Escolar Documentos
Profissional Documentos
Cultura Documentos
1 (X X )2
f (X i ) exp i 2
2S 2 2S
Questão 2) De posse dos dados do quadro abaixo, estimar os volumes com casca e sem casca
para diâmetro mínimo comercial de 6 cm. Considere as variáveis dummy (Tx = 0 para volume
com casca; Tx = 1 para volume sem casca); diâmetro mínimo comercial (d), diâmetro médio
futuro (q), e índice de local (S).
Dados:
Idade Índice de d = 6 cm
(meses) local (S) q (cm) c/c s/c
36 9,7 53,33 43,48
48 11,0 84,72 70,77
60 12,0 114,43 97,01
72 20 12,6 139,16 119,04
84 13,0 156,54 134,50
96 13,1 164,99 141,87
Tx 1
Ln(Vi ) 0,204 2,111Lnq 1,973 0,038 d 568,078 ;
q IS
Fórmulas na calculadora:
V=(0,204+(2,11*Ln(q)-1,973*(Tx/q)-0,038*d-568,078*(1/(I*S)))
Obs: tanto para q quanto para V, depois do resultado usar shift – Ln – Ans =
Questão 3) Considere índice de local de 30 metros e desbaste de 50% e 60% da área basal
aos 60 meses; 35% e 45% da área basal aos 84 meses. Pede-se estimar as áreas basais
remanescentes, futura e desbastada, os volumes remanescente e desbastado de um
povoamento florestal.
1
LnV2 1,5829 16,264 0,016538 S1 1,2065 LnB2 ;
I2
I1 I I
LnB2 LnB1 3,5391 1 0,0093756 1 1 S1 ;
I2 I2 I2
Dados:
Árvore dap (cm) dap (m) Raio H(m) g (m²) V (m³)
1 8 0,08 0,04 9,7 0, 005027 0, 022916
2 27,7 0, 277 0, 1385 27,6 0, 060263 0, 781729
3 23,2 0, 232 0, 116 26,5 0, 042273 0, 526514
4 17,7 0, 177 0, 0885 17,4 0, 024606 0, 201226
5 13,8 0, 138 0, 069 12,9 0, 014957 0, 090685
6 17 0,17 0, 085 16,5 0, 022698 0, 176023
*Usar o dap em cm
Fórmula: g= PI*(d²)/40000
V= (PI*(d²)/40000)*(H*f)
Questões teóricas:
Módulos lineares são lineares quanto aos parâmetros. São, portanto, os modelos nos
quais os parâmetros estão na forma aditiva.
Ex:
y = β₀ + β₁x + eі; y = β₀ + β₁x + β₂x² + ei
Podem ser linear simples ou múltiplos. Simples quando apresentar apenas uma variável
independente múltiplo quando apresenta mais de uma variável independente.
Nos modelos lineares os parâmetros são representados pela letra βі.
Os modelos não lineares: são não lineares nos parâmetros pelo menos um dos
parâmetros não está na forma aditiva.
Os modelos não lineares podem ser linearizáveis (intrinsically linear) quando eles podem
transformados para a forma linear e não linearizáveis quando não é possível tomar os
parâmetros de forma aditiva.
Ex:
Linearizável: y = Ѳ₀ . XѲ₁
Não linearizável: y= Ѳ₀
Ѳ₁ + Ѳ₂x² + Ѳ₃x³
É o potencial para produção de madeira (ou outro produto) de determinado lugar, para
determinada espécie ou clone. Essa qualidade pode ser expressa de modo empírico em alta,
média e baixa, ou por meio de algum índice quantitativo, como o índice de local. O índice de
local é a altura dominante média do povoamento em uma idade específica (idade-índice)
sendo, portanto, uma medida quantitativa da capacidade produtiva do lugar.
Pode ser definido em três categorias: avaliação da qualidade do lugar pela vegetação
indicadora; avaliação por fatores climáticos, edáficos, fisiográficos e bióticos; e avaliação por
meio da relação altura dominante e idade, com a definição de índices de local. O mais usual é a
avaliação por meio da relação altura dominante e idade, por ser um método prático e
consistente de avaliação da qualidade do local, pois todos os fatores ambientais são refletidos
de modo interativo no crescimento em altura, a qual também está relacionada com o volume.
Vantagens: a altura da árvore mais alta quase não é afetada pela competição; - É o fato de
a classificação ser feita por uma expressão numérica, em lugar de uma descrição qualitativa.
As mais usuais são: Distribuição gráfica dos resíduos padronizados, Erro padrão da média,
coeficiente de determinação R².
R² = o quanto a variação ocorrida em Y é explicada pela equação quanto maior melhor
modelo. O erro padrão da média da idéia de dispersão variabilidade.
Considerando que modelos de crescimento apresentam uma variável tempo, deve-se está
atento ao diagnóstico do erro correlacionados, uma vez que, um dos pressupostos de
regressão é ausência de erros correlacionas. Existem vários testes para verificar alta correlação
de resíduo, como por exemplo: Dubim, Watson, Teste dos sinais, entre outros.
Entretanto, a distribuição gráfica de resíduo padronizado é um eficiente ferramenta para
validade da equação quanto à ausência de alto correlação de resíduo. Caso seja detectado alto
correlação de resíduo uma das alternativas é a utilização de modelos em série temporais.