Questões – Prova – Manejo

1) Considere que em uma amostragem realizada num povoamento florestal foram

medidos diâmetros de árvores individuais. De posse dos dados de diâmetros: 5, 4, 6,
7, 3, 4, 6, 5, 8 e 4, pede-se estimar a média e a variância, as probabilidades
observadas e estimada e a freqüência estimada pelo método de máxima
verossimilhança.
Dados:
Dap (cm) Freq. observada Prob.observada Prob.estimada Freq.estimada
3 1 0,1 0,0939 0,9395
4 3 0,3 0,1980 1,9077
5 2 0,2 0,2554 2,5538
6 2 0,2 0,2254 2,2537
7 1 0,1 0,1311 1,3112
8 1 0,1 0,0503 0,5029
Total 10 1 0,9469 9,4687

1) Calcular a média ponderada: (3*1)+(4*3)+(5*2)+(6*2)+(7*1)+(8*1)/10 = 5,2

2) Calcular a variância: ((3-5.2)²+(4-5.2)²+(4-5.2)²+(4-5.2)²+(5-5.2)²+(5-5.2)²+(6-5.2)²+(6-

5.2)²+(7-5.2)²+(8-5.2)²/9 = 2,4

3) Calcular a probabilidade observada: nº de árvores da classe/nº total de árvores

4) Calcular a probabilidade estimada:

1  (X  X )2 
f (X i )  exp  i 2 
2S 2  2S 

f(Xi)= 0,2575*exp(-(3-5,2)²/(2*2,4))= 0,0939

5) Calcular a frequência estimada: probabilidade estimada*nº total de árvores

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

q  1,43864  0,197922 I  0,268407 S  0,00107 I 2

Fórmulas na calculadora:

q=  1,43864  (0,197922 * I )  (0,268407 * S )  (0,00107 * I 2 )

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  3,5391  1   0,0093756 1  1  S1 ;
I2  I2   I2 

Bi  11,21003  1,1213335 S  0,0096669 S 2 .

Dados:
Idade Desbaste de 50 e 35% Desbaste de 60 e 45%
(mês) Área basal (m²) Volume (m³) Área basal (m²) Volume (m³)
Rem Desb Rem Desb Rem Desb Rem Desb
36 13,73 120,03 13,73 120,03
60 17,72 8,86 195,68 84,79 17,72 10, 63347 195,68 105,65
60 8,86 84,79 7,09 64,78
84 12,05 4,22 132,76 37,41 10,28 4,623866 109,54 41,80
84 7,83 78,95 5,65 53,25
Questão 4) De posse dos dados de diâmetro (dap) e altura total (H), Quadro abaixo. Pedes-se
estimar área transversal e volume (V) de madeira com casca de árvores individuais. Para
isso, use um fator de forma (f) igual a 0,47 para estimar o volume de cada árvore.

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:

1) Diferencie, em termos estatísticos, modelos linear e não linear.

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

2) Defina Índice de local.

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.

3) .....Quais são os principais métodos de avaliação da capacidade produtiva do local?

Entre eles qual o mais usual? Por quê?

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.

4) ....Quais são os fatores que influenciam o crescimento de uma árvore ou povoamento

florestal? Comente cada fator.

Os fatores são os internos: constituindo as características genéticas e os fatores externos,

incluindo os efeitos climáticos, edáficos, topográficos e competição.
Genético: o fator onde é encontrado todas as constituições de genes, que tem por função
expressar as características especifica e geral da espécie, podendo ser melhoradas.
Os fatores externos podem trazer benefícios, como também provocar grandes prejuízos,
principalmente quando ocorrem mudanças climáticas drásticas. Já os edáficos tem-se como
controlar, portanto, basta inserir os nutrientes necessários para planta desenvolver bem,
tendo como base a análise de solo.
5) Quais são as principais fontes de dados para construção de curvas de índices de local?

São utilizados dados de altura dominantes e idade, obtidos a partir de parcelas

temporárias; como também oriundas de redes de parcelas permanentes e obtidas a partir de
análise completa do tronco. Sendo que a mais eficiente consiste no uso de parcelas
permanentes.

6) ....Classifique as expressões matemáticas Yi = β0 + β1X1i + εi e i= 0+ 1 X1 .

y₁ = β₀ + β₁x₁і modelo antes do ajuste

ŷ₁ = ₀ + ₁xі representa a equação ajustada na qual os

parâmetros já foram estimados. (equação estimadora)

8) ....Dentre os métodos utilizados no ajustamento da função Weibull, qual deles é

considerado mais eficiente?

De modo geral, os estimadores de máxima verossimilhança são considerados os

melhores. No entanto, para λ é tendencioso sendo a tendenciosidade dependente do tamanho
da amostra.

9) ....Quais são as estatísticas mais usuais na avaliação de modelos de crescimento e

produção? Explique.

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.