Escolar Documentos
Profissional Documentos
Cultura Documentos
1993
A DETERMINAO DE EQUAES
VOLUMTRICAS NA ENGENHARIA
FLORESTAL
Frederico Pimentel Gomes
Carlos Henrique Garcia
em convnio com
UNIVERSIDADE DE SO PAULO
ESCOLA SUPERIOR DE AGRICULTURA LUIZ E QUEIROZ
Departamento de Cincias Florestais
SUMRIO
1. INTRODUO
2. A ESTIMATIVA DOS PARMETROS
3. CRITRIOS PARA JULGAMENTO DAS EQUAES
4. A DISTRIBUIO DOS RESDUOS
5. PARTICULARIDADES DO COEFICIENTE DE DETERMINAO
6. O MTODO DOS QUADRADOS MNIMOS PONDERADOS
7. REFERNCIAS BIBLIOGRFICAS
ANEXOS
1. INTRODUO
As equaes para determinao de volume slido de essncias florestais so de uso
geral e indispensvel na Silvicultura. Como todas elas so empricas, faz-se necessrio
ajust-las com freqncia, para dapt-las a diferentes espcies, idades, espaamentos e
regies. Estudar-se- principalmente as equaes clssicas seguintes (VEIGA, 1984):
1. Equao de varivel combinada de Spurr:
V = a + b D2H
2. Equaes australianas, de Stoate:
V a + b D2H + c D2 + f H.
3. Equao de Schumacher-Hall, na forma logartmica:
Log V = a + b Log D + c Log H,
ou na forma original:
V = A Db Hc
altura.
**
SMITH, 1981) ou por programas apropriados de computador, tias como o REG do SAS, ou
o REGRESEQ do SAEG.
Equao de Stoate
Com X1 = D2H, X2 = D2, X3 = H, ela se transforma em:
V = a + bX1 + cX2 + fX3,
Linear nos parmetros, que se podem estimar pelos mtodos indicados para a equao de
Spurr.
Equao logartmica de Schumacher-Hall
Com U = Log V, X1 = Log D, X2 = Log H, ela se transforma em
U = a + bX1 + cX2,
igualmente linear nos parmetros, que se podem estimar como nos dois casos anteriores.
Equao de Schumacher-Hall original
Esta equao, dada pela expresso
V = A Db Hc,
Tem os parmetros b e c como expoentes e, pois, no linear nos parmetros. usual
pass-la forma logartmica
U = Log V = Log A + b Log D + c Log H,
= a + b Log D + cLog H,
onde a = Log A. Nesta forma, ela linear nos parmetros, e eles podero ser estimados pelo
programa REG do SAS, ou pelos seus equivalentes do SANEST ou do SAEG. Obtidas as
estimativas a, b, c, pode-se voltar forma original e escrever:
V = 10 a D b H c
Mas a equao assim obtida subestima o volume V (THNI (1967)) e no
corresponde exatamente que se obteria a partir da equao original V = A Db Hc. O
melhor, pois, tomar 10 a , b, c como valores iniciais de A, b, c e atravs do programa
NLIN do SAS, ou o REGRENL do SAEG obter novas estimativas A1, b1, c1 para esses
parmetros.
C. variao
Regresso Linear
Resduo
Total
G.L.
1
48
49
S.Q.
0,39955
0,15125
0,55080
Q.M.
0,39955
0,00315
F
126,79
Probab.
0,0001
A equao obtida :
V = 0,0540 + 0,2026 D2H,
( )
R a2 = 1 -
N -1
(1 - R 2 ),
N - P -1
50 - 1
(1 - 0,7254) = 0,7197 = 71,97%.
50 - 1 - 1
D(m)
0,172
0,190
0,270
0,150
0,122
0,187
0,245
0,237
0,160
0,250
0,235
0,200
0,177
0,283
0,275
0,205
0,200
0,204
0,215
0,270
0,160
0,215
0,205
0,203
0,215
0,260
0,310
0,185
0,215
0,220
0,150
0,250
0,315
0,210
0,273
0,170
0,202
0,254
0,180
0,190
0,223
0,174
0,364
0,245
0,260
0,190
0,247
0,270
0,130
0,224
H(m)
12,0
14,0
17,0
11,0
9,0
16,0
14,0
18,0
9,5
14,0
14,0
12,0
13,0
16,0
18,0
15,0
12,0
12,0
15,0
14,0
12,0
14,0
16,0
14,0
14,0
18,0
16,0
12,0
16,0
14,0
7,2
16,0
18,0
18,0
18,0
16,0
17,0
19,0
14,0
14,0
14,0
12,0
18,0
16,0
14,0
14,0
16,0
18,0
8,6
16,0
V(m3)
0,116
0,130
0,249
0,047
0,041
0,131
0,203
0,270
0,071
0,202
0,214
0,129
0,144
0,305
0,357
0,160
0,254
0,146
0,211
0,199
0,088
0,148
0,173
0,212
0,156
0,438
0,255
0,091
0,177
0,239
0,043
0,261
0,397
0,209
0,328
0,123
0,201
0,352
0,133
0,156
0,200
0,135
0,572
0,226
0,301
0,162
0,234
0,365
0,344
0,220
0,0561 x 100
= 26,7%.
0,2104
A anlise poderia ser feita tambm pelo programa GLM do SAS, com resultados
equivalentes, neste caso, em que h uma s varivel independente X = D2H.
A anlise poderia ser feita, ainda, pelo programa REGREGN do SAEG. Este
programa obtm estimativas dos parmetros e dos respectivos erros padres, mas no
fornece uma anlise de varincia. Aplica o teste t a cada parmetro estimado, com exceo
do parmetro a, neste caso. Obtm-se, assim, os resultados seguintes: (Listagem no 2).
a = 0,0540 ;
b = 0,2026 ; S(b) = 0,0180 ; t = 11,26 ;
R 2 = 72,55%; R a2 = 71,98%.
C. variao
Regresso Linear
Resduo
Total
G.L.
3
46
49
S.Q.
0,41212
0,13868
0,55080
Q.M.
0,13737
0,00301
F
45,57
Probab.
0,0001
O valor de R2 :
R2 =
SQRegresso 0,41212
=
= 0,7482 = 74,82%.
SQTotal
0,55080
Embora com 3 variveis (X1 = D2H, X2 = D2, X3 = H), em vez de uma (x = D2H),
como a equao de Spurr, o valor de R2 pouco maior (74,82%, em vez de 72,54%).
A equao obtida :
V = 0,2061 + 0,4945 D2H 5,0305 D2 0,0085 H
= 0,2061 + (0,4945 H 5,0305) D2 0,0085 H.
Esta equao muito estranha, pois para H < 10,17 m ela decrescente, em relao
varivel D. Por exemplo:
C. Variao
D2 H
D2
H
G.L.
1
1
1
Q.M.
0,399548
0,006578
0,005997
F
132,53
2,18
1,99
Probab.
0,0001
0,1465
0,1651
C. Variao
H
D2
D2 H
G.L.
1
1
1
Q.M.
0,237684
0,139204
0,035235
F
78,84
46,17
11,69
Probab.
0,0001
0,0001
0,0013
C. Variao
DH
D2
H
G.L.
1
1
1
Q.M.
0,035235
0,012535
0,005997
F
11,69
4,16
1,99
Probab.
0,0013
0,0472
0,1651
Esta anlise de tipo III confirma que a varivel mais importante D2H, seguida por
D2 e ficando H em ltimo lugar.
O programa REGRESEQ do SAEG faz, por mtodo um pouco diferente, anlise de
regresso semelhante do SAS, pelo tipo I. Compeende-se, pois, que tambm neste caso a
ordem de entrada das variveis importante. Adotada a ordem D2H, D2, H tem-se primeiro
a estimativa do parmetro b, como se houvesse apenas esta varivel, e lhe aplica o teste t. A
estimativa b = 0,2026, e o valor de t t = 11,26, com P = 0,0000. fornece tambm a
Soma de Quadrados correspondente: SQ(D2H) = 0,399598 e os coeficientes de
determinao R2 = 72,55%, R a2 = 71,98%. (Listagem no 5).
A seguir, considera as variveis D2H e D2, estima b = 0,3439 (coeficiente de D2H)
e c = -2,8202 (coeficiente de D2) e aplica o teste t a estas estimativas, obtendo para b , t =
3,56 e, para c , t = -1,49. Fornece tambm a Soma de Quadrados relativa a D2, ajustada em
relao a D2H (SQ = 0,006798), assim com os novos coeficientes de determinao: R2 =
73,78%, R a2 = 72,67%.
Finalmente, acrescenta o programa REGRESEQ do SAEG a varivel H, d as novas
estimativas de b, de c e de f, com respectivos testes t e, ainda, fornece o valor SQ =
0,005994 relativo varivel H, depois de ajustada em relao a D2H e D2. A equao
finalmente obtida :
V = 0,2050 + 0,4951 D2H 5,039 D2 0,0085 H,
sendo significativos ao nvel de 5% apenas os coeficientes de D2H e de D2.
Notam-se pequenas discrepncias entre os resultados obtidos pelo SAEG e os
fornecidos pelo SAS. Tais discrepncias devem ser conseqncia de problemas de
aproximao numrica.
C. variao
Regresso
Resduo
Total
G.L.
2
47
49
S.Q.
1,93956
0,97412
2.91368
Q.M.
0,96978
0,02073
F
46,79
Probab.
0,0001
A equao obtida :
Log V = -0,5782 + 1,4808 Log D + 0,7234 Log H,
com R2 = 66,57% e R a2 = 65,14%. O desvio padro S = 0,02073 = 0,144.
A mdia de Log V negativa: -0,736, e o mesmo ocorre, pois, com o CV = -19,5%.
V = A Db Hc .
C. Variao
Regresso
Resduo
Total (no corrigido)
G.L.
3
47
50
S.Q.
2,60392
0,15945
2,76337
Q.M.
0,86797
0,00339
No entanto, num caso como esse, em que o parmetro A se ajusta mdia dos
valores do volume (V), prefervel obter uma Soma de Quadrados da Regresso com
subtrao da correo C = ( V)2/50 = 2,21257. Obtem-se ento a seguinte anlise da
varincia.
C. Variao
Regresso (corrigida)
Resduo
Total (corrigido)
G.L.
2
47
49
S.Q.
0,39135
0,15945
0,55080
Q.M.
0,19568
0,00339
F
57,72**
0,39135
= 71,05%
0,55080
25
50
75
100
4,65
9,26
9,30
9,35
9,64
Foi isso que aconteceu na equao de Stoate antes obtida (pg. 4). Com efeito, essa
equao, que
V = 0,2061 + 0,4945 D2H 5,0305 D2 0,0085 H
decrescente em relao a D, quando se tem H < 10,17 m, e tambm decrescente em
relao a H, para D < 0,131.
C. de Variao
Tratamentos
Blocos
Resduo
Total
G.L.
4
3
12
19
S.Q.
72,22
2,73
10,92
85,87
Q.M.
18.055
...
0,910
F
19,84**
C. de Variao
Regresso Linear
Regresso Quadrtica
Regresso Cbica
Regresso de 4 grau
Tratamentos
Resduo
G.L.
1
1
1
1
4
12
S.Q.
40,64
21,28
9,23
1,07
72,22
10,92
Q.M.
40,64
21,28
9,23
1,07
...
0,910
F
44,66**
23,38**
10,14*
1,18
e o valor de R2 correspondente :
R2 =
SQRegresso
71,15
=
= 0,9852 = 98,52%.
SQTratamentos 72,22
Mas se considerar somente uma equao de 2 grau, o resultado seria:
Y = 7,912 + 0,8448 X 0,0009856 X2.
61,92
= 0,8574 = 85,74%.
72,22
n -1
(1 - R 2 ) ,
n - p -1
5 -1
(1 - 0,8574) = 0,7148 = 71,48%.
5 - 2 -1
5 -1
(1 - 0,9852) = 0,9408 = 94,08%.
5 - 3 -1
Neste caso, a equao de 3 grau tem R2 maior do que a de 2, como acontecia com
o R , mas em certas oportunidades a situao se inverte.
Uma dificuldade que ocorre com o coeficiente de determinao ajustado R a2 que
pode assumir valor negativo, o que absurdo. Isto ocorre quando se tem R2 < p/(n-1). Por
exemplo, no caso da equao de 2 grau acima referida, se tiver R2 = 0,40, fica:
2
R a2 = 1 -
5 -1
(1 - 0,40) = - 0,20 = - 20%.
5 - 2 -1
SQRegresso
SQTotal
V = a + b D2 H
Stoate
V = a + b D2 H + c D2 + f H
Schumacher-Hall
V = A Db Hc
Os resultados so os seguintes:
Equao
Spurr
Stoate
Schumacher-Hall
No de G.L. do
Resduo
48
46
47
QMResduo
Desvio Padro
0,00315
0,00301
0,00339
0,0561
0,0549
0,0582
A comparao dos Quadrados Mdios ou dos Desvios Padres mostra que as trs
equaes do resultados praticamente equivalentes, embora a equao de Spurr tenha
apenas dois parmetros, e a de Stoate tenha quatro.
Para a equao de Schumacher-Hall na forma logartmica
Log V = a + b Log D + c Log D,
1
(Log V1 + Log V2 + Log V3 + ... + Log VN )
N
1
= R Log V.
N
Log[V] =
Log[V] =
logo
[V] = antilog (-0,73622) = 10-0,73622 = 0,184.
J o valor do desvio padro S1, obtido facilmente, pois tem-se, para essa equao
logartmica QMResduo = 0,02073 logo S1 = 0,2073 = 0,144.
Conclui-se, pois, que o ndice de Furnival relativo equao logartmica em
discusso :
I = 2,3026 [V] S1 = 2,3026 x 0,184 x 0,144 = 0,0610.
Este valor que se pode comparar aos desvios padres relativos equao de Spurr
(S = 0,0561), de Stoate (S = 0,0549) ou de Schumacher-Hall (S = 0,0582). E se conclui,
finalmente, que a equao logartmica perde para as outras, por lhe corresponder um ndice
de Furnival mais elevado.
FIG. 3 Grfico dos resduos, que crescem em valor absoluto com o valor de V
5. PARTICULARIDADES DO COEFICIENTE DE DETERMINAO
O coeficiente de determinao (R2) uma estatstica geralmente mal compreendida.
O assunto vasto, mas discutir-se- apenas os aspectos relativos determinao de
equaes volumtricas.
Suponha-se que a equao Real de Regresso seja dada por Y = R(D, H). Sendo Vi
o volume da rvore i, (i = 1, 2, ..., n), com Di e Hi o DAP e a altura correspondentes, o
modelo matemtico ser:
Vi = R(Di, Hi) + ei,
com eiN (0, 2), isto , com distribuio normal de mdia zero e varincia
modelo matemtico decorre a igualdade:
(1)
. Deste
SQResduo
N-r
(SI) 2 =
R2 =
(3)
Como se deve ter sempre SQResduo > 0, conclui-se que, mesmo no caso ideal de
ser A(D, H) = R(D, H), tem-se R2 < 1.
Por outro lado, sabe-se que, a partir de (3):
SQRegr. Adotada
SQTotal
SQRegr. Adotada
=
SQRegr. Adotada + SQResduo ,
R2 =
(4)
onde SQRegr. Adotada = SQRegr. Real. Da se conclui que s se pode ter R2 = 0 se for
SQRegr. Real = 0, o que impossvel.
A concluso geral , ois, de que, mesmo no caso de ser a Equao de Regresso
Adotada igual Equao de Regresso Real, tem-se sempre: 0 < R2 < 1.
Por outro lado, de (4) obtm-se:
SQRegr. Adotada SQRegr. Real
=
SQTotal
SQTotal
SQTotal - SQResduo
=
SQTotal
SQResduo
=1SQTotal
R2 =
=1-
(N - r) S 2
SQTotal
Conclui-se da, que s se poder ter valores de R2 prximos de 1 (um) se for baixo o
valor de S2, isto , do QMResduo.
2 Caso: A(D, H)
R(D, H)
R2 =
R 2 =1-
20.
SQResduo
100
=1= 0,50.
SQTotal
100 + 0 + 100
R 2 =1-
SQResduo
20
=1= 0,83.
SQTotal
100 + 0 + 20
R 2 =1-
SQDesvios + SQResduo
10 + 90
=1= 0,50.
SQTotal
200
1
1
x V = a x 2 + b = a X + B,
2
D H
D H
1
1
x V, X = 2 .
2
D H
D H
Sendo S1 o desvio padro relativo equao (4), ele no ser comparvel ao S das
equaes usuais de Spurr, de Stoate e de Schumacher-Hall. Para fazer a comparao, faz-se
necessrio calcular o ndice de Furnival.
Sendo U = f(V) a varivel dependente, a expresso geral do ndice de Furnival :
I = [f(V)]-1 S1, onde f(V) a derivada de f(V) e os colchetes indicam mdia
geomtrica.
No caso da equao (4) tem-se
f'(V) =
1
D2H
e fica
I = [D2H] S1 .
No caso da equao de Stoate.
V = a + b D2H + c D2 + fH,
a diviso pelo fator de ponderao D2H d:
V
1
1
1
=a 2 +b+c +f 2
2
H
D H
D H
D
= b + a X 1 + c X 2 + fX 3 ,
com X1 = 1/D2H, X2 = 1/H, X3 = 1/D2.
Por sua vez a equao de Schumacher-Hall fica:
V
= A DmHm ,
2
D H
U = 0,2412 + 0,20095 Z
isto :
V
1
= 0,2412 + 0,20095 2 ,
2
D H
D H
ou ainda:
V = 0,2012 + 0,2412 D2H
A anlise da varincia relativa equao (5) a seguinte:
C. de variao
Regresso
Resduo
Total
G.L.
1
38
39
S.Q.
0,009104
0,148766
0,157870
Q.M.
0,009104
0,003915
F
2,33
D(m)
0,190
0,270
0,150
0,187
0,245
0,237
0,250
0,235
0,200
0,177
0,283
0,275
0,205
0,200
0,204
0,215
0,270
0,160
0,215
0,205
0,203
0,215
0,260
0,310
0,185
0,215
0,220
0,250
0,315
0,210
0,273
0,170
0,202
0,254
0,180
0,190
0,223
0,174
0,364
0,245
H(m)
14,0
17,0
11,0
16,0
14,0
18,0
14,0
14,0
12,0
13,0
16,0
18,0
15,0
12,0
12,0
15,0
14,0
12,0
14,0
16,0
14,0
14,0
18,0
16,0
12,0
16,0
14,0
16,0
18,0
18,0
18,0
16,0
17,0
19,0
14,0
14,0
14,0
12,0
18,0
16,0
V(m3)
0,130
0,249
0,047
0,131
0,203
0,270
0,202
0,214
0,129
0,144
0,305
0,357
0,160
0,254
0,146
0,211
0,199
0,088
0,148
0,173
0,212
0,156
0,438
0,255
0,091
0,177
0,239
0,261
0,397
0,209
0,328
0,123
0,201
0,352
0,133
0,156
0,200
0,135
0,572
0,226
7. REFERNCIAS BIBLIOGRFICAS
DRAPER, N.R. & SMITH, H. Applied regression analysis, 2. ed. New York, John Wiley,
1981.
FURNIVAL, G.M. An index for comparing equations used in constructing volume tables.
Forest science, Madison, 7(4): 337-41, 1961.
PIMENTEL-GOMES, F. Curso de estatstica experimental, 13. ed. So Paulo, Nobel,
1990.
THNI, H. Transformations of variables uses in the analysis of experimental and
observational data. Technical report. ISU. Statistical Laboratory, Ames (7), 1967.
VEIGA, R.A. de A. O uso de equaes de volume em levantamentos florestais. In:
SIMPSIO SOBRE INVENTRIO FLORESTAL, 2, Piracicaba, 1984. Anais.
Piracicaba, ESALQ/IPEF, 1984. p.93-102.
ANEXOS
DF
Sun of
Squares
Mean
Square
1
48
49
0.39955
0.15126
0.55080
0.05614
0.21036
26.68527
Root MSE
Dep Mean
C.V.
F Value
Prob>F
0.39955
0,00315
126.794
0.0001
R-square
Adj R-sq
0.7254
0.7197
Parameter Estimates
Variable
DF
INTERCEP
D2H
1
1
Parameter
Estimate
0.054002
0.202614
3.376
11.260
ESTATISTICA SIMPLES
MDIA
DESVIO-PADRO
.2104
.7718
.1060
.4456
MATRIZ DE CORRELAO
V
D2H
V
D2H
1.00000
.85175
.85175
1.00000
COEFICIENTE
.539700E-01
.202643E+00
DESVIO
BETA
= .3995977
= .3995977
= .7254812
= .7197621
PROBAB.
.0000
DF
Sun of
Squares
Mean
Square
1
46
49
0.41212
0.13868
0.55080
0.05491
0.21036
26.10150
Root MSE
Dep Mean
C.V.
F Value
Prob>F
0.13737
0.00301
45.567
0.0001
R-square
Adj R-sq
0.7482
0.7318
Parameter Estimates
Variable
DF
INTERCEP
D2H
D2
H
1
1
1
1
Parameter
Estimate
0.206095
0.494497
-5.030471
-0.008542
2.319
3.419
-2.039
-1.410
DF
Sum of
Squares
Mean
Square
3
46
49
0.41212313
0.13868039
0.55080352
0.13737438
0.00301479
R-Square
C.V.
Root MSE
V Mean
0.748222
26.10150
0.054907
0.21036000
F Value
Pr > F
45.57
0.0001
DF
Type I SS
Mean Square
F Value
Pr > F
1
1
1
0.39954818
0.00657756
0.00599739
0.39954818
0.00657756
0.00599739
132.53
2.18
1.99
0.0001
0.1465
0.1651
DF
Type III SS
Mean Square
F Value
Pr > F
1
1
1
0.03523502
0.01253452
0.00599739
0.03523502
0.01253452
0.00599739
11.69
4.16
1.99
0.0013
0.0472
0.1651
Estunate
T for HO:
Parameter = 0
Pr > :T:
INTERCEPT
0.206094741
2.32
0.0249
D2H
0.494497341
3.42
0.0013
D2
-5.030471242
-2.04
0.0472
H
-0.008541514
-1.41
0.1651
LISTAGEM No 5: ANLISE PELO REGRESEQ DO SAEG
Std Error of
Estimate
0.08888062
0.14464562
2.46708080
0.00605595
MEDIA
DESVIO-PADRAO
V
D2H
D2
H
.2104
.7718
.0503
14.5060
.1060
.4456
.0227
2.7062
MATRIZ DE CORRELAES
V
1.00000
.85175
.81678
.65690
V
D2H
D2
H
D2H
.85175
1.00000
.98294
.77758
D2
.81678
.98294
1.00000
.69003
H
.65690
.77758
.69003
1.00000
COEFICIENTE
DESVIO
.539700E-01
.202643E+00
.179922E-01
BETA
PROBAB.
.112628E+02 .851752E+00
.0000
= .3995977
= .3995977
= .7254812
= .7197621
PARAMETROS DE REGRESSAO
NOME
CONSTANTE
D2H
D2
COEFICIENTE
DESVIO
BETA
PROBAB.
.869234E-01
.343893E+00
-.282022E+01
.966054E-01
.189593E+01
.355977E+01
-.148751E+01
.144546E+01
-.604011E+00
.0004
.0718
= .4063960
= .6798267E-02
= .7378237
= .7266672
NOME
CONSTANTE
D2H
D2
H
COEFICIENTE
DESVIO
BETA
PROBAB.
.204968E+00
.495086E+00
-.503943E+01
-.848055E-02
.143580E+00
.244797E+01
.600862E-02
.344816E+01
-.205862E+01
-.141140E+01
.208095E+01
-.205862E+01
-.216462E+00
.006
.0226
.0824
= .4123902
= .5994201E-02
= .7487063
= .7323176
DF
Sun of
Squares
Mean
Square
1
47
49
1.93956
0.97412
2.91368
0.14397
-0.73622
-19.55467
Root MSE
Dep Mean
C.V.
F Value
Prob>F
0.96968
0.02073
46.790
0.0001
R-square
Adj R-sq
0.6657
0.6514
Parameter Estimates
Variable
DF
INTERCEP
LD
LH
1
1
1
Parameter
Estimate
-0.578186
1.480841
0.723442
-0.951
4.429
2.000
Sum of Squares
0
1
2
3
4
5
6
7
8
9
10
11
12
0.300000
0.270997
0.247766
0.228959
0.213583
0.188214
0.171161
0.147494
0.126549
0.125988
0.125654
0.125606
0.125599
1.500000
1.494329
1.489424
1.485193
1.481550
1.475285
1.470769
1.464309
1.458769
1.459713
1.459765
1.459777
1.459778
0.700000
0.732251
0.761130
0.786926
0.809927
0.850893
0.882946
0.932809
0.988251
0.994264
0.995224
0.995369
0.995392
0.162170
0.161767
0.161477
0.161232
0.161007
0.160935
0.160668
0.160540
0.159760
0.159450
0.159450
0.159450
0.159450
DF
Sum of Squares
Mean Square
Regression
Residual
Uncorrected Total
3
47
50
2.6039197832
0.1594502168
2.7633700000
0.8679732611
0.0033925578
(Corrected Total)
49
0.5508035200
Parameter
Estimate
Asymptotic
Std. Error
A
B
C
0.125598613
1.459778266
0.995391729
0.15525249400
0.23763709107
0.36069347694
Asymptotic 95%
Confidence Interval
Lower
Upper
-.18672827444
0.4379254997
0.98171539583 1.9378411364
0.26977201136 1.7210114463
A
1
0.7806546373
-0.978845088
B
0.7806546373
1
-0.63826231
C
-0.978845088
-0.638262231
1
= 60
ITERACOES EXECUTADAS
= 22
NUMERO DE AVALIACOES
= 59
NUMERO DE OBSERVACOES
= 50
COEFICIENTE DE DETERMINACOA
= .7105137E+00
PARAMETROS
ESTIAMTIVAS
INICIAIS
LIMITES
INFERIORES
LIMITES
SUPERIORES
COEFICIENTES
DE RESTRICAO
COEFICIENTES
DA SOLUCAO
DESVIOS DOS
COEFICIENTES
A
B
C
.264000E+00
.148000E+01
.723000E+00
.100000E+00
.130000E+01
.500000E+00
.300000E+00
.160000E+01
.110000E+01
.200000E-04
.300000E-04
.600000E-04
.123492E+00
.145722E+01
.100019E+01
.152451E+00
.237291E+00
.360258E+00
V FUNO A*D**B*H**C
AMPLITUDES (A = 0.1, 0.14, 0.12349) (B = 1.4, 5.1, 1.4572) (C = 0.9, 1.1, 1.000)
TOLERANCIA = .1000000E-02
ITERACOES PERMITIDAS
= 60
ITERACOES EXECUTADAS
=8
NUMERO DE AVALIACOES
= 18
NUMERO DE OBSERVACOES
= 50
COEFICIENTE DE DETERMINACOA
= .7105141E+00
PARAMETROS
ESTIAMTIVAS
INICIAIS
LIMITES
INFERIORES
LIMITES
SUPERIORES
COEFICIENTES
DE RESTRICAO
COEFICIENTES
DA SOLUCAO
DESVIOS DOS
COEFICIENTES
A
B
C
1.23490E+00
.145720E+01
.100000+01
.100000E+00
.140000E+01
.900000E+00
.140000E+00
.150000E+01
.110000E+01
.400000E-04
.100000E-04
.200000E-04
.125856E+00
.145978E+01
.994644E+00
.155722E+00
.238015E+00
.360689E+00
DF
Sum of
Squares
Mean
Square
1
38
39
0.00910449
0.14876571
0.15787019
0.00910449
0.00391489
R-Square
C.V.
Root MSE
U Mean
0.057671
22.98904
0.062569
0.27216907
F Value
Pr > F
2.33
0.1355
Parameter
INTERCEPT
Z
DF
Type I SS
Mean Square
F Value
Pr > F
0.00910449
0.00910449
2.33
0.1355
DF
Type III SS
Mean Square
F Value
Pr > F
0.00910449
0.00910449
2.33
0.1355
Estunate
T for HO:
Parameter = 0
Pr > :T:
Std Error of
Estimate
0.2412355704
0.201206036
10.69
1.52
0.0001
0.1355
0.2256827
0.01319398