Você está na página 1de 53

UNIVERSIDADE FEDERAL DOS VALES DO JEQUITINHONHA E MUCURI

FACULDADE DE CINCIAS AGRRIAS


DEPARTAMENTO DE ENGENHARIA FLORESTAL




PROJEO DA DISTRIBUIO DIAMTRICA DE POVOAMENTOS
FLORESTAIS UTILIZANDO DIFERENTES FORMAS DA FUNO WEIBULL




Carlos Alberto Arajo Jnior









DIAMANTINA
2009


UNIVERSIDADE FEDERAL DOS VALES DO JEQUITINHONHA E MUCURI
FACULDADE DE CINCIAS AGRRIAS
DEPARTAMENTO DE ENGENHARIA FLORESTAL




PROJEO DA DISTRIBUIO DIAMTRICA DE POVOAMENTOS
FLORESTAIS UTILIZANDO DIFERENTES FORMAS DA FUNO WEIBULL




Carlos Alberto Arajo Jnior

Orientador:
Prof. Dr. Gilciano Saraiva Nogueira
Monografia apresentada ao Curso de
Graduao em Engenharia Florestal, como parte
dos requisitos exigidos para concluso do Curso.



DIAMANTINA
2009


PROJEO DA DISTRIBUIO DIAMTRICA DE POVOAMENTOS
FLORESTAIS UTILIZANDO DIFERENTES FORMAS DA FUNO WEIBULL


Carlos Alberto Arajo Jnior
Monografia apresentada ao Curso de
Graduao em Engenharia Florestal, como parte
dos requisitos exigidos para concluso do Curso.


APROVADA em: 23/07/2009

Prof. Dr. Marcio Leles Romarco de Oliveira

Profa. Dra. Thelma Shirlen Soares

Prof. Dr. Gilciano Saraiva Nogueira




DIAMANTINA
2009


AUTORIZAO


Autorizo a reproduo e/ou divulgao total ou parcial do presente
trabalho, por qualquer meio convencional ou eletrnico, desde que citada a
fonte.




________________________________
Nome do Autor: Carlos Alberto Arajo Jnior
Instituio: UFVJM.
Local: Diamantina-MG.
Endereo: Rua da Glria, n 187 Centro.
e-mail: carlosmuc@hotmail.com





Sumrio
Resumo ........................................................................................................................................ i
1. Introduo............................................................................................................................ 1
2. Reviso de literatura ............................................................................................................ 4
2.1. Distribuio diamtrica ................................................................................................... 4
2.2. Modelos de distribuio diamtrica ................................................................................ 6
2.3. Funo densidade de probabilidade Weibull ................................................................... 8
2.3.1. Funo Weibull de dois parmetros ........................................................................... 9
2.3.2. Funo Weibull truncada direita ........................................................................... 10
2.4. Mtodos de ajuste de funes densidade de probabilidade ........................................... 13
2.4.1. Mtodo dos momentos ............................................................................................... 14
2.4.2. Mtodo dos percentis ................................................................................................ 15
2.4.3. Mtodo da mxima verossimilhana ......................................................................... 16
2.4.4. Mtodo da aproximao linear ................................................................................. 18
2.5. Avaliao do ajuste ....................................................................................................... 18
2.5.1. Teste Qui-Quadrado () .......................................................................................... 19
2.5.2. Teste de Kolmogorov-Smirnov (K-S) ........................................................................ 20
3. Material e mtodos ............................................................................................................ 22
3.1. Fonte de dados ............................................................................................................... 22
3.2. Distribuio diamtrica por parcela .............................................................................. 22
3.3. Funes densidade de probabilidade ............................................................................. 23
3.3.1. Funo Weibull de 2 parmetros pelo mtodo de mxima verossimilhana: ........... 23
3.3.2. Funo Weibull de 2 parmetros pelo mtodo da aproximao linear .................... 24
3.3.3. Funo Weibull truncada direita pelo mtodo de mxima verossimilhana ......... 24
3.4. Modelos de distribuio diamtrica MDD ................................................................. 26
3.4.1. MDD LOPES: ........................................................................................................ 27
3.4.2. MDD NOGUEIRA: ................................................................................................ 28
3.4.3. MDD SILVA: .......................................................................................................... 29
3.5. Avaliao dos ajustes .................................................................................................... 30
3.6. Otimizao dos procedimentos de clculo .................................................................... 30
4. Resultados e discusso ...................................................................................................... 32
4.1. Ajuste das funes densidade de probabilidade ............................................................ 32
4.2. Modelos de distribuio diamtrica .............................................................................. 35
5. Concluso .......................................................................................................................... 44
6. Referncias bibliogrficas ................................................................................................. 45
i
Acadmico de Engenharia Florestal Universidade Federal dos Vales do Jequitinhonha e Mucuri UFVJM.
carlosmuc@hotmail.com

Resumo

ARAJO JNIOR, C. A. Projeo da distribuio diamtrica de povoamentos florestais
utilizando diferentes formas da funo Weibull. Monografia apresentada como parte dos
requisitos para graduao em Engenharia Florestal (Trabalho de Concluso de Curso).
Universidade Federal dos Vales do Jequitinhonha e Mucuri UFVJM. Diamantina - MG,
2009.

RESUMO - O objetivo deste estudo foi avaliar o ajuste das funes densidade de
probabilidade Weibull de dois parmetros sem truncamento e Weibull de dois parmetros
truncada direita aos dados de distribuio diamtrica de povoamentos de eucalipto em
diferentes idades, e avaliar os sistemas de recuperao dos parmetros destas funes de
forma a prognosticar a distribuio diamtrica dos povoamentos estudados. Os dados so
oriundos de parcelas permanentes em povoamentos de eucalipto da empresa BAHIAPULP,
no nordeste da Bahia, mensuradas nas idades de 28, 40 e 50 meses. Os resultados mostraram
que ambas as funes se ajustaram bem s distribuies observadas, com ligeira inferioridade
das estimativas geradas pela funo Weibull de 2 parmetros ajustada pelo mtodo da
aproximao linear. O truncamento da funo fez com que as estimativas do nmero de
rvores permanecessem dentro do intervalo dap
mn
< dap <dap
mx
observado. A funo
Weibull truncada direita e ajustada pelo mtodo da mxima verossimilhana proporcionou
estimativas mais precisas e consistentes quando comparada com a funo Weibull sem
truncamento e ajustada pelos mtodo da mxima verossimilhana e da aproximao linear. A
performance de um modelo de distribuio diamtrica depende da forma matemtica e do
mtodo de ajuste da funo densidade de probabilidade. Os modelos de distribuio
diamtrica que consideram a dinmica de crescimento, ou seja, que utilizam como variveis
dependentes, os parmetros da funo Weibull em uma idade futura e, como variveis
independentes, os parmetros desta mesma funo em uma idade atual e variveis de
povoamento em idades atual e futura, so mais eficientes na recuperao dos parmetros.

Palavras-chave: Distribuio diamtrica, funo densidade de probabilidade, Weibull,
truncamento

1


1. Introduo
O planejamento das atividades florestais est associado s necessidades das indstrias,
ou mercados consumidores, e tambm s condies do prprio povoamento ou floresta. Isso
porque o direcionamento do empreendimento pode variar dependendo dos rendimentos
obtidos em termos de produo volumtrica, qualidade da madeira e at mesmo questes
mercadolgicas.
Dessa forma, para que o gerenciamento da atividade florestal tenha condies de
identificar com certa antecedncia os fatores citados acima, torna-se necessrio o uso de
ferramentas que auxiliem a tomada de decises. E quanto mais detalhistas forem estas
ferramentas, melhores so as previses e mais confiveis so as alternativas de uso dos
recursos florestais.
A prognose da produo volumtrica umas dessas ferramentas. Por meio dela tem-se
o conhecimento do estoque de madeira que o empreendimento ter na idade desejada em
determinada rea. Isso importante no tocante ao planejamento das atividades principalmente
com relao ao suprimento das necessidades futuras dos consumidores.
No entanto, apenas o conhecimento acerca da produo por unidade de rea no
suficiente para determinados seguimentos de indstrias de base florestal. Fbricas de mveis
ou serrarias, por exemplo, necessitam de informaes mais refinadas sobre as caractersticas
futuras dos povoamentos, de modo que os interesses se concentram principalmente nas
informaes dos dimetros das maiores rvores.
Com isso, ganha importncia o conhecimento da estrutura horizontal das florestas.
Estrutura essa relacionada maneira como os dimetros esto distribudos no povoamento, ou
seja, quantidade de rvores em cada classe de dimetro.
2


Apesar de se ter informaes mais refinadas, o que sugere maior dificuldade, a
distribuio diamtrica de determinado povoamento ou floresta facilmente avaliada por
meio da medio direta das rvores em campo. As rvores so medidas em unidades
amostrais e ento os dimetros so agrupados em classes de amplitudes definidas.
No entanto, em planejamento florestal no se pode esperar que as rvores cresam
para que a distribuio diamtrica seja conhecida. preciso estimar essa mesma distribuio
numa idade futura, o que pode ser feito por meio de prognoses.
Assim como na prognose da produo por unidade de rea, a prognose da produo
por unidade de rea e por classe diamtrica necessita de informaes da estrutura horizontal
do povoamento ao longo do tempo, sendo necessrias ao menos trs medies de parcelas
permanentes para que modelos sejam ajustados de maneira a fornecer a provvel distribuio
dos dimetros em uma idade futura desejada.
Para auxiliar nessa etapa do manejo florestal, o engenheiro toma mo de funes
matemticas que descrevem a distribuio diamtrica. Essas funes fornecem a
probabilidade de ocorrncia de dimetros em determinada classe, sendo conhecidas como
funes densidade de probabilidade. As mais utilizadas para esta finalidade so as funes
Beta, Normal, Exponencial, Hiperblica e Weibull, sendo as duas ltimas as que tm
apresentado melhores resultados.
A funo Weibull tem qualidades tais como facilidade de ajuste, flexibilidade para
descrever variadas tendncias e facilidade de correlao de seus parmetros com variveis do
povoamento, o que a torna superior s demais. No entanto, um inconveniente desta funo
que as estimativas do nmero de rvores por classe muitas vezes ultrapassa o dimetro
mximo observado no povoamento, ou seja, ela no estima para um intervalo de dimetros
(dap
min
< dap < dap
mx
) o mesmo nmero de rvores observado para este considerado
intervalo.
3


Estudos para solucionar tal inconveniente tm sido desenvolvidos, principalmente com
relao aos mtodos de estimao dos parmetros (aproximao linear, momentos, percentis e
mxima verossimilhana). Alteraes posteriores obteno das estimativas, tais como
redistribuio da diferena entre o nmero de rvores estimado e observado tambm foram
propostas. Mas, o que acena como melhor alternativa o uso de funes truncadas, ou seja,
funes que fazem com que toda a quantidade de rvores observadas para um intervalo sejam
estimadas necessariamente para este mesmo intervalo considerado.
Qualquer funo densidade de probabilidade pode ser truncada, por meio de
manipulaes matemticas. Para a funo Weibull, estudos j desenvolvidos revelam a forma
conhecida como distribuio Weibull truncada direita (DWTD). Essa funo ento
utilizada quando se deseja impor distribuio um limite superior, que no caso da distribuio
diamtrica o dimetro mximo observado ou estimado.
Feita a definio da melhor funo densidade de probabilidade, o problema seguinte
definir sistemas de equaes que possibilitem a recuperao dos parmetros da funo para
uma idade futura. Tais sistemas so em sua maioria associados s variveis do povoamento,
de forma que os parmetros das funes densidade de probabilidade sejam estimados e as
distribuies recuperadas sejam as mais prximas das distribuies reais.
As avaliaes das estimativas realizadas por meio das funes e dos sistemas de
recuperao dos parmetros so geralmente feitas por testes que consideram as diferenas
existentes entre o nmero de rvores observado e estimado por classe de dimetro. Testes
como os de Qui-Quadrado e Kolmogorov-Smirnov so os mais indicados e utilizados para tal
avaliao, sendo que o de Qui-quadrado possui inconvenientes com relao ao nmero de
observaes por classe.
Dessa forma, o presente trabalho teve como finalidade avaliar o ajuste das funes
densidade de probabilidade Weibull de dois parmetros sem truncamento e Weibull de dois
4


parmetros truncada direita aos dados de distribuio diamtrica de povoamentos de
eucalipto em diferentes idades. E avaliar os sistemas de recuperao dos parmetros destas
funes de forma a prognosticar a distribuio diamtrica dos povoamentos estudados.

2. Reviso de Literatura
2.1. Distribuio diamtrica
A distribuio diamtrica o meio mais simples e eficaz para se descrever as
caractersticas do povoamento, uma vez que o dimetro uma varivel real obtida por
medio direta das rvores (BARROS, 1980). Essa distribuio corresponde maneira como
a estrutura horizontal da florestal se comporta. Considera-se para efeito de clculo, as
freqncias de indivduos com porte semelhante, ou que possuem dimetro dentro de um
intervalo considerado. O agrupamento das rvores cujos dimetros estejam prximos ir,
ento, compor uma classe diamtrica.
Cada classe diamtrica definida por seus respectivos dimetros mnimo e mximo,
sendo que os mesmos so dependentes da amplitude considerada para o agrupamento das
rvores. Tal amplitude de classe na distribuio diamtrica definida pelo usurio,
obedecendo a critrios tais como dimenso das rvores e melhoria na qualidade de ajuste de
determinado modelo. No geral encontram-se amplitudes da ordem de 1 a 5 cm para florestas
de eucalipto e de teca (SCOLFORO e THIERSCH, 1998; SOARES, 2006; CAMPOS e
LEITE, 2006) e amplitudes acima disso para florestas inequineas (UMAA e ALENCAR,
1998; CUNHA et al., 2002).
Para o conhecimento da distribuio diamtrica de determinada floresta ou
povoamento florestal necessria a medio de amostras, sendo que a mensurao das
5


rvores normalmente realizada por meio de inventrios florestais. Os mesmos contemplam o
dimetro das rvores a uma altura de 1,3 m do solo (dap) e, dependendo do objetivo de uso
dos dados coletados e da tipologia florestal, o dimetro a 30 cm do solo (a exemplo da
medio de rvores no Cerrado sensu strictu).
Segundo Silva (2001), o uso da distribuio diamtrica ocorre desde 1898, quando De
Liocourt estimou a mesma por meio de um modelo de progresso geomtrica em trabalho
realizado com dados de florestas multineas. A partir da, a varivel dimetro tomou ainda
mais importncia no setor florestal. De acordo com este autor, em 1965, Clutter e Bennett
construram tabelas de predio da distribuio diamtrica para florestas homogneas.
O comportamento da estrutura horizontal das florestas varivel, no entanto duas
tendncias, exponencial e normal, so marcantes em funo da tipologia florestal. A
distribuio diamtrica de uma floresta equinea tende a uma distribuio normal, na qual h
maior nmero de rvores nas classes medianas; o que difere da distribuio de uma floresta
inequinea que segue a tendncia decrescente (J invertido), com maior nmero de rvores
nas classes inferiores, conforme mostra a Figura 1.

Figura 1 - Exemplo de histogramas de distribuio diamtrica de uma floresta inequinea e de
uma equinea.
6



Estes, alm de outros conhecimentos acerca da freqncia de dimetros por classe
necessrio em decises de manejo florestal, tanto em povoamentos de estrutura equinea
(reflorestamentos) como em povoamentos de estrutura multinea (florestas naturais)
(CAMPOS e LEITE, 2006). Pode-se citar, como exemplo, o uso do quociente de Liocourt
desenvolvido por De Liocourt, que considera a distribuio atual dos dimetros de uma
floresta inequinea e uma distribuio futura ideal, de modo a direcionar o corte seletivo de
rvores, preconizando um manejo florestal sustentvel. Para as florestas equineas pode-se
citar como exemplo o uso do mtodo dos ingressos percentuais para estimar a idade tcnica de
desbaste.
Assim, torna-se necessrio o conhecimento sobre a estrutura diamtrica atual e futura
da floresta a ser manejada. Para isso emprega-se ferramentas matemticas de modo a estimar
a provvel distribuio que apresentam os dimetros. A distribuio diamtrica pode, ento,
ser estimada por modelos matemticos, os quais tm como base funes de densidade de
probabilidade.

2.2. Modelos de distribuio diamtrica
Segundo Silva (2001), os modelos de distribuio diamtrica indicam o provvel
nmero de rvores por unidade de rea, em cada classe de dimetro e em determinada idade
por meio de funes matemticas.
Assim, um modelo de distribuio diamtrica geralmente composto por um sistema
de equaes, tendo como objetivo estimar os parmetros de uma funo densidade de
probabilidade para uma determinada idade. Tais parmetros devem estar associados s
7


variveis do povoamento, tais como dimetros mnimo, mdio e mximo, altura dominante,
nmero de rvores por hectare, dentre outros.
As estimativas do nmero de rvores por classe de dimetro para uma idade futura
passo importante quando se pensa em prognose da produo por tamanhos de rvores. Essa
possibilidade torna a modelagem da distribuio diamtrica ferramenta importante para
estudos de crescimento e produo de determinada floresta, consistindo em uma condio
essencial para definir a utilizao dos bens advindos da floresta, alm de fornecer informaes
que subsidiam a tomada de decises para a maioria das atividades ligadas ao setor (EISFELD
et al., 2005).
No entanto, para o sucesso das atividades que levam em considerao as estruturas
diamtricas, atual e futura principalmente, necessrio que os modelos matemticos citados
sejam capazes de expressar adequadamente as caractersticas dos povoamentos florestais ao
longo do tempo, e que os mesmos possibilitem a recuperao dos parmetros da funo que
ir descrever o comportamento pontual da distribuio diamtrica. Ainda, importante
ressaltar que tal funo deve ser de fcil manuseio e flexvel o bastante para descrever as
possveis variaes nas estruturas diamtricas com o passar dos anos.
A questo do manuseio ou clculo dos parmetros das funes densidade de
probabilidade so, hoje, menos preocupantes em virtude das poderosas ferramentas
computacionais, as quais conferem maior segurana, rapidez e consistncia nas estimativas
geradas. Dessa forma, a busca por funes versteis, flexveis e de simples entendimento
mais focada.
As funes que melhor descrevem a estrutura horizontal de uma florestal so as
chamadas f.d.p. (funes densidade de probabilidade). Tais funes so capazes de fornecer a
probabilidade associada ocorrncia de um determinado nmero de rvores por classe
diamtrica. O que permite estimar a provvel distribuio que apresentam os dimetros,
8


descrevendo a estrutura de um povoamento, o que facilita o planejamento da produo da
floresta (BARRA et al., 2004).
Silva (2001) em seu estudo sobre modelagem da distribuio diamtrica cita diversas
funes utilizadas para esta finalidade: curva normal, curva log-normal, distribuio Gamma,
funo Weibull, distribuio Beta e distribuio SB. Sendo que a partir do trabalho de Bailey
e Dell (1973), a funo Weibull foi introduzida no setor florestal e praticamente todos os
estudos de distribuio de freqncia passaram a utiliz-la.
Nogueira (2003) cita que vrios tipos de funes densidade de probabilidade j foram
empregados na elaborao de modelos de distribuio diamtrica, no entanto, a Weibull a
mais utilizada no caso de povoamentos equineos.
Machado et al. (2000) ajustaram diversas funes densidade de probabilidade para
dados oriundos de florestas de Araucaria angustifolia, sendo a distribuio Weibull a que
apresentou melhores resultados, sendo superior s distribuies Normal, Beta, Gamma e Log-
Normal para a considerada tipologia I caracterizada como floresta de alta produo com
densidade de copas acima de 80%.
2.3. Funo densidade de probabilidade Weibull
Segundo Murthy (2004), tal funo foi nomeada aps Wallodi Weibull (fsico sueco)
demonstrar sua utilidade para modelagem de dados. A princpio, a mesma foi utilizada para
descrever a resistncia de materiais, sendo posteriormente aplicada pelo prprio Weibull para
diferentes disciplinas.
Assim como a funo Normal, essa funo define a importncia da associao
densidade probabilidade com cada possvel valor da varivel aleatria x. A funo densidade
de probabilidade Weibull muito mais fcil de usar que a Normal, devido a uma forma-
9


fechada e existncia de uma funo de distribuio cumulativa relativamente simples na
forma (CLUTTER et al., 1983).
A funo Weibull utilizada com freqncia devido flexibilidade, permitindo
moldar diferentes tendncias de distribuio, desde uma exponencial at uma normal. Outros
atributos favorveis so a facilidade de correlacionar seus parmetros com caractersticas dos
povoamentos e facilidade de ajustamento (CAMPOS e LETE, 2006).
Sua principal desvantagem sua unimodalidade (AYALA e CHIDEZ, 2002). Isso
porque em diversos casos, a distribuio dos dimetros de uma floresta no define uma curva
normal perfeita, havendo at mesmo classes intermedirias sem a ocorrncia de indivduos.
O modelo Weibull possui diferentes estruturas sendo que o uso de uma configurao
ou outra ir depender da finalidade do trabalho realizado. Na rea florestal os modelos
Weibull mais utilizados so o de 2 e 3 parmetros. O modelo truncado direita, tem sido
usado em alguns trabalhos, indicando certa superioridade sobre os demais.
2.3.1. Funo Weibull de dois parmetros
A funo Weibull de 2 parmetros da forma:
=

1
.

(1)
em que a varivel X representa a varivel aleatria, o parmetro de escala e o
parmetro de forma.
Sua forma cumulativa :
= 1

(2)
10

* MALTAMO, M.; PUUMALINEN, J.; PIVINEN. Comparison of Beta and Weibull functions for modeling
basal area diameter in stands of Pinus sylvestris and Pecea abies. Scandinavian Journal of Forest Research, v.10,
p. 284-295, 1995.

Esta funo se caracteriza por fazer com que a distribuio estimada se inicie no ponto
de origem, portanto, a funo Weibull de dois parmetros nada mais que a mesma funo
Weibull de trs parmetros considerando-se o valor de igual a zero.
Mltamo et al. (1995)* apud Pece et al. (2000) asseguram que a funo Weibull de
dois parmetros mais segura e d maior liberdade ao parmetro de forma. O que a torna
ainda mais flexvel para descrever diversas tendncias.
Arce (2004) em trabalho com a distribuio diamtrica em povoamentos de Populus
deltoides ajustou diferentes funes e avaliou comparativamente o comportamento das
distribuies probabilsticas, destacando-se a Weibull com dois parmetros. A mesma se
perfilou como uma funo flexvel e com excelentes estatsticas de ajuste.
Diversos autores trabalharam a funo Weibull de dois parmetros para modelagem da
estrutura diamtrica de diferentes formaes florestais, destacando-se: Blanco Jorge et al.
(1990); Silva Jnior (2005); Palahi (2006); Soares et al. (2007); Gorgoso et al. (2007).
Blanco Jorge et al. (1990) utilizaram a funo Weibull de dois parmetros para
povoamentos de Pinus eliottii, obtendo resultados satisfatrios. Pece et al. (2000) em trabalho
sobre modelagem da distribuio diamtrica de povoamentos de Melia azedarach
compararam as funes Weibull de dois e trs parmetros, concluindo que para aquela
situao o uso apenas de dois parmetros na funo obteve melhores resultados.
2.3.2. Funo Weibull truncada direita
Um dos inconvenientes da funo Weibull quando do seu uso para modelagem da
distribuio diamtrica o fato de que em muitos ajustes a soma das probabilidades de todas
as classes (dentro do intervalo dap
min
X dap
mx
) menor que 1,0, o que confere certa
impreciso no ajuste.
11


Para solucionar tal problema, Leite (1990) props que a diferena entre o nmero de
rvores observado e estimado pela funo fosse distribudo de forma proporcional entre as
classes. Clutter et al. (1983) sugerem que essa diferena seja includa na maior classe
diamtrica. No entanto, Campos e Leite (2006) questionam sobre a eficincia desses
procedimentos e sugere que se utilize um quarto parmetro na funo, sendo este o ponto de
truncamento direita.
Teoricamente, o truncamento de uma funo qualquer significa isolar um determinado
intervalo dentro da distribuio e concentrar os dados nessa faixa. Para uma distribuio
diamtrica o truncamento pode ocorrer sob trs maneiras: esquerda, quando se considera um
dimetro mnimo existente; direita, quando se leva em considerao a existncia de um
dimetro mximo; e bilateralmente, ou seja, tanto direita quanto esquerda obedecendo
simultaneamente aos critrios citados para os casos isoladamente.
O truncamento de uma funo qualquer pode ser representado matematicamente como
sendo:
< < =
<<
<
=

(3)
Por se tratar de um sub-intervalo da distribuio completa a distribuio truncada
possui funo densidade de probabilidade prpria e conseqentemente seus momentos e
resumos estatsticos no so os mesmos (SILVA, 2001).
De acordo com Murthy et al. (2004), a funo truncada G(t) pode ser obtida pelo
truncamento do modelo Weibull padro e dada por:
=
()
()
0 < (4)
Com F(t) dado por
= = 1

(5)
em que:
12


= dimetro mnimo;
t = ponto de truncamento;
b = dimetro mximo;
Isso referido como a Distribuio Weibull duplamente truncada. Dois casos
especiais so como segue:
= 0 e < = distribuio Weibull truncada direita
> 0 e = distribuio Weibull truncada esquerda
A distribuio Weibull truncada direita (DWTD) foi trabalhada por Wingo (1988).
Tal pesquisador desenvolveu as equaes necessrias para o ajuste do modelo pelo mtodo de
mxima verossimilhana. Alm disso, em seu trabalho ele descreve importantes propriedades
estatsticas da DWTD, alm da descrio de mtodos numricos e computacionais para o
clculo dos estimadores de mxima verossimilhana.
A distribuio Weibull Truncada Direita possui a seguinte forma:
; , =
..
1

1
.

; > 0, > 0, 0 < < (6)


em que o parmetro de escala, o parmetro de forma e T o ponto de truncamento
(dimetro mximo).
A forma cumulativa da DWTD dada por:
=
1 (

)
1 (

)
(0 < < ) (7)
com os parmetros definidos anteriormente.
Na rea florestal, especificamente no Brasil, poucos pesquisadores se dedicaram ao
uso da DWTD, destacando-se Silva (2001), Soares (2006) e Lopes (2007). O primeiro seguiu
os passos desenvolvidos por Wingo (1988) e aplicou a DWTD aos dados de dimetros de
povoamentos de eucalipto no intuito de modelar a distribuio diamtrica, obtendo resultado
satisfatrio, principalmente com relao probabilidade total estimada.
13


Soares (2006) comparou os ajustes da funo Weibull, com e sem truncamento.
Ambas proporcionaram estimativas precisas, no entanto o truncamento contribuiu para
eliminar as estimativas de probabilidades cujos nmeros de rvores por classe diamtrica
fossem menor que um, sem superestimar ou subestimar o nmero de rvores nas maiores
classes.
Lopes (2007), por sua vez, utilizou a DWTD para modelar a distribuio diamtrica de
dados oriundos de sistemas agroflorestais aplicando um sistema de equaes no lineares para
recuperao dos parmetros da funo densidade de probabilidade.
Nogueira (2003) considerou importante o uso de uma funo densidade de
probabilidade, em especial a Weibull truncada direita uma vez que no existe um limite
superior para a varivel x (0 x ) na funo Weibull, o que resulta em pequeno erro, pois
a funo estima freqncias tericas acima do dimetro mximo.
Apesar das caractersticas citadas anteriormente, a funo Weibull truncada direita
ainda carece de pesquisas no sentido de melhorar a qualidade de seu ajuste e desenvolvimento
de rotinas computacionais que facilitem a difuso da mesma no meio acadmico-cientfico.

2.4. Mtodos de ajuste de funes densidade de probabilidade
O ajuste das funes densidade de probabilidade a uma distribuio diamtrica
consiste em estimar o vetor de parmetros que define uma curva que descreve
aproximadamente a forma da distribuio diamtrica (QUEVEDO et al., 2003). Dessa forma
quanto mais prximas as estimativas do nmero de rvores por classe estiverem da proporo
observada, melhor ser o ajuste realizado.
O mtodo de ajuste de uma determinada funo ir depender, segundo Silva (2001), da
eficincia estatstica desejada e das ferramentas disponveis. Tal eficincia pode ser traduzida
14


como o grau de confiana com que se deseja trabalhar e as ferramentas so as operaes
matemticas e algoritmos utilizados para clculo dos parmetros.
De acordo com Batista (1989), os principais mtodos de ajuste da funo Weibull so:
mtodo da mxima verossimilhana; mtodo com base nos momentos da distribuio; mtodo
com base nos percentis da distribuio; mtodo de funes lineares; e mtodo de regresso.
Os mesmos so apresentados em seguida.

2.4.1. Mtodo dos momentos
Machado (2000) ajustou pelo mtodo dos momentos a funo Weibull para dados de
florestas de Araucaria angustifolia. Os resultados obtidos mostraram que a distribuio
Weibull apresentou estimativas no tendenciosas para todas as classes de dimetro.
Abreu et al. (2002) testaram diferentes funes densidades de probabilidade e
verificou que a Weibull ajustada pelo mtodo dos momentos foi a que apresentou maior
percentual de parcelas com freqncia acumulada terica semelhante freqncia acumulada
observada. Neste estudo tal funo foi mais precisa que as distribuies Beta e SB Johnson.
Ayala e Chidez (2002) utilizaram o mtodo dos momentos para ajustar a funo
Weibull a dados de pinus no Mxico.
Segundo Eidsfeld et al. (2005), a partir desse mtodo, os parmetros da funo
Weibull so estimados pelas seguintes equaes:
=

=
1+
2

1+
1

1+
1

(8)
Em que:
CV = Coeficiente de variao em dimetro;
sd = Desvio padro do dimetro ou raiz quadrada da varincia do dimetro;
d = dimetro mdio aritmtico do povoamento (cm);
15


= parmetro de forma
= Funo Gamma
Tendo-se o coeficiente de variao, o pode ser calculado por um processo
interativo.
Obtido o valor do parmetro , pode ser estimado como:
=

1+
1

(9)
Apesar de suas particularidades e de modo geral proporcionar bons resultados o
mtodo dos momentos pode ser considerado uma exceo, visto que o mtodo da mxima
verossimilhana o que tem sido mais usado (AYALA e CHIDEZ, 2002).
2.4.2. Mtodo dos percentis
Quevedo et al. (2003) compararam os mtodos dos percentis e de mxima
verossimilhana para a funo Weibull para modelagem da distribuio diamtrica de
povoamentos de Tectona grandis. A distribuio ajustada mediante percentis assegurou
melhor qualidade de ajuste e maior facilidade de estimao dos parmetros.
Com relao a este mtodo, Silva (2001) relata que sua simplicidade um valoroso
atributo, e quando o coeficiente est prximo ou abaixo de 2 comparvel ou melhor que o
da mxima verossimilhana.
Os parmetros da funo Weibull so calculados conforme Higuchi (2007), como:
=

1
.
2

2
2

1
+

2
2

(10)
= +
0,63
(11)
=

(12)
em que:
16


x
i
= o i-simo DAP em ordem crescente (i = 1, 2,... n);
x
1
= o menor DAP;
x
n
= o ltimo DAP, ou seja, o maior DAP;
x
(0,63n)
= o DAP rankeado em (0,63 * nmero total de DAP observados).
Blanco Jorge et al. (1990) ajustaram a distribuio Weibull para dados de Pinus eliottii
por meio dos mtodos de percentis e mxima verossimilhana. Os resultados mostraram que
ambos os mtodos produziram bons ajustes com relao aos dados observados.
2.4.3. Mtodo da mxima verossimilhana
O mtodo de mxima verossimilhana estima os valores dos parmetros da
distribuio que maximizam a funo de verossimilhana. Em outras palavras, se os dados
tm uma distribuio Weibull, para cada combinao diferente de e , tem-se diferentes
distribuies de Weibull e o estimador de mxima verossimilhana selecionar o par de
parmetros que melhor explique a amostra observada. A funo de verossimilhana baseada
na funo densidade de probabilidade (f.d.p.) para uma dada distribuio.
A obteno dos parmetros de uma funo densidade de probabilidade pelo mtodo de
mxima verossimilhana apresentada na seqncia.
Dada uma funo densidade de probabilidade genrica:
(;
1
,
2
, ,

) (13)
onde x representa os dados (dimetro, por exemplo), e p1, p2,..., pn so os parmetros a serem
estimados. Para um conjunto de dados, a funo de verossimilhana (L) o produto das
funes (f.d.p.) de cada observao do conjunto de dados:
;
1
,
2
, ,

=
1
.
2
. .

(14)
;
1
,
2
, ,

;
1
,
2
, ,

=1
(15)

17

* ZARNOCH, S. J.; DELL, T. R. An evaluation of percentile and maximum likelihood estimators of
Weibull parameters. Forest Science, v.31, n.1, p. 260-268, 1985.
onde x
i
o i-simo dado (dap). O smbolo um sinal matemtico denominado produtrio,
significando o produto das funes.
Matematicamente mais conveniente trabalhar com o logaritmo da funo de
verossimilhana. Assim, aplicando-se o logaritmo natural em L, tem-se a funo log-
verossimilhana (l):
=

;
1
,
2
, ,

=1
(16)
Agora, basta encontrar os valores dos parmetros que maximizam a funo. Isto feito
calculando-se as derivadas parciais da equao log-verossimilhana para cada parmetro, e
resolver o sistema igualando a zero cada equao. Observe que o nmero de equaes varia
de acordo com o nmero de parmetros considerados:

1
= 0

2
= 0

= 0
Zarnoch e Dell (1985)* apud Silva (2001), comparando os mtodos da mxima
verossimilhana e dos percentis para estimativa dos trs parmetros da funo Weibull,
concluram que, para populaes similares de povoamentos florestais, os estimadores de
mxima verossimilhana so superiores em preciso.
Chidez e Avia (2000) ajustaram a funo Weibull por diferentes mtodos para
povoamento mesclados de Pinus, Quercus e Juniperus, sendo o da mxima verossimilhana,
superior ao mtodo de momentos e quadrados mnimos.
Os estimadores de verossimilhana para a funo Weibull de dois parmetros, de trs
parmetros e truncada direita sero apresentados na seo material e mtodos.
18


O mtodo de mxima verossimilhana recomendado por estimar parmetros
eficientes, consistentes, com menor varincia e por requerer um nmero menor de dados para
obter a soluo correta (AYALA, 2002).
2.4.4. Mtodo da aproximao linear
O mtodo da aproximao linear para o ajuste da funo Weibull consiste em
linearizar tal funo que no linear e ento aplicar o mtodo dos mnimos quadrados
ordinrios para obteno dos parmetros do modelo.
O mtodo dos mnimos quadrados por sua vez, uma tcnica de otimizao
matemtica que procura encontrar o melhor ajustamento para um conjunto de dados tentando
minimizar a soma dos quadrados das diferenas, de forma a maximizar o grau de ajuste do
modelo.
Nogueira (2003) fez uso do mtodo da aproximao linear para o ajuste da funo
Weibull para as parcelas nas quais o ajuste realizado pelo mtodo da mxima verossimilhana
apresentou teste de aderncia significativo. Campos e Leite (2006) detalharam tal mtodo de
forma exemplificada para o ajuste da f.d.p. Weibull.
2.5. Avaliao do ajuste
O ajuste de uma funo probabilstica pode ser avaliado por diversos testes, dentre os
quais se podem citar: Qui-Quadrado (), Kolmogorov-Smirnov (K-S), Anderson-Darling (A-
D) e Cramrvon Mises (MURTHY et al., 2004), alm da anlise grfica dos resduos e soma
de dimetros, para o caso especfico da distribuio diamtrica (ARCE, 2004).
O uso de um mtodo ou outro ir depender principalmente das caractersticas dos
dados apresentados. De modo geral, os testes de Qui-Quadrado () e Kolmogorov-Smirnov
(K-S) so os mais utilizados como pode ser comprovado nos trabalhos de Rojo (2000),
19


Machado et al. (2000), Chidez e Avia (2000), Ayala e Chidez (2002) e Quevedo et al.
(2003). Estes autores utilizaram os dois mtodos em seus estudos. Quevedo et al. (2003)
ainda fizeram uso do teste de Anderson-Darling (A-D), e para chegar concluso da
qualidade dos ajustes combinou estes trs testes.
Os testes de Qui-Quadrado () e Kolmogorov-Smirnov (K-S), alm da anlise grfica
dos resduos e soma de dimetros so detalhados a seguir.
2.5.1. Teste Qui-Quadrado ()
Higuchi (2007) em trabalho sobre a influncia do tamanho de parcela sobre o ajuste da
funo Weibull, utilizou o teste Qui-Quadrado () para verificar se a distribuio estimada
com ajuda da funo de distribuio de Weibull segue a mesma distribuio observada.
Segundo o autor, para calcular o Qui-Quadrado () utiliza-se a seguinte equao:
=

(17)
em que:
= Qui-Quadrado;
O
i
= Freqncia observada atravs do levantamento de campo; e
E
i
= Freqncia esperada estimada pela funo.
O teste Qui-Quadrado tem as vantagens de ser de fcil aplicao e de ser aplicvel
mesmo quando os parmetros so desconhecidos. Todavia, ele no um teste muito rigoroso
e no recomendado para pequenas amostras (MURTHY et al., 2004).
Ainda segundo Murthy et al. (2004), no clculo do Qui-Quadrado necessrio assumir
que as freqncias esperadas no sejam muito pequenas, caso contrrio pode haver distores
no resultado. A regra utilizada a que cada classe deve ter mais que 5 observaes.
Isso pode ser comprovado em Schreuder et al. (1978). Tais autores recomendaram
usar o teste D de Kolmogorov-Smirnov (KS) para verificar o melhor ajuste. Segundo estes
20

* TORRES, J.; ACOSTA, M.; MAGAA, O. Mtodo para estimar los parmetros de La funcin
Weibull y su potencial para ser predichos atravs de atributos de rodal. Agrocincia, v.2, p. 57-76, 1992.

autores, o teste de Qui-Quadrado (), para os dados estimados, no pode ser calculado para
qualquer classe que tenha menos que cinco observaes, pois o valor pode no ser real, e se
for levado em considerao que a ocorrncia de classes com menor que cinco observaes
muito comum, esta estatstica deve ser evitada. Observado esse pressuposto, Pece et al. (2000)
descartaram o teste de Qui-Quadrado porque o nmero de rvores nas parcelas no era em
quantidade suficiente para cumprir os requisitos de um nmero mnimo de freqncia
esperada em algumas classes diamtricas.
Torres et al. (1992)* apud Quevedo (2003) afirmam que o teste Qui-Quadrado tem a
desvantagem de que em casos de descontinuidade, truncamentos ou tendncias
multimodalidade o teste perde sensibilidade.
2.5.2. Teste de Kolmogorov-Smirnov (K-S)
Na maioria dos trabalhos envolvendo a modelagem da distribuio diamtrica, o teste
K-S o utilizado, como pode ser visto em Pece et al. (2000), Silva (2001), Abreu et al.
(2002), Leite et al. (2006) e Soares (2006).
Segundo Bartoszech (2004) o teste KS realizado calculando-se a mxima diferena
entre as freqncias acumuladas observadas e estimadas:
=

(20)
D = ponto de maior divergncia entre as probabilidades acumuladas
sup
x
= classe de DAP em que ocorre o mais alto valor da diferena entre Fo(x) e Fe(x);
Fo (x) freqncia observada acumulada;
Fe (x) freqncia estimada acumulada;
Para a concluso do teste, ou seja, se ou no significativo, calcula-se:

(21)
21

* CAMPOS, H. Estatstica experimental no paramtrica. 3.ed. Piracicaba: ESALQ/USP, 1979. 343p.
em que:
N - nmero total de indivduos da amostra.
Se o D
cal
for menor que o D
referncia
aceita-se o ajuste. D
referncia
um valor tabelado ao
nvel de probabilidade, sendo testado para os nveis de 5% e 1% do teste bilateral.
Os valores de referncia do teste de Kolmogorov Smirnov so dados em funo do
nmero de classes presentes na distribuio sendo:


=
1,36

= 5% (22)
e


=
1,63

= 1% (23)
em que NC corresponde ao nmero de classes da distribuio.
Para valores menores que o tabelado no se rejeita a hiptese da nulidade, o que indica
que as freqncias esperadas e observadas so similares do ponto de vista estatstico,
indicando que o modelo pode ser utilizado, descrevendo bem o conjunto de dados. J, valores
significativos indicam uma inadequao do uso do modelo.
A vantagem do teste de Kolmogorov-Sminorv sobre o teste que ele pode ser
aplicado, sem restrio, para pequenas amostras. Alm disso, ele considera os dados
individualmente, no perdendo informaes devido a agrupamentos, como ocorre no teste
(CAMPOS, 1979*, apud SCOLFORO e THIERSCH, 1998).
Um trabalho interessante foi o desenvolvido por Barra et al. (2004), no qual o autor
prope metodologia baseada na minimizao do D do teste KS, gerando assim um
problema de otimizao para encontrar as estimativas dos parmetros da funo Weibull.


22


3. Material e Mtodos
3.1. Fonte de dados
Os dados utilizados neste estudo so oriundos de um experimento instalado em
povoamentos do hbrido Eucalyptus grandis x Eucalyptus urophylla, pertencentes empresa
BAHIAPULP, na regio nordeste do Estado da Bahia. Os dados foram coletados em 48
parcelas permanentes retangulares, com rea til de aproximadamente 2.600 m. As medies
contempladas neste estudo foram realizadas aos 27, 40 e 50 meses.
A regio apresenta precipitao mdia anual variando de 900 a 1200 mm e altitude
mdia de 200 m acima do nvel do mar.
Em cada medio foram registradas as seguintes caractersticas por parcela: altura
total das 15 primeiras rvores, altura de 5 rvores dominantes e dap (dimetro a 1,3 m de
altura do solo) de todas as rvores contidas nas parcelas.
3.2. Distribuio diamtrica por parcela
Cada parcela utilizada teve seus dados de dimetros organizados em classes de 2 cm
de amplitude. O nmero de classes por parcela variou em funo da quantidade de rvores e
da diferena entre os dimetros mnimo e mximo observados em cada unidade amostral.
A freqncia de indivduos por classe de dimetro foi utilizada para o ajuste das
funes densidade de probabilidade estudadas. Alm disso, os dados observados aos 50 meses
serviram de base para comparao com a distribuio terica estimada pelos modelos de
distribuio diamtrica avaliados neste estudo.
23


3.3. Funes densidade de probabilidade
Foram testadas duas variaes da funo densidade de probabilidade Weibull: funo
Weibull de 2 parmetros sem truncamento ajustada pelo mtodo da mxima verossimilhana
e pelo mtodo da aproximao linear e funo Weibull de 2 parmetros truncada direita
ajustada pelo mtodo da mxima verossimilhana.
As mesmas foram ajustadas aos dados de distribuio diamtrica observada de cada
parcela em todas as medies.
No foram realizados os procedimentos de redistribuio propostos por Leite (1990)
ou Clutter et al. (1983), de modo a comparar apenas as distribuies fornecidas pelas funes
ajustadas.
3.3.1. Funo Weibull de 2 parmetros sem truncamento ajustada pelo mtodo de mxima
verossimilhana

A funo Weibull de dois parmetros dada pela equao 1, sendo o estimador de
verossimilhana para dado em funo de pela seguinte equao:
=


=1

(24)
J o estimador de verossimilhana para dado por processo iterativo, atribuindo-se
valores a de modo que a seguinte equao tome o valor mais prximo de zero:

=1

=1

=1

= 0 (25)
De posse dos valores de e , calculou-se a estimativa do nmero de rvores por
classe de dimetro para cada parcela. Tal valor foi obtido por meio da funo:
=

. (26)
em que:
x
s
= limite superior da classe de dap;
24


x
i
= limite inferior da classe de dap;
= parmetro de escala;
= parmetro de forma;
n = nmero total de rvores observadas na parcela i.
3.3.2. Funo Weibull de 2 parmetros sem truncamento ajustada pelo mtodo da
aproximao linear

Pelo mtodo da aproximao linear o modelo de Weibull linearizado e
posteriormente os parmetros so estimados pelo mtodo dos mnimos quadrados ordinrios.
Seja = 1

(28) a forma cumulativa da funo Weibull. Aps


manipulao matemtica, a mesma pode ser escrita como 1 = . +
. () + (29), o que pode ser expresso como sendo =
0
+
1
. + (30).
Assim, os parmetros
0
e
1
foram ento estimados pelo mtodo dos mnimos
quadrados ordinrios. Feito isso, e puderam ser calculados de maneira direta por:
=

, (27)
=
1
(28)
De posse dos valores de e , calculou-se a estimativa do nmero de rvores por
classe de dimetro para cada parcela. As freqncias estimadas para cada classe foram obtidas
por meio da funo:
=

. (29)
3.3.3. Funo Weibull truncada direita ajustada pelo mtodo de mxima verossimilhana

A funo Weibull truncada direita da forma (WINGO, 1988):
25


; , =
..
1

1
.

; > 0, > 0, 0 < < (30)


em que:
x = centro da classe de dap;
= parmetro de escala;
= parmetro de forma;
T = ponto de truncamento, sendo X 0; > 0; > 0; T > 0.
Os estimadores de verossimilhana para e so obtidos depois de calculadas as
derivadas parciais da funo log-verossimilhana em relao e .
O parmetro dado em funo de pela seguinte equao:
=

(31)
J o parmetro obtido por processo iterativo, sendo este o valor que torna a funo
f() mais prxima de zero:
=

1
1
= 0 (32)
Em que:
=

)
+
1

; (33)
=

; (34)

. (35)
Encontrados os valores para e , os mesmos foram introduzidos na funo
cumulativa da distribuio Weibull truncada direita de modo a obter a freqncia de rvores
estimada para cada classe de dimetro em cada parcela.
O nmero de rvores estimado para cada classe de dimetro pela funo Weibull
truncada direita dado por:
26


= .
(.

) (.

)
1 (.

)
(36)
em que:
x = centro da classe de dap;
x
s
= limite superior da classe de dap;
x
i
= limite inferior da classe de dap;
= parmetro de escala;
= parmetro de forma;
n = nmero total de rvores observadas na parcela i.
T = ponto de truncamento.
O valor de T foi considerado como sendo o maior dimetro observado para cada
parcela. O limite inferior da distribuio calculada foi o dimetro mnimo observado em cada
parcela.
3.4. Modelos de distribuio diamtrica MDD
Foram ainda avaliados trs modelos de distribuio diamtrica para a recuperao dos
parmetros das funes densidade de probabilidade em uma idade futura.
Os modelos ajustados neste estudo foram escolhidos na literatura, tendo-se como
referncias trabalhos realizados com utilizao das funes densidade de probabilidade aqui
avaliadas. Dessa forma, os seguintes sistemas de equaes foram avaliados (os mesmos foram
nomeados, apenas para melhor entendimento, em funo dos trabalhos dos quais os mesmos
foram consultados):
27


3.4.1. MDD LOPES (2007)
Lopes (2007) trabalhou com a funo Weibull truncada direita utilizando dados de
um plantio em sistema agroflorestais. O sistema de equaes para recuperao dos parmetros
da mesma dados por:

2
=
1

0
(
2

1
)
+ (37)

2
=
1

2
(
2

3
)
+ (38)

2
=
1

5
(
2

6
)
+ (39)
(1/
2
) = (1/
2
)

8
(
2

9
)
+
10
(
1
) +
11
(
2
) +
(45)

2
=
1

12
(
2

13

13
)
+ (40)

2
=
1

14

15
(
2

16

16
)
+ (41)
em que:
I
2
e I
1
= idades futura e atual, em meses;

2
e
1
= parmetros de forma em I
2
e I
1
;

2
e
1
= parmetros de escala I
2
e I
1
;
Dmx
2
e Dmx
1
= dimetros mximos em I
2
e I
1
;
N
2
e N
1
= nmero de rvores por ha em I
2
e I
1
;
Nmx = nmero de rvores na classe de maior freqncia em I
1
;
c
i
= parmetros a serem estimados.
* equao utilizada para recuperao dos parmetros das funes Weibull sem truncamento
direita, uma vez que o parmetro destas funes possui dimenso muito superior ao
parmetro correspondente da funo Weibull truncada direita.
28


3.4.2. MDD NOGUEIRA (2003)
O modelo de distribuio diamtrica apresentado por Nogueira (2003) foi escolhido
pelo fato de que o autor o trabalhou para recuperar os parmetros da funo Weibull de dois
parmetros sem truncamento e ajustada pelo mtodo da aproximao linear. O sistema de
equaes como segue:

2
=
1

0
(
2

1
)
+ (42)

2
=
1

2
+
2
1

2

1
+ (43)

2
=
1

4
(
2

5
)
+ (44)

2
=
1

2
+
6
1

2

2
+ (45)

2
=
1

7
(
2

8
)
+ (46)

2
=
1

2
+
9
1

2

1
+ (47)

2
=
1

2
+
10
1

2

2
+ (48)
em que:
I
2
e I
1
= idades futura e atual, em meses;

2
e
1
= parmetros de forma em I
2
e I
1
;

2
e
1
= parmetros de escala I
2
e I
1
;
dmx
2
e dmx
1
= dimetros mximos em I
2
e I
1
;
N
2
e N
1
= nmero de rvores por ha em I
2
e I
1
;
c
i
= parmetros a serem estimados.
29


* equao utilizada para recuperao dos parmetros da funo Weibull com truncamento
direita, uma vez que o parmetro desta funo possui dimenso muito inferior ao parmetro
correspondente da funo Weibull de dois parmetros.
3.4.3. MDD SILVA (2001):
Silva (2001) em seu trabalho acerca do uso de modelos de crescimento e produo em
anlise econmica de decises de manejo florestal, apresentou um sistema de equaes para
recuperao dos parmetros da funo Weibull truncada direita. O sistema composto por
cinco equaes lineares que estimam variveis do povoamento para dada idade.
=
0
+
1
+
2
+
3
+ (49)
=
4
+
5
+
6
+ (50)
=
7
+
8
+
9
+ (51)
=
10
+
11
+
12
+
13
+ (52)
=
14
+
15
+
16
+ (53)
em que:
I= idade, em meses;
= parmetros de forma em I;
= parmetros de escala I;
Dmx = dimetro mximo em I;
Dmed = dimetro mdio em I;
N

= nmero de rvores por ha I;
c
i
= parmetros a serem estimados.
Para a estimativa da altura dominante aos 50 meses foi ajustado o modelo
hipsomtrico de Schumacher dado por:
=
0
+
1

1

+
30


em que:
Hd = altura dominante;
I= idade, em meses.
3.5. Avaliao dos ajustes
As distribuies diamtricas estimadas e recuperadas foram avaliadas atravs do teste
de aderncia de Kolmogorov-Smirnov ao nvel de 5% de probabilidade.
Tal teste foi escolhido em detrimento do teste Qui-quadrado pelo fato de que algumas
classes diamtricas observadas possuam menos que 5 indivduos.
O teste dado por:
D = max |Fo(x) Fe(x)| (54)
em que:
D = diferena mxima absoluta
Fo(x) e Fe(x) = freqncia observada acumulada e esperada, respectivamente.
O valor D
calculado
foi confrontado com o valor D
referncia
.
3.6. Otimizao dos procedimentos de clculo
Tendo-se em vista que os procedimentos matemticos muitas vezes podem se tornar
trabalhosos do ponto de vista prtico, a utilizao de ferramentas que otimizam os clculos
efetuados em um projeto torna-se imprescindvel para que os resultados sejam consistentes e
precisos e sejam obtidos de forma rpida.
Visto isso, foi desenvolvido em linguagem C++, no Laboratrio de Manejo e
Mensurao Florestal da Universidade Federal dos Vales do Jequitinhonha e Mucuri, o
software Weibull Trunc (Figuras 2, 3 e 4). Tal programa baseia-se em algoritmos criados para
31


o ajuste da funo Weibull de dois e trs parmetros e da funo Weibull truncada direita,
ambas ajustadas pelos mtodos da Mxima Verossimilhana e Aproximao Linear.
O software necessita apenas de uma entrada em formato .txt com dados de nmero da
parcela (parcela), nmero da rvore na parcela (rvore) e dimetro (dap), como
mostrado na Tabela 1.

Tabela 1 - Formato do arquivo de entrada para o software Weibull Trunc

Parcela rvore Dap
1 1 14,7
1 2 11,2
1 3 18,2
1 4 16,8
2 1 19,3
2 2 21,0
2 3 9,3
2 4 13,9
2 5 15,0
2 6 17,0

O usurio precisa apenas definir a amplitude de classe desejada e as funes a serem
ajustadas.


Figura 2 - Layout inicial do programa mostrando os dados inseridos, a distribuio diamtrica
observada e a escolha da funao densidade de probabilidade.

32


As sadas do programa so: distribuio diamtrica observada por parcela; parmetros
ajustados das funes probabilsticas; resultado do teste de aderncia de Kolmogorov-
Smirnov; distribuio diamtrica estimada por parcela; e grfico das distribuies diamtricas
observadas e estimadas.

Figura 3 - Layout de sada do programa revelando os ajustes realizados para cada parcela,
bem como o grfico de distribuio diamtrica e os resultados do teste de
Kolmogorov-Smirnov.
4. Resultados e Discusso
4.1. Ajuste das funes densidade de probabilidade
As distribuies diamtricas observadas para cada parcela seguiram a tendncia da
curva normal, como era esperado por se tratar de dados oriundos de povoamentos florestais
equineos. O que variou foi a posio da curva no grfico em funo das dimenses dos
dimetros observados em cada parcela e destas no decorrer dos anos.
As alteraes na estrutura diamtrica em funo da idade podem ser observadas nos
grficos apresentados na Figura 4. Os mesmos apresentam as distribuies observadas para as
parcelas 12, 24, 36 e 48 nas idades de 27, 40 e 50 meses.
33



Figura 4 - Distribuio diamtrica nas idades de 27, 40 e 50 meses para quatro das 48 parcelas
avaliadas.

A funo densidade de probabilidade Weibull de dois parmetros sem truncamento foi
ajustada pelos mtodos da mxima verossimilhana e pelo mtodo da aproximao linear,
obtendo resultados considerados satisfatrios para todas as medies realizadas. Os resultados
dos testes realizados para cada distribuio estimada esto dispostos na Tabela 2.
O teste K-S (Kolmogorov-Smirnov) apresentou resultados no-significativos para
todas as parcelas e em todas as idades quando da avaliao dos ajustes realizados utilizando a
funo Weibull de dois parmetros sem truncamento pelo mtodo da mxima
verossimilhana. Para o ajuste da funo Weibull com truncamento direita o teste de
Kolmogorov-Smirnov tambm foi no-significativo para todas as parcelas e em todas as
medies.
A qualidade do ajuste tambm foi verificada com relao funo ajustada pelo
mtodo da aproximao linear. No entanto houve diferena significativa em algumas parcelas
nas idades de 40 e 50 meses. O que indica uma ligeira inferioridade deste mtodo com relao
ao mtodo da mxima verossimilhana.
34



Tabela 2 - Percentual de parcelas com resultado no-significativo para o teste de
Kolmogorov-Smirnov a 5% de probabilidade para cada funo densidade de
probabilidade avaliada nas idades de 27, 40 e 50 meses

Idade Weibull 2P - MV Weibull 2P - A.L. Weibull Truncada MV
27 100,0% 100,0% 100,0%
40 100,0% 98,0% 100,0%
50 100,0% 98,0% 100,0%
MV: Mxima Verossimilhana; A.L.: Aproximao Linear.

O fato de que a distribuio Weibull de dois parmetros, seja pelo mtodo da mxima
verossimilhana ou pelo mtodo da aproximao linear, estimar um nmero de rvores para
classes acima das observadas na distribuio diamtrica do povoamento pode ser verificada
na Tabela 3. Verifica-se nesta tabela que para todas as idades, existe uma incoerncia entre o
nmero de classes diamtricas observadas e estimadas pela funo. Tal inconveniente no
ocorreu para a funo Weibull truncada direita, o que era esperado pelo fato de que esta
funo faz com que toda a quantidade de rvores observadas por parcela seja distribuda
dentro do intervalo considerado.
Tabela 3 - Distribuies diamtricas observadas e estimadas para diferentes parcelas nas
idades de 27, 40 e 50 meses

Idade Parcela
Centro de
Classe
Freq.
Observada
Weibull 2P
- AL
Weibull
2P - MV
Weibull
Truncada
MV
27 1 5 16 14,05 8,31 15,04
27 1 7 62 71,77 83,49 71,65
27 1 9 179 161,01 169,40 163,47
27 1 11 102 103,12 89,12 108,84
27 1 13

7,91 8,60 0,00
Total 359 358 359 359
40 43 5 10 7,60 2,71 5,86
40 43 7 29 34,24 31,49 28,40
40 43 9 67 89,49 95,26 84,98
40 43 11 148 125,26 125,75 132,64
40 43 13 79 69,92 68,74 76,26
40 43 15 4 9,54 12,49 8,88
35


Idade Parcela
Centro de
Classe
Freq.
Observada
Weibull 2P
- AL
Weibull
2P - MV
Weibull
Truncada
MV
40 43 17

0,15 0,55 0,00
Total 337 336 337 337
50 25 5 4 3,33 0,64 2,15
50 25 7 17 15,62 10,39 11,13
50 25 9 41 46,67 43,92 38,70
50 25 11 62 92,74 94,84 88,60
50 25 13 129 110,66 112,80 119,51
50 25 15 89 63,07 65,93 72,27
50 25 17 3 12,09 15,38 12,63
50 25 19

0,47 1,08 0,00
50 25 21

0,00 0,02 0,00
Total 345 345 345 345
AL: aproximao linear; MV: mxima verossimilhana.

Dessa constatao procede a utilizao do truncamento nas funes densidade de
probabilidade, principalmente quando h necessidade de se considerar limites superior,
inferior ou bilateral nas distribuies a serem estimadas. Assim, verifica-se que, apesar de
apresentar resultados estatsticos iguais em termos de aceitao do ajuste realizado, as funes
analisadas diferem no que se refere exata distribuio das rvores em classes de dimetro,
sendo a funo Weibull truncada direita a que melhor se comporta.
4.2. Modelos de distribuio diamtrica
Os modelos de distribuio diamtrica foram ajustados considerando as trs medies
realizadas por meio de inventrios florestais. Os sistemas de equaes propostos por Silva
(2001), Nogueira (2003) e Lopes (2007) tiveram suas equaes ajustadas com utilizao do
software Statistica 7.0, sendo que para a escolha dos melhores parmetros foram considerados
os valores dos coeficientes de correlao ou de determinao e grficos de resduos de cada
estimativa.
36


Os parmetros estimados para cada equao em cada modelo encontram-se nas
Tabelas 4, 5 e 6, bem como o coeficiente de correlao (R) para os modelos no lineares e de
determinao (R) para os modelos lineares.
Os grficos de resduos considerando os parmetros e recuperados pelos modelos
de distribuio diamtrica esto dispostos nas Figuras 7 e 8, respectivamente.
A diferente quantidade de dados observada quando da comparao dos grficos
devida ao fato de que para o ajuste, os pontos considerados outliers, ou pontos discrepantes,
foram eliminados de maneira a proporcionar as melhores estimativas para cada um dos
parmetros. Assim, apesar de se utilizar um mesmo nmero inicial de dados, cada ajuste dos
parmetros apresentou pontos discrepantes prprios que foram eliminados.




Tabela 4 - Parmetros estimados e coeficientes de correlao para cada equao do modelo de distribuio diamtrica proposto por
Lopes (2007) para cada uma das funes densidade de probabilidade avaliadas

MDD LOPES (2007)
Weibull 2P -
Aproximao Linear
Weibull 2P - Mxima
Verossimilhana
Weibull 2P Truncada - Mxima
Verossimilhana
R Parmetros R Parmetros R Parmetros

2
=
1

0
(
2

1
)
+
0,9544
c
0
37,3579
0,9708
c
0
1,3504
0,9404
c
0
1,2787
c
1
-0,0040 c
1
-0,2008 c
1
-0,1972

2
=
1

2
(
2

3
)
+
0,9454
c
2
25,3395
0,9367
c
2
24,4508
0,9481
c
2
7,3907
c
3
-0,0217 c
3
-0,0226 c
3
-0,0979

2
=
1

5
(
2

6
)
+
0,9270
c
4
0,8054
0,9668
c
4
0,8146
0,9056
c
4
0,9125
c
5
7,2540 c
5
5,2865 c
5
39,2524
c
6
-0,0200 c
6
-0,0614 c
6
-1,8657
(1/
2
) = (1/
2
)

8
(
2

9
)
+
10
(
1
) +
11
(
2
) +
-
- -
-
- -
0,8963
c
7
0,9070
- - - - c
8
-2,0194
- - - - c
9
0,2131
- - - - c
10
-0,1859
- - - - c
11
1,5065

2
=
1

12
(
2

13

13
)
+
0,9967
c
11
0,0150
0,9961
c
11
0,7457
0,9922
c
11
0,0705
c
12
0,1055 c
12
0,0037 c
12
0,0431

2
=
1

14

15
(
2

16

16
)
+
0,9269
c
13
1,0159
0,9827
c
13
0,9770
-
- -
c
14
1,9419 c
14
15,2324 - -
c
15
-0,1170 c
15
-0,0295 - -






Tabela 5 - Parmetros estimados e coeficientes de correlao para cada equao do modelo de distribuio diamtrica proposto por
Nogueira (2003) para cada uma das funes densidade de probabilidade avaliadas

MDD NOGUEIRA (2003)
Weibull 2P -
Aproximao Linear
Weibull 2P - Mxima
Verossimilhana
Weibull 2P Truncada - Mxima
Verossimilhana
R Parmetros R Parmetros R Parmetros

2
=
1

0
(
2

1
)
+
0,9546
c
0
-0,0554
0,9403
c
0
-0,3094
0,9738
c
0
-0,93060
c
1
0,4786 c
1
0,1995 c
1
0,09493

2
=
1

2
+
2
1

2

1
+
0,9735 c
3
2,0914 0,9015 c
3
3,1633 - c
3
-

2
=
1

4
(
2

5
)
+
0,92632

0,9435

0,9649
c
4
1,8308 c
4
1,1223
0,8221
c
4
51,2269
c
5
0,0986 c
5
-0,0175 c
5
-0,0019

2
=
1

2
+
6
1

2

2
+ 0,92476 c
6
1,0594 0,9507 c
6
0,8283 - c
6
-

2
=
1

7
(
2

8
)
+
0,9922
c
7
1,0314
0,9953
c
7
2,4863
0,9949
c
7
32,5654
c
8
0,0033 c
8
0,0016 c
8
-0,0000667


2
=
1

2
+
9
1

2

1
+
- - - - - - 0,8746 c
9
-0,1958


2
=
1

2
+
10
1

2

2
+
- - - - - - 0,8749652 c
10
-5,8734






Tabela 6 - Parmetros estimados e coeficientes de determinao para cada equao do modelo de distribuio diamtrica proposto por
Silva (2001) para cada uma das funes densidade de probabilidade avaliadas

MDD SILVA (2001)
Weibull 2P -
Aproximao Linear
Weibull 2P - Mxima
Verossimilhana
Weibull 2P Truncada -
Mxima Verossimilhana
R Parmetros R Parmetros R Parmetros
=
0
+
1
+
2
+
3
+ 0,9626
c
0
6,7174
0,9585
c
0
7,6319
0,9626
c
0
6,7174
c
1
0,1068 c
1
0,1425 c
1
0,1068
c
2

0,115
3
c
2
0,0053 c
2
0,1153
c
3
-0,0064 c
3
-0,0076 c
3
-0,0064
=
4
+
5
+
6
+ 0,9243
c
4
4,6163
0,9243
c
4
5,5316
0,9243
c
4
4,6163
c
5
0,1047 c
5
0,2019 c
5
0,1047
c
6
0,3231 c
6
0,0518 c
6
0,3231
=
7
+
8
+
9
+ 0,9499
c
7
0,9132
0,9096
c
7
-2,2350
0,9954
c
7
28,1375
c
8
0,7731 c
8
1,3195 c
8
-6,3721
c
9
-0,1775 c
9
0,8017 c
9
-15,4328
=
10
+
11
+
12
+
13
+ 0,6603
c
10
4,4955
0,7499
c
10
3,6407
0,7417
c
10
4,0082
c
11
0,0152 c
11
-0,5024 c
11
-0,2987
c
12
-1,1429 c
12
0,4443 c
12
-0,0722
c
13
0,2266 c
13
-0,3887 c
13
-0,1617
=
14
+
15
+
16
+ 0,7389
c
14
0,0492
0,9257
c
14
0,1581
0,9218
c
14
-0,0653
c
15
0,0034 c
15
-0,0001 c
15
0,0035
c
16
0,9760 c
16
0,9732 c
16
0,9948

40


O modelo que apresentou o melhore ajuste levando-se em considerao os coeficientes
de correlao de cada equao foi o apresentado por Lopes (2007). Para o modelo de
distribuio diamtrica proposto por Nogueira (2003) os coeficientes de correlao das
equaes que recuperam tais parmetros para a funo Weibull truncada direita foram
inferiores aos obtidos para a funo Weibull de dois parmetros, o que j revela que as
modificaes realizadas neste estudo no foram suficientes para a recuperao dos
parmetros. Para o modelo proposto por Silva (2001) os maiores coeficientes de determinao
foram obtidos para as equaes que recuperam os parmetros da funo Weibull truncada
direita, isso porque o mesmo foi desenvolvido justamente para esta forma da funo Weibull.
O sistema de equaes proposto por Silva (2001), utiliza-se da altura dominante como
varivel independente. Para a projeo da distribuio dos dimetros ento necessria a
estimativa da altura dominante na idade de 50 meses, assim o modelo de Schumacher foi
ajustado, conforme Figura 5.
0
2
4
6
8
10
12
14
16
18
20
22
24
26
20 30 40 50 60
A
l
t
u
r
a

D
o
m
i
n
a
n
t
e
Idade (meses)
lnHd = 3,4997 - 24,0040 * 1/I + e R = 0,9308

Figura 5. Comportamento da altura dominante (Hd) observada e estimada ao longo do tempo.






41





Weibull 2P sem truncamento
pela Mxima
Verossimilhana
Weibull 2P sem truncamento
pela Aproximao Linear
Weibull 2P truncada
Direita pela
Mxima Verossimilhana
MDD - LOPES
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0 2 4 6 8 10
d
%
recuperado

MDD -
NOGUEIRA
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0
d
%
recuperado

MDD - SILVA
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0
d
%
recuperado


Figura 6 - Resduos para o parmetro das funes Weibull 2 parmetros truncada direita
(mtodo da mxima verossimilhana) e Weibull de 2 parmetros sem truncamento
(mxima verossimilhana e aproximao linear) recuperado atravs de trs
modelos de distribuio diamtrica.


Weibull 2P sem truncamento
pela Mxima
Verossimilhana
Weibull 2P sem truncamento
pela Aproximao Linear
Weibull 2P truncada
Direita pela
Mxima Verossimilhana
MDD - LOPES
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0
d
%
Ln(1/) recuperado

MDD -
NOGUEIRA
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0
d
%
Ln(1/) recuperado

MDD - SILVA
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0
d
%
recuperado

-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0
d
%
Ln(1/) recuperado


Figura 7 - Resduos para o parmetro das funes Weibull 2 parmetros truncada direita
(mtodo da mxima verossimilhana) e Weibull de 2 parmetros sem truncamento
(mxima verossimilhana e aproximao linear) recuperado atravs de trs
modelos de distribuio diamtrica.

42


Os parmetros encontrados foram prximos, ou seguiram uma tendncia semelhante
aos encontrados pelos seus respectivos autores, considerando a mesma combinao de sistema
de equaes e funo densidade de probabilidade associada. Ou seja, os parmetros
encontrados para a combinao MDD-LOPES e f.d.p. Weibull truncada direita, tiveram
tendncia semelhante apresentada por Lopes (2007). O mesmo ocorreu para o MDD-
Nogueira (2003) e Silva (2001).
Com os dados dos parmetros estimados para cada uma das equaes dos modelos de
distribuio diamtrica, os parmetros de forma e escala das funes densidade de
probabilidade puderam ser recuperados. Assim, considerou-se como I
1
a idade de 40 meses e
I
2
a idade de 50 meses, de forma que as distribuies diamtricas foram projetadas
considerando este intervalo. Para cada modelo de distribuio avaliado, grficos comparando
a distribuio diamtrica observada aos 50 meses e as distribuies recuperadas foram
construdos, conforme Figuras 8, 9 e 10.


Figura 8 - Distribuies diamtricas observadas e recuperadas, aos 50 meses, para cada uma das
formas da funo Weibull, para as parcelas 12, 24, 36 e 48, considerando o modelo de
distribuio diamtrica proposto por Lopes (2007).

43




Figura 9 - Distribuies diamtricas observadas e recuperadas, aos 50 meses, para cada uma das
formas da funo Weibull, para as parcelas 12, 24, 36 e 48, considerando o modelo de
distribuio diamtrica proposto por Nogueira (2003).



Figura 10 - Distribuies diamtricas observadas e recuperadas, aos 50 meses, para cada uma das
formas da funo Weibull, para as parcelas 12, 24, 36 e 48, considerando o modelo de
distribuio diamtrica proposto por Silva (2001).

Para avaliar estatisticamente as diferenas entre as distribuies observadas e
recuperadas aos 50 meses empregou-se o teste de Kolmogorov-Smirnov a 5% de
probabilidade. Os resultados esto dispostos na Tabela 7. Verificou-se que a melhor
44


combinao entre f.d.p. e MDD foi a que associou a funo Weibull de dois parmetros pelo
mtodo da mxima verossimilhana ao modelo proposto por Nogueira (2003) (teste no
significativo em 93,8% das parcelas avaliadas). No entanto este mesmo modelo apresentou o
pior resultado quando recuperou os parmetros da funo Weibull truncada direita, sendo
que o teste foi significativo em 62,5% das parcelas avaliadas. O mesmo pode ser avaliado pela
anlise dos grficos na Figura 9. Isso porque as modificaes realizadas no modelo no foram
suficientes para conseguir exatido nas estimativas, mesmo com a relativa qualidade dos
ajustes das equaes do modelo (Tabela 5).
Tabela 7 - Percentual de parcelas com resultado no-significativo para o teste de
Kolmogorov-Smirnov a 5% de probabilidade para cada funo densidade de
probabilidade avaliada nos modelos de distribuio diamtrica de Lopes
(2007), Nogueira (2003) e Silva (2001)

MDD Weibull 2P - MV Weibull 2P - A.L.
Weibull 2P Truncada -
MV
Lopes (2007) 89,6% 91,7% 91,7%
Nogueira (2003) 93,8% 91,7% 37,5%
Silva (2001) 87,5% 85,4% 83,3%
n.s.: no significativo; * significativo a 5%.


5. Concluso

A funo Weibull truncada direita e ajustada pelo mtodo da mxima
verossimilhana proporcionou estimativas mais precisas e consistentes quando comparada
com a funo Weibull sem truncamento e ajustada pelos mtodo da mxima verossimilhana
e da aproximao linear.
A performance de um modelo de distribuio diamtrica depende da forma
matemtica e do mtodo de ajuste da funo densidade de probabilidade. Os modelos de
distribuio diamtrica que consideram a dinmica de crescimento, ou seja, que utilizam
45


como variveis dependentes, os parmetros da funo Weibull em uma idade futura e, como
variveis independentes, os parmetros desta mesma funo em uma idade atual e variveis
de povoamento em idades atual e futura, so mais eficientes na recuperao dos parmetros.
6. Referncias Bibliogrficas
ABREU, E. C. R.; SCOLFORO, J. R. S.; OLIVEIRA, A. D.; MELLO, J. M.; KANEGAE
JNIOR, H. Modelagem para prognose precoce do volume por classe diamtrica para
Eucalyptus grandis. Scientia Florestalis n. 61, p. 82-102, 2002.

ARCE, J. E. Modelagem da estrutura de florestas clonais de Populus deltoides Marsh atravs
de distribuies diamtricas probabilsticas. Cincia Florestal, v.14, n.1. Santa Maria, p.149-
164, 2004.

AYALA, D. M.; CHAIDEZ, J. N. Ajuste y prediccin de la distribucin Weibull a las
estructuras diamtricas de plantaciones de pino de Durango, Mxico. Madera y Bosques v.8,
n.1, p.61-72, 2002.

BAILEY, R.; DELL, T. Quantifying diameter distributions with the Weibull Function. Forest
Science, v. 19, n 2. p. 97 104. 1973.

BARRA, O.S.V.; SANQUETTA, C.R.; ARCE, J.E.; MACHADO, S.A.; CORTE, A.P.D.
Proposta Metodolgica Para o Ajuste timo da Distribuio Diamtrica Weibull 3P. Floresta
v.34, n.3, p. 387-393, 2004.

BARROS, P. L. C. Estudo das distribuies diamtricas da floresta do Planalto Tapajs
Par. 1980. 123f. Dissertao (Mestrado). Universidade Federal do Paran, Curitiba-PR.

BARTOSZECH, A. C. de P. e S. A distribuio diamtrica para bracatingais em diferentes
idades, stios e densidades na regio metropolitana de Curitiba. Floresta, v.34, n.3, p.305-
323, 2004.

BATISTA, J.L.F. A funo Weibull como modelo para a distribuio de dimetros de
espcies arbreas tropicais. 1989. 116p. Dissertao (Mestrado) - Escola Superior de
Agricultura Luz de Queiros, Piracicaba.

BLANCO JORGE, L. A.; VEIGA, R. A. A.; PONTONHA, A. A. S. A funo weibull no
estudo de distribuies diamtricas em povoamento de Pinus elliottii na estao experimental
de Itapeva. Ipef, n.43/44, p.54-60, 1990.

CAMPOS, J.C.C.; LEITE, H.G. Mensurao florestal: perguntas e respostas. 2. ed. Viosa,
MG: Editora UFV, 2006. 407p.

CHIDEZ, J. J. N.; AVIA, J. C. Ajuste de la distribucin weibull a las estructuras
diamtricas de rodales irregulares de pino en durango, Mxico. Agrociencia, v.34, n.3, p.353-
362, 2000.

46


CLUTTER, J.L., FORTSON, J.C., PIENAAR, L.V., BRISTER, G.H., BAILEY, R.L. Timber
management. A quantitative approach, New York: John Wiley e Sons, 1983. 333p.

CUNHA, U. S.; MACHADO, S. A.; FILHO, A. F.; SANQUETTA, C. R. Predio da
estrutura diamtrica de espcies comerciais de terra firme da amaznia por meio de matriz de
transio. Cincia Florestal, Santa Maria, v.12, n.1, p.109-122, 2002.

EISFELD, R. L.; SANQUETTA, C. R.; ARCE, J. E.; MAESTRI, R.; WEBER, K. S.
Modelagem do crescimento e da produo de Pinus taeda l. por meio de funo probabilstica
Floresta, v.35, n.2, 2005.

GORGOSO, J. J.; GONZALES, J. G. A.; ROJO, J. G.; ROJO, A.; ARIAS, J. A. G.
Modelling diameter distributions of Betula alba L. stands in northwest Spain with the two-
parameter Weibull function. Investigacin Agraria: Sistemas y Recursos Forestales, v.16,
n.2, p.113-123, 2007

HIGUCHI, F. G. A influncia do tamanho da parcela na preciso da funo de
distribuio de dimetro de weibull da floresta primria da amaznia central.
Dissertao (Mestrado), Universidade Federal do Paran. Curitiba, 2007.

LEITE, H. G.; NOGUEIRA, G. S.; CAMPOS, J. C. C.; TAKIZAWA, F. H.; RODRIGUES,
F. L. Um modelo de distribuio diamtrica para povoamentos de Tectona grandis
submetidos a desbaste. rvore, v.30, n.1, p.89-98, 2006.

LEITE, H.G. Ajuste de um modelo de estimao de freqncia e produo por classe de
dimetro para povoamentos de E. saligna Smith. 1990. 81p. Tese (Mestrado).
Universidade Federal de Viosa, Viosa-MG.

LOPES, P. F. Modelo de distribuio de dimetros para clones de eucalipto em sistema
agroflorestal. Dissertao (Mestrado), Universidade Federal de Viosa. Viosa, 2007.

MACHADO, S.A., MELLO, J.M. DE, BARROS, D.A. de Comparao entre mtodos para
avaliao de volume total de madeira por unidade de rea, para o pinheiro do Paran, na
regio sul do Brasil. Cerne, v.6, n.2, p.55-66, 2000.

MURTHY, D.N.P., XIE, M.; JIANG, R. Weibull Models. Hoboken, N.J., John Wiley &
Sons, 383 p. 2004.

NOGUEIRA, G. S. Modelagem do crescimento e da produao de povoamentos de
Eucalyptus sp. e de Tectona grandis submetidos a desbaste. 2003, 132f. Tese (Doutorado
em Cincia Florestal) Universidade Federal de Viosa, Viosa-MG.

PALAHI, M.; PUKKALA, T.; TRASOBARES, A. Modelling the diameter distribution of
Pinus sylvestris , Pinus nigra and Pinus halepensis forest Stands in Catalonia using the
truncated Weibull function. Forestry, v.79, n.5, 2006.

PECE, M. G.; BENTE, C. G.; GALNDEZ, M. J. Uso de la funcin weibull para modelar
distribuciones diamtricas en uma plantacin de Melia azedarach. Revista Forestal
Venezolana, v.44, n.2, p.49-52, 2000.

47


QUEVEDO, A.; MORET, A. Y.; JEREZ, M. Comparacin de mtodos de ajuste de funciones
de probabilidad para distribuciones diamtricas en plantaciones de teca. Revista Forestal
Venezonala, v.47, n.2, p. 53-60, 2003.

SCHREUDER, H.T.; HAFLEY, W. L.; WHITEHORME, E. W.; DARE, B. J. 1978.
Maximum likelihood estimation for selected distributions. School of Forest Resources,
North Carolina State University, Technical Report, n.61, 21p.

SCOLFORO, J. R. S.; THIERSCHI, A. Estimativas e testes da distribuio de frequncia
dimtrica para Eucalyptus camaldulensis, atravs da distribuio Sb, por diferentes mtodos
de ajuste. Scientia Forestalis, n. 54, p. 93-106, 1998.

SILVA JNIOR, W.V. Probabilidade de cobertura dos intervalos de confiana
assinttico, p-bootstrap e t-bootstrap, para alguns parmetros da distribuio Weibull.
2005. Monografia (Graduao em Estatstica) - Universidade Estadual de Maring, Maring-
SP.

SILVA, A. A. L. Emprego de Modelos de crescimento e produo em anlise econmica
de deciso de manejo florestal. 2001, 79f. Tese (Doutorado em Cincia Florestal)
Universidade Federal de Viosa, Viosa-MG.

SOARES, T. S. Avaliao de modelos de distribuio diamtrica em povoamentos de
eucalipto no desbastados. 2006, 69f. Tese (Doutorado em Cincia Florestal)
Universidade Federal de Viosa, Viosa-MG.

SOARES, T. S.; LEITE, H. G.; VALE, A. B.; SOARES, C. P. B.; SILVA, G. F. Avaliao de
um modelo de passo invariante na predio da estrutura de um povoamento de Eucalyptus sp.
rvore, v.31, n.2, p.275-283, 2007

UMAA, C. L. A.; ALENCAR, J. C. Distribuies diamtricas da floresta tropical mida em
uma rea no municpio de Itacoatiara AM. Acta Amazonica, v.28, n.2, p. 167-190. 1998.

WINGO, D.R. Methods for fitting the right-truncated weibull distribution to life-test and
survival data. Biometrical Journal, v.30, p.545-551, 1988.