PROGRAMA DE CURSOS DE FORMAÇÃO RÁPIDA

CURSO DE MANEJO DE FLORESTAS PLANTADAS

MANEJO E INVENTÁRIO
DE FLORESTAS
PLANTADAS
Capítulo 5

MÓDULO I
O INVENTÁRIO

REALIZAÇÃO
INVENTÁRIO E MANEJO DE FLORESTAS PLANTADAS
MÓDULO I – O INVENTÁRIO
CAPÍTULO 5

5. Processos de Amostragem .................................................................................................................................3

Amostragem Aleatória Simples ...............................................................................................................................3
Amostragem Sistemática ........................................................................................................................................3
Amostragem Estratificada .......................................................................................................................................4
Amostragem em Dois Estágios ...............................................................................................................................5
Amostragem em Conglomerados............................................................................................................................6
5. 1. Estimativas ......................................................................................................................................................7
5. 2. Processo de Amostragem Aleatória Simples................................................................................................10
5.3. Processo de Amostragem Estratificada .........................................................................................................16
5.4. Processo de Amostragem Sistemática ..........................................................................................................22
5. 5.Processo de Amostragem em Dois Estágios.................................................................................................26

2
 5 Processos de Amostragem

Os processos de Amostragem nos inventários florestais, segundo PÉLLICO NETTO e

BRENA (1997), referem-se à abordagem da população sobre o conjunto de unidades de
amostra, podendo ser de forma aleatória, sistemática e mista. Dentro desses arranjos situam-
se os processos mais utilizados em Inventários Florestais, que são: Amostragem Aleatória
Simples, Amostragem Estratificada, Amostragem Sistemática, Amostragem em Dois Estágios,
Amostragem em Conglomerados e Amostragem com Múltiplos Inícios Aleatórios. Em outras
palavras, Processo de Amostragem é forma com que as amostras serão distribuídas sobre uma
população florestal visando gerar estimativas da variável de interesse. Cada processo tem suas
características e recomendações específicas, as quais serão apresentadas neste capítulo.

• Amostragem Aleatória Simples

É o processo fundamental a partir do qual todos os demais processos derivam. A

seleção das unidades amostrais parte do pressuposto de que todas as combinações possíveis
de unidades amostrais têm igual probabilidade de serem selecionadas para compor o conjunto
que consistirá no inventário florestal. Na Figura 5.1 está representado um esquema de
distribuição das unidades amostrais instaladas em um exemplo de inventário florestal utilizando
a amostragem aleatória simples.

Figura 5.1 – Representação da distribuição das unidades amostrais na amostragem aleatória

simples.

Aplicações

Este processo de amostragem geralmente é utilizado em florestas pequenas,

homogêneas e de fácil acesso, para que a intensidade amostral não seja muito alta e desta
forma seja possível reduzir os custos com deslocamento. O processo de amostragem aleatória
simples é muito empregado em inventários de plantações florestais e florestas naturais
pequenas, de fácil acesso e onde a variável de interesse é relativamente homogênea.

• Amostragem Sistemática

O processo de amostragem sistemática consiste em estabelecer a aleatoriedade

apenas da primeira unidade amostral, sendo que, posteriormente, as demais unidades
amostrais serão locadas segundo um padrão sistemático de distribuição espacial. Na Figura
5.2 pode-se observar a representação da distribuição das unidades amostrais no processo de
amostragem sistemática.

3
 Este processo é recomendado quando se deseja mapear a população ou conhecer a
distribuição espacial de espécies florestais, visto que a distribuição das parcelas no campo é
feita de forma a varrer toda a floresta na propriedade, possibilitando a identificação de aspectos
físicos e mesmo estabelecer o contorno da propriedade.

Figura 5.2 – Representação da distribuição das unidades amostrais na amostragem

sistemática.

Aplicações

Geralmente este processo é aplicado para populações extensas, de difícil acesso ou

para populações onde não se dispõe de mapas da área que se deseja realizar o inventário
florestal.

A razão principal para utilizar a amostragem sistemática é sua vantagem operacional e

uma melhor possibilidade de supervisão e controle. A questão operacional está associada à
facilidade de penetrar na floresta de difícil acesso de forma linear, seguindo um caminhamento
determinado pela abertura de picadas. Os aspectos controle e supervisão se relacionam ao
estabelecimento de uma malha eqüitativa, que permite acompanhar de forma mais efetiva os
trabalhos de campo e dar uma perspectiva de cobertura de todos os flancos da floresta.

É um processo recomendável para florestas naturais como na Amazônia ou em

situações semelhantes, embora tenha sido adotada ultimamente por um grande número de
empresas que realizam inventários em plantações florestais devido às melhores possibilidades
de controle.

• Amostragem Estratificada

O processo de amostragem estratificada consiste em dividir a população amostrada em

algumas classes ou estratos (sub-populações homogêneas internamente e distintas entre si),
de modo que dentro desses se reduza a variabilidade da variável de interesse. A distribuição
das unidades amostrais pode ser: aleatória ou sistemática. Pode-se observar na Figura 5.3 a
distribuição das unidades amostrais utilizando-se o processo de amostragem estratificada
aleatória e sistemática.

(a) Estratificada Sistemática (b) Estratificada Aleatória

4
Figura 5.3 – Representação do arranjo da distribuição espacial das unidades amostrais na (a)
amostragem estratificada sistemática e (b) amostragem estratificada aleatória.

Aplicações

O processo estratificado geralmente é utilizado quando a variável de interesse possui

considerável (relativamente alta) variabilidade, o que para o processo de amostragem aleatória
simples implicaria em aumento do número de unidades amostrais a serem inventariadas. Desta
forma, definindo-se estratos dentro da população que será inventariada, diminui-se a
variabilidade interna fazendo com que seja necessário implantar um número menor de
unidades amostrais.

Este processo pode ser aplicado em florestas naturais com diferentes estágios
sucessionais, sendo que os diferentes estágios serão os diferentes estratos da população.
Neste processo a intensidade amostral para a variável de interesse é calculada para cada um
dos estratos. Outra possibilidade de aplicação diz respeito a plantios florestais de diferentes
espécies (por exemplo: Pinus elliottii e Pinus taeda) ou para diferentes idades, regimes de
manejo, entre outros.

A decisão de definir a distribuição das unidades amostrais de forma aleatória ou

sistemática depende de diversos fatores, entre eles: disponibilidade de estradas, grau de
homogeneidade da população dentro do estrato, fatores característicos do terreno, como
declividade, entre outros.

É um processo recomendado tanto para florestas naturais quanto plantações, embora

seja mais comum seu uso no primeiro caso, onde os estratos são tipologias florestais
caracterizadas via fotointerpretação.

• Amostragem em Dois Estágios

Consiste em dividir uma população florestal em unidade amostrais primárias e, em um

segundo momento, estas unidades são subdivididas em unidades secundárias, representando
assim o primeiro e o segundo estágio de amostragem, respectivamente. Na Figura 5.4 está
apresentada a distribuição das unidades amostrais utilizando o processo de amostragem em
dois estágios.

Aplicações

O emprego deste processo de amostragem geralmente se dá em populações extensas,

que possuam difícil acesso às unidades amostrais e que sejam mais ou menos homogêneas
em relação à variável de interesse, ou seja, não existam estratos diferenciados.

É um processo recomendável para florestas naturais em áreas extensas ou então

inventários em geral de nível regional ou nacional.

5
Figura 5.4 – Representação da distribuição das unidades amostrais na amostragem em dois
estágios.

• Amostragem em Conglomerados

Este processo de amostragem é semelhante ao processo de amostragem em dois

estágios, diferindo apenas no segundo estágio, que neste caso é sistematicamente organizado
dentro do primeiro, reduzindo com isso os custos de amostragem e locomoção. O processo de
amostragem em conglomerados está representado esquematicamente na Figura 5.5.

Figura 5.5 – Representação da distribuição das unidades amostrais na amostragem em conglomerados.

Aplicações

Geralmente este processo é recomendado para populações de difícil acesso, que

possuam grande até razoável homogeneidade na variável de interesse. É muito utilizado em
áreas florestais naturais, pelo fato de, geralmente, possuírem acesso mais difícil.

É adequado para florestas como as da Amazônia ou outras de acesso complicado.

Suas vantagens residem no fato de permitir manter as características da aleatoriedade e da
sistematização num esquema de amostragem misto, congregando os benefícios de ambas. A
concentração da amostragem em alguns pontos (conglomerados) possibilita a agilidade do
trabalho de campo e menores custos.

• Amostragem em múltiplos inícios aleatórios ou de Shiue

A amostragem em múltiplos inícios aleatórios é muito semelhante ao processo de

amostragem sistemático, porém, enquanto que o sistemático possui apenas um início aleatório,
neste caso são tomados múltiplos inícios aleatórios. Na Figura 5.6 está representada a
distribuição espacial das unidades amostrais neste processo.

6
Figura 5.6 – Representação da distribuição das unidades amostrais na amostragem em
múltiplos inícios aleatórios.

Aplicações

A aplicação deste processo de amostragem se assemelha ao do processo de

amostragem sistemático. A principal diferença é que no processo de amostragem em múltiplos
inícios aleatórios tem-se uma minimização da variância entre as linhas ou faixas da
amostragem.
Na verdade trata-se de um caso especial da amostragem em conglomerados, onde
estes são dispostos de forma linear. Este desenho amostragem, em muitos casos, traz
vantagens adicionais pelo fato de combinar as vantagens da amostragem sistemática clássica,
com o acesso linear à floresta via picadas, que é mais fácil operacionalmente de instalar que o
conglomerado em cruz apresentado na Figura 5.5.

5.1. Estimativas
Obter informações de uma variável em 100% de uma população, em muitos casos, é
impraticável pelo alto custo, bem como por dificuldades operacionais. Por isso utiliza-se de
informações de uma parte da população, ou seja, a amostra, a qual deve ser representativa da
população e gerar as estimativas da variável de interesse, visando obter estimativas precisas e
sem tendência dos parâmetros dessa variável.

A estimativa diz respeito às informações, geradas para a variável de interesse,

oriundas de uma amostragem e o parâmetro diz respeito às grandezas geradas através de
medição total dessa variável da população (verdade paramétrica).

Assim, antes de tratar especificamente de cada Processo de Amostragem, convém

conceituar as principais grandezas estatísticas que envolvem os cálculos necessários em
inventários florestais.

5.1.1. Média Aritmética

É uma medida de tendência central, sendo o valor que melhor representa a

característica de interesse dentro da população.

5.1.2. Variância

É uma medida que expressa a variação de uma determinada característica entre os

indivíduos de uma população em relação à média.

Para SCOLFORO e MELO (2006), a variância é a característica da floresta mais

importante a influenciar a decisão sobre técnica de amostragem a adotar, sendo que a variação
da característica de interesse entre as diferentes parcelas com área previamente definida é que

7
propiciará a quantificação da variabilidade do povoamento florestal. Em outras palavras, é uma
medida de dispersão entre os dados advindos das parcelas do inventário.

5.1.3. Desvio Padrão

Assim como a variância, o desvio padrão também é uma medida de variabilidade, que
indica o quanto, em termos médios, os valores observados variam em relação a sua média.
Então, quanto maior for o desvio padrão, mais heterogênea será a população e vice-versa.

A diferença entre variância e desvio padrão se dá pelo fato de a primeira ter a unidade
da característica de interesse elevada ao quadrado, enquanto que a unidade do desvio padrão
é a mesma dos dados originais (SCOLFORO e MELO, 2006).

5.1.4. Variância da Média

Determina a precisão da média estimada e representa a variação teórica das médias

das diversas amostras que hipoteticamente poderiam ser tomadas na população.

5.1.5. Erro Padrão

O erro padrão da média expressa a precisão do inventário de forma análoga à

variância da média, porém em termos lineares, na mesma medida da média. Não se trata de
uma falha ou engano e sim de uma variação ou diferença entre o valor paramétrico e o valor
estima, expresso pela diferença hipotética entre as médias das n possíveis amostras tomadas
na população.

5.1.6. Coeficiente de Variação

O coeficiente de variação é uma medida de variabilidade relativa, que compara a

variabilidade de duas ou mais populações em relação a suas médias em termos percentuais.
Conforme SCOLFORO e MELO (2006), o coeficiente de variação expressa em média o quanto
os valores observados variam em relação a sua própria média, sendo, no entanto, uma medida
adimensional, possibilitando a comparação entre medidas diferentes ou entre populações
distintas.

5.1.7. Erro de Amostragem

É o erro que se comete por não medir toda a população, ou seja, pelo emprego da
amostragem. Novamente vale salientar que não se trata de um engano, de uma falha, ou de
uma não conformidade operacional. Em realidade representa a diferença entre a média
paramétrica e a média estimada pela amostragem e não em si um erro cometido pelo executor
do inventário. A rigor o termo “erro” deveria ser substituído pela palavra “diferença”, mas como
já é um termo consagrado não é conveniente adotar uma nova nomenclatura.

A parte da área que é medida, ou seja, a amostra é expressa por n ( N ), onde (n) é o
número de parcelas amostradas e (N) é o número de parcelas que cabem em uma população
florestal de área conhecida. Portanto, considerando que (n) é igual a (N), o erro de amostragem
será zero (SCOLFORO e MELO, 2006).

Para diminuir este erro é necessário aumentar a intensidade amostral até o ponto que
se torna zero quando a amostragem for a 100%, ou seja, um censo. O erro de amostragem
pode ser absoluto ou relativo. O erro absoluto é uma diferença na unidade da média, enquanto
o erro relativo expressa a diferença em termos percentuais da média.

5.1.8. Total da População

É o montante total existente da variável de interesse na população. É uma das

informações mais importantes no inventário, porque em função de sua magnitude é que muitas
decisões serão tomadas. Para o caso da variável volume é o que existe de madeira em toda a
área objeto do inventário.

8
5.1.9. Intervalo de Confiança para Média

Determina os limites inferior e superior, dentro do qual se espera encontrar,

probabilisticamente, o valor real da variável de interesse em termos de sua média.

As população florestais que têm distribuição similar à normal (Figura 5.7) terão intervalo
de confiança com menor amplitude, se for considerado um desvio padrão para mais e para
menos em relação à média. Da mesma forma, o intervalo de confiança terá uma amplitude
maior se forem considerados 2 ou 3 desvios padrão. Assim, a probabilidade da média
verdadeira estar situada dentro do intervalo é de 66,8% no caso de ser considerado um desvio
padrão e 95 e 99% no caso de ser considerado 2 ou 3 desvios padrão, respectivamente
(SCOLFORO e MELO, 2006).

Figura 5.7 – Distribuição normal de dados e respectivas probabilidades no intervalo de

confiança.
Fonte: Adaptado de SCOLFORO e MELO (2006).

5.1.10. Intervalo de Confiança para o Total

Para obter o intervalo de confiança para o total, multiplica-se a média e o erro de

amostragem pelo número total de unidades amostrais da população (N), expandindo-os assim,
para toda a população. Explica o quanto o total pode oscilar para mais ou para menos,
considerando as variações identificadas no inventário em termos da variável de interesse.

5.1.11. Intensidade Amostral

O número ideal de unidades amostrais a serem instaladas na floresta depende do grau

de variabilidade da população. A intensidade amostral deve ser definida a partir de um
inventário piloto, de um inventário anterior realizado na área, de um inventário realizado em
uma população com características similares ou ainda, a partir de estimativas aproximadas
com base na experiência do executor. É importante sempre aferir a intensidade amostral com
base na precisão, a qual é estabelecida via limite de erro especificado e probabilidade definida,
geralmente 10% e 95%, respectivamente.

Para fazer o cálculo do número ideal de unidades amostrais é necessário saber se a

população é finita ou infinita. Quando a amostra for selecionada com reposição, a população é
considerada infinita, caso contrário ela é considerada finita. A maioria das amostras utiliza
parcelas de área fixa ou faixas e são selecionadas sem reposição, porém se forem usados
pontos amostrais a população é infinita e a amostra obtida é equivalente à seleção com
reposição, conforme mencionam PÉLLICO NETTO e BRENA (1997).

Ainda, segundo os mesmos autores, a diferença estatística de população finita e infinita

é feita pelo valor do chamado fator de correção (1 - f), que é uma função da fração de
amostragem (f), aplicado as estimativas. Desse modo, se:

(1 - f ) ≥ 0,98 ⇒ a população é considerada infinita.

(1 - f ) < 0,98 ⇒ a população é considerada finita.

9
 Onde f é o é a fração de amostragem que é calculado a partir do quociente entre o
número de parcelas amostradas (n) e o número total de parcelas da população (N) ou número
potencial de unidades amostrais:

n A
f = Considerando que: N =
N a
Onde:
A = Área total da população (m²)
a = Área da unidade amostral ou parcela (m²)

Quando a população for considerada infinita, o fator de correção pode ser desprezado,
tanto no cálculo da intensidade amostral, como no cálculo de algumas estimativas, que levam
em consideração o fator de correção.

O cálculo da intensidade amostral (n) muda conforme o processo de amostragem

escolhido e é efetuado com base no valor de (t) de Student e do limite de erro (LE) pré-
especificado, bem como na variância ou no coeficiente de variação, que são as medidas de
heterogeneidade da população florestal alvo do inventário. O valor de (t) é obtido em função do
grau de liberdade (n - 1) e do nível de probabilidade admitido, mediante consulta à tabela de
distribuição de Student.

Para obter o número de unidades amostrais necessário para estimar os parâmetros da

população com precisão e confiabilidade fixadas, recomenda-se o recálculo da intensidade
amostral (n1), porém utilizando o valor de (t) com base no novo grau de liberdade encontrado
(n1 – 1), até encontrar um valor constante para a intensidade amostral. Essa estabilidade
garante que o valor de (n) calculado será o ideal para a população inventariada.

5.2. Processo de Amostragem Aleatória Simples

Este processo requer que todas as combinações possíveis de (n) unidades de amostra
da população tenham igual chance de participar da amostra. A seleção de cada unidade
amostral deve ser livre de qualquer escolha e totalmente independente da seleção das demais
unidades de amostra.

Neste processo, se forem usadas unidades amostrais de área fixa, ou seja, se a

população for finita, o desenho da amostra na área florestal a ser inventariada pode ser
combinado de várias maneiras. Tendo em vista que a população tem um número total de (N)
unidades, o número de combinações possíveis de (n) unidades a serem amostradas na
população é dado por:
N N!
Cn =
n! (N − n )!
O uso de fotografias aéreas, mapas e ferramentas de geotecnologia se fazem
necessário neste processo, pois permitem estabelecer a estrutura de amostragem, a partir da
qual será obtida a amostra aleatoriamente.

As principais dificuldades deste processo são localizar as unidades amostrais no

campo e o acesso ao local exato onde estas deverão ser demarcadas. Estas dificuldades
aumentam quanto mais extensa e acidentada for a área da floresta e quanto mais densa for a
floresta. Estes fatores têm implicação direta nos custos do inventário (SCOLFORO e MELO,
2006).

5.2.1. Notação

Para realização dos cálculos das estimativas é necessário conhecer algumas notações.

N = número total de unidades da população ou número potencial;

n = número de unidades amostradas ou medidas;
f = fração de amostragem;
X = variável de interesse.

10
5.2.2. Cálculos das Estimativas

As principais estimativas da amostragem aleatória simples são as seguintes:

5.2.2.1. Intensidade amostral

A intensidade amostral pode ser calculada em função da variância ou do coeficiente de

variação:

Em função da variância

• Populações finitas:

2 2
Nt s x
n=
NE + t s x
2 2 2

O nde :
E = (LE ⋅ x ) ;
LE = limite de erro admitido no inventário, fixado pelo executor ou pelo cliente.

• Populações infinitas:

2 2
t sx
n= 2
E

Em função do coeficiente de variação

• Populações finitas:

Nt (cv % )
2 2

n=
N (LE % ) + t (cv % )
2 2 2

• Populações infinitas:

t (cv % )
2 2

n=
(LE %) 2

Em muitos inventários florestais, a intensidade amostral é fixada em função do tempo

disponível para sua realização, ou pelos recursos financeiros, humanos e materiais existentes.
Com isso, não é possível fixar o erro de amostragem requerido para as estimativas do
inventário. Se os recursos financeiros forem limitados, pode-se calcular a intensidade de
amostragem por meio da equação de custos, tomando-se as estimativas dos custos fixos e por
unidade amostral (variáveis) determinadas no orçamento do inventário, como segue:
C − C0
CT = C0 + nC1 ou n = T
C1
Onde:
CT = custos totais do inventário;
C 0 = custos fixos (planejamento, equipamentos, análise e relatórios);
C1 = custo médio por unidade amostral;
n = número de unidades amostradas.

11
5.2.2.2. Média aritmética

n
∑ ( Xi )
x = i =1
n

5.2.2.3. Variância

n
∑ ( Xi − x )
2

sx =
2 i =1
n −1

5.2.2.4. Desvio padrão

n
∑ ( Xi − x )
2

s x = i =1
n −1

5.2.2.5. Variância da média

sx ⎛ N − n ⎞
2

sx = ⋅⎜ ⎟
2

n ⎝ N ⎠

⎛N −n⎞
Onde ⎜ ⎟ é o fator de correção para população finita. Quando a população for
⎝ N ⎠
definida como infinita, não há necessidade de aplicá-lo, conforme QUEIROZ (1998).

5.2.2.6. Erro padrão

sx
sx = ± ⋅ (1 − f )
n

Da mesma forma, a raiz do fator de correção poderá se eliminado se a população for

infinita.

5.2.2.7. Coeficiente de variação

sx
cv = ⋅ 100
x

5.2.2.8. Erro de amostragem

Pode ser calculado da forma absoluta ou relativa, como segue:

• Absoluto:

Ea = ±t ⋅ s x

• Relativo:

t ⋅ sx
Er = ± ⋅ 100
x

12
5.2.2.9. Intervalo de confiança para a média

[ ]
IC x − (t ⋅ s x ) ≤ X ≤ x + (t ⋅ s x ) = P

5.2.2.10. Total da população

Xˆ = N ⋅ x

5.2.2.11. Intervalo de confiança para o total

[ ]
IC Xˆ − N (t ⋅ s x ) ≤ X ≤ Xˆ + N (t ⋅ s x ) = P
Onde P é a probabilidade fixada no inventário, ou seja, geralmente 95%.

5.2.3. Exemplo de Aplicação do Processo

Em um talhão de Pinus taeda, plantado em uma área de 40 ha, foi realizado um

inventário, cujo objetivo é estimar o volume de madeira da população em questão. Para a
realização do inventário foi utilizado o processo de amostragem aleatória simples, onde se
deseja saber quantas parcelas de 600 m2 devem ser usadas para atingir a precisão desejada.
A definição do número ideal de parcelas depende da variabilidade da população. Para isto foi
realizado um inventário piloto, onde foram medidas 16 parcelas (Tabela 5.1), com a finalidade
de obter a variância da população e assim estimar a intensidade amostral para o inventário
definitivo.

Para os cálculos das estimativas foi considerado que o erro máximo admissível é de 10
% e o nível de probabilidade é de 95%.

Tabela 5.1 – Exemplo aplicativo do processo de amostragem aleatória simples.

VOLUME
PARCELA 3 2
(m /parcela de 600 m )
1 20,85
2 19,47
3 24,13
4 24,34
5 25,13
6 22,37
7 22,51
8 19,78
9 25,05
10 28,84
11 23,70
12 24,78
13 22,58
14 23,70
15 36,16
16 17,83

Os cálculos das estimativas estão apresentados a seguir:

Média aritmética dos volumes:

20,85 + 19,47 + L + 17,83

x = = 23,83m / parcela
3

16

Variância dos volumes:

sx =
2 267,37
16 − 1
(
= 17,82 m / parcela
3
)
2

13
 Desvio padrão dos volumes:

sx = s x = 17,82 = ±4,222m / parcela

2 3

Coeficiente de variação:

4,222
cv = ⋅ 100 = 17,72%
23,83

Intensidade amostral:

Para calcular a intensidade amostral, é necessário obter algumas informações, como:

• O valor de E:

E = (LE ⋅ x )

E = 2,383 m / parcela
3

• O número total de unidades amostrais da população (N):

Neste exemplo a área total da população é de 400.000 m2 (40 ha) e a área das
parcelas é de 600 m2, logo a população tem um total de 667 unidades amostrais potenciais.

400.000
N = = 667 parcelas
600

• Para saber se a população é finita ou infinita:

Conforme visto anteriormente, o fator de correção (1 – f) para populações finitas tem

que ser menor que 0,98. O exemplo apresentado é de uma população finita, cujo fator de
correção é 0,976.

16
f = = 0,0240 e ( 1 - f) = 1 − 0,0240 = 0,976 < 0,98
667

Com esses valores é possível calcular a intensidade amostral ideal, usando a

expressão em função da variância, para população finita. O valor de (t) é obtido em função do
grau de liberdade (n - 1) e do nível de probabilidade admitido, na tabela de distribuição de
Student.

No caso o número de graus de liberdade é 15 e o nível de probabilidade admitido é de

95%. Sendo assim, o valor de (t) tabelar é 2,131.
667(2,131) 17,82
2

n1 = = 13,9 = 14 parcelas
667(2,383 ) + (2,131) 17,82
2 2

Tomando-se novo valor de (t) para 13 graus de liberdade, recalcula-se a intensidade

amostral. Neste caso o valor de (t) será 2,160, assim:

667(2,160 ) 17,82
2

n2 = = 14,3 = 14 parcelas
667(2,383 ) + (2,160 ) 17,82
2 2

14
 Como (n) tornou-se constante, os cálculos realizados acima indicam que 14 parcelas
amostram bem a população. Devido ao fato de terem sido instaladas e medidas 16 unidades e
o cálculo da intensidade amostragem ideal apontar 14 parcelas, o inventário piloto pode ser
convertido em inventário definitivo. Ao contrário, se a intensidade amostral tivesse sido maior,
dever-se-ia retornar ao campo e medir mais algumas parcelas, complementando a amostra
para o inventário definitivo, de modo que o número de parcelas pudesse representar bem a
população.

A seguir, seguem os demais cálculos para obter todas as estimativas do inventário

definitivo.

Variância da média:

⎟ = 1,0870 (m / parcela )
17,82 ⎛ 667 − 16 ⎞ 2
sx = ⋅⎜
2 3

16 ⎝ 667 ⎠

Erro padrão:

4,222
sx = ± ⋅ 0,976 = ±1,043 m / parcela
3

16

Erro de amostragem absoluto:

Ea = ±2,131 ⋅ 1,043 = 2,223m / parcela

3

Erro de amostragem relativo:

2,131 ⋅ 1,043
Er = ± ⋅ 100 = ±9,33%
23,83

Intervalo de confiança para média:

[
IC 23,83 − (2,131⋅ 1,043 ) ≤ X ≤ 23,83 + (2,131⋅ 1,043 ) = 95%]
[
IC 21,61m / parcela ≤ X ≤ 26,05m / parcela = 95%
3 3
]
Total da população:

Xˆ = 667 ⋅ 23,83 = 15.895 m

3

Intervalo de confiança para o total:

[ ]
IC 15.895 − 667(2,131 ⋅ 1,043 ) ≤ X ≤ 15.895 + 667(2,131 ⋅ 1,043 ) = 95%

[
IC 14.413 m ≤ X ≤ 17.377 m
3 3
] = 95%

15
 5.3. Processo de Amostragem Estratificada

Quando se tem uma população heterogênea pode-se dividi-la em sub-populações

homogêneas, de modo que a variável de interesse reduza sua variabilidade. Se as estimativas
dos estratos são selecionadas aleatoriamente nos mesmos, diz-se que se trata de amostragem
aleatória estratificada.

Este processo consiste em eliminar fontes de variação que podem mascarar resultados
do inventário, para tanto a variabilidade dentro dos estratos deve ser menor que a variabilidade
da floresta como um todo. Além disto, a estratificação permite obter estimativas mais precisas,
uma vez que a variabilidade de cada estrato será tanto menor quanto melhor for a
estratificação da floresta. A estratificação ainda facilita a coleta de dados e o processamento
destes por estrato, sendo também conveniente para planejamento e condução de trabalho de
campo. O número de estratos a serem adotados depende da conveniência administrativa, do
custo do levantamento e da variabilidade da característica (SCOLFORO e MELO, 2006).

Como já foi visto anteriormente, o tamanho da amostra irá influenciar o erro de

amostragem, ou seja, a precisão do inventário. Assim, para obter um erro de amostragem
menor deve-se aumentar o tamanho da amostra. Segundo BOLFARINE e BUSSAB (2005), se
a população é muito heterogênea e as razões de custo limitam o aumento da amostra, torna-se
impossível definir uma amostragem aleatória simples da população toda com uma precisão
razoável. Dividindo a população em estratos mais homogêneos, diminui-se o erro de
amostragem global, melhorando a precisão do inventário.

PÉLLICO NETTO e BRENA (1997) ainda colocam que o aumento da intensidade

amostral, decorrente da heterogeneidade da população, acarretará elevação dos custos do
inventário. Sendo assim, com a estratificação da população, é possível conseguir, com uma
intensidade amostral menor, uma estimativa precisa da média, com conseqüente diminuição
dos custos.

No processo de estratificação a divisão da população em estratos é feita de modo que

estes não sejam superpostos e, juntos, totalizem o tamanho da população (QUEIROZ, 1998).

A estratificação deve ser feita com base na variável de interesse, podendo ser a
espécie, a idade, a procedência, regiões administrativas, tipologia, condições topográficas,
estágio de desenvolvimento, classes de densidade ou diâmetro, índice de sítio ou altura média
das árvores dominantes e a característica de interesse (volume, peso, etc.).

5.3.1. Tipos de Estratificação

Conforme PÉLLICO NETTO e BRENA (1997), existem cinco tipos possibilidade de

estratificação:

• Estratificação da variável de interesse: tem como objetivo a homogeneização da

característica de interesse dentro dos estratos;

• Estratificação administrativa: a aplicação desse tipo de estratificação tem como objetivo

obter informações setorizadas por área de interesse, ou apenas para organização do
trabalho;

• Estratificação tipológica: a aplicação da estratificação tipológica tem como objetivo obter

informações particulares para cada tipo florestal. Esse tipo de estratificação é geralmente
utilizado nos inventários e florestas nativas, especialmente as tropicais;

• Pré-estratificação: é a divisão da população em estratos realizada antes da coleta e dados.

É a estratificação feita antes dos levantamentos no campo;

• Pós-estratificação: a pós-estratificação decorre da identificação da variabilidade da

população durante os trabalhos de amostragem. É a estratificação realizada após a coleta
de dados no campo.

16
5.3.2. Notação

Para realização dos cálculos das estimativas é necessário conhecer algumas notações.

L = número de estratos;
h = índice de estratos;
Nh = número potencial de unidades dos estratos (h);
nh = número total de unidades amostradas nos estratos (h);
N = número total potencial de unidades da população;
L

N= ∑N
h =1
h

n = número total de unidades amostradas na população;

L

n = ∑ nh
h =1

Wh = proporção do estrato (h) na população;

N A
Wh = h = h
N A

wh = proporção do estrato (h) na amostra total;

n
wh = h
n

Ah = área do estrato;
A = área total da população;
L

A = ∑ Ah
h =1

fh = fração amostral do estrato (h);

f = fração amostral da população;
Xih = variável de interesse na amostragem estratificada.

5.3.3. Cálculos das Estimativas

As principais estimativas da amostragem estratificada são as seguintes:

5.3.3.1. Intensidade Amostral

A intensidade amostral é calculada em função do tipo de alocação das unidades

amostrais nos estratos.

Alocação proporcional

As unidades amostrais são distribuídas no estrato proporcionalmente ao tamanho do

mesmo (SCOLFORO, 1993), através da expressão:

Nh
nh = ⋅n
N

Conforme o mesmo autor, na alocação proporcional a variabilidade do estrato e o custo

não são levados em consideração. Sendo assim, os estratos maiores recebem mais parcelas
que as menores, independente da variação da característica de interesse no estrato.

17
 A intensidade amostral é calculada em função da variância estratificada (PÉLLICO
NETTO e BRENA, 1997), como segue:

t2 ∑W s h
2
h

• Populações finitas: n = h =1
L
W h s h2
E2 +t2 ∑ h =1 N

t 2 ∑ W h s h2
• Populações infinitas: n= h =1

E2

Alocação ótima

PÉLLICO NETTO e BRENA (1997) afirmam que a distribuição das unidades amostrais
no estrato é feita de forma proporcional à variação e ao custo de amostragem dos estratos. Os
mesmos autores citam Cochran (1963), que representa a alocação ótima a pela seguinte
expressão:

Wh sh
Ch
nh = ⋅n
L ⎛W s ⎞
∑ ⎜ h h
⎜ C
⎟
⎟
h =1
⎝ h ⎠

Onde:
Ch = custo de amostragem no estrato (h).

A intensidade amostral é calculada através das expressões a seguir:

• Populações finitas:

⎧⎪⎛ L ⎞⎛ L s ⎞⎫⎪
t 2 ⎨⎜⎜ ∑ Whsh Ch ⎟⎟⎜ ∑ Wh h ⎟⎬
⎪⎩⎝ h =1 ⎠⎜⎝ h =1 Ch ⎟⎪
⎠⎭
n= L 2
Ws
E2 + t2 ∑ h h
h =1 N

• Populações infinitas:

⎧⎪⎛ L ⎞⎛ L s ⎞⎫⎪
t 2 ⎨⎜⎜ ∑ Whsh Ch ⎟⎟⎜ ∑ Wh h ⎟⎬
⎪⎝ h =1 ⎜
⎠⎝ h =1 Ch ⎟⎪
⎠⎭
n= ⎩ 2
E

Alocação ótima com custos iguais ou de Neyman

Conforme PÉLLICO NETTO e BRENA (1997), essa alocação foi proposta por Neyman
(1934) e é uma variação da alocação ótima, onde se considera custos iguais de amostragem
em todos os estratos, sendo representada, segundo Cochran (1963), pela seguinte expressão:

Wh sh
nh = L
⋅n
∑Wh sh
h =1

18
 Na alocação de Neyman, os estratos com maior variabilidade recebem
proporcionalmente mais parcelas que os estratos mais homogêneos, visando assim,
proporcionar um menor erro possível.

A intensidade amostral é calculada pelas seguintes expressões:

• Populações finitas:

2
L
t

W L h
sh W
⎛ ⎞
2

⎜⎜ ∑ ⎟⎟
h
nh

h
1

⎝ = ⎠
s
=
2h
E

t
2

hN
+ ∑
1

• Populações infinitas:
2
L
t

W E
sh

⎛ ⎞
2

⎜⎜ ∑ ⎟⎟
h
nh

h
1

= ⎝ = ⎠
2

5.3.3.2. Número efetivo de graus de liberdade

Conforme PÉLLICO NETTO e BRENA (1997), as fórmulas dos intervalos de confiança

pressupõem que a média estratificada tenha uma distribuição normal e o erro padrão da média
estratificada seja bem determinado, para que o valor de (t) possa ser encontrado nas tabelas
distribuição normal.

Este fato pode ser melhor compreendido, observando que o teste (t) de Student é
obtido a partir da relação entre estas estimativas, por meio da seguinte expressão
(SCOLFORO e MELO, 2006):

x −μ
±t =
sx

Onde:
x = média estimada
μ = média verdadeira
s x = erro padrão da média

O valor de (t) pode ser encontrado nas tabelas de distribuição normal, em função do
número efetivo de graus de liberdade e do nível de probabilidade admitido pelo inventário.

Segundo PÉLLICO NETTO e BRENA (1997), Satterthwaite (1946) desenvolveu um

método para o cálculo do número efetivo de graus de liberdade:

2
⎛ L ⎞
⎜
⎜ ∑ g h sh2 ⎟
⎟
ne = ⎝ hL=1 ⎠
2 4
∑
g h sh
nh − 1
h =1

19
Onde:

N h (N h − n h )
gh =
nh

5.3.3.3. Análise de variância

A análise de variância é realizada na primeira estratificação de uma população florestal

e mostra se há ou não diferença significativa entre as médias dos estratos. Assim é possível
verificar se a estratificação terá vantagens no que se refere à precisão e custo do inventário,
comparada com a amostragem aleatória simples (PÉLLICO NETTO e BRENA, 1997).

FONTE DE VARIAÇÃO GL SQ QM F
Entre estratos L-1 SQe SQe/L-1 QMe/QMd
Dentro dos estratos n-L SQd SQd/n-L
TOTAL n-1 SQt

• Soma dos quadrados:

Entre estratos: SQe = ∑ n h (x h − x )

L
2

h =1

Dentro dos estratos: SQd = ∑∑ (X ij − x h )

L nh
2

h =1 i =1
nh

Total: SQt = ∑∑ ( X ih − x )
L
2

h =1 i =1

• Quadrado médio:

SQe
Entre estratos: QMe =
GLe
SQd
Dentro dos estratos: QM d =
GLd

• Valor de F:

QM e
F=
QM d

5.3.3.4. Média por estrato

∑( X ih
)
xh = h =1

nh

5.3.3.5. Média estratificada

L

L
Nh N
xh

nh n
xh

∑( ) ∑( )
L

L
xs

W
xh

wh
xh
h
1

h
1

= =
= ∑( ) = =
= ∑( )
t

ou
h
1

h
1

= =

20
 A segunda média é usada quando os valores de (Wh) ou a delimitação prévia dos
estratos, não são conhecidos. Em geral esta média é menos precisa que a primeira, entretanto
quando a distribuição da amostra é feita através da alocação proporcional, estas duas médias
são iguais (PÉLLICO NETTO e BRENA, 1997). Na prática a expressão com o peso (Wh)
calculado com base na área dos estratos é mais correta e, por conseguinte, a mais empregada.

5.3.3.6. Variância por estrato

L

∑( X ih
− x h )2
s = 2 h =1

nh − 1
h

5.3.3.7. Variância estratificada

∑ (W s )
L

s st2 = h
2
h
h =1

5.3.3.8. Variância da média estratificada

L
s h2 L
W s2
s x2( st ) = ∑ W h2 ⋅
h =1
−∑ h h
n h h =1 N

5.3.3.9. Erro padrão

L
s h2 L
W h s h2
s x ( st ) = ∑h =1
W h2 ⋅
nh
− ∑
h =1 N

5.3.3.10. Erro de amostragem

• Absoluto:

E a = ±t ⋅ s x (st )

• Relativo:

t ⋅ s x ( st )
Er = ± ⋅ 100
x ( st )

5.3.3.11. Intervalo de confiança para a média

[ ]
IC x − (t ⋅ s x ( st ) ) ≤ X ≤ x + (t ⋅ s x ( st ) ) = P

5.3.3.12. Total por estrato

Xˆ h = N h ⋅ x h

21
5.3.3.13. Total da população

Xˆ = ∑ Xˆ
h =1
h = N ⋅ x st

5.3.3.14. Intervalo de confiança para o total

[ ]
IC Xˆ − N (t ⋅ s x (st ) ) ≤ X ≤ Xˆ + N (t ⋅ s x (st ) ) = P

5.4. Processo de Amostragem Sistemática

O critério de probabilidade aplicado a este processo estabelece a aleatoriedade apenas

da primeira unidade de amostra, sendo todas as demais distribuídas segundo uma mesma
orientação, ou seja, segundo uma distribuição espacial equitativa ou mecânica. Pode ser em
estágio único, por meio de faixas ou parcelas, ou em dois estágios, entre linhas e entre
unidades na linha.

Conforme PÉLLICO NETTO e BRENA (1997), a fácil localização das unidades

amostrais no campo advinda da aplicação da amostragem sistemática, proporciona um menor
tempo gasto em deslocamento para localizar as parcelas, assim como, a redução dos custos
do inventário.

Na amostragem sistemática não é necessário conhecer o tamanho da população, uma

vez que as unidades amostrais são selecionadas seqüencialmente, após ser definida a unidade
inicial. Essa amostragem, ainda, proporciona boa estimativa da média e total, devido à
distribuição uniforme da amostra em toda população.

Este processo é recomendado também quando se deseja mapear a população ou

conhecer a distribuição espacial de espécies florestais, visto que a distribuição das parcelas no
campo é feita de forma a varrer toda a propriedade, possibilitando a identificação de aspectos
físicos e mesmo estabelecer o contorno da propriedade (SCOLFORO, 1993).

Conforme PÉLLICO NETTO e BRENA (1997), considerando que as unidades

amostrais são fixadas através de um intervalo regular, haverá um conjunto fixo de amostras
possíveis na população. Se um intervalo de amostragem (k) for escolhido, haverá (k) amostras
possíveis.

Sendo uma população florestal composta por (N) unidades e (n) represente o tamanho
da amostra, o número de amostras possíveis é igual a k = N , conforme explica QUEIROZ
n
(1998).

Para que a amostragem sistemática não seja tendenciosa, é necessário que alguma
forma de seleção aleatória seja incorporada ao processo de amostragem, sendo assim, a
aleatorização é a seleção da primeira unidade amostral. Depois de escolhida a unidade
amostral inicial, todas as demais serão selecionadas em intervalos constantes de (k) unidades,
conforme PÉLLICO NETTO e BRENA (1997).

Uma desvantagem desse processo refere-se ao fato do processo não ser um

procedimento probabilístico, já que as unidades amostrais não têm a mesma chance de
comporem a amostra, com exceção da primeira unidade amostral. Outra desvantagem é a
possibilidade de ocorrerem efeitos periódicos na população já que em populações biológicas
existe uma variação periódica de local para local, apesar de seus elementos se encontrarem

22
arranjados independentemente uns dos outros. Neste caso a amostragem sistemática deve ser
revista, pois poderão ser obtidas estimativas superestimadas da média se as parcelas
coincidirem com o efeito periódico que represente o limite superior dos elementos da população
ou subestimar no caso oposto (SCOLFORO e MELO, 2006).

5.4.1. Amostragem Sistemática em Estágio Único

A amostra é selecionada, mediante uma única etapa ou fase de amostragem. Pode ser
realizada através de faixas ou parcelas, de acordo com PÉLLICO NETTO e BRENA (1997).

Amostragem sistemática em faixas

Segundo PÉLLICO NETTO e BRENA (1997), a área florestal é dividida em (N) faixas
de igual largura, das quais se toma uma amostra de (n) faixas, com um intervalo de (k) faixas.

Conforme Husch, Miller e Beers (1982), citados por PÉLLICO NETTO e BRENA (1997),
a seleção de (n) faixas com um intervalo (k) de amostragem pode ser realizada de duas
maneiras:

• Sorteio da primeira faixa entre 1 e (N):

Consiste na seleção de um número aleatório entre 1 e (N) e a subseqüente divisão

deste número (k). O numerador da fração residual da divisão está situado entre 1 e (k) e a faixa
correspondente a esse número será eleita como a primeira unidade de amostra. As próximas
faixas são automaticamente selecionadas em intervalos constantes de (k) unidades.

• Sorteio da primeira faixa entre 1 e (k):

Consiste na seleção de um número aleatório entre 1 e (k), para definir a primeira faixa.
As demais faixas da amostra são selecionadas, somando o intervalo (k) ao número da faixa
anterior escolhida.

Os dois procedimentos produzem o mesmo número de amostras sistemáticas

prováveis. O primeiro procedimento deve ser preferido quando possível, pois este produzirá
uma estimativa sem tendência da média, enquanto que o segundo pode dar um resultado
levemente tendencioso, se o valor de (N) não for um múltiplo perfeito de (k) (PÉLLICO NETTO
e BRENA, 1997).

Amostragem sistemática com parcelas

Segundo PÉLLICO NETTO e BRENA (1997), na amostragem com parcelas ou pontos

amostrais, as unidades são dispostas, segundo o intervalo de amostragem (k) em duas
direções perpendiculares, linha (M) e coluna (N). A seleção da primeira unidade ou ponto
amostral é realizada, geralmente, através de dois procedimentos:

• Por coordenadas:

Consiste no sorteio de uma linha entre 1 e (M) e de uma coluna entre 1 e (N). Os
números sorteados são divididos por (k.k). Os numeradores das frações residuais das divisões
indicam as coordenadas da primeira unidade amostral, identificando linha e coluna,
respectivamente. A partir dessa unidade inicial são selecionadas as outras unidades,
estendendo-se o intervalo (k) em ambas as direções.

• A partir de um vértice da área:

Escolhendo-se arbitrariamente o canto inferior esquerdo da área, marca-se um quadro

de 4 linhas por 4 colunas (k.k = 16). A partir desse quadro é definida a primeira unidade da
amostra, sorteando um número entre 1 e 16. As próximas unidades são selecionadas
esquematicamente, estendendo o intervalo (k) em ambas as direções.

23
 Para áreas que não forem regulares, o primeiro procedimento requer a alocação de um
limite imaginário, que enquadre totalmente a área, enquanto que, no segundo método de
seleção, a amostra é definida, a partir da escolha arbitrária do canto inferior esquerdo da área
(PÉLLICO NETTO e BRENA, 1997).

5.4.2. Amostragem Sistemática em Dois Estágios

As unidades amostrais são selecionadas através de duas etapas ou estágios de

amostragem, cada um deles com um intervalo de amostragem. A distribuição eqüidistante das
unidades é frequentemente alterada, de modo que o intervalo entre linhas (k1) seja maior que o
intervalo entre as unidades na linha (k2). O primeiro estágio é a orientação das linhas e o
segundo é o intervalo (k2). Os dois são definidos durante a fase de reconhecimento da
população, visando abranger a maior gama de variações e otimizar o esquema de amostragem
(PÉLLICO NETTO e BRENA, 1997).

5.4.3. Notação

Para realização dos cálculos das estimativas é necessário conhecer algumas notações.

A = área total da floresta;

Aa = área amostrada, em hectares;
f = intensidade de amostragem;
Aa
f =
A

a = área da subunidade, em metros quadrados;

n = número de parcelas;
A
n= a
a

d = distância na linha, entre o início de uma subunidade e o início da subunidade

seguinte, em metros;
D = distância entre linhas, em metros.

5.4.4. Cálculos das Estimativas

As principais estimativas da amostragem sistemática são apresentadas a seguir.

5.4.4.1. Intensidade amostral

A intensidade amostral é calculada utilizando os mesmos procedimentos da

amostragem aleatória simples, destacando que o inventário piloto deve apresentar a sua
estrutura de amostragem de forma sistemática e preferencialmente, que seja a mesma usada
no inventário definitivo, PÉLLICO NETTO e BRENA (1997).

5.4.4.2. Média - estágio único

n

∑( X ) i

x= i =1

24
5.4.4.3. Média - dois estágios

n nj

∑∑ ( X
j =1 i =1
ij
)
x=
mn j

5.4.4.4. Variância da média - estágio único

n
∑ ( X i − x )2
s x2 = i =1 (1 − f )
n(n − 1)

5.4.4.5. Variância da média - dois estágios

∑ (X + X nj2 )
m
2
m nj m nj 1j

∑∑ X − ∑∑ X 2
ij ij ⋅ X (i +1) j −
j =1

s ≅ (1 − f )
2 j =1 i =1 j =1 i =1 2
n (n − m )
x

5.4.4.6. Erro padrão

s x = s x2

5.4.4.7. Erro de amostragem

• Absoluto:

E a = ±t ⋅ s x

• Relativo:

t ⋅ sx
Er = ± ⋅ 100
x

5.4.4.8. Intervalo de confiança para a média

[
IC x − (t ⋅ sx ) ≤ X ≤ x + (t ⋅ sx ) = P ]
5.4.4.9. Total da população

Xˆ = N ⋅ x

5.4.4.10. Intervalo de confiança para o total

[
IC Xˆ − N (t ⋅ s x ) ≤ X ≤ Xˆ + N (t ⋅ s x ) = P ]

25
 5.5. Processo de Amostragem em Dois Estágios

É a situação mais simples da amostragem em múltiplos estágios, segundo a qual a

amostra é obtida por meio de diversos estágios na abordagem da população.

Conforme Husch, Miller e Beers (1982), citados por PÉLLICO NETTO e BRENA (1997),
podem ser empregadas tanto unidades amostrais de área fixa, como de área variável na
amostragem em dois estágios.

Esse processo consiste em dividir a área de uma população florestal em (N) unidades
amostrais primárias, e estas são subdivididas em (M) unidades amostrais secundárias,
representando assim, o primeiro e segundo estágio.

O processo de amostragem em dois estágios ou sub-amostragem é escolhido quando

a área a ser inventariada é muito grande, como o caso do Inventário Florestal Nacional, ou
também em florestas nativas, quando há dificuldade de acesso e deslocamento dentro da
floresta. Assim, a escolha do processo concentra as atividades de campo em torno de
determinados locais através da seleção de unidades de tamanhos maiores e dentro destas
lançar um certo número de sub-unidades, reduzindo os custos de inventário, através da
agilização do trabalho de campo (SCOLFORO e MELO, 2006).

Os mesmos autores citam que a grande vantagem deste processo é a redução do

tempo de caminhamento em relação ao tempo de medição, com conseqüente redução dos
custos. Isto determina o objetivo da amostragem em dois estágios, a qual se baseia na redução
dos custos de inventário pela diminuição do tempo de deslocamento, ao contrário da
amostragem estratificada, que baseia-se na variância da população para estratificação da área.

5.5.1. Notação

Para realização dos cálculos das estimativas é necessário conhecer algumas notações.
N = número total de unidades primárias da população;
n = número de unidades primárias amostradas;
M = número total de unidades secundárias por unidade primária;
m =número de unidades secundárias amostradas por unidade primária;
Xij = variável de interesse na amostragem em dois estágios.

5.5.2. Cálculos das Estimativas

As principais estimativas da amostragem em dois estágios são as seguintes:

5.5.2.1. Intensidade amostral

O número de unidades amostrais no processo de amostragem em dois estágios é

definido a partir de duas equações, devido à existência de duas variáveis na expressão da
variância da média (n) e (m), sendo que a segunda equação é a dos custos.

Essas duas equações referem-se ao cálculo da intensidade amostral das unidades

primárias e secundárias, primeiro aplicada à equação referente às unidades secundárias.

Unidades primárias

Conforme PÉLLICO NETTO e BRENA (1997), a intensidade de amostragem pode ser

derivada de estimativa da variância da média, desconsiderando-se o fator de correção para
população finita:

26
• Populações infinitas:

⎛ s2 ⎞
t 2 ⎜⎜ s e2 + d ⎟⎟
n= ⎝ 2
m⎠
E

• Populações finitas:

⎛ s2 ⎞
t 2 ⎜⎜ s e2 + d ⎟⎟
n= ⎝ m⎠
1 ⎛ s2 ⎞
E 2 + t 2 ⎜⎜ s e2 + d ⎟⎟
N ⎝ M ⎠

Unidades secundárias

Segundo PÉLLICO NETTO e BRENA (1997), a intensidade de amostragem para as

unidades é obtida, substituindo-se a expressão de (n) na equação de custos:

C ' = C1n + C 2 nm ou C ' = n (C1 + C 2 m ) , substituindo-se (n), tem-se:

⎛ s2 ⎞
t 2 ⎜⎜ s e2 + d ⎟⎟
C' = ⎝ 2
m⎠
(C1 + C 2 m )
E

Onde:
C1 = Custo médio de deslocamento;
C 2 = Custo médio de medição.

A fórmula do cálculo da intensidade de amostragem das unidades secundárias é obtida

através da derivação parcial de (C’) em relação a (m), essa derivada parcial, então, é igualada
a zero e isola-se o (m):

C1 s d2
m= ⋅
C 2 s e2

5.5.2.2. Média da população por subunidade

n m

∑∑ X
i =1 j =1
ij

x=
nm

5.5.2.3. Média das subunidades por unidade primária

m
X
xi = ∑ mij
j =1

27
5.5.2.4. Variância por subunidade

s x2 = s e2 + s d2

Para resolução desta fórmula é necessário calcular o valor de s d2 (QMdentro) e o valor de

s e2 , como segue:

∑∑ (X − x i )2
n m

ij
i =1 j =1
sd2 = QMdentro =
n (m − 1)

∑ m(x − x)
n
2

QM entre − QM dentro i

s e2 = , onde QM entre = i =1

m n −1

5.5.2.5. Variância da média

⎛ N − n ⎞ se ⎛ M − m ⎞ sd
2 2

s x2 = ⎜ ⎟ +⎜ ⎟
⎝ N ⎠ n ⎝ M ⎠ nm

Esta fórmula leva em consideração o valor do fator de correção para as unidades

primárias e secundárias. Quando as unidades primárias são representadas por uma população
⎛N −n⎞
infinita, despreza-se o fator de correção ⎜ ⎟ , assim como, quando as unidades
⎝ N ⎠
secundárias são representadas por uma população infinita, despreza-se o fator de correção
⎛M − m⎞
⎜ ⎟.
⎝ M ⎠

5.2.2.6. Erro padrão

s x = s x2

5.5.2.7. Erro de amostragem

• Absoluto:

E a = ±t ⋅ s x

• Relativo

t ⋅ sx
Er = ± ⋅ 100
x

5.5.2.8. Intervalo de confiança para a média

[
IC x − (t ⋅ s x ) ≤ X ≤ x + (t ⋅ s x ) = P ]
5.5.2.9. Total da População

Xˆ = N ⋅ M ⋅ x

28
5.5.2.10. Intervalo de confiança para o total

[ ]
IC = Xˆ − N ⋅ M (t ⋅ s x ) ≤ X ≤ Xˆ + N ⋅ M (t ⋅ s x ) = P

29