Escolar Documentos
Profissional Documentos
Cultura Documentos
Estimativas
Utilizam-se amostras para fazer estimativas sobre a população. Desta forma as amostras
devem ser representativas da população, gerando estimativas precisas e sem
tendenciosidade dos parâmetros populacionais.
- Média aritmética
É uma medida de tendência central, sendo o valor que melhor representa a característica
de interesse dentro da população.
- Variância
- 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 veriam em relação a sua
média. Então, quanto maior for o desvio padrão mais heterogênea será a população.
- Variância da média
Determina a precisão da média estimada e representa a variação teórica das médias das
diversas amostras que hipoteticamente poderiam ser tomadas da população.
- 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. É o erro existente
devido a variação das médias.
- Coeficiente de variação
- Erro de amostragem
É o erro que se comete por não medir toda a população, ou seja, pelo emprego da
amostragem. Não se trata de um engano, de uma falha, de algo mal feito, mas sim
expressa a diferença entre a média paramétrica e a média estimada pela amostragem.
Para diminuir este erro é necessário aumentar a intensidade amostral até o ponto que se
torna zero, e isso só ocorre 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
mesma unidade da média, enquanto o erro relativo expressa essa diferença em termos
percentuais da média.
- Total da população
Para obter o intervalo de confiança para o total, multiplica-se a média e o erro padrão
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.
- Intensidade amostral
Sendo que:
Onde:
(x ) i
x= i =1
n
1.2.1.2. Variância
n
(x − x ) i
2
S x2 = i =1
n −1
(x − x ) i
2
Sx = i =1
n −1
Nt 2 S x2
n=
NE 2 + t 2 S x2
Onde:
E = ( LE * x ) ;
LE = limite de erro admitido no inventário.
• Populações infinitas
t 2 S x2
n= 2
E
Em função do coeficiente de variação
• Populações finitas
Nt 2 (CV %)2
n=
N ( LE%)2 + t 2 (CV %)2
• Populações infinitas
t 2 (CV %)2
n=
( LE%)2
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.
* (1 − f )
Sx
Sx =
n
16 − 1
x
15
Desvio padrão dos volumes
S x = 17,82 = 4,222 m3 / parcela
Com esses valores é possível calcular a intensidade amostral ideal, usando a fórmula 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.
Para o exemplo, o grau de liberdade é 15 e o nível de probabilidade é de 95%, sendo
assim, o valor de t segundo a tabela é 2,131. Então:
Erro Padrão
Sx =
4,222
* (0,976 ) = 1,043m³ / parcela
16
Total da População
Yˆ = 667 * 23,83 = 15.895m³
Amostragem Estratificada
1. Introdução
Porém sempre que possível, a base para a estratificação deve ser a variável
principal que será estimada no inventário.
A área de cada estrato deve ser conhecida ou razoavelmente estimada.
Devem ser tomadas unidades amostrais em cada estrato.
3. Tipos de estratificação
4. Notação
L = número de estratos.
Nh = número potencial de unidades do estrato (h).
L
N = Nh = número total potencial de unidades da população.
h =1
Nh Ah
Wh = = = proporção do estrato (h) na população.
N A
nh
wh = = proporção do estrato (h) na amostra total.
n
Ah = área do estrato (h).
L
A= Ah = área total da população.
h =1
nh
fh = = fração amostral do estrato (h).
Nn
n
f= = fração amostral da população.
N
Xih = variável de interesse.
5. Tipos de Alocação
a) Alocação Proporcional
Estratos com maior variabilidade recebem mais parcelas que os estratos mais
homogêneos.
(x ) ih
xh = i =1
nh
Ou
L
nh * x h L
x= h =1
= wh * x h
n h =1
nh Nh nh n
= ou =
n N Nh N
então,
fh = f
e portanto,
x = xst
(x − xh)
2
ih
S h2 = i =1
nh − 1
7.4. Intensidade amostral
A intensidade de amostragem é calculada em função do tipo de alocação das
unidades amostrais nos estratos:
a) Por alocação proporcional
• População finita
L
t 2 Wh * S h2
n= h =1
L
Wh * S h2
E2 + t2
h =1 N
Lembrando: E² = (LE * x )²
xst
• População infinita
L
t 2 Wh * S h2
n= h =1
E2
• População infinita
2
L
t Wh * Sh
2
n = h=1 2
E
Onde:
L nh 2
(x ih − xh )
S =
2 h =1 i =1
n−L
w
Yˆh = Nh * xh
b) Total para a população
L
Yˆ = Yˆh = Nxst
h =1
IC Yˆ − N (t * S x(st) ) Y Yˆ + N (t * S x(st) ) = P
8. Análise de variância da estratificação
Ao se estratificar uma população florestal pela primeira vez, pode-se avaliar seu
efeito nas estimativas dos estratos através de uma análise de variância, mostrando se
existe ou não diferença significativa entre a média dos estratos. Havendo diferença, há
vantagem em se estratificar no que se refere à precisão e custos do inventário,
comparada com a amostragem aleatória simples com a mesma intensidade de
amostragem. Se não houver diferença entre as médias dos estratos, precisão e custos da
amostragem estratificada e da aleatória simples serão equivalentes.
Análise da variância da Estratificação:
Fontes 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
Onde:
L 2
SQe = nh (xh - x )
h =1
L nh 2
SQd =
h =1
(x
i =1
ih - xh )
L nh 2
SQt =
h =1
(x ih - x )
i =1
Volume (m³/0,1ha)
Unidade (n)
E1 E2 E3
1 15,8 20,4 21,3
2 7,6 30,5 24,3
3 8,8 26,8 29,2
4 12,5 27,2 21,8
5 11,1 28,4 33,1
6 16,2 19,7 35,8
7 12,2 20,4 26,7
8 23,1
Quadro Auxiliar:
(x ) ih
xh = i =1
nh
x1 = 12,029 m³/0,1ha
x 2 = 24,563 m³/0,1ha
x3 = 27,457 m³/0,1ha
9.2. Média estratificada
L
Nh * x h L
xst = h =1
= Wh * x h
N h =1
(x − xh)
2
ih
S h2 = i =1
nh − 1
S = 10,462 (m²/0,1 ha)²
1
2
Cálculos:
Fonte da variação GL SQ MQ F
Entre Estratos 2 951,355 475,678 24,421
Dentro dos estratos 19 370,090 19,478
Total 21 1.321,489
L 2
SQe = nh (xh - x st )
h =1
SQe = 7 * (12,029 − 21,465 ) + 8 * (24,563 − 21,465 ) + 7 * (27,457 − 21,465 )
2 2 2
SQe = 951,355
L nh 2
SQd =
h =1
(x
i =1
ih - xh )
SQd = { (15,8 − 12,029 ) + (7,6 − 12,029 ) + ... + (12,2 − 12,029 ) +
2 2 2
(20,4 − 24,563 )2
+ (30,5 − 24,563 ) + ... + (23,1 − 24,563 ) +
2
2
(21,3 − 27,457 ) 2
+ (24,3 − 27,457 )
2
+ ... + (26,7 − 27,457 ) }
2
SQt =
h =1
(x
i =1
ih - x st )
SQt = (15,8 − 21,495 ) + (7,6 − 21,495 ) + ... + (26,7 − 21,495 )
2 2 2
SQt = 1.321,490
Sendo:
E = (10%)*(21,465) = 2,1465
t (0,05;21) = 2,08
Com base no quadro auxiliar dos cálculos, substitui-se os valores na fórmula:
n=
(2,08) (19,446 )
2
= 17,64 18
(2,1465 )2 + (2,08)2 (0,043)
Tomando-se novo valor de (t) para 17 graus de liberdade e recalculando-se (n)
tem-se:
t (0,05;17) = 2,11
n=
(2,11)2 (19,446 ) = 18,75 18
(2,1465 )2 + (2,11)2 (0,043 )
Nh
nh = * n = Wh * n
N
n1 = (0,320)*18 = 5,76 ≈ 6
n2 = (0,364)*18 = 6,54 ≈ 7
n3 = (0,316)*18 = 5,69 ≈ 6
S x ( st ) = S x2( st )
S x ( st ) = 0,839
S x ( st ) = 0,9160 m³ / 0,1ha
144 * (144 − 7)
g1 = = 2.818,29
7
164 * (144 − 8)
g2 = = 3.198,00
8
142 * (142 − 7)
g3 = = 2.738,57
7
2
L
gh * S h2 = (2.818,29 * 10,462 ) + (3.198,00 * 17,483 ) + (2.738,57 * 30,823 ) 2
h =1
2
L
gh * S h2 = (29.484,95 ) + (55.910,63 ) + (84.410,94 ) 2 = 169.806,182 = 28.834.256 .642,37
h =1
L
g h2 * S h4 2818,29 2 * 10,462 2 3198,00 2 * 17,483 2 2738,57 2 * 30,823 2
h =1 nh − 1
=
7 −1
+
8 −1
+
7 −1
L
g h2 * S h4
= (144 .903 .824,06 + 446 .554 .864,44 + 1.778.983. 472,38 ) = 1.778 .983 .472,88
h =1 nh − 1
28.834.256 .642,37
ne = = 16,21 → Arredondado para 17 graus de liberdade
1.778.983.472,88
• Relativo
t * S x ( st )
Er = * 100
xst
1,9328
Er = *100 = 9,0 %
21,465
Yˆh = Nh * xh
Yˆ = (450)(21,465) = 9.659 m³
IC Yˆ − N (t * S x(st) ) Y Yˆ + N (t * S x(st) ) = P
IC 9.659 − 450 (1,9328 ) Y 9.659 + 450 (1,9328 ) = 95%
IC 8.789 m³ Y 10.529 m³ = 95%
Nome: _________________________________________________________ Data:
__/__/____
Amostragem Sistemática
10. Introdução
c) O deslocamento entre unidades é mais fácil pelo fato de seguir uma direção fixa
e preestabelecida, resultando um tempo gasto menor e, por conseqüência, um
menor custo de amostragem;
d) O tamanho da população não precisa ser conhecido uma vez que cada unidade
que ocorre dentro do intervalo de amostragem fixado, é selecionada
seqüencialmente, após ser definida a unidade inicial.
A primeira unidade da amostra pode ser aleatorizada entre o conjunto total de unidades,
ou entre as (k) primeiras unidades da população. Em qualquer dos casos, escolhida a
primeira unidade, todas as demais serão selecionadas em intervalos constantes de (k)
unidades.
Muitos inventários florestais usam outro procedimento inicial que se mostra mais
simples, com a expectativa de que eventual desvio na estimativa resultante da média
seja insignificante. Portanto o inicio de uma combinação de unidades amostrais,
sistematicamente distribuídas, é freqüentemente estabelecida a partir de algum ponto
facilmente acessível e arbitrariamente escolhido na floresta.
+ = Amostra X ; O = Amostra Y
Figura 1: Curva dos senos naturais.
A amostra (Y) é a situação mais favorável, e ocorre quando (k) é um múltiplo
incompleto do semiperíodo. A amostra sistemática tem valor médio exatamente igual ao
da população.
Na maioria das áreas florestais, por maior que seja a variação, é maior a probabilidade
de que uma amostra sistemática forneça uma melhor estimativa da média do que uma
completamente aleatória, com igual intensidade de amostragem.
Para uma população estratificada, uma amostra sistemática provavelmente produzirá a
melhor estimativa da média se o estrato for grande e com considerável variação. Porém,
à medida que diminui a variação dentro dos estratos, as estimativas de uma amostra
aleatória estratificada e de uma sistemática tendem a se igualar.
Fundamentalmente, a razão porque uma amostra sistemática não produz uma estimativa
válida do erro de amostragem é que o cálculo da variância exige, no mínimo, duas
unidades amostrais obtidas aleatóriamente na população.
Vários métodos têm sido propostos para determinar a melhor aproximação do erro de
amostragem de uma amostra sistemática. Uma amostra sistemática constituída de
unidades eqüidistantes entre si, pode ser considerada como uma amostra aleatória
simples, ou estratificada, e o erro de amostragem calculado como uma amostra
aleatória. OSBORNE (1942) mostra que o erro calculado desse modo, estima o erro
máximo provável, o qual pode superestimar o erro real. Um procedimento simples e útil
para obter a maior aproximação do erro verdadeiro é o método das diferenças
sucessivas. Outros procedimentos são referidos por YATES (1946, 1948 e 1949),
FINNEY (1947, 1948,1950 e 1953) e MAYER (1956). Contudo, nenhum dos métodos é
satisfatório e válido para estimar o erro de amostragem de uma amostra sistemática.
SHIUE (1960) propôs um processo de amostragem sistemática que mantém a vantagem
da sistematização e dispõe de um artifício válido para estimar o erro experimental.
O estágio único é caracterizado pela seleção da amostra, mediante uma única etapa ou
fase de amostragem. A amostragem sistemática em único estágio pode ser realizada
através de faixas ou parcelas.
14 4
= 2,8 = 2 +
5 5
O numerador da fração residual da divisão (4/5) está situado entre (1) e (k). Assim, a
faixa (4) é eleita como primeira unidade da amostra e todas as faixas subseqüentes, em
intervalos constantes de (k) unidades, são automaticamente selecionadas. Portanto, a
amostra selecionada é composta pelas faixas: 4, 9, 14, 19 e 24.
19 3 24 8
= 1,1875 = 1 + e = 1,5 = 1 +
16 16 16 16
d) Os números das frações residuais indicam as coordenadas da unidade inicial do
modelo sistemático (Um.n ➔ U3,8), identificando linha e coluna,
respectivamente. A partir dessa unidade inicial, estendendo-se o intervalo (k) em
ambas as direções, selecionam-se as 30 unidades amostrais indicadas em
hachuras na figura 3.
(x ) i
x= i =1
n
17.3. Variância
n
(x − x ) i
2
S x2 = i =1
n −1
(x − x)
2
i
S x2
S x2 = i =1
(1 − f ) ou S x2 = (1 − f )
n(n − 1) n
m nj m nj ( x12j + xnj2 )
j =1
xij2 − xij * x( i +1) j −
j =1 i =1 j =1 i =1 2
S =
2
(1 − f )
x
n * ( n − m)
Onde:
m
n= n
j =1
j = número total de unidades amostradas.
S x = S x2
_ xij _ _
j =1 i =1 2749,4
x= x= x = 45,82m³ / ha
m * nj 10 * 6
Variância
n
(x − x)
2
S x2 = i =1
i
=
(51,5 − 45,82 )2 + ... + (32,1 − 45,82 )2 = 154,408(m³ / ha)
2
n −1 60 − 1
Desvio Padrão
S x = S x2 = 154,408 = 12,43m³ / ha
Coeficiente de Variação
Sx 12,43
CV = *100 = *100 = 27,11%
x 45,82
Intensidade amostral
- Cálculo das informações adicionais.
• O valor de E
E = ( LE * x ) = 0,1 * 45,82 = 4,582 m 3
Com esses valores é possível calcular a intensidade amostral ideal, usando a fórmula em
função da variância, para população infinita. 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.
Para o exemplo, o grau de liberdade é 59 e o nível de probabilidade é de 95%, sendo
assim, o valor de t segundo a tabela é 2,001. Então:
n=
(2,001) *154,408
2
= 29,443 = 29 unidades amostrais
(4,582 )2
No inventário piloto foram amostradas 60 parcelas, com um intervalo de amostragem
(k) de 416 unidades, então este foi convertido em inventário definitivo.
N 25.000
k= = = 416,67 = 416 unidades amostrais
n 60
A seguir segue os demais cálculos para obter todas as estimativas do inventário
definitivo.
Variância da Média
m
m nj m nj ( X 2 ij + X nj2 )
j =1
X ij2 − X ij * X ( i +1) j −
j =1 i =1 j =1 i =1 2
S X2 =
n * (n − M )
Erro Padrão
Erro de Amostragem
Absoluto
Ea = t * S x = 2,001 * 1,0017 = 2,0045 m³ / ha
Relativo
t * Sx 2,0045
Er = *100 = *100 = 4,37%
x 45,82
ICx − (t * S x ) X x + (t * S x ) = P
IC 45,82 − (2,0045 ) X 45,82 + (2,0045 ) = 95%
IC 43,82m 3 / ha X 47,83m 3 / ha = 95%
Total da População
Yˆ = N * x = 25.000 * 45,82 = 1.145.583m³
IC Yˆ − N (t * S x ) Y Yˆ + N (t * S x ) = P
IC1.145.583 − 50.112 Y 1.145.583 + 50.112 = 95%
IC1.095.472m³ Y 1.195.695m³ = 95%
Anexo:
Cálculos dos termos da fórmula da variância média.
Faixa de Unidade de
V (m³) Xij^2 Xij*X(i+1)j X1j^2+Xnj^2
amostragem amostra
1 1 51,5 2652,3 2868,55
1 2 55,7 3102,5 2523,21
1 3 45,3 2052,1 2178,93
5677,3
1 4 48,1 2313,6 2708,03
1 5 56,3 3169,7 3096,5
1 6 55,0 3025,0 0
2 1 48,0 2304,0 2539,2
2 2 52,9 2798,4 2364,63
2 3 44,7 1998,1 2074,08
3145,0
2 4 46,4 2153,0 1169,28
2 5 25,2 635,0 730,8
2 6 29,0 841,0 0
3 1 36,9 1361,6 1180,8
3 2 32,0 1024,0 1280
3 3 40,0 1600,0 1188
2859,3
3 4 29,7 882,1 1315,71
3 5 44,3 1962,5 1714,41
3 6 38,7 1497,7 0
4 1 65,9 4342,8 4415,3
4 2 67,0 4489,0 5494
4 3 82,0 6724,0 6150
7823,8
4 4 75,0 5625,0 3555
4 5 47,4 2246,8 2796,6
4 6 59,0 3481,0 0
5 1 36,7 1346,9 1064,3
5 2 29,0 841,0 1168,7
5 3 40,3 1624,1 1410,5
1913,3
5 4 35,0 1225,0 1316
5 5 37,6 1413,8 894,88
5 6 23,8 566,4 0
6 1 43,9 1927,2 1756
4034,0
6 2 40,0 1600,0 1156
6 3 28,9 835,2 1271,6
6 4 44,0 1936,0 2112
6 5 48,0 2304,0 2203,2
6 6 45,9 2106,8 0
Exercício Prático:
Inventariou-se uma população com 45 ha de Pinus sp., enumerada totalmente, através da
divisão em 450 unidades amostrais de forma retangular, com 20m de largura por 50m de
comprimento, ou seja, 1000m² (0,1 ha) de superfície.
Nesta amostragem, aplicou-se o processo de amostragem sistemática em dois estágios,
admitiu-se um erro de amostragem máximo de 10% da média estimada, com 95% de
probabilidade de confiança, calculou-se uma intensidade de amostragem de 70 parcelas,
calculada segundo a metodologia da amostragem aleatória simples, necessárias para
estimar os parâmetros da população com a precisão e confiabilidade desejadas.
Para se obter uma amostra sistemática de 70 unidades entre 450 unidades totais da
população, a princípio determina-se um intervalo de amostragem (k) dado por:
N 450
k= = = 6,43
n 70
Como (k) não é múltiplo perfeito de (N), deve-se arredondar o intervalo de amostragem
para (6) ou (7).
Qualquer das alternativas resultará um número de unidades para a amostra diferente da
requerida, ou seja, considerando (k=6) obtém-se 75 unidades; para (k=7) obtém-se 64
unidades amostrais. Porém, é preferível arredondar para (k=6) que, embora resultando
uma amostra maior que a desejada, garante a precisão requerida para as estimativas.
O intervalo (k=6) indica que a cada grupo de 6 unidades da população, uma unidade
será amostrada, a qual ocupa a mesma posição em cada grupo.
A estrutura sistemática em dois estágios, para amostrar uma unidade em cada grupo de
6, necessita de dois intervalos de amostragem, isto é: um intervalo entre colunas (k1= 3)
e um intervalo entre linhas (K2 = 2).
A eleição da primeira unidade amostral foi feita através do sorteio de uma coluna (1 a
15) e de uma linha (1 a 30). Foram sorteadas a coluna (7) e a linha (21). Dividindo-se os
números sorteados pelos intervalos de amostragem correspondentes obtém-se:
7 1 21 1
= 2,333 = 2 + = 10,5 = 10 +
3 3 2 2
Os numeradores das frações (1) para coluna e (1) para linha, são as coordenadas da
primeira unidade da amostra, ou seja (I1,1), que corresponde a (1ª). A partir desta
unidade obteve-se a amostra apresentada no quadro abaixo.
1. Introdução
A amostragem em dois estágios tem uma grande variedade de aplicações, que vão
muito além do âmbito imediato dos levantamentos por amostragem. Sempre que um
processo qualquer envolva verificações químicas, físicas ou biológicas, que possam ser
realizadas em uma pequena quantidade de material, é provável que essa quantidade seja
retirada como uma subamostra de uma quantidade maior, que seja em si mesma, uma
amostra.
No inventário de uma floresta, consiste em dividir uma população florestal em
unidades amostrais primárias (N) e em um segundo momento estas unidades são
subdivididas em unidades secundárias (M), representando assim o primeiro e o segundo
estágio da amostragem, respectivamente. Na figura 1 está apresentada a distribuição das
unidades amostrais utilizando o processo de amostragem em dois estágios.
2. Notação
(xij − x )
n m
1
S =
2
x
n * m − 1 i =1 j =1
S x2 = Se2 + S d2
Sendo:
(x − xi )
n m
2
ij
i =1 j =1
QM dentro = = S d2 ➔ que é uma estimativa sem tendência de S d2 ;
n(m − 1)
n
m( x − x)
2
i
QM entre = i =1
n −1
A variância entre unidades primárias é dada por;
QM entre − QM dentro
Se2 = ➔ que é uma estimativa sem tendência de Se2 ;
m
A estimativa da variância total resulta:
QM entre + (m − 1)QM dentro
S x2 = S e2 + S d2 =
m
S e2 M − m S d2
S x2 = +
n M n*m
Se, além disso, o fator de correção para unidades secundárias também for
desprezível a expressão é simplificada para:
S e2 S2
S x2 = + d ➔ esta expressão é aplicada às populações infinitas.
n n*m
IC x − (t * S x ) X x + (t * S x ) = P
S2
t 2 S e2 + d
n=
m
2
E
- População finita
S2
t 2 S e2 + d
n= m
1 S2
E 2 + t 2 S e2 + d
N M
C1 S d2
m= *
C2 S e2
Pela expressão de (m) constata-se que, quanto maior for a variância entre unidades
primárias ( Se2 ), menor será o número de unidades secundárias dentro de cada unidade
primária e por conseqüência, maior o número de unidades primárias a serem amostradas.
A relação de custos também afeta o cálculo de (m) do seguinte modo: quanto maior o
custo médio de deslocamento (C1), maior o número de subunidades por unidade primária
e vice-versa.
Finalmente, convém salientar que o cálculo da intensidade de amostragem é
realizado, primeiro para as unidades secundárias (m) e após para as unidades primárias
(n), utilizando-se o resultado obtido para (m).
4. Exemplo
S x2 = Se2 + S d2
2
- A variância dentro das subunidades ( Sd ) é dada por:
(x − xi )
n m
2
ij
i =1 j =1 62750 ,83
Sd2 = QM dentro = = = 697 ,231 (m³. 0,25ha−1 )²
n(m − 1) 18(6 − 1)
Sendo: (xij − xi ) ➔cada valor menos a média da unidade primária. Faz isso por unidade
primária!!!
S2
- A variância entre as subunidades ( e ) é dada por:
m(x − x)
2
i
51582,38
QM entre = i =1
= = 3034,258
n −1 17
- Unidades secundárias
𝐶1 𝑆𝑑2 697,321
𝑚=√ 2
= √0,45 ∗ = 0,891 = 1
𝐶2 𝑆𝑒 389,505
- Unidades primárias
𝑛 18
(1 − 𝑁) = 1 − 100 = 1 − 0,18 = 0,82 < 0,98 ➔ população finita.
S2
t 2 S e2 + d
n= m
1 S2
E 2 + t 2 S e2 + d
N M
697 ,231
(2,11) 2 389,505 +
n1 = 6 =
2251,472
= 37,996 38
1 2 697 ,231 59,255
(6,474 ) +
2
(2,11) 389,505 +
100 40000
697 ,231
(2,027 ) 2 389,505 +
n2 = 6
=
2077 ,826
= 35,876 36
1 2 697 ,231 57,917
(6,474) +
2
(2,027 ) 389,505 +
100 40000
Calcula-se novamente para 𝑡(0,05;35) = 2,032
697 ,231
(2,032 ) 2 389,505 +
n3 = 6
=
2088,089
= 36,004 36
1 2 697 ,231 57,996
(6,474 ) +
2
(2,032 ) 389,505 +
100 40000
S x2 = Se2 + S d2
2
- A variância dentro das subunidades ( Sd ) é dada por:
(x − xi )
n m
2
ij
i =1 j =1 96414 ,660
S d2 = QM dentro = = = 535,637 (m³. 0,25ha −1 )²
n(m − 1) 36(6 − 1)
S2
- A variância entre as subunidades ( e ) é dada por:
m(x − x)
2
i
76755,167
QM entre = i =1
= = 2193,005
n −1 36 - 1
Variância da média
Como se trata de uma população finita, os fatores de correção para o primeiro e
segundo estágios não são desprezíveis. Assim, utiliza-se a seguinte formulação:
N − n Se M − m Sd
2 2
S x2 = +
N n M n*m
Erro Padrão
S x = S x2 = 7,390 = 2,719 m³.0,25ha −1
Erro de Amostragem
• Absoluto
Ea = t * S x = 2,030 * 2,719 = 5,519 m³.0,25ha -1
• Relativo
t * Sx 5,519
Er = *100 = *100 = 9,88%
x 55,877
IC x − (t * S x ) X x + (t * S x ) = P
IC 55,877 − 5,519 X 55,877 + 5,519 = 95%
IC 50,359 m³.0,25ha -1 X 61,396 m³.0,25ha -1 = P
Total da População
Yˆ = N * M * x
Yˆ = 100 * 40000 * 55,877
Yˆ = 223.509.259,26 m³
5. Introdução
6. Notação
(xij − x )
n M
1
S = 2
n * M − 1 i =1 j =1
x
S x2 = Se2 + S d2
Sendo:
Se2 = Variância entre os conglomerados;
S d2 = Variância dentro dos conglomerados, ou entre as subunidades.
(x − xi )
n M
2
ij
i =1 j =1
QM dentro = = S d2 ➔ que é uma estimativa sem tendência de S d2 ;
n(M − 1)
n
M (x − x)
2
i
QM entre = i =1
n −1
A variância entre unidades primárias é dada por;
QM entre − QM dentro
S e2 = ➔ que é uma estimativa sem tendência de Se2 ;
M
A estimativa da variância total resulta:
QM entre + (M − 1)QM dentro
S x2 = S e2 + S d2 =
M
N − n Se
2 2
S
S =
2
+ d
N n n*M
x
S x2
S x2 = 1 + r (M − 1)
n*M
Esta expressão que permite verificar que a variância da média é afetada pelo
coeficiente de correlação intraconglomerados. A parte da fórmula [ r (M − 1) ]
corresponde à inflação da variância da média.
Ea = t * S x
• Relativo
t * Sx
Er = *100
x
IC x − (t * S x ) X x + (t * S x ) = P
C1 1 − r
M = *
C2 r
t 2 S x2
n= 2 1 + r (M − 1)
E *M
Exercício Prático:
No inventário de uma área de floresta tropical com 4000 ha localizada no Amapá,
realizou-se inicialmente um inventário piloto por meio de amostragem em conglomerados
(tipo cruz de malta), cujos volumes comerciais obtidos com casca acima de 30cm de DAP
são apresentados na tabela abaixo. Considere um erro máximo admissível de 10% da
média, com 95% de probabilidade de confiança e calcule as estatísticas desse inventário.
x1 =
(84,7 + 78,2 + 63 + 88,5) = 314,4 = 78,6 m³/0,25ha
4 4
As demais médias estão na tabela!!!
n * M − 1 i =1 j =1
x
(x − xi )
n M
2
ij
i =1 j =1
S d2 = QM dentro =
n(M − 1)
S d2 =
(84,7 − 78,6)² + ... + (88,5 − 78,6)² + ... + (27,4 − 55,3)² + ... + (60,8 − 55,3)²
25(4 − 1)
32.443,86
S d2 = = 432,58 (m³/0,25ha )²
25(4 − 1)
M (x − x)
2
QM entre = i =1
i
=
4 * (78,6 − 64,55)² + ... + 4 * (55,3 − 64,55)² = 14.821,98 = 617,58
n −1 (25 − 1) 24
Intensidade Amostral
t 2 S x2
n= 2 1 + r (M − 1)
E *M
Sendo:
E = (0,1*64,548) = 6,4548
t(0,05;24) = 2,064
(2,064 ) 2 * 478,83
n= 1 + 0,0966 (4 − 1) = 15,79 16
(6,4548 ) 2 * 4
Variância da média
Esta população é finita ou infinita?
𝑛 25
(1 − 𝑁) = 1 − 4000 = 0,9938 > 0,98 ➔ população infinita.
S e2 S d2 46,25 432,58
S x2 = + = + = 6,1758 (m³/0,25ha )²
n n*M 25 25 * 4
S x2
S x2 = 1 + r (M − 1) = 478,83 1 + 0,0966 * (4 − 1) = 6,1758 (m³/0,25ha )²
n*M 25 * 4
Erro Padrão
S x = S x2 = 6,1758 = 2,4851 m³/0,25ha
Erro de Amostragem
• Absoluto
Ea = t * S x = 2,046 * 2,4851 = 5,129 m³/0,25ha
• Relativo
t * Sx 5,129
Er = * 100 = * 100 = 7,95%
x 64,548
IC x − (t * S x ) X x + (t * S x ) = P
Total da População
Yˆ = N * M * x
8. Introdução
9. Notação
(xij − x )
n M
1
S = 2
n * M − 1 i =1 j =1
x
S x2 = Se2 + S d2
Sendo:
(x − xi )
n M
2
ij
i =1 j =1
QM dentro = = S d2 ➔ que é uma estimativa sem tendência de S d2 ;
n(M − 1)
n
M (x − x)
2
i
QM entre = i =1
n −1
A variância entre conglomerados é dada por;
QM entre − QM dentro
S e2 = ➔ que é uma estimativa sem tendência de Se2 ;
M
A estimativa da variância total resulta:
QM entre + (M − 1)QM dentro
S x2 = S e2 + S d2 =
M
N − n Se
2 2
S
S x2 = + d
N n n*M
Na maioria das vezes, o fator de correção para conglomerados é insignificante,
devido a grande extensão das populações, e por isso pode ser desprezado. Assim, a
variância da média é simplificada para:
S e2 S2
S x2 = + d ➔ esta expressão é aplicada às populações infinitas.
n n*M
S x2
S =
2
x
1 + r (M − 1)
n*M
Esta expressão que permite verificar que a variância da média é afetada pelo
coeficiente de correlação intraconglomerados. A parte da fórmula [ r (M − 1) ]
corresponde à inflação da variância da média.
10.6. Erro Padrão
S x = S x2
Ea = t * S x
• Relativo
t * Sx
Er = *100
x
IC x − (t * S x ) X x + (t * S x ) = P
C1 1 − r
M = *
C2 r
- Número ótimo de conglomerados
t 2 S x2
n= 1 + r (M − 1)
E2 * M
Exercício Prático:
Em uma floresta tropical pluvial em Rondônia, em uma área de 13000 ha,
realizou-se um inventário por meio de amostragem em múltiplos inícios aleatórios. A área
inventariada tinha a forma retangular, com 20 km de comprimento por 6,5km de largura,
a qual foi dividida em 9 blocos de 2,22 km por 6,5 km. Em cada bloco, instalou-se um
conglomerado linear composto por 8 subunidades de 10m de largura por 250 m de
comprimento (2500m²) distantes 500 metros entre elas. Os múltiplos inícios aleatórios
foram obtidos sorteando-se a posição do conglomerado linear em cada bloco. Os
conglomerados correspondentes a cada início aleatório, com os respectivos volumes
comerciais com casca das subunidades, estão apresentados na tabela a seguir. Considere
um erro máximo admissível de 10% da média, com 95% de probabilidade de confiança e
calcule as estatísticas desse inventário.
Unidade Unidade Secundária (m³/0,25ha)
Primária I II III IV V VI VII VIII
1 25,97 34,62 25,97 60,27 49,75 81,64 85,90 72,43
2 54,02 56,77 63,78 61,94 61,28 38,93 44,68 48,30
3 66,43 50,46 43,81 39,63 42,47 38,84 37,13 35,93
4 59,33 56,18 39,01 32,93 95,67 32,82 65,09 46,29
5 62,69 68,88 65,84 85,93 48,13 55,98 70,91 37,90
6 47,85 69,66 78,11 36,71 28,09 53,57 40,34 56,22
7 36,64 39,23 42,81 35,51 27,54 54,78 42,56 88,45
8 34,72 41,21 41,79 34,97 41,47 29,11 25,60 21,99
9 43,13 59,13 92,98 49,14 46,68 42,60 26,17 30,14