
PQ N n
n
s

= (10)
O erro padro ser calculado por:

P
s
=
PQ
n
(11)
quando no se aplicar o factor de correco para populaes finitas. Caso este seja aplicado,
ento:

P
s
=
PQ
n
.
N n
N
(12)
A relao funcional entre

e
2
permite tirar mais ilaes sobre a variabilidade de
atributos do que possvel fazer no caso de avaliaes de variveis quantitativas. O Quadro

91
IX apresenta, para o intervalo :[0.1, 0.9], os valores das varincias, desvios padres,
coeficientes de variao e o nmero de unidades de amostragem (n) necessrio para atingir
um erro padro percentual igual a 5.
O Quadro IX mostra que a varincia mxima quando a populao se encontra dividida
em duas classes de igual dimenso ( = 0.5 e = 0.5) e, a partir desse valor central, decresce
mesma taxa em ambos os ramos da distribuio: a varincia de =0.4 igual varincia de
=0.6; a de =0.3 idntica de =0.7, etc...
Tambm se pode observar que as varincias e os desvios padres no diferem
grandemente dentro do intervalo :[0.3, 0.7]. Portanto, as estimativas de propores dentro
deste intervalo esto sujeitas a erros idnticos, em amostragens de igual dimenso (n).
Particularmente reveladores so os valores dos coeficientes de variao (%) e do
nmero de unidades para obter uma preciso de s
P
% = 5. Observa-se que:
a) O coeficiente de variao de um estrato que apenas ocupe 10% da rea total de
300%. Mesmo que ocupe 50% da rea, o coeficiente de variao atinge o valor de
100%.
b) Na amostragem de atributos , em geral, necessrio recorrer a um nmero bastante
elevado de unidades de amostragem para atingir uma preciso satisfatria. Esse
nmero ser tanto maior quanto menor for a representatividade de um estrato, cuja
avaliao seja alvo do nosso interesse.
Quadro IX
Indicadores estatsticos em amostragem de variveis qualitativas

=
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9

2


=

0.09 0.16 0.21 0.24 0.25 0.24 0.21 0.16 0.09
=

0.30 0.40 0.46 0.49 0.50 0.49 0.46 0.40 0.30
% =

300 200 153 123 100 82 66 50 33
n para
s
P
% = 5

3600

1600

936

605

400

269

174

100

44
Da leitura do quadro pode ainda retirar-se outra ilaco. Enquanto, para =0.5, o valor
da varincia (0.25) corresponde a metade do valor da proporo, para =0.1, o valor da
varincia (0.09) est muito prximo do valor da proporo. Ou seja, o valor da varincia tende
para o valor da mdia e, nessa situao, o recurso distribuio de Poisson ser mais
indicado. A distribuio de Poisson a que melhor se adequa ao estudo da distribuio de
frequncias de ocorrncias raras, ainda que casuais. Por sua vez, a distribuio binomial

92
aplica-se ao estudo de distribuies de frequncias tambm casuais, mas envolvendo um
nmero significativo de elementos > 0.1 ( ).

3. ERRO DE AMOSTRAGEM. APROXIMAO DA DISTRIBUIO BINOMIAL
DISTRIBUIO NORMAL
Tal como acontece em avaliaes que envolvam variveis quantitativas, nas avaliaes
qualitativas a exactido depende do nmero de observaes efectuadas. Alm disso, depende
da grandeza da proporo da populao possuidora da caracterstica em estudo. Vejamos,
atravs de um exemplo, de que forma esses dois aspectos condicionam a preciso da
avaliao.
Uma populao constituda por 1600 (=N) unidades de rea, das quais 400 (=N
e
)
pertencem ao estrato floresta e 1200 (=N-N
e
) unidades no pertencem a esse estrato. A
proporo do estrato floresta ento:
=
N
e
N
=
400
1600
= 0.25
As 1600 unidades de rea foram numeradas e seleccionaram-se 250 amostras, cada uma
delas constituda por cinco unidades de amostragem (n=5). Procedeu-se identificao do
estrato a que pertencia cada unidade de amostragem, a fim de determinar o nmero n
e
de
unidades de amostragem pertencentes no estrato floresta. A variao de valores de n
e

expressa por nmeros inteiros, pelo que a respectiva distribuio descontnua.
Numa segunda amostragem casual, observaram-se 50 amostras, constitudas cada uma
delas por 25 unidades de amostragem (n=25). Na Fig.12 so apresentadas as distribuies de
frequncias relativas de n
e
nas duas amostras, e na Fig.13 as correspondentes frequncias
acumuladas.
As probabilidades da distribuio binomial so calculadas por:
p(n
e
) =
n!
n
e
! n - n
e
( )!

n
e
1 ( )
nn
e
( )

Onde p(n
e
) a probabilidade ou a frequncia relativa da ocorrncia de um certo valor
de n
e
. Por exemplo, sendo, como vimos, =0.25, para o caso de n=5, a probabilidade de n
e
ser
igual a 3 ser:
p(3) =
1.2.3.4.5
(1.2.3) (1.2)
x 0.25
3
(1 0.25)
2
= 0.088
Portanto, a expectativa de que 3 em 5 unidades pertenam ao estrato floresta de
8.8%.


93

Fig.12 Distribuio de frequncias relativas para =0.25, com n
e
=5 (A) e n
e
=25 (B)

Fig.13 Distribuio de frequncias acumuladas para =0.25, com n
e
=5 (A) e n
e
=25 (B)

94
A proporo P de n
e
=3 em 5 casos (3/5) 0.6, o que claramente sobrestima o valor de
=0.25. Um valor de n
e
= 1.25 que permitiria, atravs da amostragem, obter uma estimativa de
proporo (P) de unidades correspondente verdadeira proporo () de 0.25 no pode, em
caso algum, ser obtido numa amostragem com a dimenso de cinco unidades. Apenas as
seguintes relaes so possveis:
n
e
= 0 P = 0
= 1 = 0.2
= 2 = 0.4
= 3 = 0.6
= 4 = 0.8
= 5 = 1.0
Ou seja, das 6 razes possveis entre n
e
e n, duas (n
e
= 0 ou 1) tendem a subestimar o
verdadeiro valor da proporo ( = 0.25) e quatro dessas razes (n
e
= 2, 3, 4 ou 5) tendem a
sobrestimar aquele valor. Portanto, de acordo com este esquema, a distribuio esperada
apresenta-se enviesada direita quando =0.25 e n = 5, contrariamente ao que sucede
distribuio observada, delineada na Fig. 12-A.
Quanto maior for a dimenso da amostra, menos se far sentir a influncia da
descontinuidade na estimativa da proporo. Nas amostras com n=25 (Fig. 12-B), a diferena
entre os nveis que separam as frequncias de n
e
menor e a distribuio praticamente
simtrica. Mas mesmo neste caso, no ocorre nenhum valor de n
e
que corresponda
exactamente verdadeira proporo da populao (0.25). O valor mais aproximado obtido
com n
e
= 6 P =
6
25
= 0.24
|
\
|

.
Estes exemplos mostram que as amostras de pequena dimenso no permitem obter
uma correspondncia fidedigna entre P e , nem uma distribuio simtrica das frequncias
de n
e
. A influncia da descontinuidade diminui com o aumento de dimenso da amostra e,
nesse caso, a distribuio de frequncias de n
e
tende para a simetria. Portanto, quanto maior
for n, maior probabilidade haver de que a aproximao normal no seja significamente
diferente da aproximao binomial, na avaliao do erro de amostragem.
A populao em apreo (Floresta) apresenta uma proporo = 0.25. A proporo
tambm afecta fortemente a forma da distribuio de frequncias. Como exemplo, observe-se
na Fig. 14 que, mesmo quando n=25, se = 0.1, a distribuio de frequncias de n
e

fortemente assimtrica.



95

n
e

Fig.14. Distribuio de frequncias relativas para = 0.1 com n
e
=25
O grau de assimetria da distribuio depende, pois, da dimenso da amostra e da
proporo do estrato em apreo na populao. A assimetria torna-se bvia se considerarmos
os diagramas de frequncia acumuladas. Pode-se definir os limites de confiana a partir das
frequncias acumuladas. Por exemplo, reportando-nos Fig.13-B, se n = 25, ao ponto
f
j
= 0.975 corresponde um valor de n
e
= 11 e ao ponto de f
j
= 0.025 um valor de n
e
= 2. Essas
duas propores de amostragem, que correspondem ao nvel de probabilidade de 0.05, so
P+ =
11
25
= 0.44 e P =
2
25
= 0.08 . Neste intervalo, situa-se a estimativa da proporo
=0.25, se a dimenso da amostra for n = 25 e o nvel de probabilidade pretendido for p =
0.05. evidente que, mesmo neste caso, o intervalo confiana assimtrico.
0.44 - 0.25 = 0.19 0.25 - 0.08 = 0.17 P+ = + 0.19
P- = - 0.17
Frequentemente, os limites de confiana de propores so estimados a partir do erro
padro e do valor de t correspondente probabilidade desejada, para n-1 graus de liberdade.
Esta metodologia no conduz a erros graves se a dimenso da amostra for suficientemente
grande e a proporo de unidades de amostragem possuidores do atributo em apreo no for
pequena. Se essa proporo for igual ou inferior a 0.1, o recurso aproximao normal
envolve o risco de subestimar o intervalo de confiana, ainda que a dimenso da amostra seja
grande. Nesse caso, o intervalo de confiana deve ser estabelecido a partir de tabelas de
limites de expectativas para distribuies binomiais, e no, a partir da aproximao

96
distribuio normal. O grau de subestima a que pode chegar o intervalo de confiana a partir
da aproximao distribuio normal demonstrado no seguinte exemplo:
Se P = 0.1 e n =50, obtm-se a seguinte equao, para a probabilidade de 95%.
0.1 1.96
0.1 x 0.9
50
= 0.1 0.08
Donde: P- = 0.02 e P+ = 0.18.
Da tabela de limites de confiana para a distribuio binomial (Anexo 5), podemos
retirar para o caso apresentado: P- = 0.03 e P+ = 0.23. Verifica-se, pois, que a aproximao
normal conduz, neste caso, a uma subestima do intervalo de confiana. Ento, quando P
0.10, os limites de confiana devero ser directamente retirados da tabela de limite esperados
na distribuio binomial.
Se o valor de P no for pequeno e n for suficientemente grande - na prtica quando
P > 0.10 e n>30 - a equao de probabilidade para este tipo de amostragem determinada nos
moldes apresentados para a distribuio normal, ou seja:
SE = t.s
P

e:
IC = P t
PQ
n

Ao aplicar a aproximao normal, o nmero (n) requerido de parcelas, para no se
ultrapassar um erro de amostragem especificando, calculado a partir de:
n =
t
2
P (1 P)
(SE)
2
(13)
ou:
n =
(1 P ) t
2
P (SE%)
2
x 100
2
(14)
- Onde SE% o erro de amostragem expresso em percentagem da mdia:
SE% =
SE
P
x 100 (15)

97
A relao entre as equaes 13 e 14 idntica das equaes 1 e 2 da sec.2. do Cap. V.
Enquanto a equao 13 e a equao 1 da sec.2. do Cap. V se aplicam a valores absolutos, a
anterior equao 14 e a equao 2 da sec.2. do Cap. V aplicam-se a valores percentuais.
Tal como no caso das amostragens estudadas anteriormente, para o clculo do nmero
de parcelas a observar, de modo que o erro de amostragem no exceda um valor pretendido,
necessrio ter uma indicao prvia da varincia da populao. Se essa estimativa no for
feita, dever-se- aplicar a varincia mxima da amostragem, PQ = 0.5 x 0.5 = 0.25. Neste caso
o nmero calculado de amostras a observar, excede normalmente o que seria suficiente.
Uma das aplicaes mais teis da distribuio binomial , como j se referiu, a
estimativa de reas em mapas ou em fotografias areas por meio de uma rede de pontos. A
determinao das reas por amostragem, comea com a seleco de um nmero de pontos a
partir da rea total, delineada no mapa. Cada ponto classificado de acordo com o tipo de
cobertura envolvente.
O nmero dos pontos em cada tipo expressar-se- como uma proporo da rea total.
A rea de cada estrato pode ento achar-se:

rea do estrato
rea total
=
nmero de pontos no estrato
nmero total de pontos em todos os estratos

A rea total deve ser conhecida, para o que se empregar um planmetro na medio a
efectuar um mapa.

4. EXEMPLOS DE CLCULOS INERENTES A AVALIAES DE CARACTE-
RSTICAS DE UMA POPULAO
1. Determinao do nmero total de pontos a observar para que o erro de amostragem
no exceda um certo valor.
Exemplo: Pretende-se conhecer o nmero total de pontos a observar numa populao,
cujo estrato maior ocupa cerca de 0.60 da rea total, no devendo o erro de
amostragem ser superior a 0.02, para o nvel de confiana de 95%.

98
Neste caso, aplicar-se- a expresso 13, j que o erro estipulado est indicado
em termos proporcionais, tal como a rea dos estratos:
n =
P (1 P)
2
(SE)
2

n =
0.60 (1 0.60)t
2
0.02
2

n =
0.24
0.0004
t
2
= 600 t
2

Como o nmero de pontos ser forosamente superior a 600, o valor de t para 95% e
mais de 120 graus de liberdade igual a 1.96. Ento:
n = 600 x 1.96
2
= 2305
Ou seja, ter-se-iam que observar 2305 pontos.
Se a estimativa da grandeza de qualquer estrato fosse desconhecida, empregar-se-ia a
varincia mxima:
P = 0.50
Q = 0.50
s
2
= PQ = 0.5 x 0.5 = 0.25
E ento:
n =
0.25 x 1.96
2
0.02
2
= 2401
O que acrescentaria 96 pontos ao nmero anteriormente calculado.
2. Determinao do nmero total de pontos a considerar para que o erro de amostragem
percentual no exceda um valor desejado.
Exemplo: O estrato que contm material de maior valia numa determinada rea ocupa
aproximadamente 0.30 da rea total. Quantos pontos h que observar na
populao para que o erro de amostragem expresso em percentagem desse
estrato no seja superior a 4%?


99
Como agora dado SE% = 4, no temos mais que aplicar a expresso (14):
n =
(1 P) t
2
P . (SE%)
2
x 100
2

n =
(1 0.3) 1.96
2
0.3 x 4
2
. 100
2
= 5 603

5. AJUSTAMENTO DE ERROS COMETIDOS NA AVALIAO DE REAS
ATRAVS DE FOTOINTERPRETAO
Nos exemplos apresentados na seco anterior foram consideradas situaes, em que a
partir de uma amostragem prvia se pretendia conhecer um nmero ptimo de parcelas de
amostragem para que um determinado erro no fosse excedido.
Agora vamos considerar outra situao. Admitamos que foi feita a delimitao de
vrios estratos florestais em fotografias areas. Tal como nos casos anteriores tambm
possvel calcular o nmero de pontos a observar para que a estimativa das reas de cada
estrato seja efectuada, de acordo com um erro pretendido, desde que se assuma no ter havido
erros de fotointerpretao. Mas esta no a situao mais vulgar. De facto o que muitas vezes
sucede o fotointrprete cometer erros ditos de comisso, ou seja, atribuir a um estrato uma
classificao que no lhe corresponde. Por exemplo, identificar um povoamento como sendo
de pinheiro bravo, quando na realidade de pinheiro silvestre.
Vamos mostrar de seguida como se pode conhecer a rea correspondente a cada estrato,
ajustando os possveis erros de interpretao.
Suponhamos, por exemplo, que uma vasta rea florestal foi fotointerpretada, tendo sido
estabelecidos quatro estratos:
Estratos rea estimada (ha)
A 50 150
B 19 550
C 10 200
D 5 100
85 000

100
Foi feita uma verificao de campo recorrendo a 270 parcelas, distribudas: 150 no
estrato A, 60 no estrato B, 30 no estrato C e 30 no estrato D, de acordo com as delimitaes
estabelecidas nas fotografias.
Os resultados da verificao de campo esto patentes no Quadro X.
Considerando apenas a avaliao da rea, com base nas fotografias areas teramos para
o estrato A:
s
2
PA
=
0.59 x 0.41
20 000
= 0.0000121
s
PA
= 0.0000121 = 0.00348
A que corresponde, para 95% de probabilidade um erro de amostragem de:
SE = 0.00348 x 1.96 = 0.00682
Pelo que a estimativa da rea do estrato A seria:
50150 (0.00682 x 85000) ha
Ou seja:
50 150 579 ha
O erro de amostragem, expresso em percentagem ser:
SE% =
579
50 150
x 100 = 1.2
No entanto, a rea do estrato A ajustada, aps a verificao de campo passaria a ser:
P
A
=
M
P
j
P
ji

Ou seja:
P
A
= (0.59) (0.80) + (0.23) (0.05) + (0.12) (0.07) + (0.06) (0.00) = 0.49

101
Quadro X

N
j
P
j
n
j
n
ji
P
ji

Nmero de Proporo de Nmero de Verificao de campo Proporo de amostras
Estrato foto-amostras foto-amostras amostras de de campo/estrato
campo A B C D A B C D
P
j1
P
j2
P
j3
P
j4

A 11 800 0.59 150 120 15 10 5 0.80 0.10 0.07 0.03
B 4 600 0.23 60 3 55 2 0 0.05 0.92 0.03 0.00
C 2 400 0.12 30 2 2 25 1 0.07 0.07 0.83 0.03
D 1 200 0.06 30 0 2 2 26 0.00 0.07 0.07 0.86
20 000 1.00 270
Repare-se que a primeira parcela corresponde proporo correcta de amostras bem
interpretadas no estrato A. As outras parcelas contabilizam propores que haviam sido
atribudas aos outros estratos, mas que, de facto, pertencem ao estrato A.
Ento a estimativa ajustada da rea do estrato A :
rea
A
= 0.49 x 85 000 = 41 650 ha
Para o estrato A, a varincia mdia ajustada calculada por:
s
2
pA
= (Pj
2

Pji (1 - Pji)
nj
) +
Pj Pji
2
- (Pj Pji)
2
n

No Quadro XI mostra-se como calculada esta varincia.
Quadro XI
Pj

Estrato Proporo de nj Pj
2
Pji (1 - Pji)
nj

Pj P
ji
Pj P
ji
2

foto-amostras
A 0.59 150 (0.59)
2
(0.80) (0.20)
150


= 0.000371 (0.59) (0.80) = 0.4720 0.377600
B 0.23 60 (0.23)
2

(0.05) (0.95)
60
= 0.000042 (0.23) (0.05) = 0.0115 0.000575
C 0.12 30 (0.12)
2

(0.07) (0.93)
30
= 0.000031 (0.12) (0.07) = 0.0084 0.000588
D 0.06 30 (0.06)
2

(0.00) (1.00)
30
= 0.000000 (0.06) (0.00) = 0.0000 0.000000
1.00 270 0.000444 0.4919 0.378763

102
Pelo que:
s
2
pA
= 0.000444 +
0.378763 - (0.4919)
2
20 000
= 0.000450
A que corresponde um erro padro de:
s
pA
= 0.000450 = 0.021
E um erro de amostragem, para 0.95, de:
SE = 0.021 x 1.96 = 0.041
Que reportado rea em estudo representa:
SE: 0.041 x 85 000 = 3 485 ha
Ento, a estimativa da rea no estrato A passa a ser:
A
A
= 41 650 3 485 ha
Sendo, portanto, o erro de amostragem percentual:
E
A
% =
3485
41 650

.
100 = 8.4
Clculos idnticos poderiam ser efectuados para aferio das reas dos restantes
estratos.
Agora repare-se no seguinte aspecto:
A estimativa da rea do estrato A, considerando-a isenta de erro de fotointerpretao,
era: 50 150 579 ha (E
A
% = 1.2).
Aps o ajustamento da fotointerpretao passou a ser: 41 650 3 485 ha (E
A
% = 8.4). Ou
seja, sofreu uma diminuio mdia de 8 500 ha (-17%) e passou de um erro de 1.2% para um
erro de 8.4%.
Como j vrias vezes se referiu, o objectivo primordial de um inventrio florestal a
determinao do volume dos povoamentos. Este , em geral, calculado atravs de estimativa
de volume por unidade de rea multiplicando pela rea total. Se o factor "rea" for afectado,

103
logo partida, por um erro de amostragem substancial, ento o erro de amostragem total, com
a incluso da estimativa do volume poder vir a ser muito elevado, de acordo com a lei de
propagao dos erros.
Neste contexto, de todo o interesse calcular o nmero de parcelas a observar no
terreno de modo a que o erro de amostragem num qualquer estrato no exceda um
determinado valor. Assim, para o estrato A, se se pretendesse que o erro da amostragem da
respectiva rea no fosse superior a 5%, ter-se-ia que observar no terreno, de acordo com a
expresso 14):
2
2
2
1 0.49 1.96
100 1600
0.49 5
( )
x
n

= =

Ou seja, a observao incidiria sobre 1 600 pontos e no sobre 270, como sucedeu. Essas
parcelas deveriam ser agora distribudas proporcionalmente dimenso estimada de cada
estrato.
A disparidade dos valores analisados evidencia de imediato que a nica maneira de
restringir o tempo e os custos envolvidos na verificao de campo criar condies para que,
desde logo, a fotointerpretao no induza um erro elevado na determinao das reas. Isto
s possvel aps uma caracterizao muito cuidada dos diversos estratos, antes de se
proceder fotointerpretao, de modo a evitar decises duvidosas. Por outro lado, o
fotointrprete tem que estar familiarizado com todos os aspectos que lhe permitam tirar um
maior partido das informaes disponveis nas fotografias areas.


104

105
CAPITULO XI
Amostragem em vrias fases
1. INTRODUO
Aquando da realizao de inventrios florestais que envolvam a recolha de uma
quantidade aprecivel de informaes, geralmente aconselhvel recorrer a um esquema de
amostragem implementado por fases, em que cada fase contribui com uma parte da
informao pretendida. Este procedimento procura, obviamente, reduzir custos em operaes
complexas.
A amostragem em duas fases (dupla amostragem) frequentemente adoptada em
estimativas de volume, por meio de parcelas de igual dimenso. Todas as rvores de cada
parcela so enumeradas e sutadas altura do peito para determinao do respectivo d. Esta
avaliao rpida, mas, para a avaliao do seu volume necessrio ter ainda informaes da
varivel altura formal, cuja determinao mais morosa. Assim, se apenas algumas rvores
das que haviam sido enumeradas forem usadas para essa avaliao, reduzir-se-o os custos.
Na primeira fase recolhe-se a informao rea basal, na segunda fase altura formal e, a
partir das duas, pode calcular-se o volume total da parcela. A primeira e a segunda fase so
mutuamente dependentes se as rvores amostradas para a altura formal pertencerem ao grupo
de rvores enumeradas na primeira fase. A dupla amostragem reduz os custos sem sacrifcio
da preciso porque, em regra, a correlao entre o dimetro altura do peito e a altura formal
elevada. Uma aplicao deste esquema feita atravs dos mtodos de Hossfeld, de Draudt e
Urich, abordados na disciplina de Dendrometria. Nestes mtodos estabelece-se, na segunda
fase, uma razo entre volumes de rvores pertencentes a cada classe de d, e respectivas reas
basais, ponderada pelo nmero de rvores contadas na primeira fase e rea basal
correspondente ao valor do dimetro central da respectiva classe.
Um outro exemplo de dupla amostragem pode ser proporcionado pela avaliao do
crescimento em volume dum povoamento, com base num levantamento realizado anos antes.
Na primeira fase (1 inventrio) determina-se o volume do povoamento, recorrendo a um
certo nmero de parcelas de amostragem. Na segunda fase, anos depois (2 inventrio),
selecciona-se parte das parcelas observadas no 1 inventrio, que so de novo avaliadas. Os
valores que se haviam observados na fase 1, relacionados com os colhidos na fase 2, por meio

106
duma regresso, permitem ajustar os valores globais da fase 1 situao actual. Neste caso,
tambm as duas fases so mutuamente dependentes.

2. DUPLA AMOSTRAGEM EM FASES MUTUAMENTE DEPENDENTES
Quando as fases da amostragem so mutuamente dependentes, os dados recolhidos
atravs duma dupla amostragem podem ser tratados com recurso a regresses ou a razes.
No Captulo VIII, ao abordar a aplicao de razes, demonstrou-se a vantagem da
utilizao duma varivel auxiliar para avaliao mais precisa do valor de outra varivel cuja
medio seja mais problemtica. O fundamental que as duas variveis estejam
correlacionadas. Nesse mesmo captulo, mostrou-se como a metodologia implementada:
observa-se um nmero representativo de parcelas, apurando-se, em cada uma delas, os
valores correspondentes s duas variveis em apreo. No caso da dupla amostragem, numa
primeira fase, um grupo alargado de parcelas de amostragem (n
1
) alvo da obteno de
informaes relativas varivel auxiliar (x) e, numa segunda fase, em parte dessas parcelas
(n
2
) tambm medida a varivel de interesse (y).
Se, por sua vez, se recorrer a regresses, o procedimento a adoptar na recolha dos
dados idntico ao que anteriormente foi referido. A opo entre o recurso a regresses, em
detrimento do emprego de razes, s depende do facto da modelao da relao entre as
variveis em estudo dispensar ou no o clculo dum interceptor. Quando este no
significativamente diferente de zero, recorrer-se- a razes, caso o interceptor seja
significativo, ser necessrio utilizar uma regresso.

2.1 Dupla amostragem com recurso a regresso
Quando se pretende implementar um processo de clculo de dados provenientes duma
dupla amostragem em fases mutuamente dependentes, conveniente comear por averiguar
se as variveis em presena esto, efectivamente, correlacionadas. Para tal, h que apurar o
valor do coeficiente de correlao entre ambas, a partir dos dados colhidos no decurso da 2
fase da amostragem:

107
r =
n
2
x
i
y
i

n
2
x
i
|
\

|

|
n
2
y
i
|
\

|

|
n
2
n
2
x
i
2

n
2
x
i
|
\

|

|
2
n
2
n
2
y
i
2

n
2
y
i
|
\

|

|
2
n
2
(1)
Se o coeficiente de correlao (r) for significativo, o que possvel verificar recorrendo
tabela de significncia de r apresentado no Anexo 6 (para n-2 graus de liberdade e para o
nvel de confiana pretendido), teremos a confiana estatstica de que as variveis em
presena so, de facto, mutuamente dependentes, o que permitir vir a trat-las por meio de
regresso. Esta assumir a forma:
y
i
= y
2
+ b x
i
x
2
( ) (2)
Onde:

y
i
- estimativa do valor da varivel de interesse correspondente a x
i

y
2
- mdia dos valores de y obtidos na 2a fase
x
i
- valor da varivel independente, relativamente qual se pretende avaliar o
valor da varivel de interesse
x
2
- mdia dos valores de x na 2 fase
b - coeficiente da regresso:
( )
2
2
2
2
2 2
2
2
n n
n
i i
i i
n
i
i
x y
x y
n
b
x
x
n

(3)
Uma vez estabelecida a regresso (2), esta pode ser manipulada para determinao do
interceptor (a), por substituio de x
2
e y
2
:

y
i
= a + bx
i
(4)

A significncia do interceptor ser diferente de zero avaliada pelo teste de t,

108
comparando o valor calculado, de acordo com a expresso seguinte, com o valor de t tabelado
para o grau de confiana pretendido, considerando n-2 graus de liberdade:
t =
a 0
s
a
(5)
Onde, s
a
- erro padro inerente estimativa do interceptor - obtido por:
s
a
=
yx
2
s
1
n
+
x
2
x
i
x
( )
2




(

(
(
(6)
Em que,
yx
2
s a varincia residual, calculada por:
yx
2
s =
n
2
y
i
2

n
2
y
i
|
\

|

|
2
n
2







(

(
(
(
(
(
b
2
n
2
x
i
2

n
2
x
i
|
\

|

|
2
n
2







(

(
(
(
(
(
n
2
2
(7)
Se o interceptor no for significativamente diferente de zero, os dados podero, por
simplificao, passar a ser tratados por meio de razes. Caso contrrio, o modelo de regresso
estabelecido aplicado na estimao da mdia populacional da varivel de interesse (y),
utilizando, para tal, o valor mdio da varivel independente na 1 fase ( x
1
):

y = y
2
+ b x
1
x
2
( ) (8)
O erro padro desta mdia ser:
s

y
=
y
2
s
n
2
1
n
1
n
2
n
1
|
\

|

|
r
2




(

(
(
(9)
Onde:
y
2
2
s
- varincia dos valores de y observados na 2fase
r - coeficiente de correlao


109
2.2 Dupla amostragem com recurso a uma razo
2.2.1 Caso geral de aplicao da dupla amostragem com recurso a uma razo
Quando as variveis em presena esto correlacionadas entre si, e a intercepo da
linha de regresso, estabelecida a partir dos dados recolhidos na 2 fase, no
significativamente diferente de zero, aconselhvel o recurso a uma razo.
Naturalmente, a razo ser estabelecida a partir dos dados colhidos na segunda fase:
R =
n
2
y
i
n
2

x
i
(10)
Posteriormente, esta razo utilizada conjuntamente com o valor da mdia dos valores
de x colhidos na primeira fase ( x
1
) para estimar a mdia populacional da varivel y:

y = Rx
1
(11)
O erro padro desta mdia ser obtido por:

y
s
=
y
2
s + R
2
x
1
2
s 2Rs
xy
n
2
+
2Rs
xy
R
2
x
1
2
s
n
1

y
2
s
N
(12)
Onde:
y
2
s - varincia dos valores de y apurados na 2 fase
xy s =
n
2

x
i
y
i
( )

n
2
x
i
n
2
y
i
n
2
n
2
1
(13)

2.2.2 Aplicao da dupla amostragem em conjugao com a amostragem por pontos de
estao
A alta correlao entre o volume e a rea basal tpica dos povoamentos florestais.
Como a rea basal (m
2
/ha) pode ser avaliada - atravs da amostragem por pontos de estao -
sem se tornar necessrio proceder medio de rvores, este mtodo recomendvel, dada a
sua eficcia a baixos custos.

110
Num esquema de dupla amostragem, a rea basal, determinada por meio de
amostragem pontual, pode ser utilizada como varivel independente em regresses do tipo
V = f(G) ou como varivel auxiliar em razes estabelecidas para avaliar o volume (m
3
/ha) ou,
ainda, o volume total dos povoamentos. Para tal:
1 - A partir dum nmero representativo de pontos (n
1
), contam-se as rvores abrangidas
na prova de numerao angular e por aplicao do factor de rea basal, determina-
-se a rea basal correspondente (x
i
). Esta constitui a 1 fase.
2. - Em parte das amostras (n
2
) observadas para a determinao da rea basal, procede-
se medio dos d e avaliao volumtrica das rvores includas na contagem.
Por aplicao do factor de rvore (Fv), apura-se o volume correspondente a cada
ponto, expresso em m
3
/ha. A avaliao destes valores, respeitantes a pontos
duplamente observados constitui a 2 fase.
Neste caso, a razo entre o volume e a rea basal estabelecida nos mesmos moldes da
relao (10), e a estimativa do volume mdio efectiva de acordo com a relao (11). No
entanto, para o clculo do erro padro da razo, no plausvel recorrer relao (12), uma
vez que, na amostragem por pontos de estao, no h possibilidade de apurar o valor de N.
Por isso, no caso da dupla amostragem conjugada com uma amostragem por pontos de
estao, o erro padro desta mdia ser obtido por:

y
s =
y
2
s
n
1
+
R
2
s
n
2
n
1
n
2
n
1
|
\

|

|
(14)
Onde:
y
2
s - varincia dos valores de y apurados na 2 fase.

R
2
s =
n2

y
i
2
+ R
2
n2

x
i
2
2R
n2

x
i
y
i
n
2
1
(15)
Repare-se que na relao (14), a varincia dos valores de y apurados na 2 fase dividida
por n
1
, ou seja pelo nmero de parcelas da 1 fase. O objectivo ser obter uma estimativa, o
mais precisa possvel, da varincia mdia de y. Este procedimento s admissvel se n
2

possuir uma grandeza que permita considerar fidedigna a estimativa da varincia de y. Ou
seja, sendo ela representativa, tanto se aplica 2 como 1 fase.


111
3. EXEMPLO DE APLICAO: DUPLA AMOSTRAGEM EM AMOS-
TRAGEM POR PONTOS DE ESTAO
Consideremos uma dupla amostragem, em amostragem por pontos de estao, realizada
nos seguintes termos:
1. Num povoamento florestal, foram localizados sistematicamente 60 pontos de
estao a (n
1
) partir dos quais, recorrendo prova de numerao angular, apurou-se
valores correspondentes a rea basal (m
2
/ha). Esta constitui a 1 fase da
amostragem.
2. A partir de 10 (n
2
) desses 60 pontos, avaliou-se o volume das rvores contadas e, por
aplicao do factor de volume (Fv), obtiveram-se estimativas dos volumes (m
3
/ha).
Esta representa a 2 fase da amostragem.
Os 10 pontos de estao duplamente observados foram seleccionados de acordo com
um intervalo de 6 em 6, do conjunto de pontos que constitui a 1 fase, a partir da casualizao
do primeiro desses pontos. Assim, como o 1 ponto seleccionado casualmente foi o n 27, os
outros nove foram: 3, 9, 15, 21, (27), 33, 39, 45, 51 e 57.
Obviamente, o esquema de amostragem antecedeu o trabalho de campo e, por isso,
logo no primeiro ponto a observar duplamente (ponto 3), aps avaliar a rea basal, procedeu-
-se determinao do volume. O mesmo sucedeu nos outros nove pontos.
Eis os resultados da 1 fase:
Ponto rea basal Ponto rea basal Ponto Area basal Ponto rea basal
(m
2
/ha) (m
2
/ha) (m
2
/ha) (m
2
/ha)
1 40 16 28 31 44 46 40
2 36 17 32 32 36 47 32
3 40 18 36 33 40 48 32
4 40 19 36 34 28 49 36
5 36 20 32 35 32 50 40
6 40 21 36 36 36 51 32
7 24 22 28 37 48 52 36
8 36 23 32 38 36 53 36
9 36 24 36 39 48 54 28
10 32 25 24 40 40 55 32
11 32 26 28 41 32 56 44
12 40 27 32 42 28 57 40
13 48 28 40 43 36 58 36
14 28 29 48 44 40 59 32
15 44 30 40 45 48 60 32

112

60
x
i
= 2160
60
x
i
2
= 79840 x
1
= 36 m
2
/ ha

x
1
2
s
= 35.25
x
1
s
= 5.94
s
x
1
= 0.766 m
2
/ ha
De seguida, apresenta-se os resultados apurados nos 10 pontos duplamente observados
(2 fase):
Ponto rea basal Volume
(m
2
/ha) (m
3
/ha)
3 40 140
9 36 126
15 44 168
21 36 119
24 32 105
33 40 133
39 48 175
45 48 168
51 32 119
57 40 161

10

x
i
= 396
10
y
i
= 1414
10
x
i
y
i
= 57204

10

x
i
2
= 15984
10
y
i
2
= 205506
x
2
= 39.6 m
2
/ ha
y
2
= 141.4 m
2
/ ha

3.1 RESOLUO DO PROBLEMA POR MEIO DE REGRESSO
Comecemos por averiguar a correlao entre as variveis em presena.
Empregando a relao (1):
r =
57204
396x1414
10
15984
396
2
10
205506
1414
2
10
=
1209.6
302.4 5566.4
=
1209.6
1297.4
= 0.9323
Consultando a tabela de r (Anexo 6), para 8 graus de liberdade e para o nvel de
confiana de 95%, verificamos que o valor de r tabelado 0.632. Como o valor de r calculado
superior (0.932), podemos concluir que a correlao significativa.

113
Assim, os dados obtidos podero vir a ser tratados por meio de uma regresso ou de
uma razo. A opo depender do facto do interceptor da regresso ser ou no significativo.
Para estabelecer a regresso a partir dos dados colhidos na 2 fase tem-se:
y
2
= 141.4
x
2
= 39.6
e pela expresso (3):
b =
57204
396x1414
10
15984
396
2
10
=
1209.6
302.4
= 4
Logo:
y
i
= 141.4 + 4 x
i
39.6 ( )
Para calcular o valor do interceptor da regresso, ter-se-:
y
i
= 141.4 + 4x
i
4 39.6 ( )
y
i
= 17 + 4x
i

A fim de testar a significncia do interceptor (-17), comecemos por determinar a
varincia residual, de acordo com a expresso (10):
xy
2
s =
205506
1414
2
10
|
\

|

|
4
2
15984
396
2
10
|
\

|

|
8
=
5566.4 4838.4
8
= 91
Donde, o erro padro do interceptor, recorrendo relao (6), ser:
a s
= 91
1
10
+
39.6
2
15984
396
2
10
|
\

|

|







(

(
(
(
(
(
= 91
1
10
+
1568.16
302.4
|
\
|

= 91x5.26 = 21.93


114
Ento, calculando o valor de t pela expresso (5):
t =
17
21.93
= 0.78
Comparando este valor de t com o valor de t tabelado para o nvel de confiana de 95%,
com 8 graus de liberdade (t = 2.306), deduz-se que o interceptor no significativamente
diferente de zero. Embora prossigamos a resoluo do problema com incluso do interceptor,
para demonstrao da metodologia, ficamos desde j a saber que, face ao conjunto de dados
em presena, o recurso ao estabelecimento da razo (sec.3.2) suficiente.
Empregando a regresso para estimar o volume mdio da populao, a partir da rea
basal mdia avaliada na 1 fase (relao (8)), obtm-se:
3
141.4 4 36 39.6 127

( ) / y m ha + = =
A este valor est associado um erro padro, cujo clculo, de acordo com a expresso
(12), carece das seguintes avaliaes prvias:
2
y
2
s =
205506
1414
2
10
9
= 618.49
Pelo que, empregando a expresso (9):
3
618.49 60 10
2
1 0.9323 4.1
10 60
/

m ha
y
s

( | |
= =
|
(
\

E a preciso da avaliao ser:
3
127 4.1 / m ha

3.2 RESOLUO DO PROBLEMA POR MEIO DE UMA RAZO
A partir dos valores obtidos na 2 fase, de acordo com a expresso (10):
R =

n
2
y
i

n
2
x
i
=
1414
396
= 3.5707

115
Utilizando esta razo conjuntamente com a mdia da rea basal (36 m
2
/ha), calculada na
1 fase, obtm-se, pela expresso (11), a estimativa do volume mdio do povoamento:

y = R . x
1
= 3.5707 x 36 = 128.5 m
3
/ ha
Para determinar o erro padro desta mdia, comecemos por avaliar a varincia da razo,
por meio da relao (15):
R
2
s =
205506 + 3.5707
2
x15984 2x3.5705x57204
9
=
783.7
9
= 87.08
Por sua vez, a varincia de y :
2
y
2
s =
205506
1414
2
10
9
= 618.49
Ento, por aplicao da relao (14), o erro padro do volume mdio populacional ser:

y
s =
618.49
60
+
87.08
10
60 10
60
|
\
|

= 10.31 + 7.26 = 4.2 m
3
/ ha
Logo, a preciso da avaliao traduz-se por:
128.5 4.2 m
3
/ ha

CONCLUSES: Neste exemplo, verifica-se que o recurso razo no conduz a
resultados significativamente diferentes daqueles que foram obtidos atravs da regresso. Os
erros padres calculados pelos dois mtodos so praticamente idnticos (4.1 e 4.2 m
3
/ha) e os
valores mdios estimados (127 e 128.5 m
3
/ha) apresentam uma diferena da ordem de 1.1%. Tal
fica a dever-se ao facto do interceptor da regresso no ser significativo.
Um aspecto que convm assinalar, ao terminar este captulo, prende-se com o nmero
de observaes a realizar no decurso duma dupla amostragem. Tendo presente que, quer se
recorra a razes, quer se recorra a regresses, para o clculo do erro padro da mdia
populacional h que contar com diferentes nmeros de observaes na 1 e na 2 fase, ser
necessrio efectuar uma ponderao para definio do nmero de graus de liberdade, caso o
nmero de observaes seja reduzido.

116
Por isso, conveniente amostrar 30 ou mais parcelas na 2 fase, de modo a que o valor
de t no tenha que ser obtido por ponderao, podendo admitir-se que para o nvel de
confiana de 95% assuma tacitamente o valor de 2. Concomitantemente, de acordo com o
exposto na seco 5.2 do Captulo IV, o nmero de 30 amostras apontado como
minimamente necessrio para o clculo da varincia duma populao. Ora, na aplicao do
mtodo das razes, a expectativa da varincia mdia de y na 1 fase da amostragem baseia-se
parcialmente na consistncia da estimativa da varincia de y na 2 fase da amostragem. Do
mesmo modo, no clculo da varincia da regresso, o primeiro termo
y
2
s
2
n
|
\

|

|
pressupe a
estabilidade da varincia estimada de y. No exemplo que apresentmos, n
2
insuficiente para
atingir esse objectivo, uma vez que igual a 10, mas tal ficou simplesmente a dever-se ao
facto de pretendermos demonstrar o funcionamento do mtodo, sem exagerar a extenso da
base de dados a utilizar.


117
CAPTULO XII
Amostragem sequencial
Um dos principais objectivos do Inventrio Florestal a avaliao do crescimento dos
povoamentos florestais. Quer se recorra a parcelas permanentes, quer se recorra a parcelas
temporrias, interessa contabilizar o crescimento ocorrido num certo intervalo de tempo. Os
factores envolvidos no crescimento e no acrscimo dos povoamentos florestais foram
abordados na sec. 2 do Captulo IX dos Apontamentos de Dendrometria (Marques et al.,
2005). Para alm do acrscimo em volume das rvores presentes nas parcelas em duas
ocasies sucessivas (acrscimo lquido), h, eventualmente, a contabilizar o volume relativo a
mortalidade, cortes e ingresso, consoante o tipo de crescimento que se pretenda apurar
(crescimento bruto ou crescimento lquido, incluindo ou no o ingresso). A avaliao dos
volumes relativos a mortalidade, cortes e ingresso s pode ser efectuada eficazmente se as
observaes incidirem em parcelas permanentes. Caso contrrio, o ingresso dificilmente
poder ser contabilizado e a mortalidade confundir-se- com os cortes, se as rvores que
morreram tiverem sido posteriormente abatidas, deixando cepos cuja origem no se pode
diferenciar da dos cepos resultantes de desbastes.
A avaliao do volume respeitante a rvores removidas, tanto no caso de parcelas
permanentes, como temporrias, pode ser obtida indirectamente atribuindo ao material
retirado o valor que ele apresentava no primeiro inventrio, ou relacionando o dimetro dos
respectivos cepos com o d, conforme se referiu na sec. 2 do Capitulo IX dos Apontamentos
de Dendrometria (Marques et al., 2005).
No captulo XI, referiu-se a vantagem do recurso dupla amostragem para avaliao do
crescimento dos povoamentos, quando se procedeu instalao de parcelas permanentes.
Parte das parcelas observadas inicialmente (na idade t1) so reobservadas na idade t2. A
anlise do crescimento feita por anlise de regresso, onde os valores apurados no segundo
inventrio, num nmero restrito de parcelas, so relacionados com os volumes que essas
parcelas apresentavam anteriormente.
Este captulo dedicado avaliao do acrscimo lquido dos povoamentos, ou seja,
considerando apenas a diferena entre volumes contabilizados em idades diferentes, quando
no possvel ou quando no se torna vantajoso recorrer dupla amostragem.
O acrscimo liquido pode ser avaliado de acordo com duas perspectivas:
a) As parcelas observadas no segundo inventrio so exactamente as mesmas que
haviam sido observadas no primeiro inventrio. Esta situao pode dar-se quando,

118
pese embora tratar-se de parcelas permanentes, o seu nmero no de molde a
justificar o recurso a uma dupla amostragem. Neste caso, o acrscimo lquido mdio

A
l
ser obtido por:

A
l
= V
2
V
1

Onde: V
1
- volume mdio contabilizado no 1 inventrio
V
2
- volume mdio contabilizado no 2 inventrio
Uma vez que as observaes so mutuamente dependentes, a estimativa do erro padro
obtida pela expresso:
s
z
=
x
2
s +
y
2
s 2s
xy
n

Em que:
s
xy
=

n
x
i
x ( ) y
i
y ( )
n 1
=

n
x
i
y
i
( )

n
x
i

n
y
i
n
n 1

Onde:

z = A
l
, x = V
1
, y = V
2

Exemplo: Numa rea florestal, foram observadas, em 1995, 20 parcelas de 500m
2
, para
avaliao do respectivo volume. Em 2000, as mesmas parcelas foram de novo observadas. Os
resultados so apresentados no seguinte Quadro:
Parcela Volume em 1995 Volume em 2000
(m
3
/ha) (m
3
/ha)
1 147 210
2 508 441
3 561 0
4 426 81
5 12 118
6 261 397
7 599 672
8 433 12
9 492 17
10 163 227
11 294 324
12 387 440
13 266 310
14 134 198
15 143 187
16 112 150
17 14 108
18 155 199
19 256 302
20 187 222

119
Sejam: y
i
- volume observado em 2000
x
i
- volume observado em 1995
20
y
i
= 4615
20
y
i
= 5500
y = 230.8 m
3
/ parcela x = 277.5 m
3
/ parcela
y
2
s = 28337.5
x
2
s = 31661.6
20
x
i
y
i
= 1416778
O acrscimo lquido mdio no perodo considerado foi:

A
l
= 230.8 277.5 = 46.7 m
3
/ parcela
E o erro inerente a esta estimativa:
xy s =
1416778
5500x4615
20
19
=
147653
19
= 7771.2
s
z
=
31661.6 + 28337.5 2 7771.2 ( )
20
= 47.1 m
3
/ ha
Logo, a preciso da avaliao do acrscimo lquido ocorrido entre 1995 e 2000 :
- 46.7 47.1 m
3
/parcela
Este resultado aponta para uma diminuio da existncia no perodo considerado, mas,
mais do que isso, mostra a dificuldade de que se reveste um estudo deste tipo, quando no
contabilizado o volume das rvores entretanto cortadas e esse volume assume significado. No
exemplo apresentado, o erro padro calculado 100.9% superior mdia determinada, porque
o acrscimo do volume nalgumas parcelas positivo, mas noutras acentuadamente
negativo. No se detecta um padro de interveno cultural, a partir dos dados recolhidos.
Obviamente, no se dispondo de outra informao, o erro da amostragem s diminuiria se se
observassem mais parcelas. Nesse caso, ter-se-ia que alargar a fraco de amostragem do 2
inventrio, relativamente do 1, e os dados obtidos j no seriam analisados apenas numa
perspectiva da dependncia mtua, mas tambm de acordo com a perspectiva apresentada na
alnea que se segue.

120
b) As parcelas observadas no segundo inventrio (n
2
) podem ser em igual, maior ou
menor nmero do que as que haviam sido observadas no primeiro inventrio (n
1
),
constituindo, no entanto, um lote diferente. Isto , no h parcelas comuns aos dois
inventrios. Esta situao habitual quando no primeiro inventrio foram
estabelecidas parcelas temporrias, cuja localizao se desconhece aquando da
realizao do segundo. A questo de, no segundo inventrio, poder estar envolvido
um nmero de parcelas menor, igual ou maior do que havia sido considerado no
primeiro inventrio dever ter a ver com o erro de amostragem obtido aquando
daquela primeira etapa de observao. Poder-se- admitir no ser necessrio instalar
maior nmero de parcelas ou, em alternativa, reduzir esse nmero, ou ainda, ser
conveniente aument-lo. A estimativa do erro padro relativo diferena de valores
obtidos nos dois inventrios basear-se-, pura e simplesmente, no esquema de
propagao de erros de uma diferena de variveis mutuamente independentes:
d s
=
x
2
s
n
1
+
y
2
s
n
2



121
CAPTULO XIII
Amostragem em vrios graus
1. INTRODUO
Em inventrios nacionais, ou mesmo regionais, as reas florestais consideradas so
naturalmente muito grandes. Atendendo aos custos envolvidos na recolha de dados, a fraco
de amostragem ter, certamente, que ser pequena, por vezes inferior a 1% da populao.
Obviamente, esta condio implicaria uma grande perda de tempo em deslocaes entre
parcelas de amostragem, se se adoptasse uma amostragem casual simples. Ser prefervel,
ento, recorrer a um esquema de amostragem que permita agregar parcelas em determinadas
zonas representativas da rea total, encurtando as distncias entre elas, embora fiquem por
amostrar vastas reas entre os diversos agregados de parcelas. A implementao duma
amostragem deste tipo visa primordialmente a conteno de custos, em detrimento da
preciso. O referido esquema simplifica o planeamento e a execuo do trabalho de campo,
bem como a sua superviso, atendendo a que, numa amostragem envolvendo reas extensas,
seja natural a constituio de vrias equipas de campo, encarregando-se cada uma delas da
observao de vrios ncleos de parcelas. A tcnica que permite realizar este tipo de
levantamento conhecida por amostragem em vrios graus.
A amostragem em vrios graus implica a diviso da populao em unidades de
amostragem com diferentes dimenses, segundo uma ordem hierrquica. A populao divi-
dida em M unidades de amostragem de 1 grau, tambm chamadas unidades primrias (UPs),
cada uma das quais contm N unidades de 2 grau, designadas por unidades secundrias
(USs), que por vez podero conter, cada uma delas, P unidades de 3 grau, e assim por diante.
A cada escalo corresponder, um grau de amostragem. As unidades de amostragem so
seleccionadas em cada grau por um qualquer processo apropriado, mas o resultado ser
sempre o de concentrar no terreno as unidades a observar no ltimo grau considerado.

2. AMOSTRAGEM EM UM GRAU OU AMOSTRAGEM EM GRUPOS
Para perceber melhor a tcnica de amostragem em vrios graus, ser til comear por
analisar um caso particular, conhecido por amostragem em um grau ou amostragem em
grupos (designados, em lngua inglesa, clusters).

122
Como se referiu na seco anterior, na amostragem em dois graus, quando uma unidade
primria seleccionada, um seu sub-conjunto de elementos, referenciados como unidades
secundrias, observado. No caso particular da amostragem em grupos, quando uma
unidade primria seleccionada, todos os elementos que a constituem (ou seja, todas as
unidades secundrias) so avaliadas relativamente caracterstica em apreo.
Esta situao exactamente a que acontece quando, atravs de qualquer outro esquema
de amostragem, se realiza um inventrio florestal com recurso a parcelas de rea pr-fixada.
As unidades primrias (as parcelas) so primeiramente seleccionadas e depois todas as
unidades secundrias (as rvores) dentro de cada unidade primria so medidas.
Quando se avaliam caractersticas definidas conjugadamente com uma unidade de
rea (por exemplo, volume/ha ou rea basal/ha) a amostragem no tratada como uma
amostragem em grupos, uma vez que as medidas expressas por unidade de rea no tm
qualquer significado para a avaliao de caractersticas das rvores individuais. Contudo, ao
avaliar uma caracterstica das rvores individuais (tal como, dimetro mdio, altura
dominante, proporo de rvores doentes), as amostras devem ser tratadas em grupos, uma
vez que cada rvore constitui uma unidade de amostragem e as rvores observadas so
seleccionadas em grupos. Ou seja, contendo cada parcela o grupo de rvores que a ocupa e
estando as parcelas de amostragem dispersas no terreno, as rvores formam agregados de
amostras, tambm eles dispersos na rea em estudo.
Para estimar uma proporo populacional (tal como a proporo de rvores doentes
num povoamento), h que anotar o nmero total de rvores na parcela,
i m , e o nmero de
rvores com a caracterstica em estudo, c
i
. Ento, a estimativa da proporo populacional
ser:
p
c
=

n
c
i

n
m
i





123
E a varincia desta estimativa :
p
c
2
s =
1
M
2
c
2
s
n
N n
n
|
\
|


Onde:
c
2
s
=

n
c
i
2
+ p
c
2

n
m
i
2
2p
c

n
m
i
c
i
n 1

Sendo: M= nmero mdio de rvores/ grupo (=
n
m
i
/ n)
N = nmero de grupos na populao
n = nmero de grupos na amostragem
c
i
= nmero de rvores na amostra i (grupo) com a caracterstica em apreo
m
i
= nmero total de rvores na amostra i (grupo)
evidente que, parte as simbologias adoptadas serem diferentes, as expresses
anteriormente apresentadas so idnticas s que se estabeleceram para o caso de amostragens
com recurso a razes (Cap. VIII). A amostragem por razes tanto se aplica a avaliaes
relacionadas com unidades de rea como a avaliaes de caractersticas individuais. A
amostragem em grupos no mais do que uma amostragem por razes, visando apenas a
avaliao de caractersticas individuais.
O formulrio apresentado anteriormente aplica-se, em particular, avaliao de
caractersticas qualitativas. No caso de se pretender estimar valores individuais, relativos a
variveis quantitativas, o formulrio a utilizar ser, tambm de modo semelhante ao
apresentado no Captulo VIII:
ij
i
i n m
n
y
R
m

=


Onde, para alm das simbologias j indicadas para o caso das variveis qualitativas:
ij
y valor do elementos j no grupo i

124
2
2
2
1
R
u
s N n
s
M n N
| |
=
|
\

Onde:
2 2 2
2
2
1
n n n
i i
u
i i
y R x R x y
n
s
+
=


Em que: y
i
total dos valores medidos no grupo i
x
i
nmero de elementos medidos no grupo i

3. AMOSTRAGEM EM DOIS GRAUS OU SUBAMOSTRAGEM
Na amostragem em dois graus, ou subamostragem, a populao dividida em
M unidades primrias, das quais m so seleccionadas para amostragem. Cada UP contm N
unidades secundrias, das quais n so observadas no terreno.
A aplicao da subamostragem em inventrios florestais recai normalmente numa das
seguintes situaes:
1. Todas as unidades primrias contm o mesmo nmero de unidades secundrias, as
quais possuem a mesma dimenso (Fig. 15).
2. As unidades primrias contm diferente nmero de unidades secundrias, embora
estas possuam a mesma dimenso (Fig. 16).
Em qualquer dos casos, ao avaliar a varincia mdia populacional haver sempre que
considerar tantas fontes de variao quanto o nmero de graus envolvidos na amostragem.
Assim, por exemplo, numa amostragem em dois graus existe uma variao entre as unidades
secundrias (dentro das unidades primrias) e uma variao entre as prprias unidades
primrias.
Nas seces seguintes, sero apresentados os modelos adequados ao clculo da mdia
populacional e da respectiva varincia, para cada uma das situaes atrs focadas.




125




Fig. 15






Fig. 16

126
4. SUBAMOSTRAGEM DE UNIDADES PRIMRIAS COM A MESMA DIMENSO
CONTENDO O MESMO NMERO DE UNIDADES SECUNDRIAS
Das duas situaes referidas no final da seco anterior, esta a menos comum. Um
exemplo deste esquema a avaliao num viveiro, da altura de plantas em tabuleiros de igual
dimenso com o mesmo nmero de plantas/tabuleiro. Todavia, apresenta grande interesse sob
o ponto de vista terico, por ser a que permite demonstraes mais simples. Assim, socorrer-
nos-emos dela para a explorao de vrios aspectos associados aplicao generalizada da
subamostragem.
Sejam:
M - nmero total de unidades primrias
m - nmero de unidades primrias amostradas
N - nmero total de unidade secundrias
N
j
- nmero de unidade secundrias na UP
j

n
j
- nmero de unidade secundrias amostradas na UP
j

y
ij
- valor i determinado em cada USj
1 - Mdia em cada UP:

n
j
ij
j
j
y
y
n

=
2 - Mdia populacional:
y =
1
m

m
y
j

Nesta situao, a anlise de varincia da subamostragem muito semelhante que foi
apresentada no Captulo VI, quando se abordou a amostragem estratificada. A varincia da
mdia, no caso de populaes finitas dada, como vimos (eq.6 da sec.1 do Cap. VI), por:
s
y
2
= (1 f
1
)
s

2
m
+ (1 f
1
f
2
)
s
w
2
mn
j
(1)
Onde: f
1
=
m
M
f
2
=
n
j
N
j


127
s
2

- varincia estritamente entre as UPs:
s

2
=
s
b
2
- s
w
2
n
j
=
s
w
2
+ n
j
s

2
- s
w
2
n
j
(2)
s
2
b
- varincia entre as UPs, incluindo o efeito da variao das USs:
s
b
2
= s
w
2
+ n
j
s

2
=
2 2
j j
1
n mn
m
j j
n n
m m
ij ij
y y
( (
( (
( (

=
m
2
j j
1
n (y y)
m

(3)
s
2
w
- varincia das USs:
s
2
w
=
2
2
j
1
n
m ( )
j
j
n
m
ij n
m
ij
j
y
y
n
(
(
(

=
j
n
m
2
j
ij
1)
j
(y y )
m(n -



(4)
Ento, poder-se- reformular a relao (1) do seguinte modo:
s
y
2
=
(1 - f
1
)
m
s
b
2
- s
w
2
n
j
+
(1 - f
1
f
2
)
mn
j
s
w
2

s
y
2
=
(1 - f
1
)
m
s
b
2
n
j
-
(1 - f
1
)
mn
j
s
w
2
+
(1 - f
1
f
2
)
mn
j
s
w
2
s
y
2
=
(1 - f
1
)
m
s
b
2
n
j
+
s
w
2
mn
j
(-1 + f
1
+ 1 - f
1
f
2
)
s
y
2
=
(
1
- f
1
)
m
s
b
2
n
j
+
f
1
(1-f
2
)
mn
j
s
w
2
(5)
Recorrendo s relaes (3) e (4) obtm-se:
( )
( )
( )
( ) ( )
( )
2 2
1 2
y
1
1
1 2
1
1
j j
j
f f
-f
s =
m n m- mn
n
n
j
m m
j j ij j
n y y y y
m


(6)


128
1. Se m for igual a M, ento f
1
=1. Neste caso, o primeiro membro da relao (6) ser
eliminado e obter-se-:
s
y
2
=
(1 f
2
)
mn
j

n
j
(y
ij
y
j
)
2
m(n
j
1)
=
(1 f
2
)
Mn
j

n
j
(y
ij
y
j
)
2
M(n
j
1)

(7)

Ou seja, em termos de formulrio, o clculo da varincia da mdia atravs da
subamostragem tenderia para o modo como obtida essa mesma estimativa atravs do
esquema utilizado na amostragem estratificada casual (Cap. VI).
2. Se f
1
for negligvel (f
1
= 0) e n
j
constante para todas as UPs, uma vez que estas tm a
mesma grandeza, ento o segundo membro da relao (6) ser eliminado e,
simplificando o primeiro membro, obter-se-:
s
y
2
=

m
(y
j
y )
2
m(m1)
=
s
2
b
mn
j

(8)

Neste caso, o formulrio utilizado para o clculo da varincia da mdia atravs da
subamostragem acaba por ser semelhante ao da amostragem casual simples em populaes
infinitas. Portanto, a subamostragem produz estatisticamente o efeito de "expandir" o valor
das avaliaes efectuadas nas unidades de amostragem observadas (assumindo cada UP o
valor da mdia das respectivas USs), com a inerente reduo da variao, entre as UPs sem
que, de facto, as UPs tenham sido integralmente observadas.

4.1 CONDICIONALISMOS DE CUSTO
Na subamostragem, tal como na amostragem por fases, possvel estabelecer a razo
ptima de parcelas a observar nos diferentes graus de modo a realizar a amostragem com o
oramento mais favorvel.
O custo total ser, neste caso:
C = m.c
1
+ m.n
j
.c
2

Sendo: c
1
- custo de deslocao entre unidades primrias
c
2
- custo inerente s medies a efectuar numa unidade secundria

129
Para estabelecimento da razo (n
j
/m) , tambm neste caso, necessrio considerar uma
das seguintes opes:
A) Qual o nmero de unidades secundrias a observar em cada unidade primria, de
modo a obter uma preciso desejada, pelo custo mais baixo?
B) Qual o nmero de unidades secundrias a observar em cada unidade primria, de
modo a obter uma preciso ptima, em funo de um custo previamente fixado?
Comecemos por considerar o produto do custo pela varincia mdia (

Cs
y
2

):
Cs
y
2
= (m.c
1
+ m.n
j
.c
2
) (
s
2

m
+
s
2
w
m.nj
)
Cuja diferenciao em ordem a n
j
e posterior igualizao a zero, permite estabelecer:
n
j
=
s
w
s

c
1
c
2

Ou: n
j
=
s
w
%
s

%
c
1
c
2

Substituindo n
j
na frmula para determinao do erro padro por esta expresso:
s
2
y % =
s
2
%
m
+
s
2
w%
mn
j

poder-se- determinar o nmero de UPs requerido, de modo a obter uma certa preciso:
m=
j
n

2
s %+
w
2
s %
j
n
y
2
s %

Ilustramos este procedimento recorrendo a um exemplo apresentado por Loetsch et al.
(1973).
Foi efectuado um inventrio florestal, no Norte da Tailndia, observando 43 UPs, com
7 USs cada. O custo do trabalho foi de 50 000 dlares ($50000). Em mdia eram necessrios
3 dias para desmontar o acampamento, deslocar pessoas e material para o local do novo
acampamento, e aqui montar as tendas e arrumar o material. Por outro lado eram necessrios
7 dias teis para efectuar as medies nas sete unidades secundrias, includas em cada
unidade primria.

130
Em resumo, era observada uma US por dia, enquanto eram necessrios trs dias para
deslocaes entre UPs. Logo:
c
1
= 3 c
2

Sendo assim, pode-se estabelecer:
c = m.c
1
+ m.n
j
.c
2

50 000 = 43 x 3c
2
+ 43 x 7 x c
2

c
2
= $116.28
c
1
= $ 348.84
Entretanto os coeficientes de variao do volume foram:
s

% = 67.9
s
w
% = 77.1
Vejamos, para j, qual foi - em termos percentuais - o valor do erro padro da
amostragem efectuada:
2
% ( )
y
s =
67.9
2
43
+
77.1
2
43 x 7
=126.9
%
y
s = 11.3
Para o mesmo custo, qual teria sido o nmero ideal de USs a observar em cada UP?
n
j
=
s
w
%
s

%
c
1
c
2
=
77.1
67.9
348.84
116.28
2
E quantas UPs com 2 USs teriam sido necessrias para que o erro no aumentasse?

2
2
2 w
%
j
s %
s %
s
m m n
y
= + com n
j
= 2
m =
2 x 67.9
2
+ 77.1
2
2 x 11.3
2
60
O nmero total de USs observadas fra 43 x 7 = 301 e, de acordo com a razo ptima,
deveria ter sido 60 x 2 = 120.

131
O custo inerente a esta soluo seria:
C = 60 x 348.84 + 120 x 116.28 = $34 884
O que implicaria uma reduo de $15 116 relativamente ao custo efectuado.
Se, por outro lado, a preciso da amostragem tivesse sido fixada (10%, por exemplo),
sabendo-se que o recurso a n
j
= 2 adequado, ento:
m =
2 x 67.9
2
+ 77.1
2
2 x 10
2
= 76
O que implicaria um custo de:
c = 76 x 348.84 + 152 x 116.28 = $44 186
Ou seja, teria sido possvel, a custos mais reduzidos, ter efectuado um inventrio mais
preciso.

5. SUBAMOSTRAGEM DE UNIDADES PRIMRIAS COM DIFERENTES DIMENSES
Na seco 4., considermos o caso das UPs terem a mesma dimenso e dentro delas
existir igual nmero de USs, igualmente com a mesma dimenso. Porm, esta no a situao
mais comum em inventrios florestais. O que normalmente acontece existirem vrios
povoamentos (M), com diferentes dimenses, ou seja, com diferente nmero de USs (Fig. 16).
Da que, sendo muito distintos os valores de N
j
, contrariamente ao que sucede com as mdias
y
j
, os valores totais das UPs (Y
j
= N
j
. y
j
) podem apresentar uma grande variao entre si.
Este caso de subamostragem , em geral, abordado de acordo com uma das seguintes
perspectivas:
1 A seleco das UPs feita casualmente e os dados so tratados por meio de razes,
de modo a ponderar a importncia relativa das diferentes unidades primrias.
2 A seleco das UPs feita proporcionalmente sua dimenso, de modo a que as UPs
que possuem maiores reas tenham maior probabilidade de ser seleccionadas do que as que
possuem reas menores.

132

5.1 SUBAMOSTRAGEM COM SELECO CASUAL DAS UNIDADES PRIMRIAS.
AMOSTRAGEM POR MEIO DE RAZES
Para aplicao desta metodologia, as UPs so numeradas, ou identificadas por
coordenadas, e seleccionadas casualmente. Tal como em outros tipos de amostragem, tambm
neste poder-se- recorrer ou no reposio das unidades seleccionadas. Como a
variabilidade da amostra poder ser grande, atendendo a que as UPs com maiores dimenses
tm a mesma probabilidade de ser seleccionadas das UPs com menores dimenses, a
aplicao de razes adequa-se a esta situao.
Um caso comum de aplicao deste esquema de subamostragem, no decurso dum
inventrio florestal, consiste em considerar como unidades primrias as reas teis duma
cobertura aerofotogrfica disponvel. A seleco das unidades primrias (fotografias) a
observar feita casualmente. No entanto, de fotografia para fotografia, a ocupao do estrato
Floresta pode traduzir-se por um nmero de unidades secundrias (Nj) substancialmente
diferente.
Portanto, quando se recorre razo:
j j
j
N . y

R= y =
N
m
m


a estimativa da varincia da mdia distinta da obtida quando os valores de N
j
so
constantes. Assim, as contribuies das UPs para o quadrado mdio do erro so ponderadas,
apresentando um maior peso as UPs de dimenso superior.
Segundo Cochran (1977) e Vries (1986), a estimativa de varincia de R dada atravs
de:
2
2
2

2
2

1
( )
j
j wj
R
j
j
j
m
m
j j
R
N n y s N
M M m
N M
S
n M m
N m
N
(
(

| |
( | |

| = +
| (
|

\
( \



133
onde N corresponde ao nmero total de USs em que a populao se encontra dividida e
s
wj
2

a varincia dentro da UPj:
2
n
j
n
j
2
n
j
j
2
1 n
ij
y
ij
wj
y
s
| |
|

|
|
\

=
semelhana do que foi referido na situao geral da subamostragem, pode
constatar-se a presena das duas componentes de variao: dentro das UPs e entre as UPs
(1 e 2 termo dentro do parntesis recto, respectivamente).
Note-se que, sendo feita a ponderao das observaes por unidade primria, no h
qualquer razo para no observar o mesmo nmero de unidades secundrias em cada unidade
primria. A localizao das unidades secundrias poder ser feita casual ou sistematicamente.
Ao terminar esta seco, no queremos deixar de referir a extenso deste esquema a
uma situao bastante corrente. Trata-se de inventrios, por subamostragem, de populaes
estratificadas. Embora esse caso no seja aqui desenvolvido, o formulrio correspondente
passa a considerar no apenas a razo genrica volume/UP, mas tambm as vrias razes
especficas para cada espcie volume da espcie i/UP.

5.2 SUBAMOSTRAGEM COM SELECO DAS UNIDADES PRIMRIAS PROPORCIONAL
RESPECTIVA DIMENSO. AMOSTRAGEM POR LISTAGENS.
No caso das UPs terem diferentes dimenses muitas vezes aconselhvel recorrer a um
mtodo de amostragem proporcional a uma dimenso, tal como sucede no caso da
amostragem pontual (Captulo IX). A diferena entre a aplicao desse mtodo em
amostragem pontual e em subamostragem reside no facto de que, no primeiro caso a
probabilidade das rvores serem includas na amostragem depende da dimenso dos seus
dimetros e, no segundo, a probabilidade das UPs serem observadas depende da dimenso
das suas reas.

134
A implementao da amostragem proporcional a uma dimenso no caso da
subamostragem , normalmente, realizada a partir duma lista cumulativa das reas de todas as
UPs. Da, a amostragem ser conhecida por amostragem por listagens.
Consideremos uma rea (A) constituda por quatro povoamentos (UPs) com reas a, b,
c e d.
Teremos: A = a + b + c + d
A probabilidade dum povoamento ser seleccionado ser:
P
a
=
a
A
; P
b
=
b
A
; P
c
=
c
A
e P
d
=
d
A

Generalizando, a probabilidade de seleco p
j
=
x
j
x
j
=
j
N
N
j
. Logo, quanto maior for
o valor do numerador, maior ser a probabilidade do respectivo povoamento ser seleccionado.
Portanto, ao contrrio da amostragem casual simples em que a probabilidade de
seleco de cada UP de 1/M, a probabilidade de seleco na amostragem proporcional a
uma dimenso auto-ponderada, uma vez que as unidades com maior rea tm maiores
hipteses de serem includas na observao do que as unidades com menor rea.
Assim, por exemplo, admitamos uma rea florestal constituda por 6 UPs, que no seu
conjunto ocupam 400 ha. As reas parcelares, correspondentes a cada UP, encontram-se
discriminadas no Quadro XII (coluna 2). Na coluna 3 do mesmo Quadro apresenta-se uma lista
cumulativa dessas reas.
Quadro XII

UNIDADES PRIMRIAS REA (ha) SOMATRIO DAS REAS (ha)
(j) (x
j
) ( x
j
)

1 2 3
1 63.8 63.8
2 116.9 180.7
3 87.2 267.9
4 6.5 274.4
5 16.7 291.1
6 108.9 400.0


135
Empregando agora uma tabela de nmeros casuais, cada um deles com quatro dgitos,
um nmero que surgisse entre 063.8 e 180.7 indicaria que a UP 2 seria seleccionada.
Como este processo feito com reposio, o surgimento de outro nmero dentro
daquele intervalo indicaria que a UP 2 seria seleccionada novamente para observao.
Tal como nos outros casos de subamostragem, o nmero de USs a observar em cada UP,
no pode ser inferior a 2. usual observar de 5 a 10 USs por UP.
Depois de localizadas as parcelas de amostragem nos diversos povoamentos
seleccionados e efectuadas as medies respeitantes varivel que interessa considerar, y
i
, a
estimativa do valor mdio de y por unidade de rea dada por:
1 - Mdia em cada UP:

j
ij
j
y
y =
n
j
n


2 - Mdia populacional:

1
j
y = y
m
m

Por sua vez, a varincia da mdia ser dada por:
3 -
2
2
2
1
( )
( )
( )
m
m
j
j
y
y
y
m
s
m m


Esta expresso equivalente expresso (8) apresentada na sec.4., pelo que tudo o que
ento ficou escrito tem igual aplicao neste caso.
Na globalidade, em termos de formulrio, pode constatar-se no haver diferenas entre
esta modalidade da subamostragem e a que foi referida na sec.4. No entanto, neste caso, no
que se refere a delineamento, a amostragem recorre seleco das UPs, com reposio,
baseando-se numa lista de reas acumuladas, o que faz com que a amostragem seja auto-
-ponderada. Estabelece-se um esquema de observao de 5 a 10 USs em cada UP. Essas USs

136
podem ser localizadas casualmente, ou sistematicamente. Se a mesma UP for seleccionada
mais que uma vez, h que adoptar um de dois critrios, no que diz respeito observao das
USs. Shiver e Borders (1996) preconizam a multiplicao do nmero inicialmente previsto de
USs a observar em cada UP pelo nmero de vezes que a UPj seja seleccionada. Se, por
exemplo, se estabelecesse observar 5 USs em cada UP e uma qualquer UP fosse seleccionada 4
vezes, de acordo com o critrio proposto deveriam ser observadas 20 USs, nessa UP. Por seu
turno, Cochran (1977) prope que a mdia dos valores obtidos nas n
j
USs inicialmente
observadas contribua para a mdia populacional com um peso equivalente ao nmero de
vezes que a UP seja seleccionada, sem que se torne necessrio realizar novas parcelas de
amostragem nessa UP. De acordo com o referido autor, a diferena entre a preciso obtida
atravs deste procedimento e a que se conseguiria a partir do aumento de intensidade da
amostragem nas UPs no significativa e permite reduzir substancialmente os custos.
Uma aplicao corrente da subamostragem por listagens feita quando se pretende
apurar o volume correspondente a uma espcie florestal num determinado distrito, onde a
espcie em causa se encontra distribuda por um elevado nmero de povoamentos, cujas reas
sejam antecipadamente conhecidas.

6. SUBAMOSTRAGEM EM INVENTRIOS QUALITATIVOS COM UNIDADES
PRIMRIAS DE IGUAL DIMENSO E OBSERVANDO O MESMO NMERO DE
UNIDADES SECUNDRIAS POR UNIDADE PRIMRIA
Consideremos uma ltima aplicao da subamostragem. As USs podem eventualmente
ser utilizadas para classificar a populao de acordo com duas classes. Uma, que possui um
determinado atributo e a outra que no o possui. Esta situao pode pr-se, por exemplo, na
avaliao atravs duma rede de pontos de rea ocupada por uma dada espcie.
Sejam:
m - nmero de UPs amostradas
n
j
- Nmero de USs amostradas na UP
j

n
aj
- nmero de USs amostradas na UP
j
possuidoras do atributo a


137
Podemos estimar p, de acordo com:
p =
m

n
aj
m
n
j
(13)
ou:
p =
m

p
j
n
j
m
n
j
(14)
Onde: p
j
=
n
aj
n
j

Se n
j
for constante, podemos escrever:

j
m
p
p
m

= (15)
Donde, a varincia da mdia ser dada por:
( )
( )
2
1
2
1
m
j
p
m
p p
M
s
m m
| |

|
\
=

(16)

7. CONSIDERAES FINAIS SOBRE A AMOSTRAGEM EM VRIOS GRAUS
Da discusso sobre as condies de aplicabilidade da amostragem em vrios graus, ou
subamostragem, pode concluir-se que:
a) Na sua aplicao prtica um mtodo muito simples e altamente recomendvel em
inventrios extensivos.
b) possvel compar-lo, em termos de formulrio, com os esquemas de amostragem
casual simples e amostragem estratificada (ainda que a subamostragem no recorra
necessariamente estratificao), podendo analisar-se o tipo de populao em estudo.

138
c) Como o nmero de USs amostradas no interfere na definio do nmero de graus de
liberdade, no se levanta, neste caso, qualquer objeco utilizao de um esquema
de localizao sistemtica das n
j
USs.
d) possvel recorrer a um esquema de amostragem proporcional a uma dimenso para
seleccionar as UPs a amostrar, quando estas apresentem diferentes dimenses,
e) A sua utilizao alarga-se a inventrios de caractersticas qualitativas.
f) Pese embora a importncia de nmero de USs a observar por UP, preciso ter
presente que, no caso da subamostragem, o valor de t a utilizar na definio do erro
de amostragem s depende do nmero de UPs observadas.
Apresenta-se, de seguida, dois exemplos de aplicao da subamostragem em inventrios
quantitativos e qualitativos.

7.1 EXEMPLO DE APLICAO DA SUBAMOSTRAGEM EM INVENTRIO QUANTITATIVO
Considere os valores apresentados no Quadro XIII e que resultam de observaes
colhidas em 6 USs dentro de 8 UPs, numa populao dividida em 200 UPs.
Quadro XIII

UP Valores de y
ij
nas US (m
3
/ha)
6

y
ij
6

y
2
ij
y
j

i=1 2 3 4 5 6

j =1 271 218 159 271 218 253 1390 331220 231.7
2 0 59 12 53 0 0 124 6434 20.7
3 24 159 100 18 35 212 548 82350 91.3
4 212 153 153 124 71 136 849 130675 141.5
5 6 94 30 71 124 53 378 32998 63.0
6 112 118 130 118 118 177 773 102545 128.8
7 259 294 188 183 230 200 1354 315250 225.7
8 0 6 35 147 12 47 247 25223 41.2

y
j
8

= 943.9

8

6

y
ij
= 5663

8

6

y
2
ij
= 1026695
8

(
6

y
ij
)
2
= 5603319
8
2
j
y
= 155667.7

1) Mdia populacional:
y

=
1
8
. 943.9 = 118 m
3
/ha

139
2) Varincia dentro das UP
s
2
w
=
1026695
5603319
6
8(5)
= 2320.2
3) Varincia entre as UP:
s
2
b
=
5603319
6

5663
2
8 x 6
7
= 37967.28 = s
2
w
+ 6 s
2


4) Varincia da amostragem:
s
2
y
=
155667.7
943.9
2
8
7
= 6328.5
5) Varincia da mdia populacional:
s
2
y
=
6328.5
8
= 791
Ou, como s
2
b
= 37967.28 e s
2
w
= 2320.2
6 s
2

= 37967.28 - 2320.2
s
2

= 5941.18
Ento: s
2
y
=
5941.18
8
+
2320.2
8.6
= 791 (Pela eq. 1 da sec. 4, no considerando os factores de
correco para populaes finitas)
6) Erro de amostragem:
s
y
= 791 = 28.1 m
3
/ha
Para 95% de probabilidade e 7 gl, t = 2.365
SE = 28.1 x 2.365 = 66.5 m
3
/ha
Sendo a equao de probabilidade para a mdia populacional:
118 66.5 m
3
/ha
Ou seja, o erro de amostragem de
66.5 x 100
118
= 56.6%

140
As razes pelas quais este erro to elevado prendem-se com:
1) o facto do nmero de UPs observado ser muito pequeno (8) o que, por um lado,
afecta o valor do erro padro e, por outro, implica a utilizao de um valor de t
elevado.
2) A variabilidade entre unidades primrias ser muito superior variabilidade dentro
destas unidades (observar o Quadro XIII e os valores de

2
s
e
w
2
s ). Este aspecto
muito importante, porque mostra que quando a correlao entre USs dentro dos UPs
grande e a correlao entre os UPs pequena, o erro padro tende a aumentar.
Pelo contrrio, quanto menor for a variabilidade entre UPs, ainda que haja
variabilidade dentro delas, menor ser o erro de amostragem. Em suma, esta
constatao est de acordo com o exposto na sec. 5.3 do Captulo IV, onde se referiu
que quanto maior variabilidade fosse contabilizada dentro de cada parcela de
amostragem, menor varincia mdia seria detectada no conjunto das parcelas.

7.2 EXEMPLO DE APLICAO DA SUBAMOSTRAGEM EM INVENTRIO QUALITATIVO
Pretendeu-se aplicar um esquema de subamostragem no estudo de disseminao de uma
doena em plantas.
Existiam 160 vasos, cada um dos quais contendo 9 plantas. Casualmente foram
seleccionados 40 vasos, e dentro deles 3 plantas, para se observar a presena da doena.
Verificou-se que 22 vasos no continham plantas doentes. Em 11 vasos, havia uma
planta doente, no lote das 3 observadas. Quatro vasos continham 2 plantas doentes. Em 3
vasos, as 3 plantas observadas estavam doentes.
Formulando o problema, temos:
M = 160
N
j
= 9
m = 40
n
j
= 3

141
a = atributo "doena". Para o primeiro caso, por exemplo, em 22 vasos, no se detectou
a presena deste atributo nas 3 plantas observadas.
Ento: n
a1
= 22 (
0
3
).
Logo, a estimativa da proporo de plantas doentes, por aplicao da equao (15) ser:

m 0 1 2 3
22 11 4 3
j
3 3 3 3
0.233
40
p
p
m
+ + +
=
| | | | | | | |
| | | |
\ \ \ \
= =
Ou seja, estima-se uma percentagem de 23.3% de plantas doentes na populao.
O erro padro desta estimativa deriva da aplicao da expresso (16):
s
2
( )
( )
2
m
1
j
1
m
p p
M
p
m m-
=
| |

|
\
=
=
(1
40
160
) 22
0
3
0.233
|
\

|

|
2
+11
1
3
0.233
|
\

|

|
2
+ 4
2
3
0.233
|
\

|

|
2
+ 3
3
3
0.233
|
\

|

|
2




(

(
(
40(39)
= 0.00184
Donde:
s
p
= 0.00184 = 0.043
E o erro da amostragem ser:
SE = 0.043 x 2.019 = 0.087 (t = 2.019 para 39 gl, p = 0.05)
Ou seja, o erro de amostragem da ordem de:
SE% = 0.087 x 100 /0.233 = 37.3
Convertendo em valores absolutos, teramos, para a populao de (160 x 9) = 1440
plantas, um diagnstico de (1440 x 0.233) (1440 x 0.087) = 336 126 plantas doentes.

142

143
BIBLIOGRAFIA
Beers, T. W., Miller, C. I., 1964. Point Sampling: Research Results, Theory and
Applications. Purdue University Research Bulletin No. 786.
Bitterlich, W., 1948. Die Winkelzahlmessing. Allg. Forest. Holzwirtsch, Ztg. 58: 94-96.
Cochran, W. G., 1977. Sampling Techniques. John Wiley & Sons, New York. 428p.
Freese, F., 1961. Relation of plot size to variability: an approximation. J. For. 59, 679.
Grayet, J. P., 1977. Contribution ltude de lchantillonnage en futaie feuillue. Ann.
Sci. For. 34, 59-75.
Hansen, M. H., Hurwitz, W. N., Madow, W. G., 1953. Sample Survey Methods and
Theory. John Wiley & Sons, New York, Vol. I e II.
Hansen, M. H., Hurwitz, W. N., 1943. On the theory of sampling from finite
populations. Ann. Math. Stat., 14, 333-362.
Kulow, D. L., 1966. Comparison of forest sampling designs. J. For. 64, 469-474.
Loetsch, F., Haller, K. E., 1973. Forest Inventory Vol. I. BLV Verlagsgesellschaft,
Mnchen, 436p.
Marques, C. P., Lopes, D., Fonseca, T., 2005. Apontamentos de Dendrometria, UTAD.
165p.
Neyman, J., 1934. On the two different aspects of the representative method: The
method of stratified sampling and the method of purposive selection. Jour. Roy.
Stat. Soc. 97, 558-606.
Rondeux, J., 1999. La Mesure des Arbres et des Peuplements Forestiers. Les Presses
Agronomiques de Gembloux, Gembloux, 521p.
Satterthwaite, F. E., 1946. An approximate distribution of estimates of variance
components. Biometrics, 2, 110-114.
Shiver, B. D., Borders, B. E., 1996. Sampling Techniques for Forest Resource Inventory.
John Wiley & Sons, New York, 356p.
Stellingwerf, D. A., 1979. The Use of Aerial Photographs in Forest Inventory. Part 1.
ITC, Enschede, 79p.
Vries, P. G., 1986. Sampling Theory for Forest Inventory. Springer-Verlag, Berlin, 399p.

1













A N E X O S

Anexo 1 volta de Os Versculos Platnicos e Objectivos de Inventrio
Anexo 2 Tcnicas de amostragem
Anexo 3 Tabela de t Probabilidade
Anexo 4 Tabela de nmeros casuais
Anexo 5 Tabela de intervalos de confiana para a distribuio binomial
(probabilidade de 95%)
Anexo 6 Tabela de coeficientes de correlao (r) para os nveis de confiana de 95% e
99%














2
Anexo Anexo Anexo Anexo 1 11 1

volta de Os Versculos Platnicos e Objectivos de Inventrio

Carlos Pacheco Marques

Este texto resulta de uma traduo livre do artigo "The Platonic Verses and Inventory
Objectives" de H.G.Lund (1991), procurando enfatizar aspectos mais ajustados ao caso
portugus, omitindo outros que no pareceram to relevantes.

No Princpio...

Um inventrio no mais do que uma contabilizao de bens disponveis, sendo
geralmente considerados os seguintes aspectos aquando da sua preparao:
1. Definio dos objectivos do inventrio.
2. Identificao das informaes necessrias e de mtodos a utilizar na recolha de dados.
3. Compilao dos dados.
4. Processamento dos dados e apresentao de um relatrio com os resultados obtidos.

O primeiro destes aspectos frequentemente o mais difcil de alcanar porque os
objectivos nem sempre so enunciados de um modo perfeitamente claro. Considere-se, por
exemplo, as seguintes directivas propostas por um organismo governamental, responsvel
pela rea de Recursos Naturais:

Sec.3. Levantamento de Recursos Naturais: Para alm doutras aces a desenvolver, o
levantamento deve incluir a realizao de um inventrio dos recursos existentes e
potenciais, baseado em informaes recolhidas pelos servios competentes....
Sec.5. Inventrio dos Recursos Florestais Nacionais: Como parte do levantamento, os
Servios Florestais devem estabelecer e manter actualizada uma base de dados,
compreensiva e detalhada, incluindo todos os recursos florestais nacionais inventariados.
Os inventrios devem ter um cariz permanente, de modo a poder reflectir modificaes
operadas e a poder identificar o surgimento de novos recursos...

Sec.12. Recursos Florestais: No desenvolvimento destas directivas, os Servios Florestais
devero compilar as informaes provenientes de outros departamentos estatais e de
empresas particulares, evitando a duplicao e sobreposio de esforos...


3
Em suma, deseja-se que os Servios Florestais realizem inventrios rigorosos, evitando
duplicao de tarefas, com base em informaes provenientes de directivas genricas, que
tornam muito difcil garantir que os resultados obtidos sirvam cabalmente os desgnios
visados pelo autor dessas mesmas directivas.
Como poderemos, ento, estabelecer os objectivos de um inventrio, tomando por
referncia estes e outros versculos platnicos? Que aspectos deveremos ainda considerar, ao
conceber um plano de Inventrio Florestal? So estes os tpicos que iremos abordar
seguidamente.

O Livro da Gnesis

E no oitavo dia, Deus disse ao homem que fosse por ali fora e inventariasse as rvores e as ervas da
terra, os animais dos campos, os peixes dos mares, as aves dos cus, de modo a que os seus nmeros se
tornassem conhecidos (Gnesis 2:8(a)).

No dispondo de fundos, transporte e pessoal, Ado e Eva tinham pela frente uma tarefa
tremenda! Tentaram levar letra a incumbncia que o Senhor lhes dera, mas falharam e por
isso acabaram por ser expulsos do Paraso.
Nos milnios seguintes, os homens, as plantas e os animais continuaram a multiplicar-se.
No obstante o aumento de mo-de-obra, Deus continuava a no dispor de um inventrio em
condies. Ento, mandou o grande Dilvio, a fim de reduzir o nmero de seres vivos a "um
par por cada espcie". Quando as guas baixaram, Deus, satisfeito, sabia finalmente quanto
possua.
Mas, depois disso, a Vida continuou a prosperar, enchendo-se de frutos e multiplicando-
-se... E foi assim que Deus voltou a enfrentar o problema da inventariao... Nem mesmo o
recurso a aces punitivas, como transformar pessoas em esttuas de sal, fez com que os
homens se capacitassem que era imprescindvel realizar um inventrio adequado dos bens da
Terra.
Frustrado, Deus delegou essa tarefa aos Faras. Em breve, estes contrataram Jos como
seu consultor.
Capitalizando uma pequena clusula do contrato que Jos assinara, respeitante a "Outros
deveres no especificados", os Faras conseguiram entregar-lhe, por inteiro, a tarefa de
realizar o inventrio pretendido por Deus.
Jos viu, num relance, que para fazer um trabalho de jeito, carecia de mais informaes do
que as que lhe haviam sido fornecidas pelos seus superiores hierrquicos. Ento, perguntou
aos Faras:

1. Que decises iro ser tomadas com base no inventrio que vou fazer?
2. Quais so as informaes verdadeiramente necessrias a essa tomada de decises?
3. A que rea se aplicaro as estimativas realizadas?

4
4. Que prazo me dado, e que forma (escrita, tabular, grfica) devo adoptar na
apresentao dos resultados?
5. Que restries me so impostas, em termos de custos, para a realizao do inventrio?
Jos tambm se apercebeu rapidamente que era impossvel dispor de uma enumerao
completa e instantnea de todos os recursos renovveis... Em sonhos surgiu-lhe a Teoria da
Amostragem e, ao acordar, remoendo sobre o que lhe havia sido revelado, achou por bem
acrescentar algumas perguntas ao rol das que j tinha apresentado aos Faras:
1. Que impacto tero os erros das avaliaes efectuadas nas decises a serem tomadas?
2. Que impacto ter a tomada de decises erradas nos recursos renovveis?
3. Que impacto ter a tomada das decises erradas na vida do tipo que as tomou?
4. E o mais importante de tudo! Que impacto ter a tomada das decises erradas na vida do
responsvel pelo inventrio?...
O responsvel pelo planeamento de um inventrio tem que se aperceber da importncia
dos resultados, das aplicaes que lhes sero dadas, agindo de modo a que possa realizar um
trabalho eficaz. Portanto, imprescindvel haver um entendimento prvio com o responsvel
pelo pedido da informao, ou seja, o promotor do inventrio. As respostas s questes postas
anteriormente e um certo conhecimento directo sobre os anseios do promotor do trabalho
ajudaro forosamente a definir os verdadeiros objectivos do inventrio.

O Livro dos Nmeros
Tomai a soma de todas as rvores das florestas, em todas as naes, diferenciando-as pelos seus nomes
e aplicaes, desde um centsimo de metro cbico, e por a adiante... (Nmeros 1: 2 (a)).
Na poca em que Moiss entrava flutuando - em cena, os Faras j falavam uma
linguagem que os inventariadores conseguiam entender. Moiss percebeu que realizando um
nico inventrio seria possvel obter resultados que servissem diferentes objectivos.
Regressando momentaneamente ao futuro, sabemos que os Servios Florestais e algumas
empresas do sector precisam de informaes que lhes permitam conhecer as condies
ambientais numa determinada rea para proceder instalao de novos povoamentos;
informaes necessrias estruturao de projectos de ordenamento; de projectos de gesto,
etc... Cada um destes objectivos pode ser atingido atravs de uma ou mais recolhas de
informaes.
Portanto, mesmo que o inventariador julgue que j tenha conseguido definir perfeitamente
os objectivos do trabalho, h sempre que prever a possibilidade de deparar, mais adiante, com
outros objectivos at ento ocultos... O objectivo primordial de um inventrio realizado pelos
Servios Florestais fornecer um conjunto de informaes que possa ser relevante para a
poltica florestal do pas. Um dos seus objectivos secundrios ser manter um esquema de

5
observao de parcelas de amostragem permanentes, para fins de investigao. Como
evidente, este objectivo "secundrio" acaba por influenciar mais o planeamento do inventrio
do que o objectivo tido como primordial.
Reconhecendo, desde o incio, todos os objectivos que possam ser atingidos com a
realizao de um determinado inventrio, o seu responsvel ficar em condies de
estabelecer um plano de aco muito mais simples, econmico e eficaz.


O Livro do xodo

E com o passar dos tempos, os Faras transferiram as suas responsabilidades para os colectores de
dados, os quais espalharam as directivas recebidas dizendo... (xodo 20:1(a)).

Recentemente, parece ter-se estabelecido Quatro Mandamentos de Inventrio, que
merecem alguma reflexo.
1. No fars uso de outro trabalho que no seja o teu (xodo 20:3 (e))
Por qualquer motivo, aparentemente desconhecido, h a tendncia para ignorar o trabalho
feito pelos outros. De cada vez que necessrio realizar um novo inventrio, certo e sabido
que toda a informao que existia at ento desaparece, surgindo uma nova. H que admitir a
falta de lgica deste procedimento!
Primeiro, porque quebrada a continuidade de informao entre inventrios sucessivos.
Dificilmente ser possvel comparar resultados obtidos, quando se recorre a esquemas de
delineamento diferentes. Depois, porque uma quantidade enorme de informaes acaba por
desaparecer, dando assim por desbaratado o investimento feito no inventrio anterior.
Por muito mal que se diga da gesto dos Servios Florestais, dos Centros de Investigao,
das Universidades ou das Empresas, a verdade que estes organismos possuem uma
quantidade de informaes aprecivel que, muitas vezes, pura e simplesmente posta de lado
s porque no foi obtida por ns prprios, ou de acordo com os nossos padres.
Infelizmente o problema no se restringe ao desaproveitamento dos resultados obtidos
pelos outros. Surge tambm a questo de no querermos partilhar os dados que ns prprios
recolhemos...
Tentemos identificar os motivos que podem levar a esta atitude:

a. Medo de perder o controlo da situao: O conhecimento poder e o poder dificilmente
partilhado. Ao partilhar as nossas informaes ou conhecimentos, em breve
poderemos deixar de ser olhados como "sumidades"...
b. Medo de que os outros possam usar os nossos dados contra ns: Quando os dados que
recolhemos serviram de base formulao de uma certa teoria que pode vir a ser posta
em causa custa desses mesmos dados...

6
c. Medo de que outros se aproveitem da nossa investigao: Muitas vezes quando nos
pedem uma informao que possumos, no a queremos revelar porque ns prprios
ainda no conclumos um estudo em que essa matria est em causa.

Embora estes receios possam ser justificveis, preciso no perder de vista que a
indisponibilizao de informaes deste tipo origina - para alm de inimizades - perdas de
tempo e de dinheiro por parte de quem precisa de uma informao j existente, mas
avaramente guardada.

2. No fars uso de amostragens selectivas (xodo 20:4 (f))
Nem todos recorrem a processos de amostragem casual para efectuar os inventrios de que
so responsveis, embora o recurso a tcnicas formais de amostragem obvie a esquematizao
de delineamentos estatisticamente correctos. Mas convenhamos que grande parte das nossas
decises, desde a compra de alimentos, aquisio de roupa, ou mesmo procura de
emprego, baseada em processos de seleco deliberada. Mentalmente elegemos um certo
tipo de loja; achamos que trabalhar aqui tem mais prestgio do que trabalhar acol, etc...Sendo
assim, porque razo havemos de exigir que a inventariao dos recursos se faa casualmente?
Os argumentos invocados para a realizao de amostragens casuais baseiam-se no facto
destas sondagens eliminarem erros provocados por esquemas estabelecidos de acordo com
pontos de vista pessoais, criando uma objectividade que permite acreditar na veracidade dos
resultados obtidos.
Por sua vez, os argumentos utilizados por todos quantos recorrem a mtodos de seleco
deliberada valorizam a reduo dos custos e a infalibilidade do responsvel pelo inventrio...
As amostragens selectivas, no entanto, podem no ser sempre to tendenciosas como se
faz crer. Admitamos, por exemplo, que, numa sala de aulas, se pretendia seleccionar uma
pessoa que representasse o peso mdio dos presentes. Num simples relance seriam
imediatamente postos de parte os magricelas e os gorduchos. Feita esta depurao, qualquer
pessoa seleccionada poderia representar razoavelmente o tal valor mdio pretendido. Ou seja,
o erro devido a esta estimativa seria reduzido, uma vez que tinha tido lugar uma eliminao
prvia dos valores extremos. Tambm, numa mata, o efeito de desprezar rvores obviamente
no representativas da populao ser o de permitir a reduo de custos comparativamente
aos que so inerentes a um inventrio absolutamente casual, e possibilitar a concluso mais
rpida do trabalho.
Tradicionalmente, recomendado o recurso a mtodos selectivos quando a pessoa que
recolhe os dados faz apenas um uso pessoal dessas informaes, ou quando esses dados
sirvam somente para estimar a variao da populao, a fim de estabelecer, de seguida, a
intensidade de amostragem casual, adequada obteno de um erro estipulado.
Hoje em dia, alm destas, encaram-se outras circunstncias, para as quais a aplicao de
mtodos selectivos se torna mais lgica do que o recurso a mtodos formais de Estatstica.
Se um de vs quisesse fazer um investimento num determinado projecto, tendo por base as
informaes fornecidas por certo inventrio, que tipo de inventrio lhe pareceria mais fivel?
Um inventrio mais intensivo, embora realizado de modo sistemtico, ou um inventrio

7
casual, estatisticamente mais rigoroso, mas baseado num menor nmero de observaes? Eu
optaria pelo primeiro, por uma razo muito simples: aquele que permitiria realizar uma
maior distribuio de amostras por toda a populao. De certo, a estimativa estatstica do erro
produzido pelo segundo mtodo levaria a conhecer, com maior rigor, o nmero de amostras
adicionais a observar para que o erro de amostragem desejado no fosse excedido, mas esta
vantagem no pode implicar que um plano de inventrio seja sumariamente posto de parte, s
porque contm uma componente subjectiva.
Tal como noutras situaes j referidas, tambm neste caso a opo por um mtodo de
amostragem (selectivo, ou no) deve depender dos objectivos do inventrio e quanto mais
claramente eles forem definidos melhor se poder ajuizar sobre a metodologia a adoptar.

3. No mudars a localizao das parcelas de amostragem (xodo 20:12 (r))

Os biometristas e os inventariadores deveriam ir ao campo pelo menos uma vez por ano,
para no se esquecerem como so as condies reais do terreno. Uma coisa delinear muito
bem, no gabinete, todas as aces a implementar e outra seguir essas instrues no campo.
Uma das passagens particularmente fastidiosas de um inventrio a localizao das
parcelas, quando se recorre a um esquema estatstico de amostragem. Todos os autores so
unnimes em afirmar que as amostras devem ser exactamente observadas no local
previamente designado. A deslocao das amostras para outro stio poder dar azo a
avaliaes tendenciosas.
Em geral, h que concordar com este procedimento (seno haveria muito menino que s
quereria observar parcelas ao lado dos caminhos e no meio das clareiras...), mas existem pelo
menos duas situaes em que a mudana do local das parcelas parece justificvel.
A primeira quando uma parcela se localiza numa plantao uniforme. evidente que,
num caso destes, no se justifica a perda suplementar de tempo na localizao rigorosa do
centro da parcela, porque - dada a regularidade do povoamento - o resultado da observao
ser feita ali, ou 3 ou 4 metros ao lado, no vai alterar substancialmente o valor dos dados.
O segundo caso quando o local exacto da parcela se situa numa rea onde a recolha de
observaes possa pr em risco a integridade fsica dos membros da equipa de trabalho. No
h amostra que valha uma perna partida, ou um acidente mais grave....
Surge, por vezes, uma terceira situao que, geralmente, d azo a controvrsia. Trata-se da
observao de amostras localizadas perto da orla dos povoamentos. H quem insista em fazer
a amostragem no local exacto, pela razo de que foi ali que o acaso determinou a posio da
amostra; h quem insista em mudar o centro da parcela mais para o interior do povoamento,
pela razo de que as rvores de bordadura no apresentam os mesmos padres de crescimento
das outras. Para a resoluo destas situaes h que recorrer lgica. Se o objectivo do
inventrio conhecer quantitativos, os que se encontram perto das orlas so to
contabilizveis como os outros, logo no devem ser ignorados. Por seu turno, se o inventrio
privilegiar avaliaes de crescimento das rvores em situaes de competio normal, ento a
parcela dever ser deslocada mais para o interior do povoamento, onde essas condies se
encontram reunidas.

8


4. No exceders o erro de amostragem estipulado (xodo 20:16 (b))

O erro de amostragem admissvel , em geral, fixado previamente pelo responsvel do
inventrio, a fim de poder determinar o nmero de parcelas a observar. Para alm disso,
raramente se v algum estabelecer comparaes entre os valores desse erro, desejvel, e o do
erro de facto cometido.
Do relatrio de um inventrio, as pessoas retm normalmente as estimativas mdias dos
parmetros em anlise e no parece que se preocupem muito com os respectivos erros. Basta
ver um exemplo inocente: quando um figuro qualquer vai televiso e diz: "Este ano
arderam X hectares de floresta!", toda a gente aceita, sem pestanejar, a certeza do valor
anunciado, como se ele fosse to exacto como o nmero de lados de um tringulo...
Afinal, parece que a nica pessoa que se preocupa com o erro de amostragem o
inventariador!
Com esta concluso, aparentemente derrotista, no pretendo, de modo nenhum, aliciar os
leitores a ignorarem a importncia do erro de amostragem. No! Tento s a chamar a ateno
para o facto de que, por um lado, no se pode desprezar o seu papel, mas, por outro, tambm
no se deve deixar que o rigor da sua fixao venha causar outros transtornos realizao do
inventrio. A pretenso de um erro muito baixo pode aumentar exorbitantemente os custos do
inventrio, sem que haja motivo para tal. Normalmente, a mata que paga o seu prprio
inventrio, ou seja, o inventrio feito para se conhecer o valor da mata, sendo deste
montante que sai a fatia para pagar o inventrio. Se, para obter um erro de amostragem baixo,
for exigido um trabalho de campo exaustivo, l se vai (antecipadamente) grande parte do
dinheiro que a mata dever dar um dia.

O Livro das Revelaes

E vi um anjo descer do Cu, trazendo a chave da cova sem fundo e uma grande corrente de ferro na
mo... (Revelao 20:1)

Estivemos, at aqui, a tratar de versculos platnicos e de objectivos de inventrio. A
definio destes frequentemente delegada por Deus, ou seja, pelo Chefe do Executivo, aos
Faras, que constituem o corpo de Ministros, Secretrios de Estado e Directores-Gerais, e
destes aos colectores de dados, ou especialistas em Inventrio. No decurso deste processo h
intenes que se perdem e perspectivas pessoais que adquirem importncia.
No final, os planos de inventrio acabam por resultar apenas da percepo que o seu
responsvel tem da matria em anlise. Os que estabelecem os objectivos raramente possuem
conhecimentos ou experincia sobre o assunto e, muito menos, do que seja desejvel ou
prtico realizar. Da que, desconcertantemente, os prprios objectivos inicialmente propostos
possam nem sequer fazer o menor sentido para a resoluo do problema que deu origem sua
formulao!

9
Com candura, os autores das Escrituras, das Leis e de outras Directivas, preparam os
textos frequente e propositadamente de modo vago, deixando sempre um grande campo de
manobra. Sem essa abertura, se calhar, no haveria emprego para tanta gente! Por outro lado
(h que o reconhecer!), se as leis fossem muito mais explcitas e as pessoas no seguissem
risca o seu cumprimento, acabariam por comparecer em tribunal muitas mais vezes do que
agora....
Por isso, meus irmos, quando um dia tiverdes de realizar um inventrio, lembrai-vos das
questes formuladas ao longo deste texto, de modo a que vos clarifiqueis sobre o que tendes a
fazer. Procurai objectivos escondidos. Verificai planos e resultados de inventrios
anteriormente efectuados na mesma rea e observai se eles tm, ou no, algum interesse para
o vosso prprio trabalho.
Lembrai-vos que esquemas de amostragem selectiva podem ter um lugar importante nos
vossos inventrios.
No sejais demasiadamente severos com as vossas equipas de campo pelo facto de no
haverem localizado exactamente o centro das parcelas de amostragem. Examinai as
implicaes dessas incorreces antes de vos manifestardes!
Chefes de equipas de campo! Levai os vossos superiores convosco, uma ou duas vezes por
ano, para que eles no percam o contacto com a "floresta real"...
Quanto aos erros de amostragem, existe um axioma inconsistente que vos deve pr de
sobreaviso: Quanto maior for a urgncia na obteno de resultados, menor ser a preocupao
em verificar a respectiva preciso, ainda que, muito provavelmente, as decises baseadas
nesses resultados venham a ter um grande impacto na abordagem do problema em causa...
Finalmente: Abenoados os que fazem perguntas, perspectivam o futuro, avaliam as informaes
disponveis e planeiam em conformidade. Para eles haver um Inventrio que responde a todas as
questes e sentar-se-o, para sempre, mo direita dos Responsveis pelas Decises... (Revelao 22:14
(g)).











Anexo 2 Anexo 2 Anexo 2 Anexo 2

10
Tcnicas de amostragem
1. INTRODUO
De um modo sinttico, pode dizer-se que a Estatstica lida com tcnicas de obteno,
anlise e interpretao de dados. Na maior parte das situaes, a recolha de dados no pode
abarcar integralmente a populao em apreo, por razes de dimenso, tempo e custos
envolvidos e, por isso, h que recorrer a amostragem, ou seja, obteno dos dados em
apenas parte da populao (amostras), de acordo com tcnicas que permitem admitir a
representatividade desses mesmo dados.
Os nossos conhecimentos, atitudes e decises so baseados em grande parte, em
amostras. Esta afirmao tanto se aplica vida quotidiana como investigao cientifica. Um
turista que passe sete dias na capital de um pas estrangeiro, ao regressar ao seu pas, capaz
de relatar as experincia que viveu, acrescentando ilaes que tirou sobre o desenvolvimento
do pas visitado, e opinando medidas a tomar pelo respectivo governo de modo a colmatar as
deficincias apontadas. Tambm no deixa de emitir pareceres sobre a educao das pessoas
no pas, limpeza das ruas, qualidades dos transportes, etc... Enfim, tudo isto a partir de uma
amostragem limitada a uma cidade e ao circulo de pessoas com quem conviveu durante sete
dias... Bem diferente poderia ser a opinio de um socilogo experimentado que tivesse vivido
nesse pas e dispendido vrios anos a estudar a sua problemtica nas componentes social,
econmica e poltica.
Os modos como estas duas personagens, turista e socilogo, formaram os seus juzos a
respeito do pas em questo so totalmente distintos, tanto na metodologia de recolha de
dados (um conheceu superficialmente uma cidade, o outro conheceu profundamente o pas),
como na anlise desses dados (o primeiro analisou-os subjectivamente, apenas de acordo com
as impresses colhidas sobre as pessoas e situaes com que conviveu, em 7 dias; o segundo
pde fazer uma anlise objectiva, com base no estudo de dados e conhecimento continuado
com a realidade do pais). Dai que as concluses a que cada um chegou muito dificilmente
poderiam ser comparveis. A investigao cientfica, por natureza, no pode fundamentar as
suas concluses em experincias pouco representativas, por escassez e subjectividade, nem
basear-se em anlises a que, por via da falta de qualidade dos dados, no possam ser
objectivas.
Assim, nesta disciplina, pretende-se abordar as tcnicas de amostragem a que

11
habitualmente se recorre para obter dados, que possam retratar com fidelidade a populao a
que dizem respeito, especificando as condies de aplicao de cada uma dessas tcnicas e
ilustrando-as com exemplos prticos. Neste momento, h apenas a acrescentar que o tipo de
variveis a avaliar, as caractersticas das populaes, os custos e o tempo envolvidos no
levantamento dos dados so os aspectos que determinam a opo por uma tcnica de
amostragem em desfavor de outra.

2. PRINCIPAIS ETAPAS DE UM PROCESSO DE AMOSTRAGEM
Aquando da realizao de uma amostragem, h a considerar uma srie de etapas que
vo desde o seu planeamento apresentao das concluses. Ainda que nalguns casos surjam
aspectos que impliquem ajustamentos no necessrios noutros casos, de um modo geral, o
desenvolvimento de um processo de amostragem deve considerar

1) Objectivos da amostragem
A definio dos objectivos da amostragem parece ser a etapa mais bvia de todo o
processo. Na realidade, muitas vezes no nada bvia e pode dar azo a que o
desenvolvimento da amostragem no v ao encontro dos objectivos verdadeiramente visados.
Vejamos porqu.
Geralmente, a ideia realizar uma amostragem no parte dos tcnicos estatsticos, mas
antes de ministros, directores-gerais, gestores, que querem dar resposta a determinados
problemas cuja resoluo carece de informaes estatsticas. Sem conhecimentos de tcnicas
de amostragem e de tratamento de dados, visam, por vezes, objectivos de amostragem que, na
realidade, no so os que vo ajudar a resolver o problema em causa. Outras vezes, tm mais
de um objectivo, mas s revelam aquele que acham mais importante, admitindo que os outros
possam ser atingidos com os mesmos dados.
Por isso, vivamente aconselhvel a quem seja responsvel pela realizao duma
amostragem, para alm de ler cuidadosamente o que se pretende que faa, procurar dialogar
com o promotor da amostragem de modo a que os verdadeiros objectivos da mesma fiquem
claramente estabelecidos antes de planear etapas subsequentes.

12
2) Populao a amostrar
A palavra populao usada para referenciar o agregado a partir do qual as amostras
so recolhidas. Em amostragens que envolvem recursos naturais, nem sempre as populaes
ficam bem definidas. Muitas vezes por falta de cartografia adequada (o que dificulta de
delimitao do espao alvo da amostragem), outras vezes por falta de clareza na especificao
da populao. Por exemplo, requerida uma amostragem para quantificar o volume de pinhal
ardido, no ltimo Vero, no distrito de Castelo Branco. Feita a amostragem, apresentado o
resultado ao promotor da amostragem e este questiona: desse volume, quanto pertencia a
proprietrios privados e quanto pertencia a baldios? O responsvel pelo levantamento tinha
considerado, como populao, todos os pinhais do distrito de Castelo Branco. O que o
promotor queria era esse resultado, mas diferido por duas populaes distintas: reas pblicas
e reas privadas. A falta de informao inicial a esse respeito, para alm de esconder
objectivos, reprecutiu-se na falta de estratificao da populao, em dois sub-conjuntos, para
os quais se pretendiam indicadores que, obviamente, no puderam ser fornecidos. Portanto,
face cartografia ou meios de deteco remota disponveis, o responsvel da amostragem
deve poder estabelecer os limites populacionais. Isso no impede que, tal como se aconselhou
na etapa anterior, procure dialogar com o promotor do levantamento, de modo a no vir a ter
surpresas quanto populao ou populaes que deveria ter amostrado.

3) Dados a recolher
sempre bom verificar, antes de comear o trabalho de campo, se todos os dados
requeridos so relevantes para a obteno dos resultados pretendidos. As pessoas tm a
tendncia de fazer muitas perguntas, das quais s retm a resposta de algumas...
Por vezes, no entanto, esquecem-se de perguntas fundamentais que ajudariam a
clarificar o problema... No decurso duma amostragem, a recolha de dados de campo ,
geralmente, a etapa mais fastidiosa, a mais cara e aquela que envolve mais tempo. A obteno
de dados que no vo servir para resolver o problema implica aumento de custos e perda de
tempo. Por outro lado, h informaes importantes que podero no ser recolhidas e que,
mais tarde, ao verificar-se a sua falta, implicam um retorno ao campo, encarecendo o custo da
amostragem.

13

4) Preciso pretendida
Os resultados de amostragens esto sempre sujeitos a uma incerteza, em parte porque a
populao apenas parcialmente observada, em parte devido aos erros de medio. Essa
incerteza pode ser reduzida se se recorrer a amostragens de maior dimenso e se se utilizar
instrumentos de medio mais precisos. Mas estas solues encarecerem o processo.
, portanto, perceptvel que a preciso est directamente relacionada com os custos. O
objectivo de obter uma grande preciso pode s ser atingido a custos muitas vezes
incomportveis. Por isso, h tambm que no minimizar este aspecto, aquando da aceitao
da tarefa. O promotor da amostragem deve ficar ciente que, querendo uma determinada
preciso nos resultados obtidos, no poder fixar, partida, um determinado custo. Querendo
fixar o custo, ter que aceitar a preciso que, com o montante disponvel, foi possvel obter.

5) Mtodos de medio
A palavra medio deve ser aqui entendida com uma amplitude que abarca contagens e
outras formas de recolha de dados necessrios ao preenchimento dos quadros que sero
utilizados no relatrio da amostragem e que permitiro o retirar de concluses.
Esta etapa est intimamente relacionada com a etapa 3 (dados a recolher) e inclui a
escolha de instrumentos de medio, a eventual elaborao de inquritos e de processos de
contagem, quando caso disso. Quanto a instrumentos a utilizar, o seu custo est
normalmente relacionado com a respectiva preciso e, na sua escolha, dever-se- ter presente
o montante disponvel para a realizao do trabalho ou a preciso pretendida. O mesmo
sucede com processos de contagem, porque podem restringir-se a avaliaes visuais, ou
serem auxiliadas por instrumentos ou acessrios prprios para o efeito. No que respeita a
inquritos, necessrio, muitas vezes, o recurso a socilogos, de modo a saber formular,
incisivamente, as perguntas a colocar aos entrevistados.



14
6) Estrutura da amostra
Antes de seleccionar a amostra, a populao deve ser dividida em partes, chamadas
unidades de amostragem. Estas unidades tm de abarcar o total da populao e no se podem
sobrepor, de modo a que cada elemento da populao pertena a uma e s uma unidade de
amostragem. Por vezes, a definio da unidade de amostragem bvia, mas noutros casos
necessrio fazer uma escolha. Por exemplo, numa amostragem que pretenda obter
informaes sobre a qualidade de bolbos existentes num determinado terreno, a unidade de
amostragem , obviamente, o bolbo, mas quando se pretende realizar uma amostragem
envolvendo informao sobre pessoas de uma cidade, a unidade de amostragem poder ser a
pessoa, a famlia, o prdio, o quarteiro ou a freguesia. Assim, a construo da estrutura da
amostra uma etapa que deve ser realizada com muita ateno, porque os resultados a obter
tero sempre por base a definio da unidade de amostragem e, mais tarde, torna-se
geralmente invivel procurar responder a questes que careceriam de outra estrutura.
Voltando ao exemplo anterior, se um inqurito for preparado para apurar um determinado
comportamento duma famlia, por exemplo, identificao da estao de televiso geralmente
mais vista em casa, no ser possvel, posteriormente, saber a preferncia de cada uma das
pessoas que constituem essa famlia relativamente mesma questo. Em amostragens de
caractersticas ecolgicas, a definio da estrutura de amostragem pode ser muito
problemtica, como seja o caso da avaliao do nmero de frutos de vrias rvores (pinhas de
pinheiros mansos, por exemplo). Se as rvores j tiverem um grande porte, ser melhor que a
estrutura da amostra considere 2 ou 3 tipos de unidades de amostragem hierarquizadas. Um
tipo de unidades, de primeiro grau, seriam as rvores (de, por exemplo, 200 rvores existentes,
observavam-se 20). Em cada rvore seria apenas observado um determinado nmero de ramos
(unidades de segundo grau) de todos existentes na rvore e, nesses, contadas todas as pinhas.
Depois, nos clculos, considerar-se-ia uma ordem inversa: do conhecimento do nmero de
pinhas por ramo, calcula-se o nmero mdio de pinhas por rvore, multiplicando aquele valor
pelo nmero de ramos de cada rvore. De seguida, ir-se-ia saber qual o nmero mdio de
pinhas nas 20 rvores observadas. Esse valor multiplicado pelos 200 pinheiros existentes
forneceria a estimativa pretendida.

7) Seleco da amostra
Existem vrios planos para seleccionar as amostras. Atravs de cada um deles

15
geralmente possvel estimar o nmero de unidades de amostragem a observar para se atingir a
preciso desejada.
Os custo e o tempo envolvidos no recurso a planos alternativos devem ser comparados
nesta etapa, de modo a que a amostragem no se venha a tornar mais dispendiosa ou
demorada do que o estritamente necessrio.

8) Preparao de fichas de campo e de quadros para anlise de dados
Esta etapa visa o delineamento do registo das observaes a efectuar, quer se trate de
medies, quer-se trate de inquritos. Os diversos quadros devem ser colocados de modo a
que os registos possam ser feitos de acordo com a sequncia das operaes de medio ou
com a lgica das questo a pr. Deve procurar-se clareza e simplicidade na preparao desses
quadros, evitando que o anotador, no campo, tenha frequentemente que saltar de quadro para
quadro, ou no mesmo quadro de uma coluna para outra mais distanciada, de modo a que o
registo possa ser feito o mais rapidamente possvel, restringindo as probabilidades de erro na
anotao dos valores a considerar. Os campos dos quadros devem ser suficientemente amplos
para poder conter informaes de unidades de amostragem com mais elementos.
Face s anlises estatsticas a efectuar aps a recolha de dados, os quadros a apresentar
no relatrio devem conter os campos necessrios para registar os dados apurados ao longo da
anlise, de acordo com a sequncia das etapas estabelecidas para tratamento desses mesmos
dados.

9) Teste do plano de amostragem
Quando possvel, de encarar a hiptese de testar, a uma escala pequena, os mtodos
de recolha de dados (mtodos de medies ou de preparao de inquritos), de modo a
corrigir eventuais deficincias e melhorar a interligao das actividades a desenvolver. Esta
etapa poder, assim, ajudar a remediar aspectos que se s fossem detectados no decurso do
levantamento propriamente dito, poderiam vir a causar transtornos de grande vulto.



16
10) Organizao do trabalho de campo
Em amostragens extensivas, no s h que testar previamente os mtodos de recolha de
dados, como treinar as equipas de campo, por forma que cada elemento saiba exactamente
qual a(s) tarefa(s) que tem que realizar e a tcnica para efectuar o trabalho com o rigor
desejado.
conveniente avaliar individualmente o desempenho das equipas, para que uma
amostragem que , em geral, um processo rotineiro, no possa induzir em erros que deitem
por terra os objectivos visados com a sua realizao, apenas porque o trabalho no tenha sido
efectuado com o cuidado necessrio.
Ora, como j referiu na etapa 4, a preciso da amostragem depende, em parte, da
qualidade das medies efectuadas e, por isso, h que controlar atentamente o trabalho
realizado pelas equipas de campo.

11) Referencia informao adquirida, visando a realizao de amostragens futuras
Quanto maior for o nmero de informaes disponveis acerca de uma populao, mais
fcil ser perspectivar uma amostragem que providencie estimativas precisas. Assim, uma
amostra j efectuada numa populao torna-se potencialmente um guia que pode contribuir
para a melhoria da qualidade de uma amostragem a realizar futuramente nessa mesma
populao, na medida em que fornea informaes quanto a mdias, desvios padres,
natureza da variabilidade das medies efectuadas e acerca dos custos envolvidos na
obteno de dados.
H ainda outro aspecto importante relacionado com as informaes obtidas atravs de
uma amostragem j efectuada. Quando essa amostragem foi uma amostragem complexa
(porque envolveu um nmero assinalvel de medies, por exemplo), as operaes de campo
raramente se desenvolveram de acordo com o plano inicial. Se o responsvel por essa
amostragem alertar para aspectos que foram revistos aquando da execuo do levantamento
ou que, aps a sua realizao, se verificou deverem ser melhorados numa amostragem futura
a efectuar na mesma populao, ser possvel proceder de modo a que as deficincias
detectadas no se repitam.


17
3. AMOSTRAGEM PROBABILITRIA
Os processos de amostragem mais frequentemente utilizados tm em comum as
seguintes propriedades matemticas:
1) Definio de um conjunto de amostras distintas, S1, S2, Sn, que o processo
capaz de seleccionar quando aplicado a uma determinada populao. Ou seja, tornar
possvel definir com preciso as unidades que pertencem a S1, a S2, etc... Por
exemplo, numa populao constituda por seis unidades, uma amostra de dimenso
igual a 2, tem como trs possveis hipteses independentes: S1~(1,4), S2~.(2,5),
S3~(3,6). Estas, evidentemente, no constituem todas as amostras susceptveis de
efectuar na populao para a dimenso 2 (n=2).
2) A cada possvel amostra Si est associada uma probabilidade de seleco
conhecida, i.
3) Das amostras Si possveis, seleccionada uma, por meio de um processo casual,
cuja probabilidade de seleco (i) conhecida. Se, no exemplo apresentado em 1),
o processo de seleco fosse causal, as trs amostras teriam probabilidades iguais de
serem seleccionadas. Recorrendo, ento, a um nmero casual entre 1 e 3, para o
nmero j, seria considerada a amostra Sj.
4) O mtodo adoptado para calcular uma estimativa a partir da amostra efectuada deve
ser especificado e dele deve resultar uma nica estimativa para essa nica amostra.
Por exemplo, s unidades observadas numa amostra s pode corresponder uma
nica mdia, embora seja necessrio especificar de que mdia se trata (geomtrica,
quadrtica, aritmtica, etc...).
A partir de qualquer processo de amostragem que satisfaa estas propriedades, est-se
em posio de poder calcular a distribuio de frequncias das estimativas que esse processo
permite gerar, quando aplicado repetidamente na mesma populao. Conhecendo a frequncia
com que uma certa amostra (Si) pode ser seleccionada e como calcular as estimativas a partir
dos dados contidos em Si, torna-se claro que a teoria da amostragem pode ser desenvolvida
para qualquer processo deste tipo, definido como um processo de amostragem
probabilitria.
Na prtica, raro delinear um esquema de amostragem probabilitria listando as

18
amostras Si e as probabilidades i, como atrs ficou descrito. Isso seria intoleravelmente
trabalhoso, no caso de populaes muito grandes, dado o nmero de bilies de amostras
possveis. Portanto, o que se faz especificar a probabilidade de incluso na amostra de
unidades de amostragem individuais e seleccion-las, uma a uma, ou em grupos, at que a
desejada dimenso da amostra seja atingida.

4. ALTERNATIVAS AMOSTRAGEM PROBABILITRIA
Os seguintes casos constituem tipos comuns de amostragem no probabilitria:
1) A amostra restringe-se a parte da populao que se apresenta facilmente acessvel: a
amostragem de pranchas de cortia amontoadas em pilhas, de 3 m de altura, s ser
efectuada ao nvel dos primeiros 50cm do topo de cada pilha.
2) A amostra ser seleccionada sorte mas de forma personalizada: recolha, por parte
de um investigador de 10 pinhas de uma caixa que continha muitas mais.
3) Seleco deliberada da amostra por parte de um investigador que pretende obter
informaes sobre uma populao heterognea, ainda que pequena.
4) Aceitao de voluntrios para realizao de medies ou de tarefas que no so do
agrado da(s) pessoa(s) designadas para o efeito.
Em circunstncia apropriadas, qualquer destes mtodos poderia produzir resultados
teis. Contudo, no se enquadram no desenvolvimento da teoria da amostragem porque no
recorrem a uma seleco absolutamente ao acaso dos elementos a observar. Mesmo que os
mtodos fossem testados, comparando os resultados obtidos com a realidade (no caso de uma
populao pequena), nada garante que, noutras circunstncia, se comportariam de igual modo.
Por isso, mtodos como os que foram referidos no devem ser utilizados comummente
em amostragem. Porm, algumas vezes, empregam-se mtodos destes, sobretudo em
avaliaes prvias da variao das populaes, mas apenas com o objectivo de procurar obter
uma indicao rpida e barata sobre essa variabilidade, de modo a preparar o plano de
amostragem.


19
Anexo Anexo Anexo Anexo 3 33 3

Tabela de t

Probabilidade

gl .9 .8 .7 .6 .5 .4 .3 .2 .1 .05 .02 .01 .001
1 .158 .325 .510 .727 1.000 1.376 1.376 3.078 6.314 12.706 31.821 63.557 636.619
2 .142 .289 .445 .617 .816 1.061 1.386 1.886 2.920 4.303 6.965 9.925 31.598
3 .137 .277 .424 .584 .765 .978 1.250 1.638 2.353 3.182 4.541 5.841 12.941
4 .134 .271 .414 .569 .741 .941 1.190 1.533 2.132 2.776 3.747 4.604 8.610
5 .132 .267 .408 .559 .727 .920 1.156 1.476 2.015 2.571 3.365 4.032 6.859
6 .131 .265 .404 .553 .718 .906 1.134 1.440 1.943 2.447 3.143 3.707 5.959
7 .130 .263 .402 .549 .711 .896 1.119 1.415 1.895 2.365 2.998 3.499 5.405
8 .130 .262 .399 .546 .706 .889 1.108 1.397 1.860 2.306 2.896 3.355 5.041
9 .129 .261 .398 .543 .703 .883 1.100 1.383 1.833 2.262 2.821 3.250 4.781
10 .129 .260 .397 .542 .700 .879 1.093 1.372 1.812 2.228 2.764 3.169 4.587
11 .129 .260 .396 .540 .697 .876 1.088 1.363 1.796 2.201 2.718 3.106 4.437
12 .128 .259 .395 .539 .695 .873 1.083 1.356 1.782 2.179 2.681 3.055 4.318
13 .128 .259 .394 .538 .694 .870 1.079 1.350 1.771 2.160 2.650 3.012 4.221
14 .128 .258 .393 .537 .692 .868 1.076 1.345 1.761 2.145 2.624 2.977 4.140
15 .128 .258 .393 .536 .691 .866 1.074 1.341 1.753 2.131 2.602 2.947 4.073
16 .128 .258 .392 .535 .690 .865 1.071 1.337 1.746 2.120 2.583 2.921 4.015
17 .128 .257 .392 .534 .689 .863 1.069 1.333 1.740 2.110 2.567 2.898 3.965
18 .127 .257 .392 .534 .688 .862 1.067 1.330 1.734 2.101 2.552 2.878 3.922
19 .127 .257 .391 .533 .688 .861 1.066 1.328 1.729 2.093 2.539 2.861 3.883
20 .127 .257 .391 .533 .687 .860 1.064 1.325 1.725 2.086 2.528 2.845 3.850
21 .127 .257 .391 .532 .686 .859 1.063 1.323 1.721 2.080 2.518 2.831 3.819
22 .127 .256 .390 .532 .686 .858 1.061 1.321 1.717 2.074 2.508 2.819 3.792
23 .127 .256 .390 .532 .685 .858 1.060 1.319 1.714 2.069 2.500 2.807 3.767
24 .127 .256 .390 .531 .685 .857 1.059 1.318 1.711 2.064 2.492 2.797 3.745
25 .127 .256 .390 .531 .684 .856 1.058 1.316 1.708 2.060 2.485 2.787 3.725
26 .127 .256 .390 .531 .684 .856 1.058 1.315 1.706 2.056 2.479 2.779 3.707
27 .127 .256 .389 .531 .684 .855 1.057 1.314 1.703 2.052 2.473 2.771 3.690
28 .127 .256 .389 .530 .683 .855 1.056 1.313 1.701 2.046 2.467 2.763 3.674
29 .127 .256 .389 .530 .683 .854 1.055 1.311 1.699 2.045 2.462 2.756 3.659
30 .127 .256 .389 .530 .683 .854 1.055 1.310 1.697 2.042 2.457 2.750 3.646
40 .126 .255 .388 .529 .681 .851 1.050 1.303 1.684 2.021 2.423 2.704 3.551
60 .126 .254 .387 .527 .679 .848 1.046 1.296 1.671 2.000 2.390 2.660 3.460
120 .126 .254 .386 .526 .677 .845 1.041 1.289 1.658 1.980 2.358 2.617 3.373
.126 .253 .385 .524 .674 .842 1.036 1.282 1.645 1.960 2.326 2.576 3.291






20
Anexo Anexo Anexo Anexo 4 44 4
Tabela de nmeros casuais

15 62 38 72 92 03 76 09 30 75 77 80 04 24 54 67 60 10 79 26 21 60 03 48 14
77 81 15 14 67 55 24 22 20 55 36 93 67 69 37 72 22 43 46 32 56 15 75 25 12
18 87 05 09 96 45 14 72 41 46 12 67 46 72 02 59 06 17 49 12 73 28 23 52 48
08 58 53 63 66 13 07 04 48 71 39 07 46 96 40 20 86 79 11 81 74 11 15 23 17
16 07 79 57 61 42 19 68 15 12 60 21 59 12 07 04 99 88 22 39 75 16 69 13 84
54 13 05 46 17 05 51 24 53 57 46 51 14 39 17 21 39 89 07 35 47 87 44 36 62
95 27 23 17 39 80 24 44 48 93 75 94 77 09 23 48 75 91 69 03 55 51 09 74 47
22 39 44 74 80 25 95 28 63 90 41 19 48 46 72 51 12 97 39 83 35 83 23 17 29
69 95 21 30 11 98 81 38 00 53 41 40 04 16 78 67 29 83 41 18 30 90 44 37 64
75 75 63 97 12 11 57 05 86 52 82 72 47 72 14 37 72 69 75 48 72 21 52 51 81
08 74 79 30 80 70 11 66 79 25 88 01 94 52 31 38 57 98 71 62 12 56 61 01 54
04 88 45 98 60 90 92 74 77 87 40 18 65 87 37 08 68 62 39 52 84 74 90 68 18
97 35 74 05 75 42 13 49 48 38 74 19 06 42 60 20 79 90 81 77 18 51 71 27 27
53 09 93 28 29 80 19 68 30 45 94 49 49 71 21 93 93 71 30 34 52 65 83 40 13
26 36 68 48 09 37 69 26 22 80 23 34 10 45 70 83 51 07 37 44 62 96 74 42 64
49 16 57 15 79 56 63 22 94 28 11 39 69 55 38 53 06 97 20 42 09 14 90 43 48
03 51 79 78 74 75 23 73 75 98 47 85 07 26 02 61 28 01 22 16 14 12 15 67 22
21 88 87 28 48 23 44 03 03 80 53 89 07 87 93 30 17 84 17 74 16 53 31 39 01
56 41 73 33 41 59 16 59 50 98 24 24 87 06 75 99 52 09 88 05 86 25 43 50 94
72 39 19 70 17 01 04 01 22 33 04 84 63 27 65 84 39 45 55 31 95 88 93 90 37
97 28 25 81 49 71 69 22 04 51 56 46 56 15 10 69 59 99 50 29 33 50 16 93 09
18 87 02 72 08 74 52 16 03 82 20 19 66 23 62 37 51 04 89 31 32 19 59 85 57
53 40 11 75 45 13 56 85 31 37 09 17 71 96 79 39 50 79 27 62 71 14 95 53 03
60 49 03 41 56 78 33 77 28 92 21 90 10 62 01 97 06 45 01 19 95 12 24 18 52
09 16 12 75 04 39 69 95 00 48 26 85 28 73 08 66 92 10 66 75 62 61 27 82 57
64 20 19 87 54 88 15 12 54 24 06 99 57 07 28 51 34 54 98 50 70 88 02 86 48
31 28 07 58 77 03 98 26 76 09 10 44 57 61 28 60 29 85 70 79 80 29 19 98 92
80 04 28 47 76 35 73 67 78 28 09 39 88 63 74 41 26 92 42 33 06 80 06 33 84
24 60 22 51 19 34 54 08 24 73 86 72 11 44 69 76 90 81 17 85 57 47 35 16 84
59 16 11 26 29 18 97 78 44 43 58 92 78 70 80 09 65 32 68 26 65 73 90 50 46
58 54 29 98 27 40 51 92 07 13 58 41 59 56 94 16 32 51 42 54 77 37 13 85 19
20 18 34 22 73 57 40 67 17 28 63 57 74 36 18 65 55 25 50 68 35 90 00 03 38
53 90 46 56 19 50 58 33 84 53 14 74 17 40 73 86 11 04 02 04 02 28 49 62 36
97 16 93 94 65 70 95 95 83 20 91 42 57 95 63 00 86 29 02 53 02 27 86 70 95
72 55 71 70 92 04 22 53 19 29 67 29 13 56 70 45 73 45 05 04 32 43 30 93 41
99 19 72 58 35 49 09 26 00 74 26 42 94 52 02 83 31 85 65 66 31 97 67 52 15
48 21 49 72 91 79 19 64 81 82 78 92 51 96 51 28 79 13 20 82 34 81 39 46 86
52 37 68 15 53 22 98 30 16 31 83 24 87 69 29 24 85 44 25 50 75 62 83 95 41
97 50 52 53 52 26 78 51 68 69 57 79 42 40 89 55 81 75 24 52 51 32 79 97 05
36 05 09 18 11 71 01 63 17 60 11 65 19 43 07 44 86 19 58 92 23 71 32 96 19
20 79 70 09 30 81 14 53 80 93 71 94 10 18 14 83 69 76 53 25 27 36 65 65 05
13 07 89 72 08 00 37 75 14 94 83 85 06 72 66 07 47 30 17 11 16 02 63 97 30
94 26 82 37 43 34 23 00 14 50 96 85 41 17 71 69 20 15 98 82 79 69 68 50 31
13 55 88 38 43 75 37 43 83 85 53 74 54 62 99 68 93 74 43 95 06 26 79 78 87
02 44 24 97 71 97 93 12 70 89 42 52 33 24 91 05 87 53 15 77 49 92 83 97 80
34 90 96 63 54 22 84 36 38 99 85 36 25 03 27 49 24 72 10 50 95 14 18 26 64
13 67 06 34 98 04 20 80 12 54 01 18 54 20 76 92 10 47 04 65 54 45 82 42 90
18 75 55 82 66 34 77 27 71 79 67 65 85 92 68 16 43 83 18 74 12 48 68 87 22
91 25 52 57 15 21 54 40 05 50 67 51 66 45 69 84 75 74 32 30 17 70 40 60 24
76 24 00 14 92 14 29 12 17 73 77 46 44 24 30 48 50 36 30 24 93 08 01 39 37

21
Anexo Anexo Anexo Anexo 5 55 5



Tabela de
intervalos de confiana para a distribuio binomial
(probabilidade de 95%)

Grandeza da amostra (n)
p=a/n 10 15 20 30 50 100
.00 .00-.31 .00-.22 .00-.17 .00-.12 .00-.07 .00-.04
.05 .00-.38 .00-.30 .00-.25 .00-.20 .01-.15 .02-.12
.10 .00-.45 .00-.36 .01-.32 .02-.27 .03-.23 .05-.17
.15 .01-.50 .02-.43 .03-.38 .05-.33 .07-.29 .08-.24
.20 .03-.56 .04-.48 .06-.44 .07-.39 .10-.34 .12-.29
.25 .04-.61 .07-.54 .08-.49 .11-.44 .14-.40 .17-.35
.30 .07-.65 .09-.59 .12-.54 .15-.49 .18-.45 .22-.40
.35 .09-.69 .12-.64 .15-.59 .18-.54 .22-.50 .26-.45
.40 .12-.74 .16-.68 .19-.64 .23-.59 .26-.55 .30-.50
.45 .15-.77 .20-.72 .23-.68 .27-.64 .30-.60 .35-.55
.50 .19-.81 .23-.76 .27-.73 .31-.68 .35-.64 .40-.59
.55 .23-.85 .28-.81 .32-.77 .36-.74 .40-.70 .45-.65
.60 .26-.88 .32-.84 .36-.81 .41-.77 .45-.74 .50-.70
.65 .31-.91 .36-.88 .41-.85 .46-.81 .50-.78 .55-.74
.70 .35-.93 .41-.91 .46-.88 .51-.85 .55-.83 .60-.78
.75 .39-.95 .46-.93 .51-.92 .56-.89 .60-.86 .65-.83
.80 .44-.74 .52-.96 .56-.94 .62-.93 .66-.90 .71-.88
.85 .50-.99 .57-.98 .62-.97 .67-.95 .71-.93 .76-.92
.90 .55-1.00 .64-1.00 .68-.99 .73-.98 .77-.97 .83-.95
.95 .62-1.00 .70-1.00 .75-1.00 .80-1.00 .85-.99 .88-.98
1.00 .69-1.00 .78-1.00 .83-1.00 .88-1.00 .93-1.00 .96-1.00











22
Anexo Anexo Anexo Anexo 6 66 6



Tabela de coeficientes de correlao (r)
para os nveis de confiana de 95% e 99%

Graus de
liberdade
95% 99%
Graus de
liberdade
95% 99%
1 .997 1.000 24 .388 .496
2 .950 .990 25 .381 .487
3 .878 .959 26 .374 .478
4 .811 .917 27 .367 .470
5 .754 .874 28 .361 .463
6 .707 .834 29 .355 .456
7 .666 .798 30 .349 .449
8 .632 .765 35 .325 .418
9 .602 .735 40 .304 .393
10 .576 .708 45 .288 .372
11 .553 .684 50 .273 .354
12 .532 .661 60 .250 .325
13 .514 .641 70 .232 .302
14 .497 .623 80 .217 .283
15 .482 .606 90 .205 .267
16 .468 .590 100 .195 .254
17 .456 .575 125 .174 .228
18 .444 .561 150 .159 .208
19 .433 .549 200 .138 .181
20 .423 .537 300 .113 .148
21 .413 .526 400 .098 .128
22 .404 .515 500 .088 .115
23 .396 .505 1.000 .062 .081