Escolar Documentos
Profissional Documentos
Cultura Documentos
Florestal
BELÉM
2012
Ministério da Educação
Ministro: Fernando Haddad
Editoração
Marly Maklouf dos Santos Sampaio
CoMISSÃo Editorial
Gracialda Costa Ferreira
Israel Hidenburgo Aniceto Cintra
Maria Cristina Manno
Moacir Cerqueira da Silva
Sérgio Antonio Lopes de Gusmão
Equipe Editorial
Inácia Faro Libonati
Adriana Amaro
Roseneli Lima
Capa
Waldenei Travassos de Queiroz
Oberdan Müller Moraes das Flores
ENDEREÇO
Av. Tancredo Neves, 2501, CEP: 66077-830- Montese
E-mail: editora@ufra.edu.br
ISBN 978-85-7295-070-1
CDD - 634.928
À Izabel, minha esposa.
Aos meus filhos Anderson e Alex,
às minhas noras Lorena e Alessandra.
Aos meus pais Wagner e Erecina (in memoriam)
Agradecimentos
Prefácio...............................................................................13
APRESENTAÇÃO....................................................................15
Considerações Finais...................................................413
Referências......................................................................419
Glossário..........................................................................425
Anexo...................................................................................435
Prefácio
19
Amostragem em inventário florestal Waldenei Travassos de Queiroz
20
Introdução ao inventário florestal
21
Amostragem em inventário florestal Waldenei Travassos de Queiroz
22
Capítulo 2
a) componentes ecológicos
25
Amostragem em inventário florestal Waldenei Travassos de Queiroz
b) componentes florísticos
26
Inventário e manejo florestal
c) componentes dasométricos
d) componentes de estocagem
e) componentes qualitativos
27
Capítulo 3
FUNDAMENTOS DE ESTATÍSTICA
3.1 Definições
31
Amostragem em inventário florestal Waldenei Travassos de Queiroz
32
Fundamentos de estatística
E(cy) = c E(y);
E(x + y) = E(x) + E(y);
E(xy) = [E(x)][E(y)], se x e y forem independentes.
b) ∑ f ( y ) = 1.
y
33
Amostragem em inventário florestal Waldenei Travassos de Queiroz
34
Fundamentos de estatística
Exercício 3.1
y 2 3
Dado que p = = , então q = 1 − p =
n 5 5
y
n− y
a) se f ( y ) = C p q
y
, então a probabilidade de não ocor-
n
rer árvores com qualidade de fuste tipo 1 é obtida por:
2 3 243
f (0) = C 50 ( ) 0 ( ) 5 = = 0,0778
5 5 3125
35
Amostragem em inventário florestal Waldenei Travassos de Queiroz
2 3 810
f (1) = C 51 ( ) 1 ( ) 4 = = 0,2592
5 5 3125
2 3 1080
f (2) = C 52 ( ) 2 ( ) 3 = = 0,3456
5 5 3125
2 3 720
f (3) = C 53 ( ) 3 ( ) 2 = = 0,2304
5 5 3125
2 3 240
f (4) = C 54 ( ) 4 ( )1 = = 0,0768
5 5 3125
36
Fundamentos de estatística
Note-se que:
n
( p + q ) 5 = ∑ C in ( p ) i (q ) n −i
i =0
Verificação:
f (0) + f (1) + f (2) + f (3) + f (4) + f (5) = 0,0778 + 0,2592 + 0,3456 + 0,2304 + 0,0768 + 0,0102 = 1
Exercício 3.2
37
Amostragem em inventário florestal Waldenei Travassos de Queiroz
e −m m y
Dado que: f ( x) = e m = p = 0,10 x 20 = 2
y!
a) a probabilidade de ocorrer nenhuma árvore da família
meliaceae é dada por:
e −2 × 20 1
f (0) = = 2 = 0,1353
0! e
e −2 × 21 2
f (1) = = 2 = 0,2707
1! e
Conclui-se que a probabilidade de ocorrer apenas uma ár-
vore da família meliaceae é de 27,07%.
e −2 × 2 3 8
f (3) = = 2 = 0,1804
3! 6e
38
Fundamentos de estatística
e −2 × 2 5 32
32
f (5) = = = 0,0361
5! 120e 2
39
Amostragem em inventário florestal Waldenei Travassos de Queiroz
∫ f (y)
−∞
dy ==11
( y )dy
40
Fundamentos de estatística
41
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Exercício 3.3
yi Y 15 20
Z1 1,00
S( y ) 5
yj Y 27 20
Z2 1,4
S( y ) 5
1, 40 0 1, 40
42
Fundamentos de estatística
3.5.7 Distribuição de c2
1 1 k2 2 ( k2 −1) −( 12 ) c 2
f (c 2 ) = ( ) (c ) e (3.2)
Γ( k2 ) 2
A função do tipo Γ(k 2) é denominada de função gama e
foi introduzida pelo matemático Leonardo Euler. Analiticamente
é definida pela Fórmula:
∞
Γ(a + 1) = ∫ y a e − y dy
dy
0
43
Amostragem em inventário florestal Waldenei Travassos de Queiroz
k k
p2 2,3026{[ (ni 1) log10 Vˆ ( y )] (ni 1) log10 Vˆi ( y )}
i 1 i1
Vˆ ( y ) = variância amostral k
∑ n Vˆ ( y) i i
Vˆ ( y ) = variância amostral média ( Vˆ ( y ) = i =1 );
k
∑n
i =1
i
(n − 1)Vˆ ( y )
c p2 =
V0 ( y )
44
Fundamentos de estatística
(n − 1)Vˆ ( y ) (n − 1)Vˆ ( y )
P( ≤ V ( y) ≤ ) = 1−a .
c 2
sup c inf
2
Exercício 3.4
45
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Porcentagem de ocorrência
Espécies fei = pi x 100.000 (árvores) foi (árvores)
(Amazônia) (pi)
1 2,5 2500 2536
2 2,0 2000 1950
3 1,8 1800 1790
4 1,5 1500 1580
5 1,1 1100 1080
6 0,8 800 820
(2536 − 2500) 2 (1950 − 2000) 2 (1790 − 1800) 2 (1580 − 1500) 2 (1080 − 1100) 2 (820 − 800) 2
c 52 = + + + + +
2500 2000 1800 1500 1100 800
x52 = 6,95
46
Fundamentos de estatística
N (0,1)
t=
c n2−1
n −1
y − Y0
t= , que sob H 0 apresenta n-1 graus de liberdade;
s( y)
n
b) testa a hipótese H 0 : Y1 = Y2 . Verifica se há igualdade en-
tre os valores médios de duas populações independentes, sen-
do testada através da estatística:
y1 y 2 ˆ ˆ
t
, tal que: Vˆ ( y ) = (n1 − 1)V1 ( y ) + (n2 − 1)V2 ( y )
1 1
Vˆ ( y )( ) n +n −2
1 2
n1 n2
47
Amostragem em inventário florestal Waldenei Travassos de Queiroz
y1 − y 2
t= , com n-1 graus de liberdade sob H 0 .
sd ( y)
n
Sendo: s d ( y ) = Vˆ (d ) , tal que:
n
n
(∑ d i ) 2
∑d i
2
− i =1
n
Vˆ (d ) = i =1
, para d i = y1i − y 2i .
n −1
Desde que a variável resposta seja normal, a distribuição
“t” de Student é muito importante em termos de inventários flo-
restais, pois permite obter os intervalos de confiança para os
valores médio e total para os produtos florestais de uma popula-
ção. É aplicada também para dimensionar o tamanho da amos-
tra quando fixada à precisão. Informações mais detalhadas so-
bre esses aspectos serão vistas quando da apresentação dos
processos de amostragem nos capítulos seguintes.
Exercício 3.5
48
Fundamentos de estatística
UA yi UA yi UA yi UA yi
1 8,5 6 9,6 11 7,9 16 8,8
2 10,3 7 10,9 12 12 17 8,7
3 9,8 8 8,9 13 8,8 18 12,3
4 7,8 9 9,8 14 9,5 18 7,7
5 11,0 10 11,5 15 10,8 20 8,9
y 9,675 m3 / 0,1ha
y 10 9,675 96,75 m 3 / ha
Vˆ ( y ) 1,9072 (m 3 / 0,1ha) 2
Vˆ ( y ) 10 2 1,9072 190,7237 (m3 / ha) 2
s ( y) 13,8103 m 3 / ha
49
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Então:
96,75 100 3,25
t 1,0524
13,8103 3,0881
20
50
Fundamentos de estatística
F = Vˆ1 ( y ) Vˆ2 ( y )
Vˆmáx ( y )
Hc = , tal que:
Vˆ ( y )
min
51
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Exercício 3.6
Fontes de variação GL SQ QM F
52
Capítulo 4
55
Amostragem em inventário florestal Waldenei Travassos de Queiroz
56
Amostragem simples ao acaso
a) valor médio
a1) valor médio populacional
N
∑y i
Y = i =1
N
a2) valor médio estimado
n
∑y i
y= i =1
∑y i
E ( y ) = E ( i =1 ) = Y
n
b) valor total
b1) valor total populacional
Y = NY
b2) valor total estimado
Yˆ = N y
57
Amostragem em inventário florestal Waldenei Travassos de Queiroz
c) variância
c1) variância populacional
N
(∑ y i ) 2
N N
∑ ( yi − Y ) 2 ∑y 2
i − i =1
N
V ( y) = i =1
= i =1
N −1 N −1
n n
(∑ y i ) 2
∑ ( y i − y ) 2 ∑ y i2 − i =1
n
Vˆ ( y ) = i =1 = i =1
n −1 n −1
d) desvio padrão
d1) desvio padrão populacional
S ( y) = V ( y)
s ( y ) = Vˆ ( y )
e) variância da média
e1) variância da média populacional
V ( y) N − n
V ( y) = ( )
n N
58
Amostragem simples ao acaso
f) erro padrão
f1) erro padrão populacional
S ( y) = V ( y)
g) coeficiente de variação
h) intervalo de confiança
59
Amostragem em inventário florestal Waldenei Travassos de Queiroz
y −Y
Seja a variável padronizada z = .
S ( y)
y
A variável z é denominada normal reduzida com média
zero e variância igual a 1. A Figura 4.1 mostra a forma gráfica
dessa distribuição padrão z e, na Tabela 1 do Anexo, as proba-
bilidades.
60
Amostragem simples ao acaso
y −Y
P(− Z a 2 ≤ ≤ Za 2 ) = 1 − a
S ( y)
n
Portanto:
P ( y − za 2 S ( y ) / n ≤ Y ≤ y + za 2 S ( y ) / n ) = 1 − a
61
Amostragem em inventário florestal Waldenei Travassos de Queiroz
P(− t a 2 ≤ t ≤ t a 2 ) = 1 − a , resultando:
s( y) s( y)
P( y − t a ≤ Y ≤ y + ta ) = 1−a
2
n
2
n
A estrutura matemática para o cálculo do intervalo de con-
fiança pode ser apresentada de uma forma mais simples:
IIC
C = y ± t × s( y )
Assim, tem-se:
N − n s( y)
IC
IC = y ± t ( )× , para populações finitas;
N n
s( y)
IC
IC = y ± t , para populações infinitas;
n
IC = N ( y ± t × s ( y ) , para o valor total.
IC
62
Amostragem simples ao acaso
Vˆ ( y ) N − n
Vˆ ( y ) = ( ) e IC
IC = y ± t × s ( y )
n N
SejaE E=E=L
E=t t××yss ( y ) a semiamplitude do intervalo de confian-
ça, conhecida no jargão da engenharia florestal brasileira como
expectância do erro, valor normalmente fixado de acordo com o
grau de precisão desejado. Essa semiamplitude pode ser fixada
como um valor percentual da média, ou seja, EE== LE E × y . Neste
L
caso, LE é denominado limite de erro.
A fórmula para conseguir o número de unidades de amos-
tra (n), atendendo um limite de erro predefinido, é obtida da se-
guinte forma:
E = t × s( y )
Vˆ ( y ) N − n
E 2 = t 2Vˆ ( y ) = t 2 ( )
n N
Vˆ ( y ) n
E2 = t2 (1 − )
n N
Vˆ ( y ) Vˆ ( y)
E2 = t2 −t2
n N
Vˆ ( y )
E =t , resultando:
n
63
Amostragem em inventário florestal Waldenei Travassos de Queiroz
t 2Vˆ ( y )
n=
E2
c = c0 + nc1
Exercício 4.1
64
Amostragem simples ao acaso
UA Yi UA Yi UA Yi UA Yi UA Yi
1 6,45 7 9,289 13 6,208 19 11,700 25 9,642
2 17,00 8 9,915 14 14,21 20 10,080 26 7,549
3 4,31 9 10,540 15 6,356 21 8,765 27 2,937
4 7,53 10 6,597 16 9,975 22 5,508
5 7,21 11 7,193 17 9,953 23 4,292
6 4,19 12 13,92 18 9,731 24 7,173
UA Yi UA Yi UA Yi UA Yi UA Yi
1 12,9914 7 21,9215 13 17,5972 19 14,5159 25 18,3705
2 16,1036 8 17,4466 14 24,0426 20 29,7010 26 25,3622
3 9,6805 9 22,1176 15 16,7197 21 30,4842 27 18,5761
4 20,0752 10 12,8449 16 21,8991 22 14,6925
5 29,6375 11 16,5398 17 10,4113 23 18,9567
6 23,4207 12 17,0837 18 10,0260 24 19,6981
65
Amostragem em inventário florestal Waldenei Travassos de Queiroz
y
i 1
i
227 ,898
y 8,4407 m3 / 0,1 ha
n 27
y = 84,41m3/ ha
c) variância estimada
n
n
( yi ) 2
227 ,89802
y 2
i
i 1
n
2201,5079
27
Vˆ ( y) i 1
10,6883 ( m 3 / 0,1 ha) 2
n 1 26
66
Amostragem simples ao acaso
s( y ) Vˆ ( y ) / ha 6,29 m 3 / ha
67
Amostragem em inventário florestal Waldenei Travassos de Queiroz
j) dimensionamento da amostra
Para:
68
Amostragem simples ao acaso
y i
501,9161
y i 1
18,9228 m 3 / 0,25ha , onde: y = 75,69 m3/ha
n 27
b) valor total estimado
c) variância estimada
n
n
( y i ) 2
510,91612
y 2
i i 1
n
10523,191
27
Vˆ ( y ) i 1
32,8930 ( m 3 / 0,25 ha) 2
n 1 26
s ( y ) Vˆ ( y ) / ha 526,2885 22,94 (m 3 / ha )
69
Amostragem em inventário florestal Waldenei Travassos de Queiroz
70
Amostragem simples ao acaso
i) limite de erro
j) dimensionamento da amostra
n = 39 unidades de amostra
E = t × s ( y ) = 0,1 x 75,691276 = 7,5691276 m3
71
Amostragem em inventário florestal Waldenei Travassos de Queiroz
72
Amostragem simples ao acaso
∑y i
A
Y = i =1
= =P
N N
∑y
i =1
i =a
∑y i
a
y= i =1
= =p
n n
a
Dado que Yˆ = N y , então Yˆ = N × = N
pNp.
n
A estimação de A e P consiste em obter os valores médio
e total de uma população, onde todos os y i têm valor 1 ou 0.
Então:
73
Amostragem em inventário florestal Waldenei Travassos de Queiroz
y
i 1
2
i A Np
n
y
i 1
2
i a np
Por conseguinte:
N N
(y
i 1
i Y )2 y
i 1
2
i NY 2
NP NP 2 NP (1 P) NPQ
V ( y)
N 1 N 1 N 1 N 1 N 1
Para: Q = 1 − P
Destarte:
n
∑(y i − y) 2
npq
Vˆ ( y ) = i =1
=
n −1 n −1
Então:
N n V ( y) N n NPQ N n PQ
V ( y ) V ( p) ( ) ( ) ( )
N n Nn N 1 N 1 n
Por conseguinte:
N n Vˆ ( y ) N n npq ( N n)
Vˆ ( y ) Vˆ ( p ) ( ) ( ) pq
N n Nn n 1 N (n 1)
V (Yˆ ) = V ((Np)
p )=
N =N
N22V(p)
V ( p)
Vˆ (Yˆ ) = Vˆ ( Np
p ) = N 2Vˆ ( p )
N
74
Amostragem simples ao acaso
npq
Vˆ ( y ) =
n −1
EE == LE
E ×y
L
n
∑y i
a
y= i =1
= = p.
n n
Dado que:
N − n V ( y)
E = t × s ( y ) e Vˆ ( y ) = Vˆ ( p ) = ( ) .
N n
Então:
N − n 1 npq N − n ppq
q
Vˆ ( y ) = Vˆ ( p) = ( ) × =( )
N n n −1 N n −1
Portanto:
75
Amostragem em inventário florestal Waldenei Travassos de Queiroz
N n pq n pq t 2 pq t 2 npq
E2 t2 ( ) t 2 (1 )
N n 1 N n 1 n 1 N (n 1)
2 2 2 npq
(n 1) E t pq t
N
npq
nE 2 E 2 t 2 pq t 2
N
2 2 npq 2 2
nE t E t pq
N
t 2 pq E 2
n
t 2 pq
E2
N
Exercício 4.2
76
Amostragem simples ao acaso
77
Amostragem em inventário florestal Waldenei Travassos de Queiroz
∑y i
a
y= i =1
= =p
n n
npq 800 × 0,1125 × 0,8875
Vˆ ( y ) = = = 0,09996871
n −1 799
Então:
t 2 pq E 2 22 0,1125 0,8875 (0,10 0,1125) 2
n 3.060
2 t 2 pq 2 22 0,1125 0,8875
E (0,10 0,1125)
N 100.000
78
Capítulo 5
AMOSTRAGEM ESTRATIFICADA
L
N = ∑ N h , tal que h = 1, L , L.
h =1
81
Amostragem em inventário florestal Waldenei Travassos de Queiroz
82
Amostragem estratificada
83
Amostragem em inventário florestal Waldenei Travassos de Queiroz
y
i 1
hi
Yh
Nh
y
i 1
hi
yh
nh
Yh = N h Yh
Yˆh = N h y h
nh
Vˆ ( y ) i 1
i 1
n h 1 nh 1
84
Amostragem estratificada
S h ( y ) = Vh ( y )
s h ( y ) = Vˆh ( y )
Vˆ ( y ) N h − n h
Vˆ ( y ) = ( )
nh Nh
Em relação à aplicação da amostragem, uma população
pode ser classificada como finita ou infinita. Determinadas po-
pulações finitas podem ser consideradas infinitas desde que o
tamanho da amostra seja no máximo 5% da área, ou seja:
Nhh −−nnhh))( N
1) Se ((N NNhhh≥≥− 0n00,95,
,h,9595) ,,N ha≥população
0,95 , é denominada in-
finita;
2) Para ( N h − nh ) ( N Nh h < − 0n,h95) ,Nah população
<0,95, ≥ 0,95 , é definida como
finita.
O termo ( N h − nh ) ( N Nh h − h ) N h ≥ 0,9
é ndenominado 5 correção
, para popu-
lação finita.
85
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Ou, simplesmente,
IIC
C = y h ± t × s( y h )
86
Amostragem estratificada
N h − nh s h ( y )
IC
IC = y h ± t × (populações finitas)
Nh nh
s h ( y)
IC
IC = y h ± t (populações infinitas)
nh
∑n
h =1
h yh
y=
n
87
Amostragem em inventário florestal Waldenei Travassos de Queiroz
nh n
=
Nh N
Yˆ = Ny est
88
Amostragem estratificada
Wh2Vˆ ( y ) ∑
L
WhVˆh ( y )
s ( y est ) = ∑ − h =1
h =1 nh N
e) intervalo de confiança para o valor médio global
IC
IC = y est ± t × s ( y est )
89
Amostragem em inventário florestal Waldenei Travassos de Queiroz
n h N h , para n = nW
= h h
n N
Dada a fórmula da variância da média estratificada estima-
da: L
W 2Vˆ ( y ) L WhVˆ ( y )
Vˆ ( y est ) = ∑ h h −∑
h =1 nh h =1 N
Substituindo n h por nh = nWh , tem-se:
ˆ
L
Wh2 Vˆh ( y) L
W Vˆ ( y )
V ( y est ) h h
nWh N
h 1 h 1
90
Amostragem estratificada
t2 L ˆ t2 L
W Vˆ ( y )
2
E W V
n h 1 h h
( y)
N h 1
h h
t2 L
t2 L
W Vˆ ( y ) E W Vˆ ( y)
2
h h
n h 1 N h 1
L
t2 L
t
2
W Vˆ ( y) n[ E
h
2
W Vˆ ( y )]
N h1 h
h 1
L
t 2 WhVˆh ( y )
h 1
n 2 L
t
E 2
N
W Vˆ ( y )
h
h 1
A partilha dentro dos estratos é feita de tal forma que nh = nWh.
91
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Sendo:
C1n 1 + C 2 n 2 + ... + C L n L = C − C 0
.
Dado que:
L
Wh2Vh ( y ) 1 L
V ( y est ) = ∑ − ∑W V h h ( y)
h =1 nh N h =1
E a função de Lagrange Z:
L
Z = V ( y est ) + l (∑ C h n h − C + C 0 )
h =1
92
Amostragem estratificada
W12V1 ( y )
dZ ( C1 )dn1
n12
W22V 2 ( y )
dZ ( C 2 ) dn2
n22
...
Wh2V h ( y )
dZ ( C h ) dnh
nh2
...
W L2V L ( y )
dZ ( C L )dn L
n L2
Wh S h ( y )
l nh = (5.1)
... Ch
WL S L ( y)
l nL =
CL
93
Amostragem em inventário florestal Waldenei Travassos de Queiroz
nh Wh S h ( y ) / C h
= L
n
∑ (W S
h =1
h h ( y) / C h )
Wh S h ( y ) / C h
nh = n L
(5.3)
∑ (W S
h =1
h h ( y) / C h )
Por conseguinte:
L
W 2Vˆ ( y ) 1 L
E 2 = t 2 [∑ h − ∑ WhVˆ ( y )]
nh N h =1
h =1
Wh sh ( y ) / C h
N W Vˆ ( y)]
h
h 1 h 1
n L
W s h h ( y) / C h
h 1
94
Amostragem estratificada
L L
Wh2Vˆh ( y ) t2 L
E 2 t 2 [Wh sh ( y ) / C h )(
h1 h 1 nWh s h ( y ) / Ch
]
N
W Vˆ ( y )
h 1
h h
L W s ( y) C
t2 L L
E2 +
N
∑
h =1
W h Vˆ ( y ) = t 2
[ ∑
h =1
W s
h h ( y ) / C h ) ( ∑
h =1
h h
n
h
]
t2 L L L
n[ E 2 + ∑
N h =1
WhVˆh ( y )] = t 2 [∑Wh s h ( y ) / C h )(∑Wh s h ( y ) C h ]
h =1 h =1
Resultando:
L L
t 2 [ Wh sh ( y ) / C h )(Wh s h ( y) C h ]
n h 1
2
h 1
(5.4)
L
t
E2
N
W Vˆ ( y )
h h
h 1
95
Amostragem em inventário florestal Waldenei Travassos de Queiroz
V ( y)
V Asa ( y ) =
n
b) variância da média (alocação proporcional)
L
Wh2V h ( y) L
W 2V ( y) L W hV h ( y ) L N h Vh ( y )
VPrProp
V op ( y ) h h
h 1 nh h 1 nWh h 1 n h 1 nN
W S
h 1
h h ( y)
L Nh
(y hi Y )
2
96
Amostragem estratificada
L Nh
Então, ( N − 1)V ( y ) = ∑∑ ( y hi − Y ) 2 .
h =1 i =1
Então:
L L
1 1
N (1 − )Vh ( y ) = ∑ N h (1 − )Vh ( y ) + ∑ N h (Yh − Y ) 2
N h =1 Nh h =1
V ( y) N V h h ( y) N h (Yh Y ) 2
h 1 h 1
n nN nN
∑W h (Yh − Y ) 2
Pr opop ((yy)) +
V Asa ( y ) = VVPrProp h =1
n
Pelo exposto, conclui-se que a variância da média da
amostra simples ao acaso será maior que a variância da média
da amostra estratificada com alocação proporcional, quando as
médias entre os estratos forem diferentes entre si, ou seja, a
estratificação somente será eficiente se existirem diferenças sig-
nificativas entre as médias dos estratos.
97
Amostragem em inventário florestal Waldenei Travassos de Queiroz
N V ( y ) [ N
h h h Sh ( y )]2
h 1 h 1
VPr op ( y ) VOti ( y )
nN nN 2
L
[ N h S h ( y )]
2
1 L
VProp ( y ) V Oti ( y ) { N hV h ( y ) h 1
}
nN h 1 N
L L
L
2[ N h S h ( y )] 2 [ N h S h ( y )] 2
1
nN
h 1 h1
VPr op ( y ) VOti ( y ) { N hV h ( y ) }
h1 N N
L L L
L
2[ N h S h ( y )][ N h S h ( y )] N [ N h S h ( y )] 2
1
{ N hV h ( y )
h 1 h 1 h 1
VProp ( y ) VOti ( y ) 2 }
nN h1 N N
L L
L
2 S h ( y)[ N h S h ( y)] [ N h S h ( y )] 2
1 h 1 h 1
VProp ( y ) VOti ( y ) { N h [Vh ( y) ]}
nN h 1 N N2
L
1 L
N h S h ( y)
VProp ( y ) VOti ( y ) { N h [S h ( y) h 1
]2 }
nN h 1 N
∑N h S h ( y) L
Denominando-se S ( y ) = h =1
= ∑ Wh S h ( y ) :
N h =1
l
2
1 L W [ S h h ( y ) S ( y )]
VPr op ( y ) V oti ( y )
nN h 1
N h [ S h ( y ) S ( y)] 2 h 1
n
Finalmente:
l
2
W [S
h 1
h h ( y) S ( y)]
VPr op ( y ) Voti ( y )
n
98
Amostragem estratificada
Exercício 5.1
99
Amostragem em inventário florestal Waldenei Travassos de Queiroz
y1 107,36 m3 / ha
Yˆ1 = N 1 y1 = 88.000
.000 × x26 26,840769 = 214.726,15
,840769 = 214 .726,15 m 3 m3
c) variância estimada
n1
n1
( y1i ) 2
y 2
1i
i 1
s1 ( y ) Vˆ1 ( y) 43,77 m 3 / ha
Vˆ ( y 1 ) / ha N 1 n1 1915,7431 8. 000 13
Vˆ ( y 1 ) ( ) ( ) 147,12539 ( m 3 / ha ) 2
n1 N1 13 8 .000
100
Amostragem estratificada
s( y1 ) 43,769203
C Vˆ1 % 100 100 40,77 %
y1 107,36308
h) intervalo de confiança
101
Amostragem em inventário florestal Waldenei Travassos de Queiroz
i 1
y i2
281,74
y2 18,782667 m 3 / 0 ,25 ha
n2 15
y 2 = 75,13 m3/ ha
c) variância estimada
n2
n2
( y 2i ) 2
281,74 2
y 2
2i i 1
n2
5 .681,051
Vˆ2 ( y) i 1
15 27,801607 (m3 / 0,25 ha )2
n2 1 14
Vˆ2 ( y ) 444,8257 (m / ha) 3 2
s 2 ( y) Vˆ 2 ( y) / ha 21,09 m 3 / ha
102
Amostragem estratificada
h) intervalo de confiança
103
Amostragem em inventário florestal Waldenei Travassos de Queiroz
i 1
y i3
130,97
y3 10 ,914267 m3 / 0,25 ha
n3 12
y 3 = 43,66 m3/ ha
c) variância estimada
n3
n3
( y 3i ) 2
2 139 ,97 2
y 3i
i 1
n3 1709,9089
12
Vˆ3 ( y ) i 1
25,498227 ( m3 / 0,25 ha ) 2
n3 1 11
Vˆ3 ( y) 407,9716 (m / ha)
3 2
104
Amostragem estratificada
h) intervalo de confiança
105
Amostragem em inventário florestal Waldenei Travassos de Queiroz
yest 72 ,14 m 3 / ha
L
N1 ˆ N N
W Vˆ ( y )
h 1
h h
N
V1 ( y) 2 Vˆ2 ( y ) 3 Vˆ3 ( y) 45 ,49706
N N
Então:
L
W 2Vˆ ( y) L WhVˆh ( y) 1
Vˆ ( yest ) h h 1,02300 45 ,49706
h 1 nh h 1 N 40.000
106
Amostragem estratificada
N h − nh
EST Nh nh g h = N h ( ) Vˆh ( y ) g hVˆh ( y ) g h2 Vˆh2 ( y ) /(nh
/( n h –− 11))
nh
I 8.000 13 4.915.076,92 119,7339 588.501.328,40 288,6115016x1014
II 20.000 15 26.646.666,67 27,8016 740.819.968,10 392,0101498x1014
III 12.000 12 11.988.000,00 25,4982 305.672.421,0 84,94148005x1014
1634993718 2
n gl 34,92
765,5631319 10 14
ngl = 35 graus de liberdade
107
Amostragem em inventário florestal Waldenei Travassos de Queiroz
108
Amostragem estratificada
12 .000
ESTRATO III: n3 nW3 57,66 17 ,30
40.000
n 3 = 18 unidades
Dado que:
L
N1 N2 N3
h 1
Wh s h ( y)
N
s 1( y )
N
s2 ( y )
N
s 3 ( y)
L
8.000 20. 000 12 .0 00
W h sh ( y )
4. 000
119, 73394
40. 000
27 ,801 61
40. 000
25, 49 8227
h1
W s
h 1
h h ( y) 6,3396948
109
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Então:
L
t 2 [ Wh s h ( y) ] 2
h 1 2,031 2 6 ,3396948 2
n L
50,9046526
2,031 2 45,49706
t 2 WhVˆh ( y) 2
1,8033767
E2 h 1 40 .000
N
n = 51 unidades de amostra.
W1 s1 ( y ) 2,1885
n1 n L
50,90 17,57
6,3397
W h sh ( y)
h 1
n1 = 18 unidades de amostra.
Estrato II:
W 2s 2 ( y ) 2 ,6364
n2 n L
50,90 21,17
6 ,3397
Wh s h ( y)
h1
n 2 = 22 unidades de amostra
Estrato III:
W 3 s3 ( y ) 1,5149
n3 n L
50,90 12 ,16
6 ,3397
h 1
Wh sh ( y)
n 3 = 13 unidades de amostra
110
Amostragem estratificada
ESTRATO y h (m /ha)
3 Vˆh ( y ) /ha
I 107,36 1915,7431
II 75,13 444,8257
III 43,66 407,9716
111
Amostragem em inventário florestal Waldenei Travassos de Queiroz
112
Amostragem estratificada
Exercício 5.2
113
Amostragem em inventário florestal Waldenei Travassos de Queiroz
114
Amostragem estratificada
Dado que:
nh = n ''
Wh s h ( y ) / C h , sendo n '' = n 2 + n3 + n 4 .
L
∑ (W s
h=2
h h ( y) / Ch )
W2 s 2 ( y ) / C 2 0,173925 ''
n 2 = n '' L
= n = 0,724111 n ''
0,240191
∑ (W s
h=2
h h ( y) / C h )
W3 s3 ( y ) / C3 0,049295 ''
n 3 = n '' L
= n = 0,205233 n ''
0,240191
∑ (W s
h=2
h h ( y) / Ch )
W4 s 4 ( y ) / C 4 0,016971 ''
n 4 = n '' L
= n = 0,070654 n ''
0,240191
∑ (W s
h=2
h h ( y) / Ch )
Tem-se:
C '' = 1000 × 0,724111 × n '' + 3000 × 0,205233 × n '' + 5000 × 0,070654 × n ''
Portanto:
C ''
n ''
1 .693,08
115
Amostragem em inventário florestal Waldenei Travassos de Queiroz
116
Capítulo 6
AMOSTRAGEM SISTEMÁTICA
119
Amostragem em inventário florestal Waldenei Travassos de Queiroz
120
Amostragem sistemática
121
Amostragem em inventário florestal Waldenei Travassos de Queiroz
∑ ( yi − Y ) 2
V Sist ( y ) = i =1
K
y i = média da i-ésima amostra sistemática.
∑∑ ( y
i =1 j =1
ij − Y )2
V ( y) =
N −1
Então:
K n
( N − 1) V ( y ) = ∑∑ ( y ij + y i − y i − Y ) 2
i =1 j =1
K n K
( N − 1) V ( y ) = ∑∑ ( y ij − y i ) 2 + n∑ ( y i − Y ) 2 , pois,
i =1 j =1 i =1
K n
( y
i1 j 1
ij yi )( y i Y ) 0.
122
Amostragem sistemática
Portanto:
K
( N − 1) V ( y ) = (n − 1)∑ Vi ( y ) + nKV Sist ( y )
i =1
K
∑ V ( y)
i =1
i
( N − 1)V ( y ) = K (n − 1) + nKV Sist ( y )
K
Por conseguinte:
NN−−11 KK((nn−−11))
Sist((yy))==((
VVSist )V)V((yy))+–+ VVdd((yy)) (6.1)
NN NN
Sendo:
Vi ( y ) = variância das observações dentro da i-ésima amos-
tra sistemática;
Vd ( y ) = média das variâncias de todas as amostras siste-
máticas possíveis.
A Fórmula 6.1 é similar às Fórmulas 6.2 e 6.3. A Expressão
6.2 é baseada na variância das médias de todas as amostras
sistemáticas possíveis, enquanto a 6.3 está escrita em função
do coeficiente de correlação ( d Sist ) entre pares de unidades que
pertencem à mesma amostra sistemática.
K
N −n
∑(y i − Y )2
V Sist ( y ) = ( ) i =1
(6.2)
N K −1
N − 1 V ( y)
V Sist ( y ) = ( ) [1 + (n − 1)d Sist ] (6.3)
N n
Tal que:
E ( yij Y )( y iu Y ) (K 1)nQM Entre (Kn 1)V ( y)
Sist 2
E( yij Y ) ( Kn 1)(n 1)V ( y)
123
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Sejam as fórmulas:
a) variância da média da amostra simples ao acaso
N − n V ( y)
V Asa ( y ) = ( )
N n
b) variância da média da amostra sistemática
N −1 K (n − 1)
VSist ( y ) = ( )V ( y ) − Vd ( y )
N N
A amostra sistemática será mais precisa que a amostra
simples ao acaso, se:
V Sist ( y ) < V Asa ( y )
Logo:
N −1 K (n − 1) N − n V ( y)
( )V ( y ) − Vd ( y ) < ( )
N N N n
124
Amostragem sistemática
Exercício 6.1
Seja uma área florestal com 250 ha, dividida em 1.000 uni-
dades de 0,25 ha. Os dados amostrais foram retirados de uma
população, simulada computacionalmente, com média e variân-
cias conhecidas:
A Tabela 6.1 apresenta a análise de variância populacional.
CV GL SQ QM
Amostras (K) 19 1503,0 79,1053
Erro 980 136.158,0 138,9367
Total 999 137.661,0 137,7988
125
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Y 38,106 (m 3 / 0,25 ha )
V ( y ) 137,7988 (m 3 / 0, 25 ha ) 2
Vd ( y ) 138,9367 (m 3 / 0,25 ha ) 2
N −1 K (n − 1)
VSist ( y ) = ( )V ( y ) − Vd ( y )
N N
K
N − n i =1
∑(y i − Y )2
V ( y Sist ) = ( )
N K −1
N − 1 V ( y)
V ( y Sist ) = ( ) [1 + (n − 1)d Sist ]
N n
N − n Vˆ ( y )
Vˆsist ( y 2 ) = ( )
N n
3) Retirar da população cinco amostras sistemáticas com
10 unidades cada e obter a variância da média por meio da ex-
pressão da amostragem por conglomerados. Ver capítulo 9.
Vˆ ( y ) Vˆ ( y)
Vˆ ( y 3 ) (1 f 1 ) 1 f 1 (1 f 2 ) 2
n mn
126
Amostragem sistemática
N − n Vˆ ( y )
VˆAsa ( y 4 ) = ( )
N n
N −1 K (n − 1)
VSist ( y1 ) = ( )V ( y ) − Vd ( y )
N N
Tabela 6.2 - Dados da amostra sistemática de tamanho n = 50.
26,4 68,1 17,4 35,7 47,1 33,6 43,2 43,4 44,7 31,0
32,4 37,6 35,4 18,0 42,0 15,7 36,3 36,5 34,7 42,3
43,0 32,5 34,7 48,0 34,4 55,6 37,1 39,7 42,5 45,8
32,3 57,0 29,9 30,7 54,5 32,1 41,8 48,3 19,3 56,6
51,2 40,4 41,0 36,1 31,4 37,5 31,9 38,5 41,7 29,3
Dado que:
N 1.000
K 20
n 50
n
∑y
i =1
i =1916
127
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Então:
n
y
i 1
i
1916
y1 38,32 m3 / ha
n 50
1 .000 1 20 (50 1) 3
VSist ( y1 ) 137 ,7988 138,9367 1,503 m / 0 ,25 ha
1 .000 1.000
K
K K
( yi ) 2
2
Nn
(yi Y ) ( N n)
yi2 i 1
K
i 1 i 1
VSist ( y1 ) ( )
N K 1 N K 1
35,690 37,042 38,140 39,274 38,266 37,22 37,596 38,134 38,844 39,144
40,464 38,828 38,448 35,342 37,648 39,66 39,196 38,244 37,99 36,946
y
i 1
i 762,116
K
2
y
i 1
i i 29 .071,09696
Então:
K
2
K
( yi )
2 7 62,116 2
N n
y i i 1
K 1.00 0 50
29.0 71,09 696
20
i 1
VSist ( y 1 ) ( ) ( ) 1, 503
N K 1 1 .000 19
N 1 V ( y)
VSist ( y1 ) ( ) [1 ( n 1) Sis t ]
N n
( K 1) nQM Entre ( Kn 1)V ( y )
Sist
( Kn 1)( n 1)V ( y)
128
Amostragem sistemática
62.510,9662
Sis t 0,009267214338
6 .745 .389,059
1 .000 1 137 ,7988
VSist ( y1 ) ( ) [1 (50 1)( 0,0092672143 8]
1 .000 50
N − n Vˆ ( y )
VˆSist ( y 2 ) = ( )
N n
Pode-se obter da Tabela 6.2:
n
y i
1916
y2 i 1
38,32 m 3 / ha
n 50
n
n
( yi ) 2
1916,32
y 2
i i 1
n
78.719,91
50 107,6693 (m 3 / 0,25 ha ) 2
Vˆ ( y ) i 1
n 1 49
Então:
N n Vˆ ( y ) 1.000 50 107,6693
VˆSist ( y 2 ) ( ) ( ) 2,0457 (m 3 / 0,25 ha ) 2
N n 1.000 50
129
Amostragem em inventário florestal Waldenei Travassos de Queiroz
A1 A2 A3 A4 A5
1 47,1 37,6 26,6 36,7 48,9
2 31,0 46,0 52,6 38,8 72,2
3 42,0 48,1 39,9 24,3 34,3
4 42,3 21,4 34,9 34,8 50,6
5 34,4 48,3 40,5 58,2 35,7
6 45,8 47,2 24,7 28,1 37,2
7 54,5 44,1 46,1 51,4 58,1
8 56,6 13,5 35,0 30,4 35,8
9 31,4 27,3 69,6 55,3 46,5
10 29,3 38,6 33,9 48,7 53,0
yi 41,44 37,21 40,38 40,67 47,23
Vˆ ( y ) Vˆ ( y )
Vˆ ( y3 ) (1 f1 ) 1 f1 (1 f 2 ) 2
k km
Sendo: m = 10 e k = 5.
k
y
i 1
i
206,93
y3 41,386 m 3 / ha
k 5
130
Amostragem sistemática
CV GL SQ QM
Entre 4 531,1892 132,7973
Dentro 45 6417,6910 142,6154
Total 49 6948,8802 141,8139
k k
(∑ y i ) 2
∑(y i − y) 2 ∑y i
2
− i =1
k
Vˆ1 ( y ) = i =1
= i =1
k −1 k −1
206,93 2
8.617,1239
Vˆ1 ( y ) 5 13,27973 (m 3 / 0,25 ha) 2
4
Note-se que:
QMˆ Entre 132,7973
Vˆ1 ( y) 13,27973 ( m 3 / 0,25 ha ) 2
m 10
k m
( y ij y i ) 2
i1 j 1
Vˆ 2 ( y) 142 ,616 (m 3 / 0 ,25 ha ) 2
k ( m 1)
n
Vˆ ( y ) i
1
Vˆ2 ( y ) i 1
(95, 47 153,17 17 4, 76 142, 90 146,78) 142, 616
k 5
Dado:
131
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Então:
13,27973 142,6154
Vˆ ( y 3 ) (1 0,25) 0,25(1 0,5) 2,3485 (m 3 / 0,25 ha ) 2
5 10 5
A1 A2 A3 A4 A5
1 24,5 23,8 40,6 34,0 39,6
2 17,4 35,4 34,7 29,9 41,0
3 22,6 46,2 44,3 38,1 49,5
4 31,5 49,6 32,1 28,9 16,5
5 50,0 60,3 44,4 28,4 51,4
6 35,7 18,0 48,0 30,7 36,1
7 43,9 42,8 33,8 21,8 29,3
8 41,7 28,8 30,3 26,7 48,7
9 20,3 40,0 28,4 38,7 42,5
10 47,1 42,0 34,4 54,5 31,4
132
Amostragem sistemática
CV GL SQ QM
Entre 4 294,04 73,531
Dentro 45 4891,25 108,690
Total 49 5185,29 105,820
Dado: k = 5 e m = 10.
y i
1810 ,3
i 1
y4 36,206 m 3 / ha
km 50
k
k k
( yi ) 2
i1
(y i y) 2
y 2
i
k
Vˆ1 ( y ) i 1
i 1
k 1 k 1
181, 03 2
6. 583, 7759
Vˆ1 ( y ) 5 7,3509 ( m 3 / 0, 25 ha) 2
4
( yij y i ) 2
i1 j 1
Vˆ2 ( y ) 108,69 ( m 3 / 0 ,25 ha ) 2
k (m 1)
n
Vˆ ( y) i
1
Vˆ2 ( y) i 1
(141,63 158,93 45,23 82,16 115,51) 108,69
k 5
133
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado:
M 50 , K 20
k 5 m 10
f1 0,25 e f 2 0 ,5 . Então:
K 20 M 50
7,3531 108 ,692
Vˆ ( y4 ) (1 0 ,25) 0 ,25 (1 0,5 ) 1,3747 ( m 3 / 0, 25 ha ) 2
5 10 5
28,2 38,5 25,7 23,8 32,7 21,1 41,1 54,5 24,9 24,2
32,3 22,4 47,6 38,8 26,7 36,9 26,7 36,2 30,9 15,9
26,7 37,2 21,4 43,0 23,8 38,2 50,5 26,2 27,3 16,6
45,5 36,3 39,3 30,1 64,2 34,2 61,0 47,6 32,5 46,5
38,2 38,4 34,8 51,0 37,6 23,4 24,0 30,7 19,3 54,5
n
( y i ) 2
1729,12
y i
2
i 1
n
66.096,01
50 128,5770
Vˆ ( y) i 1
n 1 49
Portanto:
N n Vˆ ( y ) 1000 50 128,5770
VˆAsa ( y 4 ) ( ) 2,4430 (m 3 / ha ) 2
N n 1000 50
134
Amostragem sistemática
135
Capítulo 7
a) estimativa da variância de
139
Amostragem em inventário florestal Waldenei Travassos de Queiroz
140
Estimativa por razão
y − Rx 2 1
V ( Rˆ ) ≅ E ( ) = 2 E ( y − Rx ) 2
X X
Dado que:
n n n n
∑ y i − R∑ xi ∑ ( y i − R xi ) ∑d i
y−Rx = i =1 i =1
= i
= i =1
= d , para d i = yi − R xi
n n n
Se d i = y i − R xi , logo:
N
∑ (d
i =1
i − D) 2
V (d i ) =
N −1
∑ d i2
i =1
∑(y i =1
i − R xi ) 2
V (d i ) = =
N −1 N −1
n
∑d i
Se d = i =1
, então:
n
N
2
N n V (d i ) N n
( yi R xi )
i1
V( d ) ( ) ( )
N n Nn N 1
E (d ) = E ( x − R y ) = Y − RX = 0 , tem-se:
141
Amostragem em inventário florestal Waldenei Travassos de Queiroz
V (d ) = E (d ) 2 = E ( y − Rx ) 2
1
Dado que V ( Rˆ ) ≅ 2
E ( y − Rx ) 2 , então:
X
N
2
Nn
( yi R xi )
ˆ 1 i 1
V ( R) 2 V (d ) ( )
X nNX 2 N 1
Sendo sua estimativa dada por:
n n n
yi 2 Rˆ x i yi Rˆ xi
2 2 2
N n
Vˆ ( Rˆ ) ( ) i 1 i 1 i 1
nNX 2 n 1
Tal que: n n
n
( xi ) 2 n
( yi ) 2
2 2
xi i1
n
y i i 1
n
Vˆ ( x) i1
; Vˆ ( y ) i 1
;
n 1 n 1
n n
n
( xi )( y i )
x y i i i 1
n
i 1
Vˆ ( x, y ) i 1
.
n 1
Vˆ ( x, y) é a covariância entre x e y.
142
Estimativa por razão
IC [ Rˆ t s( Rˆ )] , onde s (Rˆ ) Vˆ ( Rˆ ) .
2
Yˆ y
Dado que Rˆ = = , então y R = Rˆ X e Vˆ ( y R ) = X 2Vˆ ( Rˆ )).
.
Xˆ x
Assim como:
IC YˆR t s (YˆR ) N [ y R t s ( y R )] N X [ Rˆ t s( Rˆ )]
2 2 2
Exercício 7.1
143
Amostragem em inventário florestal Waldenei Travassos de Queiroz
UA xi yi UA xi yi UA xi yi
1 6 13,0 11 5 16,5 21 10 30,5
2 4 16,1 12 4 17,1 22 7 14,7
3 4 9,7 13 6 17,6 23 8 19,0
4 5 20,1 14 9 24,0 24 6 19,7
5 9 29,6 15 5 16,7 25 6 18,4
6 8 23,4 16 5 21,9 26 8 25,4
7 5 21,9 17 3 10,4 27 8 18,6
8 4 17,5 18 5 10,0 28 6 18,9
9 8 22,1 19 4 14,5 29 9 28,3
10 5 12,8 20 7 29,7 30 7 22,0
yi = volume em m3/0,25 ha
xi = número de árvores/0,25 ha
30 30
y i 580,10 m3; x i
186 árvores
i 1 i 1
i1
xi
186
x 6 ,2 árvores / 0 ,25 ha
30 30
144
Estimativa por razão
i1
yi
580,10
y 19,3367 m3 / 0, 25 ha
30 30
Portanto:
y 77,3467 m 3 / ha
b) estimativa da razão
y 580,10
Rˆ 3,1188 m 3 / árvore
x 186
n
( yi ) 2
yi2 i 1 580,10 2
n
12.164,77
30 32,6748
Vˆ ( y) i 1
n 1 29
n
n
( xi ) 2 2
i1 186
x 2i n
1 .254 ,0
30 3,4759
Vˆ ( x) i 1
n 1 29
n n
n
( x i )( yi )
186 580 ,10
xi yi i 1
n
i1
3 .830,8
30
Vˆ ( x, y ) i 1
8,0752
n 1 29
Então:
Nn ˆ
Vˆ (Rˆ ) ( )[V ( y ) Rˆ Vˆ (x ) 2Rˆ Vˆ ( x, y )]
2
2
nNX
14.296 30
V ( R) ( )(32,6748 3,1188 2 3,4759 2 3,1188 8,0752)
30 14.296 6,2 2
145
V ( R) 0,01394458 ( m3 / árvore) 2
Amostragem em inventário
N florestal
n Waldenei Travassos de Queiroz
Vˆ (Rˆ ) ( )[Vˆ ( y ) Rˆ Vˆ (x ) 2Rˆ Vˆ ( x, y )]
2
2
nNX
14.296 30
V ( R) ( )(32,6748 3,1188 2 3,4759 2 3,1188 8,0752)
30 14.296 6,2 2
V ( R) 0,01394458 ( m3 / árvore) 2
Limite inferior
Rˆ − t × s ( Rˆ ) = 3,1188 − 2,0452 × 0,1181 = 2,8773 m 3 / árvore
Limite superior
Rˆ + t × s ( Rˆ ) = 3,1188 + 2,0452 × 0,1181 = 3,3603 m 3 / árvore
146
Estimativa por razão
Adotou-se:
186
X x 6 ,2 árvores / ha
30
Limite inferior/ha
yR t s (y R ) 77,35 2,0452 2,928562 71,36 m3 / ha
Limite superior/ha
y R t s ( y R ) 77,35 2,0452 2,928562 83,34 m 3 / ha
Limite inferior
YˆR t s (YˆR ) 276.435, 46 2,0452 10.466,68 255 .029,01 m 3
147
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Limite superior
YˆR t s (YˆR ) 276 .435 , 46 2 ,0452 10 .466 ,68 297 .841,91 m 3
Vˆ ( y ) 17,39 (m 3 / ha ) 2
s ( y) / ha Vˆ ( y ) / ha 17,39 4 ,1701 m 3 / ha
148
Estimativa por razão
LE ( yR ) LESV ( y ) , ou seja, LE SV ( y )
LE ( y R )
1, 4246
∑ Ri ∑R i
Seja Rˆ = i =1 o estimador não tendencioso de R = I =1
.
n N
149
Amostragem em inventário florestal Waldenei Travassos de Queiroz
∑x R i i
Rˆ = I =1
n
≠ Rˆ
∑x
i =1
i
n
n n
(∑ Ri ) 2
∑ (R i − Rˆ ) 2 ∑R i
2
− i =1
Dado que Vˆ ( Ri ) = I =1
= i =1 n . Então:
n −1 n −1
Vˆ ( Ri )
Vˆ ( Rˆ ) =
n n
∑R i
A partir da estimativa Rˆ = i =1 , pode-se obter:
n
2 2 2 ˆ
Vˆ ( y R ) = X 2Vˆ ( Rˆ ); Vˆ (Yˆ ) = N Vˆ ( y R ) = N X Vˆ ( R )
Exercício 7.2
150
Estimativa por razão
151
Amostragem em inventário florestal Waldenei Travassos de Queiroz
yi yi
Árvore Ri = Árvore Ri =
Unid xi yi xi Unid xi yi xi
24 6 5 16,15 3,23000 254 63 5 12,20 2,44000
36 9 3 10,53 3,51000 261 65 4 12,58 3,14500
37 10 4 8,50 2,12500 262 65 4 12,58 3,14500
39 10 4 8,50 2,12500 276 69 4 13,13 3,28250
49 13 5 11,90 2,38000 278 69 4 13,13 3,28250
91 23 3 9,07 3,02333 279 69 4 13,13 3,28250
111 28 4 13,23 3,30750 285 71 6 14,39 2,39833
120 30 4 11,48 2,87000 288 71 6 14,39 2,39833
127 32 5 14,71 2,94200 291 72 5 14,58 2,91600
128 32 5 14,71 2,94200 293 72 5 14,58 2,91600
136 35 3 10,95 3,65000 297 74 5 14,14 2,82800
138 36 4 15,31 3,82750 303 75 3 11,94 3,98000
144 37 4 11,26 2,81500 312 78 5 12,37 2,47400
148 38 4 11,73 2,93250 323 81 3 11,03 3,67667
153 39 7 16,42 2,34571 325 81 3 11,03 3,67667
165 42 4 12,57 3,14250 334 84 5 12,71 2,54200
175 44 4 10,88 2,72000 336 84 5 12,71 2,54200
189 47 4 13,03 3,25750 349 87 3 8,93 2,97667
199 50 3 11,11 3,70333 362 90 6 15,75 2,62500
200 51 4 10,28 2,57000 371 92 2 10,71 5,35500
203 51 4 10,28 2,57000 372 93 7 15,01 2,14429
208 52 5 13,14 2,62800 376 93 7 15,01 2,14429
229 57 5 13,44 2,68800 394 98 6 13,76 2,29333
233 58 6 14,14 2,35667 398 98 6 13,76 2,29333
240 59 4 15,40 3,85000 400 99 3 8,19 2,73000
Total 223 630,46 146,9990
Ri
146,9990
Rˆ i1
2,94 kg / árvore
n 50
152
Estimativa por razão
b) variância de Rˆ
n
n
( Ri )2
146,999 2
Ri2 n
i 1
450,4753
50
Vˆ ( Ri ) i 1
0,3735 ( kg / árvore )2
n 1 49
Vˆ (Ri ) 0,3735
Vˆ ( Rˆ ) 0,00746987 (kg / árvore)2
n 50
N
∑R i
c) intervalo de confiança para R = I =1
Sendo:
N
x
i 1
i
405
X 4, 05 árvores
N 100
153
Amostragem em inventário florestal Waldenei Travassos de Queiroz
11,2035 kg / ha Y 12 ,6105 kg / ha
Vˆ (YˆRAPP ) 1.225,2339 kg 2
1 .120,35 kg Y 1.261,05 kg
154
Estimativa por razão
j) discussão e conclusão
1 0,7094
C orr =
0,7094 1
Considerando a amostra de 50 árvores, sejam os resulta-
dos amostrais para o vetor de médias, matrizes de covariâncias
e de correlações:
155
Amostragem em inventário florestal Waldenei Travassos de Queiroz
156
Estimativa por razão
y R h X h Rˆ h e YˆR h N h yR h N h X h Rˆ h X h Rˆ h
Sendo:
X h Nh Xh
Consequentemente:
L
y Re st Wh y R h
h 1
L L L
Nh
YˆRe st N y Re st N N h h h h Yˆh
X ˆ
R X ˆ
R
h 1 h 1 h 1
157
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Tal que:
L
Vˆ ( yR h ) X h2 Vˆ ( Rˆ h ) e Vˆ ( yRe st ) W h2 Vˆ ( y Rh )
h 1
Assim como:
Vˆ (YˆR h ) N h2 Vˆ ( y Rh )
L
Daí, como os estratos são independentes: Vˆ (YˆR ) Vˆ (YˆRh ).
h 1
Dado que:
L L
y est = ∑Wh y h ; xest = ∑Wh xh
h =1 h =1
y
Rˆ C = est
xest
Resultando: y RC X Rˆ RC
158
Estimativa por razão
L
N nh y 2 Rˆ RC x hi y hi Rˆ RC2 xhi2
2
hi
Vˆ (Rˆ RC ) ( h 2
) i 1 i 1 i 1
h 1 nh N h X h nh 1
Sendo:
Vˆ ( yRC ) X 2 Vˆ ( Rˆ RC )
YˆRC N X Rˆ C XRˆ C ; X NX
Vˆ (YˆRC ) X 2 Vˆ (Rˆ RC )
Exercício 7.3
159
Amostragem em inventário florestal Waldenei Travassos de Queiroz
160
Estimativa por razão
y i1
348,93
i 1
y1 26,8408 m3 / 0,25 ha
n1 13
n2
y i2
281,74
i 1
y2 18,7827 m 3 / 0,25 ha
n2 15
n3
y
i 1
i3
125,87
y3 11,4427m 3 / 0,25 ha
n3 11
n1
x
i 1
i1
141
x1 10,8462 árvores / 0, 25 ha
n1 13
n2
x
i 1
i2
97
x2 6,4667 árvores / 0,25 ha
n2 15
n3
x i3
42
i 1
x3 3,8182 árvores / 0,25 ha
n3 11
y 26,8408
Rˆ1 1 2,4747
x1 10,8462
y 18 ,7827
Rˆ 2 2 2 ,9045
x2 6,4667
y 11,4427
Rˆ 3 3 2,9969
x3 3,8182
161
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Considerando: X 1 = x1 ; X 2 = x2 ; X 3 = x3 , têm-se:
n1 n1 n1
162
Estimativa por razão
y 2
2i 2Rˆ 2 x 2 i y 2 i Rˆ 22 x22i
N n2
Vˆ (Rˆ 2 ) ( 2 2
) i1 i 1 i 1
n2 N 2 X 2 n2 1
20 .000 15 5 .681,05 2 2,9045 1.945,6 2 ,9045 2 677
Vˆ (Rˆ2 ) ( 2
)
15 20 .000 6,4667 14
Vˆ ( Rˆ ) 0 ,01027637
2
n3 n3 n3
y 32i 2 Rˆ 3 x 3 i y 3 i Rˆ 32 x 32i
N n3
Vˆ ( Rˆ 3 ) ( 3 ) i 1 i 1 i 1
n 3 N 3 X 32 n3 1
12 .000 11 1.683,90 2 2,9969 55 5, 8 2, 9969 2 18 6
Vˆ ( Rˆ 3 ) ( 2
)
11 12.000 3, 8182 10
Vˆ ( Rˆ 3 ) 0 ,014384036
163
Amostragem em inventário florestal Waldenei Travassos de Queiroz
t s ( yR e st ) 2,0296 0,13895701
LE Des t 4 ,16 %
y Re st 18,192312
L
Vˆ (YˆR ) Vˆ (YˆRh ) 222 .331.227 ,5 m 3
h1
164
Estimativa por razão
y
Tem-se: Rˆ C es t 18,19232 2,778281
xest 6,54805
L
N nh y hi2 2 Rˆ RC x
d) cálculo da estimativa da variância Vˆ (Rˆ RC ) ( h 2
) i 1 i 1
h 1 nh N h X nh
nh nh nh
ˆ ˆ2
L
N n hi RC hi hi RC xhi2
y
2
2 R x y R
Vˆ (Rˆ RC ) ( h h
2
) i 1 i 1 i 1
h 1 nh N h X nh 1
Dado que:
Vˆ ( Rˆ RC ) V1 V 2 V3
Então:
n1 n1 n1
y 2
1i 2Rˆ RC x1i y1i Rˆ R2 C x12i
N 1 n1 i 1 i1 i 1
V1 ( 2
)
n1 N1 X n1 1
(8. 000 13) 10. 802, 36 2 2, 778281 4.346, 6 2, 7782812 1. 757
V1 ( )
13 8. 000 6, 548052 12
V1 0,031675905
n2 n2 n2
V2 0,010638342 165
n3 n3 n3
y 2
3i 2 Rˆ RC x3i y3 i Rˆ RC
2
x32i
N 3 n3 i 1 i 1 i 1
V3 ( 2
)
n3 N 3 X 3 n3 1
13 8. 000 6, 54805 12
V1 0,031675905
n2 n2 n2
N 2 florestal
Amostragem em inventário n2 i 1 y 22i 2 Rˆ RC x 2i y 2i Rˆ RC2 x22i
i 1 i 1 Waldenei Travassos de Queiroz
V2 ( 2
)
n2 N 2 X 2
n2 1
2
20. 000 15 5.681,05 2 2,778281 1. 945,6 2,778281 677
V2 2
15 20. 000 6,54805 14
V2 0,010638342
n3 n3 n3
V3 0, 006623478279
Finalmente:
Vˆ ( Rˆ RC ) V1 V 2 V3
166
Estimativa por razão
ye st 18,19232m3 / 0,25ha
Pois:
L W h2Vˆh ( y)
h1 nh
1,0310813
L
W Vˆ ( y ) 45,1555915
h1
h h
167
Amostragem em inventário florestal Waldenei Travassos de Queiroz
LE R C 16,16%
Ef 1,4276
LE SV 11,32%
Dada a definição de eficiência como o quociente entre o
limite de erro pelo método da razão analisando os estratos de
forma global e o limite de erro estimado pelo método da razão
considerando os estratos separadamente, tem-se:
168
Estimativa por razão
LES V 16 ,16
Ef 3,8846
LED est 4,16
169
Amostragem em inventário florestal Waldenei Travassos de Queiroz
170
Estimativa por razão
y R1 = X 1 Rˆ e YˆR1 = N y R1
n − n2 ∑ yi2 − 2 Rˆ ∑ xi yi + Rˆ 2 ∑ xi2 N − n1 Vˆ ( y )
Vˆ ( y R1 ) = ( 1 ) i =1 i =1 i =1
+( ) (7.1)
n1 n2 n2 − 1 N n1
n n N n1 Vˆ ( y) (7.2)
Vˆ ( y1R ) ( 1 2 )[Vˆ ( y ) 2Rˆ Vˆ ( x, y ) Rˆ 2 Vˆ ( x )] ( )
n1 n2 N n1
Vˆ ( y ) + Rˆ 2V ( x) − 2 Rˆ Vˆ ( x, y ) 2 Rˆ Vˆ ( x, y ) − Rˆ 2Vˆ ( x) Vˆ ( y )
Vˆ ( y1R ) = + − (7.3)
n2 n1 N
Sendo: n2 n2
n2
( yi )2 n2 ( xi )2
y i2 n2
i1
xi2 i 1
n2
Vˆ ( y ) i 1
; Vˆ ( x) i1
;
n2 1 n2 1
n2 n2
n2
( x i ) y i )
x y i i i 1 i 1
n2
Vˆ ( x , y ) i 1
.
n 2 1
171
Amostragem em inventário florestal Waldenei Travassos de Queiroz
n1 ( ∑ xi ) 2
∑x 2
i − i =1
n1
Vˆ1 ( x) = i =1
n1 − 1
Exercício 7.4
Tabela 7.6 - Estimativa por razão com igual probabilidade (AIP) com dupla
amostragem.
UA xi yi UA xi yi UA xi yi UA xi UA xi
1 6 13,0 11 5 16,5 21 10 30,5 31 8 41 8
2 4 16,1 12 4 17,1 22 7 14,7 32 5 42 5
3 4 9,7 13 6 17,6 23 8 19,0 33 8 43 5
4 5 20,1 14 9 24,0 24 6 19,7 34 4 44 5
5 9 29,6 15 5 16,7 25 6 18,4 35 2 45 7
6 8 23,4 16 5 21,9 26 8 25,4 36 6 46 8
7 5 21,9 17 3 10,4 27 8 18,6 37 5 47 6
8 4 17,5 18 5 10,0 28 6 18,9 38 5 48 5
9 8 22,1 19 4 14,5 29 9 28,3 39 5 49 6
10 5 12,8 20 7 29,7 30 7 22,0 40 7 50 5
172
Estimativa por razão
yi = volume em m3/0,25 ha
xi = número de árvores/0,25 ha
n1 50 ; n 2 30; N 14.216
n2 n2
i 1
y i y i 580,10 m3
i 1
n2 n2
xi 186 árvores
i 1 i 1
n2
x
i 1
i
186
x2 6,2 árvores / 0,25 ha
30 30
n2
i 1
yi
580 ,10
y2 19 ,3367 m 3 / 0,25 ha
30 30
n1 50
x i x i
301
i 1 i 1
x1 6,02
n1 50 50
n2
n2
( yi ) 2
580,10 2
y i2
n2
i1
12 .164,77
Vˆ ( y )
i 1
30 32 ,6748
n2 1 29
n2
n2 ( xi ) 2
186 2
x i
2
n2
i 1
1.254,0
Vˆ ( x)
i 1
30 3 ,4759
n2 1 29
n2 n2
n2 ( xi )( yi )
186 580 ,10
xi yi i 1
n2
i 1
3 .830,8
Vˆ ( x, y) i1
30 8,0752
n2 1 29
173
Amostragem em inventário florestal Waldenei Travassos de Queiroz
b) estimativa da razão
y 19 ,3367
Rˆ 2 3,1188 m 3 / árvore
x2 6 ,2
,02 , tem-se:
Considerando x1 = X = 66,02
y1R X 1 Rˆ 6,02 3,1188 18, 7752 m 3 / 0, 25 ha
y 2
2Rˆ xi y i Rˆ 2 x i2
n n i
N n1 Vˆ ( y )
Vˆ ( y1R) ( 1 2 ) i 1 i1 i 1
( )
n1 n 2 n 2 1 N n1
2
50 30 12. 164, 77 2 3,1188 3. 830 ,8 3,1188 1.254 14. 296 50 32, 6748
Vˆ ( y 1R) ( ) ( )
50 30 29 14. 296 50
Vˆ ( y1R) 0,013333333 16,11453013 0,651210409 0,86607081
Vˆ ( y) Rˆ 2V ( x) 2 Rˆ Vˆ (x, y) 2 Rˆ Vˆ ( x, y) Rˆ 2 Vˆ (x) Vˆ ( y)
Vˆ ( y1R )
n2 n1 N
32,67 48 3,11 88 2 3, 4759 2 3,118 8 8,0752 2 3,1188 8,0752 3.1188 2 3,475 9 32, 6748
Vˆ ( y1R )
30 50 14.296 ,0
Vˆ ( y1R) 0, 5371 5703 0 ,331201781 0 ,0022855903 75 0, 8660 77322
174
Estimativa por razão
n1 ( xi ) 2
3012
x i
2
i 1
n1
1961
Vˆ1 ( x) i 1
50 3,0404
n1 1 49
Então:
3 2,6748 3,1188 2 3,0 404 2 3,11 88 8,0 752 2 3,1188 8,0752 3. 1188 2 3,040 4 32,6748
Vˆ ( y1 R )
30 50 14. 296,0
175
Amostragem em inventário florestal Waldenei Travassos de Queiroz
y y
Sejam Rˆ1 = 1 e Rˆ 2 = 2 .
x x
y y y − y2 d
Então: Rˆ1 − Rˆ 2 = 1 − 2 = 1 =
x x x x
Sendo:
n
∑d i
d= i =1
para d i = y1i − y 2i
n
Neste caso, a variância estimada do contraste entre R1 e R2
é dada por:
n
1
Vˆ ( Rˆ1 − Rˆ 2 ) =
n(n − 1) x 2
∑ [d
i =1
i − ( Rˆ1 − Rˆ 2 ) xi ] 2
Dado que:
n n
∑ [d
i =1
i − ( Rˆ1 − Rˆ 2 ) xi ] 2 = ∑ [d i2 − 2( Rˆ1 − Rˆ 2 )d i xi + ( Rˆ1 − Rˆ 2 ) 2 xi2 ]
i =1
176
Estimativa por razão
Então: n n n
1
∑d i
2
− 2( Rˆ1 − Rˆ 2 )∑ d i y i + ( Rˆ1 − Rˆ 2 ) 2 ∑ xi2
Vˆ ( Rˆ1 − Rˆ 2 ) = i =1 i =1 i =1
nx2 n −1
3) Os índices são correlacionados
y y
Sejam Rˆ1 = 1 e Rˆ 2 = 2 .
x1 x2
Neste caso, a variância estimada do contraste entre R1 e
R2 é:
Vˆ ( Rˆ1 − Rˆ 2 ) = Vˆ ( Rˆ1 ) + Vˆ ( Rˆ 2 ) − 2COˆ V ( Rˆ1 , Rˆ 2 )
Tal que:
n n n n
n x1 x2 n −1
Exercício 7.5
177
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Tabela 7.7 - Dados por família: comparação de dois índices ou duas razões.
Família xi y1 y2 d i = y1i − y 2i d i xi
1 6 3,92 5,22 -1,30 -7,80
2 4 4,96 2,33 2,63 10,52
3 5 4,06 4,47 -0,41 -2,05
4 4 2,30 2,83 -0,53 -2,12
5 7 4,68 4,27 0,41 2,87
6 5 4,22 3,43 0,79 3,95
7 4 3,70 2,82 0,88 3,52
8 6 3,62 4,66 -1,04 -6,24
9 6 2,65 5,62 -2,97 -17,82
10 4 3,31 3,15 0,16 0,64
11 5 6,38 3,88 2,50 12,50
12 4 6,90 2,89 4,01 16,04
13 5 6,10 4,06 2,04 10,20
14 5 3,50 3,70 -0,20 -1,00
15 4 1,61 3,82 -2,21 -8,84
16 5 3,74 3,97 -0,23 -1,15
17 6 3,89 5,08 -1,19 -7,14
18 4 3,93 2,95 0,98 3,92
19 6 3,77 4,45 -0,68 -4,08
20 4 4,52 2,32 2,20 8,80
y 4,088 y 3,796
Rˆ1 = 1 = = 0,825859 , Rˆ 2 = 2 = = 0,766869
x 4,950 x 4,950
nx n −1
178
Estimativa por razão
Logo:
c) testar H 0 : R1 = R2
Rˆ1 Rˆ2 0,825859 0 ,766869
t 0 ,7365 ns
s ( Rˆ1 Rˆ 2 ) 0 ,0800909
Não há razão para rejeitar H0 : R1 = R2, visto que t19 ; 0,025 = 2,09.
Conclui-se que os dois índices são estatisticamente iguais, tal
que R̂1 é o índice referente à renda líquida por hectare e R̂2 é o
índice referente às despesas por hectare.
179
Capítulo 8
Dado que:
X = média populacional para a variável auxiliar x;
Y = média populacional para a variável de interesse y;
x = média amostral para a variável auxiliar x;
y = média amostral para a variável de interesse y;
L = média estimada por regressão para a variável de in-
y RRL
teresse y;
b = coeficiente de inclinação estimado da reta de regres-
são;
B = coeficiente de inclinação populacional da reta de re-
gressão;
YˆRRL
L = valor amostral por regressão para o valor populacio-
nal da variável de interesse y;
183
Amostragem em inventário florestal Waldenei Travassos de Queiroz
LL = y + b( X − x )
y RRL
R (8.1)
Se b = 0 , então: y RRL
LL = y , pois yyRLRL
R RL = y + b( X − x ) .
184
Estimativa por regressão
Se b = y x , então, y RRL
LL = y R .
R
185
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Por conseguinte:
Resultando:
Nn
V ( y RL ) ( )[V ( y ) 2b0V ( x, y) b02V ( x)]
Nn
Sendo:
Nn ˆ
Vˆ ( y RL ) ( )[V ( y ) 2b0Vˆ ( x, y) b02Vˆ ( x)]
Nn
N
( xi )( yi )
i 1
xi y i i1
N
i 1
V ( x, y ) (8.2)
B N
V (x )
N
( xi ) 2
2
i 1
xi i1
N
186
Estimativa por regressão
N n ( y
i 1
i Y ) 2 2(B k) ( yi Y ) ( xi X ) ( B k) 2 ( xi X )2
I 1 i 1
V ( yRL ) ( )
Nn N 1
(y i
Y ) 2 2 B ( y i Y )( xi X ) B 2 ( xi X ) 2
N n i 1 I 1 i 1
Vmin ( y RL ) ( )
Nn N 1
Portanto:
N n
Vmin ( y RL ) ( )[V ( y ) 2 B V ( x, y) B2V ( x)]
Nn
N n V ( x, y) V ( x, y) 2
Vmin ( y RL ) ( ){V ( y ) 2 V ( x, y ) [ ] V ( x )}
Nn V (x ) V (x )
N n V 2 ( x, y)
Vmin ( y RL ) ( )[V ( y) ]
Nn V ( x)
Resultando:
Nn
Vmin ( y RL ) ( )[V ( y )(1 2 )]
Nn
187
Amostragem em inventário florestal Waldenei Travassos de Queiroz
n
( x i )( y i )
x y
i 1
i i i 1
n
i1
b n
n
( x i ) 2
x
i 1
i
2
i 1
n
Então: y RL y b( X x )
Seja:
N N
ei2 [y i Y B ( xi X )]2
i 1 i 1
N n i1
e i
2
V ( y RL ) ( )
Nn N 1
188
Estimativa por regressão
N n
[( y
i 1
i Y ) B( x i X )]2
V ( y RL ) ( )
Nn N 1
N
N n
[( yi Y )2 2 B( xi X )( yi Y ) B2 (xi X )2 ]
V ( y RL ) ( ) i1
Nn N 1
Como:
N
(x
i1
i X )( yi Y )
B N
(x i X )2
i1
Então:
N N
( xi X )( y i Y ) B ( xi X ) 2
i 1 i 1
Logo:
N N N
N n ( yi Y )2 2B 2 (xi X ) 2 B 2 (xi X ) 2
i 1 i 1 i 1
V ( y RL ) ( )
Nn N 1
N N
N n ( yi Y ) 2 B 2 ( xi X ) 2
i 1 i1
V ( y RL ) ( )
Nn N 1
Dado que:
N
[ ( xi X )( yi Y ) ]2
2 N
i 1
N
[ ( xi X )2 ][ ( yi Y ) 2 ]
i 1 i 1
189
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Então:
N
B 2
∑ (x i − X )2
d2 = N
i =1
∑(y
i =1
i − Y )2
Portanto:
N
d 2
∑(y i − Y )2
B2 = N
i =1
∑ (x
i =1
i − X )2
Por conseguinte:
N N
N n i1
(y i
i 1
Y ) 2 2 ( y i Y )2
V ( y RL ) ( )
Nn N 1
N n
V ( y RL ) ( )V ( y)(1 2 )
Nn
N n SQˆ Re s
Vˆ ( y R L ) ( )Q Mˆ Re s , tal que Q Mˆ Re s .
Nn n2
190
Estimativa por regressão
N −n
V ( y) = ( )V ( y )
Nn
Variância da média para a estimativa por regressão:
Nn
V ( y RL ) ( )V ( y )(1 2 )
Nn
191
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Exercício 8.1
Dado:
yi = Peso de sementes por ha
xi = Número de árvores por ha
192
Estimativa por regressão
y
i1
i 476,65 kg
n
x i 166 árvores
i1
n
y i
476,65
Rˆ i 1
n 2,871386
166
x i
i 1
b) estimativa da variância de R̂
Nn ˆ
Vˆ ( Rˆ ) ˆ2 ˆ ˆ ˆ
2 [V ( y) R V ( x ) 2 RV ( x, y )]
nN X
Dado que:
405
X 4,05 árvores / ha
100
Vˆ ( y) 4,5477 (kg / ha )2
Vˆ ( Rˆ ) 0 ,005459271
193
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Limite inferior
Rˆ − t × s ( Rˆ ) = 2,871386 − 2,0278 × 0,073887 = 2,721558
Limite superior
Rˆ + t × s ( Rˆ ) = 2,871386 + 2,0278 × 0,073887 = 3,021214
s( y R ) / ha Vˆ ( yR ) 0,299242 kg / ha
Limite inferior
yR t s( yR ) 11,6291 2,0278 0,299242 11,02229707 kg / ha
194
Estimativa por regressão
Limite superior
y R t s ( y R ) 11, 6291 2, 0278 0, 299242 12, 235903 kg / ha
Limite inferior
Yˆ R t s( YˆR ) 1162 , 91133 2 ,0278 29 , 92418575 1102 , 231066 kg
Limite superior
YˆR t s (YˆR ) 1162,91133 2,0278 29 ,92418575 1223,591594 kg
y i
476,65
i 1
y 12,5434 kg / ha
n 38
195
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Sendo:
n
( yi )
2
n
2
y i i 1
n
Vˆ ( y ) i 1
4,54770960 (kg / ha )2
n 1
196
Estimativa por regressão
LE ( y R ) 5,217970
Ef 1,1849
L( y ) 4,403624
CV GL SQ QM F
Regressão 1 88,114 88,114 39,58
Resíduo 36 80,151 2,226
Total 37 168,265
2
x
i 1
i i 1
n
QMˆ Resíduo
e síduo = Quadrado médio do resíduo estimado
R
166 2
(
)
1 38 1 19 ,08310249
Vˆ ( aˆ ) ( 2
) 2,226 ( ) 2,226
38 166 38 50,84210526
776
38
Vˆ ( aˆ ) 0,894086956
197
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado que:
aˆ 6,7925
t= = = 7,1836
Vˆ (aˆ ) 0,894086956
Dado:
n n n
y i 476,65 ;
i 1
xi 166;
i 1
x y
i 1
i i 2149,14;
n n
405
y i2 6147,0869;
i 1
x
i 1
i
2
776,00; X
100
4,05
Então:
n n
n
( x i )( y i )
166 476,65
xi y i i1
n
i 1
2149,14
38
i 1
b n
2
1,316469979
( xi ) 2 166
n 776
2 i 1 38
i 1
x
i
n
Destarte:
476,65 166
yR L y b( X x ) 1,316469979(4,05 )
38 38
198
Estimativa por regressão
yRL y b( X x ) 12,1242293 kg / ha
Dado que:
n n
n
( xi )( y i )
[ x i y i i 1 i 1
]2 166 476, 65 2
(2149,14
)
n 38
ˆ 2 i 1
n n
2 2
( x i ) 2 n ( y i ) 2 166 476,65
n
( 776 )(6147,0869 )
[ x i2 i 1 ][ y i2 i 1 ] 38 38
i 1 n i 1 n
4 .479 ,906715
ˆ2 0,523661923
8554,959825
n
n
( y i ) 2
476,65 2
y i
2
i 1
n
6147 ,0869
38 4 ,547709602 ( kg / ha )2
Vˆ ( y) i 1
n 1 37
Então:
N n ˆ 100 38
Vˆ ( yRL ) ( )V ( y)(1 ˆ 2 ) 4,54770902 (1 0,523661923)
Nn 100 38
Vˆ ( yRL ) 0,035344029 ( kg / ha ) 2
s ( yR L ) / ha Vˆ ( yRL ) 0 ,1880 kg / ha
199
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Limite inferior
Limite superior
Limite inferior
y RL t s( y RL ) 1212, 42293 2,0278 18,80 1.174,3003 kg
Limite superior
200
Estimativa por regressão
201
Amostragem em inventário florestal Waldenei Travassos de Queiroz
202
Estimativa por regressão
expressão: 2 L
Wh ( N h n h )
V ( yR L ) [Vh ( y) 2b0 h Vh ( x, y) b02hVh ( x)]
S
h 1 nh N h
nh ( xhi )( y hi )
x
i 1
hi y hi i 1
nh
i 1
bh n
n
( x hi ) 2
x 2
hi i1
nh
i 1
203
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Por conseguinte:
y RL yh b h ( X h xh )
h
L
Vˆ ( y RLS ) Wh2Vˆ ( y RLh )
I !
Dado que:
N h nh
V ( y RL h ) ( )Vh ( y )(1 h2 )
N h nh
E a sua estimativa:
N nh ˆ
Vˆ ( y RL h ) ( h )V h ( y )(1 ˆh2 ) ou Vˆ ( y RL ) ( N h nh )Qˆ M Re s
N hn h h
N h nh
204
Estimativa por regressão
205
Amostragem em inventário florestal Waldenei Travassos de Queiroz
L
W 2 (N n )
Vˆ ( y RLC ) h h h [Vˆh ( y ) 2b0 hVˆh ( x, y ) boh Vˆh ( x)]
2
h 1 nh N h
E sua estimativa:
L
W 2 (1 f h ) ˆ
Vˆ ( y RLC ) h [Vh ( y ) 2bcVˆh ( x, y ) bc2Vˆh ( x)]
h 1 n h
Exercício 8.2
206
Estimativa por regressão
207
Amostragem em inventário florestal Waldenei Travassos de Queiroz
208
Estimativa por regressão
Sabe-se que:
600 ha 360 ha 240 ha
W1 0,5; W2 0,3; W3 0,2
1.200 ha 1.200 ha 1.200 ha
Dado:
n1 n1 n1
y1i 1.202,460 ;
i 1
x1i 411;
i 1
x
i 1
1i y1i 12.624,2;
n1 n1 N1
2 2
y1i 36.821,649;
i 1
x1i 4.369
i 1
xi 1
1i 6.240; N 1 600;
N1
x 1i
6.240
i 1
X1 10,4 árvores / ha
N1 600
209
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Então:
n1 n1
n1 ( x1 i )( y1i ) n1 n1
x 1i yi i 1 i 1
n1 ( x1 i )( y1i )
i 1 n1
b1 n1
2
x 1i yi i 1
n1
i 1
n1 ( x1 i ) b1 i 1
n1
x
i 1
2
1i i1
n1 n1 ( x1 i ) 2
411 1 .202,46 i 1 n1 x 2
1i i1
12 .624,2
b1 40 1,842257236
4112 411 1 .202,46
4 .369 12 .624,2
40
b1 40 1,842257236
1.202,46 4112
411
y RL1 y1 b1 ( X 1 x1 ) 4 . 369
1,842257236 (10,4 40)
40 40
yR L 30, 29178215 kg / ha 1.202,46
1 y RL1 y1 b1 ( X 1 x1 ) 1,842257236 (1
40
a2) estimativa da variância de yR L1 30, 29178215 kg / ha
Dado:
n1 n1
n1 ( y1 i ) 2
y12i 1 .202 ,46 2
i1
n1
36821,649
Vˆ ( y1 )
i1
40 17 ,27942846 (kg / ha ) 2
n1 1 39
210
n1 ( x1 i )( y1i )
xi 1
1i yi i 1
n1
i 1
b1 n1
2
n1 ( x1 i ) Estimativa por regressão
x
i 1
2
1i i1
n1
Então:
N n 600 40 411 1 .202,46
Vˆ ( yRL1 ) ( 1 1 )Vˆ ( y1 )(1 ˆ12 ) 12 .624,2 17,27942846 (1 0 ,735165376)
N 1n1 b 600 40 40 1,842257236
1
4112
Vˆ ( y RL1 ) 0,106777788 (kg / ha)
2 4 .369
40
Limite inferior
yRL1 t s( y RL1 ) 30,29178215 2 ,0223 0,326768708 29,630958 kg / ha
Limite superior
Limite inferior
Yˆ RL t s (YˆRL ) 18 .175 ,06929 2 ,0223 196 ,061224 17 .778 ,57468 kg
1 1
211
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Limite superior
YˆRL1 t s(YˆRL1 ) 18
18.175,06929
. 175,0 6929 2+,0223
2,0223
196x, 061224
196,0612243
3 18.571=,56
18.571,5639
39 kg kg
Dado:
n1
y
i 1
1i
1.202,46
y1 30,0615 kg / ha
n1 40
Vˆ ( y1 ) N 1 n1 17 ,27942846 600 40
Vˆ ( y1 ) ( ) ( ) 0,403186664 (kg / ha ) 2
n1 N1 40 600
Então,
t s( y 1 ) 2,0223 0,634970
LE SV ( y1 ) 100 100 4 ,2716 %
y1 30 ,0615
212
Estimativa por regressão
LE SV ( y1 ) 4 ,2716
Ef 1,9581
LE ( yRL ) 2,1815 1
Dado:
n2 n2 n2 N2
y 2 i 809,2; y 2
2i 17.124,9; x 2i 327; x 2i 3. 060;
i1 i 1 i 1 i1
n2 n2
2
x2i 2.969;
i 1
x
i 1
2i y2 i 6.987,8; N 2 360;
N2
xi 1
2i
3.060
X2 8,5 árvores / ha
N2 360
n2
( x2 i )( y 2i )
327 809 ,2
x 1i y2 i i 1
n2
i 1
6 .987 ,8
bˆ 2 i 1
39 0,893229519
n2
2 327 2
n2 ( x 2i ) 2 .969
2 39
x 2i
i 1
n2
i 1
809,2 327
y RL2 y 2 b2 ( X 2 x 2 ) 0,893229519 (8,5 )
39 39
y RL2 y 2 b 2 ( X 2 x 2 ) 20,85178289 kg / ha
213
b1 40 1,842257236
4112
4 .369
40
1.202,46
Amostragem em inventário florestal y RL1 y1 bWaldenei
1 ( X1 x1 ) de Queiroz 1,842257236 (
Travassos
40
b2) estimativa da variância de yR L1 30, 29178215 kg / ha
Dado que: n2 n2
n2 ( x 2i )( y2 i )
[ x 2i y2 i i1 i 1 2
]
n2
ˆ 22
i1
n2 n2
n2 ( x 2 )2 n2 ( y 2i ) 2
[ x22i i1
][ y22i i1
]
i 1 n2 i 1 n2
327 809 ,2 2
[ 6 .987,8 ]
ˆ 22 39 0 ,541127912
327 2 809,2 2
( 2 .969 )(17 .124 ,9 )
39 39
n2
n2 ( y 2 i )2
809,2 2
y 2
2i i 1
n2
17.124,9
Vˆ ( y 2 ) i1
39 8,816774629 (kg / ha )2
n 2 1 38
Então:
N n2 ˆ 360 39
Vˆ ( y RL2 ) ( 2 )V ( y 2 )(1 ˆ22 ) 8,816774629 (1 0 ,541127912)
N 2 n2 360 39
N n2 ˆ
Vˆ ( yRL ) ( 2 )V ( y2 )(1 ˆ22 ) 0,092499483 ( kg / ha )2
2
N 2 n2
s( yR L2 ) / ha Vˆ ( y RL2 ) 0,304137276 kg / ha
214
Estimativa por regressão
Limite inferior
y RL t s( y RL ) 20, 85178289 2, 0253 0,304137276 20, 23581368 kg / ha
2 2
Limite superior
y RL 2 t s ( y RL 2 ) 20 ,85178289 2 ,0253 0 ,304137276 21, 46775212 k g / ha
Limite inferior
YˆR L t s (YˆR L ) 7 .506 ,64184 2,0253 109 ,4894196 7.284 ,892918 kg
2 2
Limite superior
YˆRL t s(YˆRL ) 7.506, 64184 2, 0253109,489 4196 7. 728,3 90762 kg
2 2
215
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado:
n2
y 2i
809,2
i 1
y2 20 ,748718 kg / ha
n2 39
Vˆ ( y 2 ) N 2 n 2 8,8167746296 360 39
Vˆ ( y2 ) ( ) ( ) 0 ,201580 (kg / ha )2
n2 N2 39 360
Então:
t s( y 2 ) 2,0253 0 ,448977
LES V ( y2 ) 100 4,3608 %
y2 20,851783
216
Estimativa por regressão
Dado:
n3 n3 n3
n3 n3 N3
2 2
y 6.285,475;
i 1
3i x3i 1.161,0;
i 1
x
i 1
3i 1.248; N 3 240;
N3
x 3i
1.248
i1
X3 5,2 árvores / ha
N3 240
Então:
n3 n3
n3 ( x3 i )( y 3i ) n3 n3
203 483,23
x
i 1
3i y 3i i 1
n3
i1
2.623,27. n3
38
( x3 i )( y 3i )
b3
n3
( x 3i )
2
1.161
3 i y 3i
x203 2
i 1
n3
i1
2.623,27.
n3
b3 i1 38
x 2
3i i 1 n 3
2
i 1 n3
n3 ( x 3i ) 1.161
b 3 0,546088002 x 2
3i i 1
n3
i 1
483,23 203
yRL y3 b3 ( X 3 x3 ) 0,546088002 (5,2 ) 12,63897697 kg / ha
3
38 38
b 3 0,546088002
483,23
c2) estimativa da variância de yRL y3 b3 ( X 3 x3 ) 0,546088002 (5
3
38
Dado:
n3 n3
n3 ( x3i )( y 3i )
[ x3 i y3i i1 i 1
]2
n3
ˆ32
i1
n3 n3
n3 ( x3 ) 2 n3 ( y3 i ) 2
[ x32i i 1
][ y32i i1
]
i 1 n3 i1 n3
203 483,23 2
[ 2.623,27
]
ˆ 2
3 38 0,162549887
203 2 483,23 2
(1 .161 )(6 .285,475 )
38 217 38
n3
n3 ( y3 i )2
y32i i 1 483,232
n3 6.285,475
Vˆ ( y 3 ) i1
38 3,795744737 (kg / ha) 2
n3 n3
n3 ( x3i )( y 3i )
[ x3 i y3i i1 i 1
]2
n3
ˆ32
i1
n3 n3
Amostragem em inventário
n3 (
florestal x3 ) 2 n3 ( y3 i ) 2 Waldenei Travassos de Queiroz
[ x32i i 1
][ y32i i1
]
i 1 n3 i1 n3
203 483,23 2
[ 2.623,27 ]
ˆ 32 38 0,162549887
203 2 483,23 2
(1 .161 )(6 .285,475 )
38 38
n3
n3 ( y3 i )2
y32i i 1 483,232
n3
6.285,475
Vˆ ( y 3 ) i1
38 3,795744737 (kg / ha) 2
n3 1 37
Então:
N n3 ˆ 240 38
Vˆ ( y RL3 ) ( 3 )V ( y3 )(1 ˆ32 ) 3,795744737 (1 0,162549887)
N 3n3 240 38
N n3 ˆ
Vˆ ( yRL ) ( 3 )V ( y3 )(1 ˆ32 ) 0 ,070406454 (kg / ha ) 2
3
N 3 n3
s( y RL 3 ) / ha V ( y RL3 ) 0,265342146 kg / ha
YˆRL3 N 3 y RL 3 240 12,63897697
Limite inferior
y RL t s( y RL ) 12, 63897697 2, 0275 0, 265342146 12,10099577 kg / ha
3 3
Limite superior
12,63897697
yRL3 t s( yRL3 ) 12,63897697+22,0275
,0275x0,0,265342146
265342146 ,17695817kgkg/ha
=1313,17695817 / ha
218
Estimativa por regressão
Limite inferior
YˆRL3 t s (YˆRL3 ) 33.033,354473
. 033,354473 2–, 0275
2,0275 x,7083786
63 63,7083786 ,185735 kg kg
= 2.904,185735
2. 904
Limite superior
YˆRL3 t s(YˆRL3 ) 3.033,354473
3.033,354473+22,0275
,0275x6363,7083786
,7083786 3=.162,523211kgkg
3.162,523211
Dado:
n3
y 3i
483,23
i 1
y3 12,716579 kg / ha
n3 38
219
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Então:
Dado:
yR L yh bh ( X h xh )
h
Então:
y RL y1 b1( X 1 x1 ) 30 ,291782
y RL y1 b1( X 1 x1 ) 30 ,291782
1
1
y R L2 y 2 b2 ( X 2 x2 ) 20,851783
y R L2 y 2 b2 ( X 2 x2 ) 20,851783
yR L y3 b3 ( X 3 x3 ) 12,638977
yR L y3 b3 ( X 3 x3 ) 220
3
3
12,638977
y RL y1 b1( X 1 x1 ) 30 ,291782
1
yR L y3 b3 ( X 3 x3 ) 12,638977
3
Portanto:
L
y RLS Wh y RLh
i 1
Vˆ ( y RL ) 0, 0378356 6 ( kg / ha) 2
S
221
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado:
L
60 0 1202, 46 360 809, 2 240 483, 23
y Est W
h1
h yh
1.200
40
1.200
39
1. 200
38
23,79 868 1
W h Vˆh ( y )
L 2
nh
0,1323 36
h1
L
W 2Vˆ ( y) 1 L
1
Vˆ ( y Est ) h h W Vˆ ( y ) 0,132336 1200 12 ,0438
h h
h 1 nh N h 1
Vˆ ( yEst ) 0,122299 ( kg / ha ) 2
Então:
t s( y RLEst ) 2,00 0 ,349713
LE SV 100 100 2 ,9389 %
yR LEst 23,798681
f) eficiência
Ef
LE SV da
( y Estestimativa
) 2,9389 da média por regressão com es-
1,8078
tratos separadosLE S ( yRLS )versus a calculada sem considerar a vari-
1,6257
ável auxiliar número de árvores LE SV ( y Est .) 2,9389
Ef 1,8078
LE S ( yRLS ) 1,6257
A eficiência é definida como o quociente entre o limite de
erro da estimativa da média sem considerar a variável auxiliar
número de árvores versus o calculado com estratos separados.
LE SV ( y Est ) 2,9389
Ef 1,8078
LE S ( yRLS ) 1,6257
222
Estimativa por regressão
Sabe-se que:
nh nh
( xhi )( y hi )
LWh2 (1 f h ) n h
h1
{
n ( n 1)
[ xhi yhi
i 1
i 1
nh
i 1
]}
h h
bc nh
L 2 nh ( x hi ) 2
W (1 f h )
{ n (n h
1 )
[ xhi2 i1
nh
]}
h1 h h i 1
Dado que:
n1 n1 n1
y1i 1.202,460 ;
i 1
x1i 411;
i 1
i 1
x1i y1i 12 .624,2;
n1 n1
2 2
y
i 1
1i 36.821,649; x
i 1
1i 4.369
Seja:
A1 + A2 + A3
bc =
C1 + C 2 + C3
Tal que:
n1 n1
( x1i )( y1 i )
W12 (1 f1 ) n1
n1 (n1 1)
i 1 i 1
A1 [ x1 i y1i ]
i 1 n1
223
Amostragem em inventário florestal Waldenei Travassos de Queiroz
40
0,5 2 (1 )
A1 600 (12 .624 ,2 411 1 .202 ,46 ) 0,0402236
40 39 40
n1
( x1i ) 2
W12 (1 f 1 ) n1 2
C1 [ x1 i i 1
]
n1 (n1 1) i1 n1
40
0,52 (1 ) 2
C1 600 (4.369 411 ) 0,0218339
40 39 40
n2 n2 n2
y
i 1
2i 809,2 ; x i 1
2i 327; x
i 1
2i y 2i 6.987,8;
n2 n2
y 22i 17.124,9; x 2
2i 2.969;
i 1 i 1
n2 n2
( x 2 i )( y 2 i )
W22 (1 f 2 ) n 2
A2 [ x2 i y 2 i i 1 i 1
]
n2 ( n2 1) i 1 n2
39
0,3 2 (1 )
A2 360 ( 6.987,8 327 809,2 )) 0 ,0109907
39 38 39
n2
2 n2
( x2 i ) 2
W (1 f 2 )
[ x 2i
2 2 i1
C2 ]
n2 (n 2 1) i 1 n2
39
0,32 (1 ) 2
C2 360 (2.969 327 ) 0,0123045
39 38 39
n3 n3 n3
n3 n3
i 1
y 32i 6.285,475; x 2
3i
1 .161,0;
i 1
224
Estimativa por regressão
n3 n3
( x 3i )( y3 i )
W32 (1 f 3 ) n3
A3 [ x3 y3 i 1 i 1
]
n3 ( n3 1) i1 i i n3
38
0,2 2 (1 )
A3 240 ( 2.623,27 203 483,23) ) 0,001001008
38 37 38
n3
2 ( x3 i ) 2
W 3 (1 f 3 ) n3 2
C3 [ x3 i i 1
]
n3 ( n3 1) i 1 n3
38
0,2 2 (1 ) 2
C3 240 (1.161 203 ) 0,00183305
38 37 38
A1 A2 A3
bc
C1 C2 C3
0 ,0402236 0 ,0109907 0,001001008
bc 1,4515764
0 ,0218339 0 ,0123045 0 ,00183305
N
x
i 1
i
6 .240 3.060 1 .248
X 8,79 árvores / ha
N 600 360 240
Sabe-se que:
L
600 411 360 327 240 203
x Est W h xh 8,721306
h 1 1.200 40 1.200 39 1 .200 38
L
600 1202,46 360 809,2 240 483,23
yEst Wh yh 23,798681
h 1 1.200 40 1.200 39 1.200 38
225
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Então:
y R LC y Est bc ( X x E st )
y R LC 23,898396 kg / ha
Dado que:
Vˆ ( y RL ) K1 K 2 K 3
C
Sendo:
W1 2 (1 f1 ) ˆ
K1 [V1 ( y ) 2bcVˆ1 ( x, y) bc2Vˆ1 (x )]
n1
40
0,5 2 (1 )
K1 600 (17,27942 2 1,4515764 6,89599 1,45157642 3,74295)
40
K1 0,03001822
W22 (1 f 2 ) ˆ
[V 2 ( y ) 2bcVˆ2 ( x, y ) bc Vˆ2 ( x )]
2
K2
n2
39
0,3 2 (1 )
K2 360 (8 ,81677 2 1,4515764 5 ,34130 1,4515764 2 5 ,97976 )
39 226
K 2 0, 01216087
W32 (1 f 3 ) ˆ
[V3 ( y ) 2bcVˆ3 ( x , y ) bc Vˆ3 ( x )]
2
K3
n3
K1 600 (17,27942 2 1,4515764 6,89599 1,45157642 3,74295)
40
K1 0,03001822
W22 (1 f 2 ) ˆ
[V 2 ( y ) 2bcVˆ2 ( x, y ) bc Vˆ2 ( x )] Estimativa por regressão
2
K2
n2
39
0,3 2 (1 )
K2 360 (8 ,81677 2 1,4515764 5 ,34130 1,4515764 2 5 ,97976 )
39
K 2 0, 01216087
W32 (1 f 3 ) ˆ
[V3 ( y ) 2bcVˆ3 ( x , y ) bc Vˆ3 ( x )]
2
K3
n3
2 38
0, 2 (1 )
K3 240 (3,79573 2 1, 45157 64 1,12985 1, 451 5764 2 2, 068 99)
38
K 3 0,0043191834
Vˆ ( y RL ) K 1 K 2 K 3 0,046498273 ( kg / ha ) 2
C
227
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Sendo:
t s( y RLEst ) 2,00 0 ,349713
LE SV 100 100 2 ,9389 %
yR LEst 23,798681
228
Estimativa por regressão
229
Capítulo 9
233
Amostragem em inventário florestal Waldenei Travassos de Queiroz
234
Amostragem por conglomerado
235
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Daí:
N n n
N
y
i 1
i. yi. Y
y
i 1
i. y
i 1
i.
y
Y ; Y i 1
; y ; y
N NM M n nM M
236
Amostragem por conglomerado
237
Amostragem em inventário florestal Waldenei Travassos de Queiroz
CAUSAS DE VARIAÇÃO GL QM
Entre Conglomerados N-1 QM ntre Vb (y )
QM EEntre Vb (y )
QM De ntro V w ( y )
Dentro dos Conglomerados N(M-1) QM De ntro V w ( y )
( N 1)Vb ( y) N( M 1)Vw( y)
TOTAL NM-1 QMT otal
N.M 1
Sendo:
( n 1) Vˆb ( y ) n(M 1)Vˆw ( y) (9.1)
Vˆ ( y )
nM 1
Vˆ ( y ) + ( M − 1)Vˆw ( y )
Vˆ ( y ) = b (9.2)
M
A partir da teoria da análise de variância, tem-se:
N n V1 ( y ) N n MVb ( y )
V ( y) ( ) ( )
N n N n
Tal que:
N − n Vˆ1 ( y ) N − n MVˆb ( y )
Vˆ ( y ) = ( ) =( )
N n N n
238
Amostragem por conglomerado
Portanto:
y 1
V ( y) = V ( ) = 2 V ( y)
M M
Então:
y 1
Vˆ ( y ) = Vˆ ( ) = 2 Vˆ ( y )
M M
Vˆ (Yˆ ) = Vˆ ( N y ) = N 2Vˆ ( y )
Desenvolvendo-se, resulta:
N M
2 ( yij Y )( yik Y )
E ( yij y )( yik y )
2
i 1 j k
(9.3)
E ( yij y ) ( M 1)( NM 1)V ( y )
( N 1) M QM Entre ( NM 1)V ( y )
(9.4)
( NM 1)( M 1)V ( y )
239
Amostragem em inventário florestal Waldenei Travassos de Queiroz
1 f ( NM 1) V ( y )
V ( y) ( ) [1 ( M 1)] (9.5)
n M 2 ( N 1)
Sendo:
N M
( y
i 1 j 1
ij Y )2
V ( y)
NM 1
Destarte:
1 f
Vˆ ( y ) ( ) Vˆ ( y )[1 ˆ( M 1)]
nM
240
Amostragem por conglomerado
∑ y i. ∑M i yi
Y = i =1
N
= i =1
M0
∑M
i =1
i
Dado que:
N
M0 = ∑Mi
i =1
∑y
i =1
i
y1 =
n
b) variância da média estimada
N N
y
i 1
i. M y
i 1
i i
Y N
M0
M
i 1
i
241
Amostragem em inventário florestal Waldenei Travassos de Queiroz
∑y
i =1
i.
yn
yR = n
=
Mn
∑M
i =1
i
Tendo-se:
n
∑y
n
i. ∑M i
yn = i =1
; Mn = i =1
.
n n
∑M i yi ∑M i ( yi − Y ) ∑M i ( yi − Y )
V ( y R ) = E ( i =1n − Y ) 2 = E[ i =1 n
] 2 ≅ E ( i =1 )2
nM N
∑M
i =1
i ∑M
I =1
i
242
Amostragem por conglomerado
Então: n n n
1 N n i 1 (M y )i i
2
2 y R M yi y
i
2 2
R M i
2
Vˆ ( y R ) 2 ( )( i 1 i 1
)
M N nN n 1
Tal que:
N
1
MN =
N
∑M
i =1
i
∑y i.
y3 = i =1
f × M0
N
n
Sendo: M 0 = ∑ M i ; f =
i =1 N
n
(∑ yi. ) 2
∑y 2
i. − i =1
n
Vˆ1 ( y ) = i =1
n −1
243
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Exercício 9.1
Tabela 9.2 - Produção de sementes por subparcela (dados fictícios) kg/2 ha.
C S1 S2 S3 S4 S5 Totais ( y i. ) Vˆwi ( y )
1 11,0 12,7 12,0 11,1 10,7 57,5 0,685
2 9,6 10,5 8,0 9,8 8,0 45,9 1,272
3 14,1 11,6 12,6 13,2 12,5 64,0 0,855
4 15,4 12,8 14,1 13,0 14,0 69,3 1,078
5 10,0 11,0 10,9 12,6 12,1 56,6 1,067
6 13,0 14,0 12,9 13,9 12,8 66,6 0,337
7 12,1 10,8 12,0 12,6 12,9 60,4 0,647
8 13,5 14,4 15,1 16,0 15,9 74,9 1,107
9 12,3 14,0 13,2 12,3 11,5 63,3 0,923
10 14,4 15,5 17,0 15,3 15,0 78,2 1,163
Total 636,7 9,134
Tem-se que:
n n n M
y i.
636 ,7; y i2. 41 .330,97 ; y ij2 8302,73
i 1 i1 i 1 j 1
244
Amostragem por conglomerado
y
i 1 j 1
ij
636,7
y 12,734 kg / 2 ha
nM 10 5
Dado que:
n
2
n
( yi. )
636,7 2
yi2. i1
n
41.330,97
10 88,031222 (kg / 10 ha)2
Vˆ1 ( y) i1
n 1 9
n M
n M
( y ij
)2
i 1 j 1 636,7 2
y 2
ij
nM
8302,73
50
Vˆ ( y ) i 1 i 1
3, 979432653 ( kg / 2 ha ) 2
nM 1 49
M y2i.
1 n y 2
ij
M 1 n ˆ
9,134
Vˆw ( y)
j 1
Vwi ( y) 0,9134 ( kg / 2 ha) 2
n i1 M 1 n i1 10
Então:
N n Vˆ1 ( y ) 100 10 88,032222
Vˆ ( y ) ( ) ( ) 7,9227 (kg / 10 ha) 2
N n 100 10
Por conseguinte:
245
Amostragem em inventário florestal Waldenei Travassos de Queiroz
CV GL SQ QM
Entre 9 158,4562 17,6062444
Dentro 40 36,536 0,9134
Total 49 194,9922 3,979432653
Então:
Logo:
246
Amostragem por conglomerado
yij 636,7
i 1 j1
y 12,734 kg / 2 ha
nM 10 5
IC : 11,5962 / 2 ha Y 13,8718 kg / 2 ha
IC : 5,7981 kg / ha Y 6,935889 kg / ha
IC : 5 .798,11 kg Y 6 .935,89 kg
247
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Exercício 9.2
C Mi Totais ( y i. ) yi
1 17 479,4 28,2
2 11 256,3 23,3
3 10 328,0 32,8
4 14 464,8 33,2
5 15 495,0 33,0
6 13 413,4 31,8
7 10 308,0 30,8
8 13 372,6 28,7
9 9 294,3 32,7
10 8 311,2 38,9
Total 120 3723,0 313,4
Sabe-se que:
248
Amostragem por conglomerado
y
i 1
i
313,4
y1 31,34 kg / ha
n 10
n
( yi ) 2
313,4 2
N n y i
2
i 1
n 80 10
9 .971,28
10
Vˆ ( y1 ) ( ) i 1
( )
Nn n 1 80 10 9
Vˆ ( y1 ) 1,451761111(kg / ha )2
s( y1 ) 1,204890 kg / ha
s(Yˆ1 ) 3 .775,1505 kg
IC : 28,9784 kg / ha Y 33,7016 kg / ha
249
Amostragem em inventário florestal Waldenei Travassos de Queiroz
y
i 1
i.
3723,0
yR n
31,025 kg / ha
120
M
i 1
i
( M i yi ) 2 2 y R M i2 y i y R2 M i2
1 Nn
Vˆ ( y R ) 2 ( )( i 1 i 1 i 1
)
M N nN n 1
2
1 80 10 1. 452 . 587 ,2 2 31,025 46. 624 ,0 31, 025 1514
Vˆ ( y R ) 2
( )( 250 )
12, 5 10 80 9
Vˆ ( y R ) 1,049667 (kg / ha ) 2
s ( y R ) 1, 024533 kg / ha
n n n
1 N n i 1
( M i yi ) 2 2 y R M i2 y i y R2 M i2
Amostragem
i 1 por conglomerado
Vˆ ( y R ) 2 ( )( i 1
)
M N nN n 1
2
1 80 10 1. 452 . 587 ,2 2 31,025 46. 624 ,0 31, 025 1514
Vˆ ( y R ) ( )( )
12, 5 2 10 80 9
Vˆ ( y R ) 1,049667 (kg / ha ) 2
s ( y R ) 1, 024533 kg / ha
Tendo:
N
1 1000
MN
N
i 1
Mi
80
12,5
Destarte:
s(YˆR ) 1024,532576 kg
IC : 29 ,016915 kg / ha Y 33 ,033085 kg / ha
251
Amostragem em inventário florestal Waldenei Travassos de Queiroz
t s ( yR ) 1,96 1,024533
LE % 100 100 6 ,47 %
yR 31,025
n 10
Dado que f 0,125 , então:
N 80
n
y
i 1
i.
3723,0
y3 29,784 kg / ha
f .M 0 0,125 1000
Dado que:
n
n
(y ) i.
2
3 723,0 2
y 2
i. i 1
n
1. 452. 214, 3
10
Vˆ1 ( y ) i 1 2
73 49,0 4444 4 ( kg / ha )
n 1 9
252
Amostragem por conglomerado
Então:
Vˆ ( y 3 ) 4 ,115464889 ( kg / ha ) 2
s ( y3 ) 2,028660861 kg / ha
s(Yˆ3 ) 2.028,660861 kg
IC : 25,807824 kg / ha Y 33,760176 kg / ha
253
Amostragem em inventário florestal Waldenei Travassos de Queiroz
254
Amostragem por conglomerado
a) proporção estimada
∑ yy
j =1
ijij = aii
b) variância da proporção
1 n ai
Dado que p i = a i / M , logo: p pi i 1
. Então:
n i 1 nM
N
N N
(∑ p i ) 2
N − n V ( y) ∑(p i − P) 2 ∑p 2
i − I =1
N
V ( p) = ( ) , para V ( y ) = i =1
= I =1
N n N −1 N −1
255
Amostragem em inventário florestal Waldenei Travassos de Queiroz
N
1
P=
N
∑p
i =1
i
Resultando: n
n n
( ∑ pi ) 2
N − n Vˆ ( y) ∑ ( pi − p ) 2 ∑ pi2 − I =1
Vˆ ( p ) = ( ) , para Vˆ ( y ) = i =1 = I =1
n
.
N n n −1 n −1
∑ ai ∑M i pi
p i = a i / M i , logo: p = i =1
= i =1
n n
∑Mi
i =1
∑M
I =1
i
1 Nn
a 2
i 2 p a i M i p 2 M i2
Vˆ ( p ) 2 ( ) i 1 i 1 i 1
M N nN n1
Sendo:
n
∑Mi =1
i
MN =
N
Exercício 9.3
256
Amostragem por conglomerado
Tabela 9.5 - Número de subparcelas (ai) por conglomerado (C) com ocor-
rência de cipós.
C ai pi = ai /8 C ai pi = ai /8 C ai pi = ai /8 C ai pi = ai /8
1 0 0,000 11 0 0,000 21 1 0,125 31 0 0,000
2 3 0,375 12 1 0,125 22 2 0,250 32 1 0,125
3 1 0,125 13 5 0,625 23 1 0,125 33 2 0,250
4 3 0,375 14 3 0,375 24 2 0,250 34 0 0,000
5 2 0,250 15 2 0,250 25 4 0,500 35 0 0,000
6 1 0,125 16 1 0,125 26 2 0,250 36 4 0,500
7 2 0,250 17 3 0,375 27 3 0,375 37 1 0,125
8 4 0,500 18 0 0,000 28 2 0,250 38 1 0,125
9 1 0,125 19 3 0,375 29 4 0,500 39 0 0,000
10 0 0,000 20 0 0,000 30 0 0,000 40 2 0,250
a) proporção estimada
Sendo:
n n
i1
p i 8 ,3750 ; a i
67 ,0
i 1
Então:
n
p
i 1
i
8, 3750
p 0,209375
n 40
Ou,
n
a
i 1
i
6 7, 0
p 0, 2 0937 5
nM 40 8
257
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado que:
n
n
( p i ) 2
8 ,3750 2
p 2
i
I 1
n
2,9531
Vˆ ( y ) I 1
40 0 ,030759
n 1 39
Então:
N n Vˆ ( y) 2000 40 0,030759
Vˆ ( p ) ( ) 0,0007535955
N n 2000 40
s( p ) Vˆ ( p) 0, 027452
0 ,153892 P 0,264858
258
Amostragem por conglomerado
Exercício 9.4
CO M ai pi CO Mi ai pi CO Mi ai pi
1 24i 11 0,474190 11 20 11 0,526656 21 18 9 0,502941
2 20 9 0,438285 12 30 15 0,498580 22 20 11 0,528746
3 18 9 0,482603 13 22 10 0,468295 23 22 10 0,449358
4 21 10 0,458886 14 20 10 0,520994 24 21 11 0,507773
5 20 10 0,494757 15 21 11 0,509420 25 22 10 0,443184
6 16 8 0,509868 16 23 12 0,500911 26 22 10 0,483288
7 21 10 0,465188 17 29 16 0,538024 27 17 9 0,519164
8 26 13 0,513292 18 14 7 0,486561 28 17 8 0,483169
9 15 6 0,392642 19 18 8 0,440110 29 24 12 0,486588
10 19 10 0,508764 20 25 13 0,512418 30 15 7 0,500293
Tem-se que:
Número total de famílias entrevistadas
30
M i
= 620
i 1
259
Amostragem em inventário florestal Waldenei Travassos de Queiroz
30
Número total de famílias que fazem coleta a i = 306
i 1
a) proporção estimada
30
i1
ai
306
p 30 0 ,493548
620
i 1
Mi
n n n
1 N n
ai2 2 p ai M i p 2 M i2
Vˆ ( p ) i 1 i 1 i 1
M N nN n 1
M
i 1
i
4200
MN 21,0
N 200
Vˆ ( p ) 0 ,0000348667 7143
s( p ) 0,005904809178
260
Amostragem por conglomerado
s ( y R ) 0 ,1240
10,1109 Y 10,6181
261
Amostragem em inventário florestal Waldenei Travassos de Queiroz
e) os métodos de Bayes.
262
Amostragem por conglomerado
Conglomerados
Subparcelas
1 2 .... N
Tabela 9.8 - Análise de variância para população com base nas subparcelas.
263
Amostragem em inventário florestal Waldenei Travassos de Queiroz
N M ( y ij ) 2
SQT otal yij2 C , onde C i 1 j1
i 1 j 1 NM
N
1
SQ Cong
M
y
i 1
2
i. C
N M N
1
SQRe s SQTotal SQCong y ij2 y 2
i.
i 1 j 1 M i 1
N M N M
E ( y ij2 ) E (Y c i e ij ) 2
i 1 j 1 i 1 j1
N M N M
E ( yij2 ) E (Y 2 ci2 eij2 2Y ci 2Yeij 2ci eij )
i 1 j1 i1 j 1
N M N M
E( y 2
ij
) [Y 2
V e ( y ) V d ( y )] NM Y 2 NMV e ( y ) NMV d ( y ) (9.6)
i 1 j 1 i 1 j 1
N M
( y ij ) 2
i 1 j 1 1 264N M
E[ (Y c i eij )] 2
NM
E (C) E( )
NM i 1 j 1
N N M
1
E (C ) E [ N 2 M 2 Y 2 M 2 ( ci ) 2 ( e ij ) 2 dp ]
NM i 1 i1 j 1
N M N M
E ( yij2 ) E (Y 2 ci2 eij2 2Y ci 2Yeij 2ci eij )
i 1 j1 i1 j 1
N M N M
E( y 2
ij
) [Y 2 Amostragem
V e ( y ) V d ( y )] NM Y 2 NMV e
por conglomerado
( y ) NMV d
( y ) (9.6)
i 1 j 1 i 1 j 1
N M
( y ij ) 2 N M
i 1 j 1 1
E (C) E( ) E[ (Y c i eij )] 2
NM NM i 1 j 1
N N M
1
E (C ) E [ N 2 M 2 Y 2 M 2 ( ci ) 2 ( e ij ) 2 dp ]
NM i 1 i1 j 1
dp = duplos produtos
1
E (C) [ N 2 M 2 Y 2 NM 2Ve ( y ) NMVd ( y )] NMY 2 MV e ( y ) V d ( y ) (9.7)
NM
Dado que:
N
E ( ci ) 2 E (c1 c2 cN ) 2 NVe ( y)
i 1
N M
E ( e ij ) 2 E (e11 e12 e NM ) 2 NMV d ( y )
i1 j 1
Então:
Ve ( y )( NM M ) V d ( y )( NM 1)
E (QM T otal )
NM 1
N M
( y ij )2 N N
i 1 j 1 1 1
E[ ] E ( y 2i . ) E( y 2
i. )
M M i 1 M i 1
y
j 1
ij yi .
N N M
1 2 1
E( y ) E ( M Y Mc e )2
265 j1
i. i ij
M i 1 M i 1
N N M
1 1
M
E ( yi2. )
i 1 M
E[(M 2Y 2 M 2ci2 ( eij ) 2 dp]
i1 j 1
N N
1 1
E( y 2 ) [ M 2Y 2 M 2V ( y) MV ( y) 0 ]
( y ij )2 N N
i 1 j 1 1 1
E[ ] E ( y 2i . ) E( y 2
i. )
M M i 1 M i 1
y
Amostragem em inventário florestal
j 1
ij y i.
Waldenei Travassos de Queiroz
N N M
1 1
M
E ( y i2. ) M
E ( M Y Mci e ij ) 2
i 1 i 1 j 1
N N M
1 1
E ( yi2. ) E[(M 2Y 2 M 2 ci2 ( eij ) 2 dp ]
M i 1 M i1 j 1
N N
1 1
M
E( y 2
i.
)
M
[M 2
Y 2 M 2Ve ( y) MVd ( y) 0 ]
i 1 i 1
N
1
E( y 2
i.
) NM 2 NMVe ( y ) NVd ( y) (9.8)
(9.8)
M i 1
SQCong 1
E (QM Cong ) E ( ) [ M ( N 1)V e ( y ) ( N 1)V d ( y )]
N 1 N 1
E( QM Cong ) MVe ( y ) Vd ( y )
Sendo:
SQ Dentro 1
E( QM Dentro ) E[ ] [ N( M 1)V d ( y )] Vd ( y)
N (M 1) N (M 1)
266
Amostragem por conglomerado
267
Amostragem em inventário florestal Waldenei Travassos de Queiroz
yi .
N
y i.
yi . y i.
y
Y i 1
; Y i1 Y ; y i 1
; y i 1
N NM M n nm m
Y NY NMY ; Yˆ N y NM y
Dado que:
V1 ( y ) = variância populacional entre os valores médios dos
conglomerados;
V2 ( y ) = média das variâncias populacionais das subparce-
las dentro dos conglomerados;
Vˆ1 ( y ) = variância estimada entre os valores médios dos
conglomerados;
Vˆ2 ( y ) = média das variâncias estimadas das subparcelas
dentro dos conglomerados;
V ( y ) = variância populacional da média dos conglomerados;
V ( y ) = variância populacional da média das subparcelas;
Vˆ ( y ) = variância estimada da média dos conglomerados;
Vˆ ( y ) = variância estimada da média das subparcelas.
Então: N
N N
( Yi ) 2
i 1
(Y i Y ) 2
i 1
i 1
Yi
N
V1 ( y )
N 1 N 1
N
1
V2 ( y)
N V
i 1
2i ( y ) , sendo:
M
( yij ) 2
M M 268 j 1
( yij Yi ) 2 yij2 M
j1 j 1
V2 i ( y )
M 1 M 1
N N
i 1
(Y i Y ) 2 Yi
i 1 i 1 N
V1 ( y )
N 1 N 1
N
1 Amostragem por conglomerado
V2 ( y)
N V
i 1
2i ( y ) , sendo:
M
( yij ) 2
M M
j 1
( yij Yi ) 2 yij2 M
j1 j 1
V2 i ( y )
M 1 M 1
Resultando os estimadores:
n
n
( yi ) 2
y i
2
i 1
n
Vˆ1 ( y) i 1
n 1
n
1
Vˆ2 ( y ) Vˆ2i ( y) , tal que:
n i 1
m
m m
( yij ) 2
j 1
(y ij
yi ) 2 y 2
ij
m
Vˆ 2i ( y)
j 1 j 1
m 1 m1
269
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Sendo: n m
∑∑ ( y
n
∑(y i − y) 2
ij − yi ) 2
Vˆ1 ( y ) = i =1
; Vˆ2 ( y ) = i =1 j =1
n −1 n(m − 1)
A Fórmula 9.10 pode ser escrita na forma 9.11 em função
dos componentes de variância.
Então:
n Vˆ ( y) n m Vˆ ( y)
Vˆ ( y) (1 ) 1 (1 ) 2
N n N M mn
Logo:
Vˆ ( y) Vˆ1 ( y) Vˆ 2 ( y) Vˆ2 ( y)
Vˆ ( y ) 1
n N Nm NM
Dado que:
n
(y y)2
i
QMˆ Entre Vˆd ( y ) mVˆe ( y) ˆ Vˆ ( y )
Vˆ1 ( y) i 1
V e ( y) d
n 1 m m m
Vˆ2 ( y ) Vˆd ( y )
270
Amostragem por conglomerado
Portanto:
Vˆ ( y) ˆ Vˆ ( y )
Vˆe ( y ) d V e ( y) d ˆ ˆ
Vˆ ( y ) m m V d ( y) V d ( y )
n N Nm NM
Vˆ ( y ) Vˆd ( y) Vˆe ( y) Vˆd ( y) Vˆd ( y) Vˆd ( y )
Vˆ ( y ) e
n nm N Nm Nm NM
Resultando:
Vˆ ( y ) Vˆd ( y ) Vˆe ( y ) Vˆd ( y )
Vˆ ( y ) e
n nm N NM
t 2Vˆ1 ( y)
n
t2 Vˆ ( y) Vˆ 2 ( y )
E 2 [Vˆ1 ( y) 2 ]
N m M
Vˆd ( y )
t 2 [Vˆe ( y ) ]
n
m 271
t2 Vˆd ( y )
E [Vˆe ( y )
2
]
N M
Vˆ ( y) Vˆd ( y) Vˆe ( y) Vˆd ( y)
E 2 t 2Vˆ ( y) t 2 [ e ]
n nm N NM
Vˆd ( y )
t 2 [Vˆe ( y ) ]
m
n
t2 Vˆd ( y )
E [Vˆe ( y )
2
]
N M
Então:
C c1 n c 2 nm n( c1 mc2 )
Para:
Vˆ ( y )
t 2 [Vˆe ( y ) + d ]
n= m
t2 Vˆ ( y )
E 2 + [Vˆe ( y ) + d ]
N M
Por conseguinte:
Vˆ ( y)
t 2[Vˆe ( y ) d ]( c1 mc2 )
C m
t2 Vˆ ( y)
E 2 [Vˆe ( y) d ]
N M
t2 ˆ
C [Vˆ ( y)c c1Vd ( y) mc Vˆ ( y) c Vˆ ( y)]
Vˆd ( y)
e 1 2 e 2 d
2 t2 ˆ m
E [Ve ( y) ]
N M
272
Amostragem por conglomerado
2 c1Vˆd ( y )
mOti
c 2Vˆe ( y )
Logo:
c1Vˆd ( y )
mOti =
c2Vˆe ( y )
273
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado que:
(n 1)m (QMˆ En tr e ) (nm 1)Vˆ ( y )
ˆ
( nm 1)( m 1)Vˆ ( y )
274
Amostragem por conglomerado
Seja a equação:
N n V1 ( y ) M m V 2 (y)
V (y ) ( ) ( )
N n M mn
Destarte:
1 V ( y) 1 1
V ( y ) [V1 ( y ) 2 ] V 2 ( y ) V1 ( y)
n M nm N
Consequentemente:
1 1
V ( y) V e ( y) Vd ( y )
n nm
275
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Finalmente:
V ( y)
V ( y) [1 ( m 1)]
nm
Destarte:
Vˆ ( y)
Vˆ ( y ) [1 ˆ(m 1)]
nm
Ve ( y) Vd ( y) V1 ( y)
É importante verificar que: V ( y)
n nm n
Dado que:
Vˆe ( y ) Vˆ ( y )
dˆ = = e , pois Vˆ ( y ) = Vˆe ( y ) + Vˆd ( y )
ˆ ˆ ˆ
Ve ( y ) + V d ( y ) V ( y )
Então:
ˆVˆ ( y ) Vˆ ( y ) ˆVˆ ( y )
Vˆ ( y )
n nm
mˆVˆ ( y ) Vˆ ( y ) ˆVˆ ( y )
Vˆ ( y )
nm
276
Amostragem por conglomerado
Logo:
m ˆVˆ ( y ) Vˆ ( y ) ˆ Vˆ ( y ) Vˆ ( y )
Vˆ ( y ) (m ˆ 1 ˆ)
nm nm
Finalmente:
Vˆ ( y )
Vˆ ( y ) [(1 mˆ( m 1)]
nm
E × y , então EE== LE
Dado que EE==LE
L E × y = t × s ( y ) e E 2 = t 2Vˆ ( y ),
L
logo:
t 2 Vˆ ( y)
E 2 t 2Vˆ ( y ) [1 ˆ (m 1)]
nm
Resultando:
t t22VˆVˆ((yy))
E 2 t 2Vˆ( ny )= 2 [[11+dˆˆ((mm−
11)])]
Enm m
277
Amostragem em inventário florestal Waldenei Travassos de Queiroz
t 2Vˆ ( y)
C [1 ˆ(m 1)](c1 mc 2 )
E 2m
t 2Vˆ ( y ) t 2Vˆ ( y ) t 2Vˆ ( y )ˆ t 2Vˆ ( y )ˆ t 2Vˆ ( y )ˆ t 2Vˆ ( y)ˆ
C c1 c2 c1 mc 2 2
c1 c2
2
E m E 2
E 2
E 2
E m E2
t 2Vˆ ( y) 1 ˆ
ˆ c ˆ mc c ˆ c )
C ( c 1 c 2 1 2 1 2
E2 m m
Então:
2 ˆ
mOtid c2 = c1 (1 − dˆ)
278
Amostragem por conglomerado
Finalmente:
c1 1 − dˆ
mOti = ( )
c2 dˆ
Verificação:
Dado que:
Vˆe ( y ) Vˆ ( y )
dˆ = = e
Vˆe ( y ) + Vˆd ( y ) Vˆ ( y )
Então:
Vˆe ( y ) Vˆ ( y ) − Vˆe ( y )
1−
c1 Vˆ ( y )
c Vˆ ( y )
mOti = [ ]= 1 [ ]
ˆ
c 2 Ve ( y ) c2 Vˆe ( y )
ˆ
V ( y) Vˆ ( y )
c1 Vˆd ( y )
mOti = (9.12)
c2 Vˆ ( y )
e
Dado que [2c1 t 2Vˆ ( y )])] /((E m32) é um termo sempre positivo,
E 22m
279
Amostragem em inventário florestal Waldenei Travassos de Queiroz
logo mOti obtido pela Fórmula 9.12 torna mínimo o custo do in-
ventário quando dˆ ≠ 1 , pois dC / dm2 > 0.
É importante sublinhar que a expressão para obter o nú-
mero ótimo de subparcelas do conglomerado é a mesma tanto
para população finita como para infinita.
t 2Vˆ ( y )
n= [1 + dˆ(m − 1)])]
E 2m
280
Amostragem por conglomerado
ˆ
Por outro lado, para obter m = c1 (1 − d ) , deverá ocorrer
c 2 dˆ
dˆ > 0.
Exercício 9.5
281
Amostragem em inventário florestal Waldenei Travassos de Queiroz
282
Amostragem por conglomerado
yi . 4237,51
y i 1
211,8755 m3 / ha
n 20
y i.
y 211,8755
y i 1
52,9689 m 3 / 0,25 ha ; y m 3 / ha
nm m 4
CAUSAS DE VARIAÇÃO GL SQ QM
Entre conglomerados 19 4.178,1575 219,9030
Dentro dos conglomerados 60 11.001,6220 183,3604
Vˆd ( y ) QM
ˆ 3 2
Dentro 183,3604 (m / 0,25 ha)
3 2
Vˆ ( y ) Vˆe ( y ) Vˆd ( y ) 192 ,4961 (m / 0 ,25 ha )
283
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Usando a fórmula:
Vˆ ( y) 54 ,975763
Vˆ ( y ) 1 2,748788 ( m3 / 0,25 ha )
n 20
284
Amostragem por conglomerado
E = t × s( y )
E = t × s6,631778
E = 2,0003 ( y) = 13,265546 m3/ ha
E 13,265546
LE % 100 100 6 ,26 %
y 211,8755
285
Amostragem em inventário florestal Waldenei Travassos de Queiroz
n = 32 conglomerados
c1 1 − dˆ 1 − 0,0475
m Oti = ( ) = 3( ) = 7,76
c 2 dˆ 0,0475
m Oti = 8 subunidades
286
Amostragem por conglomerado
Dado que:
n
( yi y) 2
Vˆ1 ( y) i 1
54,9758 (m3 / 0,25 ha)2
n 1
n m
(y ij
yi ) 2
Vˆ 2 ( y)
i 1 j 1
183,3604 ( m 3 / 0,25 ha ) 2
n ( m 1)
Sabe-se que:
49 ha 49 .000 ha n 20
M 196; N 1.000; f 1 0,02;
0,25 ha 49 ha N 1 .000
m 4
f2 0 ,0204
M 196
Então:
Vˆ ( y ) Vˆ ( y)
Vˆ ( y ) (1 f 1 ) 1 f1 (1 f 2 ) 2
n mn
54 ,975763 183,3604
Vˆ ( y ) (1 0,02 ) 0 ,02 (1 0 ,0204 )
20 4 20
Vˆ ( y) 2 ,7387 ( m3 / 0,25 ha ) 2
287
Vˆ ( y ) 4 2 2,738717 43,8195 ( m3 / ha ) 2
V (y) V ( y)
Vˆ ( y ) (1 f 1 ) 1 f1 (1 f 2 ) 2
n mn
54 ,975763 183,3604
Vˆ ( y ) (1 0,02 ) 0 ,02 (1 0 ,0204 )
20 4 20
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Vˆ ( y) 2 ,7387 ( m3 / 0,25 ha ) 2
Vˆ ( y ) 4 2 2,738717 43,8195 ( m3 / ha ) 2
288
Amostragem por conglomerado
y i.
4237,51
i 1
y 211,8755 m3 / ha
n 20
yi. = valor total das subparcelas do i-ésimo conglomerado
n
( y i. ) 2
yi2. i1
n
Vˆ ( yi .) i 1
879,612205 (m3 / ha )2
n 1
N n Vˆ( y i. ) 1 .000 20 879 ,612205
Vˆ ( y ) ( ) ( ) 43,1010 (m3 / ha ) 2
N n 1.000 20
289
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Exercício 9.6
a)
b)
c)
d)
e)
290
Amostragem por conglomerado
291
Amostragem em inventário florestal Waldenei Travassos de Queiroz
( y ij y )( y ik y ) 73,14083250
i 1 j k
Então:
n m
n m
2( y( y ij yy)()(yy ik yy))
2
a)ˆˆ i1 jk ij ik 22 73
73,14083250
,14083250
i1 jk
(m 1)(nm 1)Vˆ ( y ) ( 4 1)(5 4 1) 188,3050029 0,001362866
,01362866
(m 1)(nm 1)Vˆ ( y ) ( 4 1)(5 4 1) 188,3050029
(n 1)m QMˆ ˆ
ˆ ˆ Entre (nm 1)Vˆ ( y )
b)b)b)ˆ (n 1)m(nmQM Entre ( nm 1)V ( y )
1)( m 1)Vˆ ( y)
(nm 1)( m 1)Vˆ ( y)
C.Variação GL SQ QM
Entre cong 4 931,01918 232,754795
Dentro cong 15 2646,775875 176,451725
Total 19 3.577,795055 188,3050029
(5 − 1) × 4 × 232,754795 − (5 × 4 − 1) × 188,3050029
dˆ = = 0,01362866
(5 × 4 − 1) × (4 − 1) × 188,3050029
QMˆ Entre − Vˆ ( y )
c) dˆ =
(m − 1)Vˆ ( y )
292
Amostragem por conglomerado
Então:
Vˆ e ( y ) 14, 0757675
ˆ 0 ,073877881
Vˆe ( y ) Vˆ d ( y ) 14 , 0757675 176 , 451725
293
Amostragem em inventário florestal Waldenei Travassos de Queiroz
∑y
i =1
i = 264,4575
y
i 1
i
2
14.220 ,30866
Então:
∑ Vˆ ( y ) i
1 n Vˆi ( y ) 1 Vˆ1 ( y ) Vˆ2 ( y ) Vˆ3 ( y ) Vˆ4 ( y ) Vˆ5 ( y )
i =1
n
= ∑
n i =1 m
= [
5 4
+
4
+
4
+
4
+
4
]
294
Amostragem por conglomerado
Vˆ ( y i ) 1 882,258626
i 1
( ) 44,1129313
n 5 4
Seja então:
n
Vˆ ( y i )
Vˆe ( y) Vˆ ( y ) i 1
58,18869968 44 ,1129313 14 ,075768
n
Confirmando que:
n
Vˆ ( y i )
QMˆ Entre QMˆ Dentro 232 ,754795 176, 451725
Vˆe ( y ) Vˆ ( y ) i 1
14,075768
n m 4
∑ yi
a1) y1 =
i =1
n
n
∑M i yi
a 2) y R = i =1
n
∑M i =1
i
∑M i yi
a3) y3 = i =1
nM N
b) variância da média por razão
∑ M i yi ∑ M i ( yi − Y ) ∑ M (y −Y )
i i
V ( yR ) = E ( i =1
n
− Y ) = E(
2 i =1
n
) ≅ E ( i =1
2
)2
nM N
∑Mi =1
i ∑M
I =1
i
Sendo:
N
∑M
i =1
i
MN =
N
296
Amostragem por conglomerado
Dado: mi
mi (∑ yij ) 2
mi
∑y 2
ij − i =1
mi
n
; Vˆ2i ( y ) =
j =1
f1 = ; f 2i =
N M i mi − 1
Exercício 9.7
297
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Tabela 9.16 - Conglomerados em dois estágios ( m3/ 0,25 ha) com grandezas
desiguais.
C Mi mi S1 S2 S3 S4
1 196 4 43,75 42,50 32,75 57,10
2 200 3 62,75 **** 34,50 66,01
3 196 4 77,65 73,50 69,25 39,50
4 200 4 57,20 67,50 37,50 38,02
5 200 4 51,10 43,50 58,25 58,25
6 210 4 68,00 75,50 37,28 64,33
7 196 4 45,76 34,80 57,30 63,17
8 196 4 60,10 78,70 58,33 37,27
9 196 4 63,75 79,90 75,13 42,23
10 230 2 49,88 55,17 ***** *****
11 196 4 88,17 67,30 65,28 37,13
12 210 4 27,18 34,89 64,30 58,17
13 196 2 37,80 ***** **** 58,89
14 196 4 55,71 58,29 43,16 37,12
15 196 4 45,11 43,12 55,83 54,17
16 196 4 35,35 63,23 70,90 85,14
17 140 2 ***** ***** 61,37 55,33
18 196 4 38,75 45,17 40,44 39,89
19 196 4 49,10 55,13 63,17 37,14
20 180 3 50,10 52,70 37,37 *****
1055,36 1105,29 1046,63 1030,23
298
Amostragem por conglomerado
C Mi mi yi . yi Vˆ2i ( y ) M i yi M i2 yi f 2 i = mi M i
1 196 4 176,10 44,0250 100,161 8628,9 1691264 0,020408
2 200 3 163,26 54,4200 300,262 10884,0 2176800 0,015000
3 196 4 259,90 64,9750 300,194 12735,1 2496080 0,020408
4 200 4 200,22 50,0550 219,283 10011,0 2002200 0,020000
5 200 4 211,10 52,7750 49,594 10555,0 2111000 0,020000
6 210 4 245,11 61,2775 277,556 12868,3 2702338 0,019048
7 196 4 201,03 50,2575 158,497 9850,5 1930692 0,020408
8 196 4 234,40 58,6000 287,101 11485,6 2251178 0,020408
9 196 4 261,01 65,2525 281,469 12789,5 2506740 0,020408
10 230 2 105,05 52,5250 13,992 12080,8 2778573 0,008696
11 196 4 257,88 64,4700 439,277 12636,1 2476680 0,020408
12 210 4 184,54 46,1350 320,184 9688,4 2034554 0,019048
13 196 2 96,69 48,3450 222, 394 9475,6 1857222 0,010204
14 196 4 194,28 48,5700 101,943 9519,7 1865865 0,020408
15 196 4 198,23 49,5575 40,614 9713,3 1903801 0,020408
16 196 4 254,62 63,6550 438,483 12476,4 2445370 0,020408
17 140 2 116,70 58,3500 18,241 8169,0 1143660 0,014286
18 196 4 164,25 41,0625 7,994 8048,3 1577457 0,020408
19 196 4 204,54 51,1350 120,268 10022,5 1964402 0,020408
20 180 3 140,17 46,7233 67,304 8410,2 1513835 0,016667
Total 3922 3869,08 210.048
299
Amostragem em inventário florestal Waldenei Travassos de Queiroz
M
i 1
i yi
210.048
yR n
53,5563 (m3 / 0,25 ha )
3.922
M
i 1
i
300
Amostragem por conglomerado
301
Amostragem em inventário florestal Waldenei Travassos de Queiroz
n n n
∑A y i i ∑ A (y i i −Y ) ∑ A (y i i −Y )
V ( y R ) = E ( i =1n − Y ) 2 = E ( i =1 n
) 2 ≅ E ( i =1 )2
nAN
∑A
i =1
i ∑A
I =1
i
∑A
N
∑A i
i
Utilizou-se AN = i =1 no lugar de An = i =1
.
N n
De acordo com Cochran (1977), desenvolvendo tem-se:
n n n
2
( A y ) i i
2 yR Ai2 yi y R2 Ai2
1 N n i 1 f1 n
Ai2 (1 f 2i ) ˆ
Vˆ ( y R ) 2 ( ) i 1 i 1
V2 i ( y)
AN nN n 1 n 2 AN2 i 1 mi
mi
mi mi ( yij ) 2
n mi yij y 2
ij
mi
i 1
f1 ; f 2 i ; yi i 1
; Vˆ2i ( y ) j 1
N Mi mi mi 1
Então:
n n n
1 N n (A y ) i i
2
2 y R Ai2 yi yR2 Ai2
f 1 (1 f 2 ) n 2 ˆ
Vˆ ( yR ) 2 ( ) i 1 i 1 i 1
Ai V 2i ( y)
AN nN n1 n 2 AN2 m i 1
Exercício 9.8
302
Amostragem por conglomerado
C S1 S2 S3 S4 TOTAL Ai (ha)
1 43,7500 42,5000 32,7500 57,1000 176,100 1,00000
2 53,9200 33,0750 24,1500 46,2070 157,352 0,74748
3 62,1200 58,8000 55,4000 31,6000 207,920 0,80000
4 58,6200 57,3750 31,8750 32,3170 180,187 0,89995
5 51,1000 43,5000 58,2500 68,2500 221,100 1,00000
6 68,0000 75,5000 37,2800 64,3300 245,110 1,00000
7 32,0320 24,3600 40,1100 54,2100 150,712 0,74970
8 60,1000 78,7000 58,3300 37,2700 234,400 1,00000
9 63,7500 79,9000 75,1300 42,2300 261,010 1,00000
10 42,3980 46,8945 30,0645 57,6000 176,957 0,95829
11 88,1700 67,3000 65,2800 37,1300 257,880 1,00000
12 24,4620 31,4010 57,8700 52,3530 166,086 0,90000
13 58,9000 24,1200 24,5750 29,4450 137,040 0,70610
14 62,9200 55,3755 41,0020 35,2640 194,562 1,00000
15 60,5900 38,8080 50,2470 38,7500 188,395 0,95039
16 35,3500 63,2300 70,9000 85,1400 254,620 1,00000
17 36,1125 29,1750 46,0275 51,4900 162,805 0,79904
18 38,7500 45,1700 40,4400 39,8900 164,250 1,00000
19 23,2000 48,5144 55,5896 32,6832 159,987 0,78218
20 59,0700 36,8900 26,1590 39,9910 162,110 0,82164
303
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Ay
i 1
i i
887,86
yR n
4 9, 0130 m 3 / 0, 25ha
18,1148
A
i 1
i
Dado que:
n n n
1 N n
(A y )
i i
2
2 y R Ai 2 yi yR2 Ai2
f1 n
Ai2 (1 f 2 i ) ˆ
Vˆ ( yR ) 2 ( ) i 1 i 1 i 1
V 2i ( y )
A N nN n 1 n AN2
2
i 1 mi
304
Amostragem por conglomerado
Como f 2i = f 2 e m1 = m2 = L = mn:
n 20 m m 4 4
f1 ; f 2i i f 2 ; f2i f2
N 1000 Mi M 196 196
Então: n n n
1 N n (A y ) i i
2
2 y R Ai2 yi y R2 Ai2
f 1 (1 f 2 ) n 2 ˆ
Vˆ ( yR ) 2 ( ) i 1 i 1 i 1
Ai V2i ( y )
AN nN n1 n 2 AN2 m i 1
Portanto:
2
1 1 000 2 0 42. 664,0 2 49,01 3 8 26,86 49, 013 1 6,626 2
Vˆ ( y R ) ( )( )
0,9 0572 20 1000 19
20 4
(1 )
1000
2 196 348 9,4
2
20 0,9 057 4
Vˆ ( y R ) 0,05 973 479 81, 626 969 93 0,0 5208 794 1 4,9 2805 784 8(m 3 / 0, 25 ha) 2
∑A i
Utilizou-se An = i =1
devido ao desconhecimento de AN .
n
Os cálculos para obtenção dos intervalos de confiança e
dimensionamento da amostra seguem a metodogia já vista an-
teriormente.
305
Amostragem em inventário florestal Waldenei Travassos de Queiroz
a) estimativa da razão
n m
∑∑ y ij
Rˆ =
i =1 j =1
n m
∑∑ x
i =1 j =1
ij
1 Nn
y 2i. 2 Rˆ xi . yi . Rˆ 2 x i2. f1 n
xi2. (1 f 2 i ) ˆ
Vˆ ( yR ) 2 ( )( i 1 i1 i 1
) 2 2 V 2 i ( y)
X N nN n1 n X N i 1 mi
306
Amostragem por conglomerado
n n n
y 2
i. 2 Rˆ x i. y i. Rˆ 2 xi2.
1 N n i 1 f 1 (1 f 2 ) n 2 ˆ
Vˆ ( y R ) 2 ( )( i 1 i 1
) xi .V2i ( y )
X N nN n 1 n 2 mX N2 i1
Dado que: m
m
(∑ y ij ) 2
n m
∑y 2
ij − i =1
m
f1 = ; f 2 = ; Vˆ2i ( y ) = j =1
N M m −1
Vˆ2i ( y ) é a variância da variável de interesse das subparce-
las dentro do i-ésimo conglomerado.
Exercício 9.9
307
Amostragem em inventário florestal Waldenei Travassos de Queiroz
308
Amostragem por conglomerado
C S VT x C S VT x C S VT x C S VT x C S VT x C S VT x
1 1 6,054 1 6 1 9,696 1 11 1 0,000 0 16 1 10,193 6 21 1 0,000 0 26 1 1,958 1
1 2 3,622 2 6 2 0,000 0 11 2 0,000 0 16 2 23,242 6 21 2 0,000 0 26 2 4,857 2
1 3 6,037 2 6 3 1,251 1 11 3 7,835 2 16 3 3,468 2 21 3 0,000 0 26 3 17,002 3
1 4 7,297 4 6 4 1,047 1 11 4 10,236 4 16 4 1,280 1 21 4 0,000 0 26 4 2,423 1
1 5 5,671 3 6 5 1,844 1 11 5 1,064 1 16 5 9,039 4 21 5 1,850 1 26 5 0,000 0
1 6 21,827 8 6 6 0,000 0 11 6 9,725 3 16 6 5,893 3 21 6 0,000 0 26 6 0,000 0
1 7 4,503 3 6 7 1,425 1 11 7 6,152 1 16 7 13,539 6 21 7 0,000 0 26 7 2,136 1
1 8 8,712 3 6 8 0,000 0 11 8 0,000 0 16 8 2,683 2 21 8 0,000 0 26 8 2,813 2
2 1 11,744 2 7 1 21,803 5 12 1 4,007 2 17 1 10,226 4 22 1 5,176 3 27 1 11,481 5
2 2 13,607 5 7 2 4,304 2 12 2 0,000 0 17 2 0,000 0 22 2 0,000 0 27 2 4,064 2
2 3 11,768 4 7 3 0,000 0 12 3 12,233 4 17 3 11,902 6 22 3 0,000 0 27 3 11,862 4
2 4 0,776 1 7 4 3,995 2 12 4 1,534 1 17 4 0,000 0 22 4 0,000 0 27 4 7,130 3
2 5 13,153 5 7 5 2,263 1 12 5 3,887 1 17 5 20,868 6 22 5 0,000 0 27 5 6,004 2
2 6 2,423 1 7 6 3,799 2 12 6 14,262 3 17 6 2,470 2 22 6 0,000 0 27 6 8,876 4
2 7 4,051 2 7 7 0,000 0 12 7 3,637 2 17 7 3,010 2 22 7 7,778 3 27 7 13,413 6
2 8 0,000 0 7 8 13,284 3 12 8 6,142 3 17 8 2,689 2 22 8 13,118 3 27 8 0,000 0
3 1 1,706 1 8 1 5,718 3 13 1 0,000 0 18 1 1,234 1 23 1 15,844 5 28 1 12,175 5
3 2 0,000 0 8 2 4,566 3 13 2 0,000 0 18 2 4,982 3 23 2 8,277 4 28 2 37,932 4
3 3 0,000 0 8 3 6,427 3 13 3 0,000 0 18 3 4,964 2 23 3 2,878 2 28 3 3,045 1
3 4 3,190 1 8 4 0,000 0 13 4 0,000 0 18 4 0,000 0 23 4 2,265 2 28 4 0,000 0
3 5 2,290 2 8 5 5,974 5 13 5 0,000 0 18 5 13,317 3 23 5 7,575 3 28 5 6,828 3
3 6 3,178 1 8 6 7,603 5 13 6 0,000 0 18 6 4,763 3 23 6 4,320 1 28 6 2,244 1
3 7 0,000 0 8 7 1,759 2 13 7 2,030 1 18 7 0,000 0 23 7 1,689 1 28 7 5,942 3
3 8 5,120 2 8 8 0,000 0 13 8 0,000 0 18 8 1,037 1 23 8 5,735 2 28 8 8,929 3
4 1 13,136 2 9 1 15,739 4 14 1 0,000 0 19 1 8,788 3 24 1 0,000 0 29 1 7,143 3
4 2 11,752 5 9 2 1,224 1 14 2 0,000 0 19 2 8,346 4 24 2 0,000 0 29 2 3,898 2
4 3 0,000 0 9 3 10,721 3 14 3 0,000 0 19 3 1,715 1 24 3 8,206 2 29 3 1,320 1
4 4 7,206 2 9 4 8,803 3 14 4 1,601 1 19 4 0,000 0 24 4 6,258 2 29 4 7,600 3
4 5 7,791 3 9 5 10,691 3 14 5 0,000 0 19 5 0,000 0 24 5 4,497 2 29 5 4,647 2
4 6 0,000 0 9 6 7,896 5 14 6 0,000 0 19 6 5,865 1 24 6 4,965 3 29 6 10,880 4
4 7 20,017 6 9 7 33,005 5 14 7 0,000 0 19 7 11,144 4 24 7 4,005 2 29 7 3,638 1
4 8 17,326 7 9 8 6,130 1 14 8 6,020 3 19 8 2,350 1 24 8 7,649 4 29 8 7,760 4
5 1 11,067 4 10 1 0,000 0 15 1 0,000 0 20 1 3,101 2 25 1 6,510 2 30 1 2,092 1
5 2 5,222 1 10 2 0,000 0 15 2 11,043 3 20 2 0,000 0 25 2 6,791 3 30 2 4,856 1
5 3 0,000 0 10 3 4,213 2 15 3 6,283 2 20 3 6,770 2 25 3 4,262 2 30 3 16,119 4
5 4 1,763 1 10 4 0,000 0 15 4 4,458 2 20 4 14,389 5 25 4 2,887 1 30 4 38,281 7
5 5 7,518 3 10 5 5,696 3 15 5 4,657 2 20 5 0,000 0 25 5 7,666 3 30 5 10,716 2
5 6 3,645 2 10 6 10,314 3 15 6 11,317 4 20 6 13,093 3 25 6 14,333 3 30 6 8,586 3
5 7 1,695 1 10 7 11,751 5 15 7 9,003 2 20 7 8,604 5 25 7 13,384 4 30 7 6,944 2
5 8 0,000 0 10 8 5,967 3 15 8 4,096 1 20 8 0,000 0 25 8 10,346 2 30 8 0,000 0
309
Amostragem em inventário florestal Waldenei Travassos de Queiroz
310
Amostragem por conglomerado
m 8
f2 0,05;
M 160
X N 20,59571 árvores/ ha ;
n
i 1
xi .
477
i 1
x i . 477; Xn
n
30
15,9 árvores / 0,8 ha;
n n
X n 19,875 árvores / ha; y
i 1
i. 1 .333,84; y 2
i.
75.853,06;
i 1
n n n
x 2
i. 9237,0; x i. y i . 25 .792,0; x Vˆ 2
i. 2i
( y) 412.171,0
i 1 i 1 i 1
CV GL SQ QM
Entre 29 2068,594106 71,330831
Dentro 210 7011,720746 33,389146
Total 239 9080,314852 37,992949
311
Amostragem em inventário florestal Waldenei Travassos de Queiroz
i 1 j1
y ij
1 .333,84
y 5,557666667 m 3 / 0,10 ha
nm 30 8
3
y 55,5767 m / ha
Sabe-se que:
n
( yi y) 2
Vˆ1 ( y) i 1
8,916353875 (m3 / 0,10 ha) 2
n 1
n m
( y ij yi ) 2
i1 j1
Vˆ 2 ( y) 33,389146 (m 3 / 0 ,10 ha ) 2
n ( m 1)
(y y) 2
i
QMˆ Entre 71,330831
Vˆ1 ( y) i 1
8,916353875 (m 3 / 0,10 ha )2
n 1 m 8
n m
( y ij
yi ) 2
Vˆ2 ( y) QMˆ D en tr o 33,389146 ( m 3 / 0,10 ha ) 2
i 1 j 1
n(m 1)
Logo:
Vˆ ( y ) Vˆ ( y )
Vˆ ( y ) (1 f 1 ) 1 f1 (1 f 2 ) 2
n mn
8,916353875 33,389146
Vˆ1 ( y ) (1 0,3448) 0,3448 (1 0 ,05)
30 8 30
Vˆ ( y ) 0,240303788 (m / 0 ,10 ha )
1
3 2
312
Amostragem por conglomerado
Limite inferior
IC : y t s1 ( y ) 55,5767 2,00 4,9021 45,7725 m3 / ha
Limite superior
a) estimativa da razão
n m
y
i 1 j 1
ij
1. 333,84
Rˆ n m
2,7 96310
4 77
x
i 1 j 1
ij
313
Amostragem em inventário florestal Waldenei Travassos de Queiroz
n n n
y 2
i.
2 Rˆ xi. y i. Rˆ 2 xi2.
1 N n f 1 (1 f 2 ) n 2 ˆ
Vˆ ( y R ) 2 ( )( i 1 i 1 i 1
) xi.V2i ( y)
X N nN n 1 n 2 mX 2N i1
30 8
(1 )
2 87 160 412. 171,0
30 8 16,4765682
Limite inferior
IC : yR t s2 ( yR ) 57,59199 2,00 2,8234 51,94519 m3 / ha
Limite superior
IC : yR t s 2 ( yR ) 57,59199 2,00 2,8234 63,23879 m3 / ha
314
Amostragem por conglomerado
i 1
xi
477
Xn 15, 9
n 30
87 30 75. 853, 06 2 2, 796310 25. 792, 0 2,7963102 9237,0
1
Vˆ2 ( y R ) 2 (
)
15, 9 30 87 29
30 8
(1 )
872 160 412. 171, 0
30 8 15, 92
Vˆ 2 ( y R ) 0, 085603518 ( m / 0 ,10 ha )
3 2
Vˆ 2 ( y R ) 8, 5603518 ( m / ha )
3 2
Sendo:
y ij 1 .333 ,84
i 1 j1
y 44 ,4613 m 3 / 0,8 ha
n 30
y 55,5767 m3 / ha
315
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Sabe-se que:
n
n
( yi . ) 2 2
yi2. i 1 1333,84
i 1 n
75 .853
30
V ( y i. ) 570,6447 (m 3 / 0,8 ha ) 2
n 1 29
V ( y i. ) 891,6323 (m 3 / ha )2
Então:
N n Vˆ ( yi. ) 87 30 570,6447
Vˆ 3 ( y ) ( ) ( ) 12,46235552 (m 3 / 0 ,8 ha ) 2
N n 87 30
Vˆ3 ( y ) 1 9, 4724305 ( m 3 / ha ) 2
3
s3 ( y) 3,5302 (m 3 / 0,8 ha) ; s3 ( y) m / ha
Limite inferior
IC : y t s3 ( y ) 55 , 5767 2, 00 4, 4128 46 , 7511 m 3 / ha
Limite superior
IC : y t s3 ( y ) 55 , 5767 2 ,00 4 ,4128 64 , 4023 m 3/ ha
316
Amostragem por conglomerado
Sendo:
2
29 ; 0, 975 16, 0
292 ; 0 , 025 45 ,7
( 30 1)891,6323 ( 30 1)891,6323
P[ V(y) ] 0,95
45,7 16 ,0
P [565 ,8061 (m 3 / ha ) V ( y) 1.616 ,0835 (m 3 / ha )2 ] 0 ,95
y 2
i. 2Rˆ xi . y i. Rˆ 2 xi2.
1 N n i 1
Vˆ (Rˆ ) 2 ( )( i 1 i 1
)
X N nN n 1
1 87 30 75. 853 2 2,796310 25. 792 2, 796310 2 9.237
Vˆ4 ( Rˆ ) 2 ( )( )
16, 476568 30 87 29
Vˆ 4 ( Rˆ ) 0 ,0093329172 02
317
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Limite inferior
IC : yR t s4 ( yR ) 57,59199 2,00 1,9897 53,6124 m 3 / ha
Limite superior
IC : yR t s 4 ( yR ) 57 ,59199 2 ,00 1,9897 561,5714 m3 / ha
x
i 1
i
477
Xn 15,9
n 30
yR RˆX n 2,796310 15,9 44,461329 m3/ 0,8 ha
n n n
y i2. 2 Rˆ x i. y i. Rˆ 2 xi2.
1 N n
Vˆ ( Rˆ ) 2 ( )( i 1 i 1 i 1
)
X n nN n 1
1 87 30 75. 853 2 2, 796310 25. 792 2,796310 2 9 .237
Vˆ4 ( Rˆ ) 2 ( )( )
15, 9 30 87 29
Vˆ4 ( Rˆ ) 0, 011425139
y i2. 2 Rˆ x i. y i. Rˆ 2 xi2.
1 N n
Vˆ ( Rˆ ) 2 ( )( i 1 i 1 i 1
)
X n nN n 1
1 87 30 75. 853 2 2, 796310 25. 792Amostragem por conglomerado
2,796310 2
9 .237
Vˆ4 ( Rˆ ) 2 ( )( )
15, 9 30 87 29
Vˆ4 ( Rˆ ) 0, 011425139
Tal que:
477
Xn 15,9 árvores / 0,8 ha
30
yR Rˆ X n 2 ,796310 15 ,9 44,461329 m3 / 0,8 ha
yR 55,57666 m 3/ ha
319
Amostragem em inventário florestal Waldenei Travassos de Queiroz
320
Amostragem por conglomerado
321
Amostragem em inventário florestal Waldenei Travassos de Queiroz
322
Amostragem por conglomerado
∑y
j =1
ij = ai
1 n
ai
Dado que p i = a i / m , logo: p p i i 1
.
n i 1 nm
Então:
n
n
(∑ p i ) 2
∑p 2
i − I =1
n
Vˆ1 ( y ) = I =1
n −1
323
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado que:
n n
m∑ p i q i m∑ p i q i
Vˆ2i ( y ) = I =1 , sendo Vˆ ( y ) = I =1
2
(m − 1) n(m − 1)
Então:
1 f1 ˆ f (1 f 2 ) ˆ
Vˆ ( p) ( )V1 ( y ) 1 V2 ( y )
n nm
Exercício 9.10
324
Amostragem por conglomerado
C ai pi = ai / 40 qi piqi
1 0 0,000 1,000 0,000000
2 3 0,075 0,925 0,069375
3 2 0,050 0,950 0,047500
4 4 0,100 0,900 0,090000
5 2 0,050 0,950 0,047500
6 1 0,025 0,975 0,024375
7 2 0,050 0,950 0,047500
8 6 0,150 0,850 0,127500
9 3 0,075 0,925 0,069375
10 1 0,025 0,975 0,024375
Total 24 0,600 0,547500
pi 0,600 ;
i 1
pi qi 0,5475;
i1
2
pi 0,0525; ai 24;
i 1 i 1
n n
p i
0,600 i 24
a
i 1
p 0,06 ou p i1 0 ,06
n 10 nm 10 40
Dado que: n
n
( p i )2
0,6 2
p i
2
I 1
n
0,0525
10 0,00183333
Vˆ1 ( y ) I 1
n 1 9
n
m pi qi
40 0,5475
Vˆ 2 ( y ) I 1
0,243333
n ( m 1)
325
10 (10 1)
n 10
f1 0,1
N 100
m 20
f2 0 ,05
M 400
n
n
( p i )2
0,6 2
p
Amostragem em inventário florestal i
2 I 1
n
0,0525 Waldenei Travassos de Queiroz
10 0,00183333
Vˆ1 ( y ) I 1
n 1 9
n
m pi qi
40 0,5475
Vˆ 2 ( y ) I 1
0,243333
n ( m 1) 10 (10 1)
n 10
f1 0,1
N 100
m 20
f2 0 ,05
M 400
Então:
1 f1 ˆ f (1 f 2 ) ˆ
Vˆ ( p ) ( )V1 ( y) 1 V2 ( y )
n nm
1 0,1 0 ,1(1 0 ,05)
Vˆ ( p ) ( ) 0,00183333 0 ,243333
10 10 40
Vˆ ( p ) 0 ,0001649997 0,0000577915 875 0 ,0002227912 875
s ( p ) 0 ,014926194
326
Amostragem por conglomerado
∑M i pi
p i = a i / M i , logo: p R = i =1
n
∑M
i =1
i
Dado que:
n
∑M i pi
pR = i =1
n
∑M
i =1
i
Tal que:
n
∑M m pq
MN = i =1
i
;
Vˆ2i ( y ) = i i i
N (mi − 1)
Considerando:
f 2i = f 2 e m1 = m2 = L = mn = m :
n n n
1 N n i 1
(M i pi ) 2 pR M i
2
p i p 2R M i
2
f1 (1 f 2 ) n
Vˆ ( y R ) 2
( )[ i 1 i 1
] 2 2 M i
2
Vˆ2i ( y )
M N nN n 1 mn M N i 1
327
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Exercício 9.11
Tabela 9.25 - Número de árvores (ai ) por conglomerado (C) com sintomas
da doença.
M i 3920
i1
n
M
i 1
i
2
1 .600 .000,0
n
i 1
M i p i 241,03
N
i 1
Mi
40.000
MN 400
N 100
n
M
i 1
i
2
pi 97.009,0
328
n
(M
i 1
i
p i ) 2 8 .598,93
n
M i2 (1 f 2 i ) ˆ
mi
V 2i ( y ) 2. 054, 9
i 1
i 1
N
i 1
Mi
40.000
MN 400
N 100
n Amostragem por conglomerado
M
i 1
i
2
pi 97.009,0
n
(M
i 1
i
p i ) 2 8 .598,93
n
M i2 (1 f 2 i ) ˆ
mi
V 2i ( y ) 2. 054, 9
i 1
M
i 1
i
pi
241,92
pR n
0,061714
3920
M i 1
i
1 N n
(M i p i ) 2 2 p R M i2 p i p 2R M i2
f1 n
M i2 (1 f 2 i ) ˆ
Vˆ( yR ) 2 ( )[ i 1 i 1 i 1
] V 2i ( y)
M N nN n 1 n 2 M N2 i 1 mi
1 100 10 8.598,93 2 0,061487 97.009 0,0614872 1.600.000
Vˆ ( p) ( )( )
400 2 10 100 9
0,1
2 2.054,9
10 400 2
1 100 10
Vˆ ( p ) ( )( 302,043012) 0,0000128431 25 0 ,0001827423 193
400 2 10 100
s ( p ) 0 ,013518
329
Amostragem em inventário florestal Waldenei Travassos de Queiroz
330
Amostragem por conglomerado
331
Amostragem em inventário florestal Waldenei Travassos de Queiroz
332
Amostragem por conglomerado
500
450
Coeficiente de variação
400
350
300
250
200
150
100
50
0
0,00 0,20 0,40 0,60 0,80 1,00 1,20
Área da subparcela (ha)
Vt: Volume das 167 espécies V1: Volume das espécies da classe I Vm: Volume da Maçaranduba
333
Amostragem em inventário florestal Waldenei Travassos de Queiroz
0,5
0,4
Correlação intraconglomerado
0,3
0,2
0,1
0,0
0,00 0,20 0,40 0,60 0,80 1,00 1,20
-0,1
Área da subparcela (ha)
Vt: Volume das 167 espécies V1: Volume das espécies da classe I Vm: Volume da Maçaranduba
334
Amostragem por conglomerado
25
Número de subparcelas
20
15
10
0
0,00 0,20 0,40 0,60 0,80 1,00 1,20
Área da subparcela (ha)
Vt: Volume das 167 espécies V1: Volume das espécies da classe I Vm: Volume da Maçaranduba
335
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Vt: Volume das 167 espécies V1: Volume das espécies da classe I Vm: Volume da Maçaranduba
336
Amostragem por conglomerado
20
18
Número de subunidades
16
14
12 Vt
10 V1
8 Vm
6
4
2
0
0 100 200 300 400
distância
337
Amostragem em inventário florestal Waldenei Travassos de Queiroz
338
Amostragem por conglomerado
339
Amostragem em inventário florestal Waldenei Travassos de Queiroz
340
Amostragem por conglomerado
341
Amostragem em inventário florestal Waldenei Travassos de Queiroz
b) valor total
b1) valor total populacional
Y = NMUY
Yˆ = NMU y
342
Amostragem por conglomerado
343
Amostragem em inventário florestal Waldenei Travassos de Queiroz
n m u
n m u
( yijk ) 2
SQTotal yijk2 C C i1 j 1 k 1
i 1 j1 k 1 nmu
1 n 2
SQCC yi.. C
ju i1
1 n 2 1 n 2
SQC d .CC yij . yi..
u i 1 ju i
n m u
1 n m 2
SQSub d .C d .CC y ijk
2
y ij.
i1 j 1 k 1 u i j 1
344
Amostragem por conglomerado
V ( y ) VCC ( y ) VC ( y ) Vdd ( y )
345
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado que:
n m u
nmu − 1
Tem-se:
Vˆ( y) VˆCC ( y ) VˆC ( y ) Vˆdd ( y)
Tal que:
Vˆ Vˆ2
Vˆ Vˆ
VˆC C ( y) 1 , VˆC ( y) 2 3 , Vˆdd ( y ) QM Sub d .C d .CC
mu u
346
Amostragem por conglomerado
c) coeficiente de variação
s( y)
CVˆ % = × 100
y
d) variância da média por subparcela (unidade terciária)
y
1 j1 k 1
ijk
1 f1 1 f 2 1 f3
V ( y) V ( i ) V1 ( y ) V2 ( y ) V ( y)
nmu n nm nmu 2
Sendo:
N
( y
i 1
i y) 2
V1 ( y)
N 1
N M
( y ij yi ) 2
i 1 j1
V2 ( y )
N (M 1)
N M U
( y
i 1 j1 k 1
ijk yij ) 2
V3 ( y )
NM (U 1)
347
Amostragem em inventário florestal Waldenei Travassos de Queiroz
∑∑∑ y ijk
1 − f1 ˆ f (1 − f 2 ) ˆ f f (1 − f 3 ) ˆ
Vˆ ( y ) = V (
i =1 j =1 k =1
)= V1 ( y ) + 1 V2 ( y ) + 1 2 V3 ( y )
nmu n nm nmu
Sendo:
n n m
∑ ( yi − y ) 2 ∑∑ ( y ij − yi ) 2
Vˆ1 ( y ) = i =1
; Vˆ2 ( y ) = i =1 j =1
;
n mn −u 1 n(m − 1)
( y ijk
yij ) 2
Vˆ3 ( y )
i1 j 1 k 1
nm(u 1)
348
Amostragem por conglomerado
s ( y ) = Vˆ ( y )
f) intervalo de confiança
P[ y − t a 2 s( y ) ≤ Y ≤ y + t a 2 s( y )] =1-a
De E = t × s ( y ) , tem-se: E 2 = t 2 × Vˆ ( y ). . Logo:
Vˆ ( y ) VˆC ( y) Vˆd d ( y)
E 2 t 2Vˆ ( y ) t 2 [ CC ]
n nm nmu
2 1 2 ˆ Vˆ ( y ) Vˆdd ( y )
E t [VCC ( y ) C ]
n m mu
t2 ˆ Vˆ ( y ) Vˆdd ( y)
n 2 [V CC ( y ) C ]
E m 349 mu
t2 ˆ ˆ
n [Vˆ ( y ) V C ( y ) V dd ( y ) ]
CC
( LE y ) 2 m mu
2 t2 ˆ VˆC ( y) Vˆdd ( y)
Vˆ ( y ) VˆC ( y) Vˆd d ( y)
E 2 t 2Vˆ ( y ) t 2 [ CC ]
n nm nmu
Amostragem
1 VˆC ( y ) Vˆdd ( y )
E eminventário
2 2 florestal
ˆ ( y) Waldenei Travassos de Queiroz
t [VCC ]
n m mu
t2 ˆ Vˆ ( y ) Vˆdd ( y)
n 2 [V CC ( y ) C ]
E m mu
2 ˆ ˆ
n
t
[Vˆ ( y ) V C ( y ) V dd ( y ) ]
CC
( LE y ) 2 m mu
t2 ˆ VˆC ( y) Vˆdd ( y)
LE 2 (V CC ( y ) )
ny 2 m mu
t 1 Vˆ ( y ) Vˆdd ( y)
LE % ( ) [VˆCC ( y ) C ] 100
y n m mu
350
Amostragem por conglomerado
C*
Para = 0 , implica: c1 ˆ
ˆ ( y ) Vd d ( y ) ] Vˆ ( y )(c c u )
∂m 2
[V C CC 2 3
moti u
Finalmente:
Vˆ ( y )
c1 [VˆC ( y) dd ]
moti u
VˆCC ( y )(c 2 c 3 u)
Como:
VˆC ( y) Vˆdd ( y ) Vˆ ( y )
C * c1 [VCC ( y ) ] c 2 [ m Vˆ CC ( y ) VˆC ( y ) dd ] c 3 [ muVˆCC ( y ) uVˆC ( y ) Vˆ dd ( y )]
m mu u
Então:
C* Vˆ ( y ) Vˆ ( y )
c1 [ dd 2 ) c 2 ( dd 2 ] c 3 [ mVˆCC ( y ) V C ( y )]
u mu u
C*
Para = 0 , implica:
∂u
1 c1Vˆdd ( y)
2
[ c2 Vˆdd ( y )] c3 [ mVˆCC ( y) VˆC ( y)]
u oti m
c
Vˆdd ( y)( 1 c2 )
u oti m
c3 [ mVCC ( y) VˆC ( y )]
ˆ
351
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Exercício 9.12
Seja uma área florestal de 648.000 ha. Esta área foi dividi-
da em N = 120 unidades primárias (UP) de 5.400 ha cada, das
quais foram sorteados n = 9 conglomerados de conglomerados.
Em cada unidade primária sorteada foram alocados m = 5 conglo-
merados. A estrutura espacial de cada conglomerado apresenta
uma forma cruzada, composta por quatro subparcelas retangu-
lares de 10 m de largura por 250 m de comprimento. A distância
de cada subunidade ao ponto central foi de 50 m. A variável res-
posta definida é o volume total de madeira considerando todas
as espécies com DAP ≥ 30 cm. Os dados correspondentes às
180 subparcelas ou unidades terciárias de 0,25 ha foram trans-
formados por hectare e estão apresentados na Tabela 9.28.
352
Amostragem por conglomerado
353
Amostragem em inventário florestal Waldenei Travassos de Queiroz
354
Amostragem por conglomerado
y ijk
33680,5
i1 j 1 k 1
y 187,1139 m 3 / ha
nmu 9 5 4
u
MÉDIAS ESTIMADAS ( yij = ∑ yijk u )
k =1
355
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Tabela 9.30 - Valores médios por unidade terciária dentro dos conglomerados
de conglomerados.
CC 1 2 3 4 5
173,53 167,12 239,38 182,98 217,46
m u
yi yijk mu 6 7 8 9
j 1 k1
199,05 123,97 166,29 214,27
n m u n m u
( yijk ) 2
i 1 j 1 k 1
( y ijk y) 2
y 2
ijk
nmu
Vˆ ( y)
i 1 j 1 k 1 i1 j 1 k 1
nmu 1 nmu 1
2
( 33 .680,5)
6 .951.531,95
Vˆ ( y ) 180 3628,1710
179
356
Amostragem por conglomerado
357
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Componentes de variância:
358
Amostragem por conglomerado
359
Amostragem em inventário florestal Waldenei Travassos de Queiroz
∑∑∑ y ijk
1 − f1 ˆ f (1 − f 2 ) ˆ f f (1 − f 3 ) ˆ
Vˆ ( y ) = V (
i =1 j =1 k =1
)= V1 ( y ) + 1 V2 ( y ) + 1 2 V3 ( y )
nmu n nm nmu
Sendo:
360
Amostragem por conglomerado
n 9 m 5 u 4
Dado que f1 = = ; f2 = = ; f3 = = :
N 120 M 150 U 144
9 9 5 9 5 4
1 (1 ) (1 )
Vˆ ( y) 120 Vˆ1 ( y) 120 150 Vˆ2 ( y) 120 150 144 Vˆ3 ( y)
9 9 5 9 5 4
0 ,925 ˆ 0 ,0725 ˆ 0 ,002430555556) ˆ
Vˆ ( y ) V1 ( y ) V2 ( y ) V3 ( y )
9 9 5 9 5 4
0,925 0 ,0725 0 ,0024305555 56)
Vˆ ( y) 1194,3387 1322,2144 1983,9959
9 9 5 9 5 4
Vˆ ( y ) 122 ,7515 2,1302 0 ,0268
Vˆ ( y ) 124,9085 (m / ha)
3
361
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Supondo:
C1 = R$12.000,00, C2 = R$1500,00 e C3 = R$250,00. Então:
C1 / C2 = 8 e C2 / C3 = 6
362
Capítulo 10
365
Amostragem em inventário florestal Waldenei Travassos de Queiroz
V p1 ( y) Vp 2 ( y ) V pp ( y)
366
Inventário florestal contínuo
c) amostras mistas
367
Amostragem em inventário florestal Waldenei Travassos de Queiroz
368
Inventário florestal contínuo
SQ 5
Erro(b) ( p 1)(n m) SQ5 SQ6 SQ1 SQ2 SQ3 SQ4 QM 5
( p 1)( n m)
nj p
m
2 y...2
Total
np 1 SQ6 yijk
i 1 j 1 k 1 np
369
Amostragem em inventário florestal Waldenei Travassos de Queiroz
QM 1
F1
QM 2
QM 3
F2
QM 5
QM 4
F3
QM 5
370
Inventário florestal contínuo
Exercício 10.1
371
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Meses Blocos
Proc. Média
(Oca) I II III IV V Total
9/77 6 0,59 0,37 0,52 0,52 0,44 2,44 0,49
12 0,51 0,49 0,42 0,37 0,40 2,19 0,44
18 0,24 0,78 0,45 0,41 0,31 2,19 0,44
24 0,54 0,69 0,31 0,50 0,36 2,40 0,48
30 0,35 0,44 0,18 0,11 0,21 1,29 0,26
372
Inventário florestal contínuo
Ocasiões p-1 p
SQOca
k 1
y..2k
y 2
...
QM Oca
p 1
SQOca
rm rmp
Erro (b) m(r - 1)(p - 1) SQErr o(b ) SQTotal SQBlo co s SQPr oc SQErro (b )
SQErr o( a) SQOca SQPr o c Oca QM Erro( b)
m ( r 1( p 1)
Total rmp - 1 nj p
2
m y...2
SQTotal yijk
i1 j 1 k 1 rmp
373
Amostragem em inventário florestal Waldenei Travassos de Queiroz
m = 4; r = 5; p = 5
y
i 1 j 1 k 1
ij k y... 55,80
r m p
2
y
i1 j 1 k 1
ijk 36,7378
y ...2 55,80 2
C 31,1364
rmp 4 5 5
r
y
i1
2
i.. 12,992 12,222 11,102 9,962 9,532 631,3010
y
j 1
2
. j. 10,512 10,89 2 19,59 2 14,812 832,1564
m r
y 2
ij. 2,232 2,77 2 2,832 2,052 169,951
j 1 i 1
p
y
k 1
2
.. k 10,82 12,22 13,852 11,642 7,312 646, 2282
m p
y 2
. jk 2, 44 2 2,19 2 3,13 2 2, 27 2 176,162
j 1 k 1
374
Inventário florestal contínuo
Portanto:
r m p
SQTotal yijk C 36,7378 31,1364 5,6014
2
i 1 j 1 k 1
1 r 2 1
SQBlo cos
mp i 1
y i.. C
4 5
631,3010 31,1364 0,42865
1 m 2 1
SQPr oc
rp j1
y . j. C
5 5
832,1564 31,1364 2,149856
1 n m 2 169,951
SQErro( a) yij C SQBlo cos SQPr oc 5 31,1364 0, 42865 2,149856
p i 1 j 1 .
SQErro( a ) 0,275294
1 p 2 1
SQO ca
rm k 1
y.. k C
54
646,2282 31,1364 1,17501
p
1m 1
SQPr oc Oca Y 2jk C SQPr oc SQOca 5 176,162 31,1364 2,149856 1,17501
r j 1 k 1 .
SQPr ocOca 0,771134
SQ Err o(b) SQTotal SQblo cos SQProc SQErro( a) SQ Oca SQ Pr ocOca
SQ Erro( b) 5,6014 0,42865 2 ,149856 0,275294 1,17501 0 ,771134
SQ Erro( b ) 0 ,801456
Causas de variação GL SQ QM F
Blocos 4 0,4287 0,1072
Procedências 3 2,1499 0,7166 31,29 **
Resíduo (a) 12 0,2753 0,0229
Ocasiões 4 1,1750 0,2937 23,50 **
Procedência x Ocasião 12 0,7711 0,0643 5,14 **
Resíduo (b) 64 0,8015 0,0125
Total 99 5,6015 - -
375
Amostragem em inventário florestal Waldenei Travassos de Queiroz
376
Inventário florestal contínuo
Ocasiões (p = 5)
Total Tratamento
1° Grau (c1) 2° Grau (c2) 3° Grau (c3) 4° Grau (c4)
-2 +2 -1 +1 10,80
-1 -1 +2 -4 12,20
0 -2 0 +6 13,85
+1 -1 -2 -4 11,64
+2 +2 +1 +1 7,31
377
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Note que:
378
Inventário florestal contínuo
Note que:
SQ Oca d . 10 / 77 SQ1 SQ 2 SQ 3 SQ 4
0 0 0 0
379
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Note que:
SQ. Oca. d .20 / 77 SQ10 SQ20 SQ30 SQ4 0
SQ1 SQ2 SQ3 SQ4 0 ,004608 1,027291429 0,003872 0,026404571
0 0 0 0
380
Inventário florestal contínuo
4)
Note que:
SQ. Oca . d .19 / 77 SQ1 0 SQ 20 SQ30 SQ4 0
SQ1 SQ2 SQ3 SQ 4 0,006272 0,256822857 0,000288 0,002633142857
0 0 0 0
381
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Observando que:
SQ
SQ .. Oca
Oc a d.9 77+SQ
d . 9/ /77 SQ..Oca
Oca.. dd 10 77 +SQ
10 // 77 SQ.. Oca
Oca.. dd.. 20
20 // 77 + SQ
77 Oca
SQ .. Oc a. .dd.19
. 19/ 77 SQOca+SQ
/ 77=SQ SQProc x Oca
Oca Pr o c Oc a
Sendo:
SQOca + SQProc x Oca = 1,1750 + 0,7711 = 1,9461
Causas de variação GL SQ QM F
Blocos 4 0,4286 0,1071 -
Procedências 3 2,1400 0,7166 31,29 **
Resíduo (a) 12 0,2754 0,0229 -
Ocasiões d. Procedências (16) (1,9462) - -
Ocasiões d. Procedência 9/77 (4) 0,0439 -
Efeito linear 1 (0,1756) 0,0874 6,99 *
Efeito quadrático 1 0,0874 0,0326 2,61
Efeito cúbico 1 0,0326 0,0493 3,94
Efeito de 40 grau 1 0,0493 0,0063 0,50
0,0063 -
Ocasiões d. Procedência 10/77 (4) (0,4424) 0,1106 8,85
Efeito linear 1 0,3890 0,3890 31,12 **
Efeito quadrático 1 0,0170 0,0170 1,36
Efeito cúbico 1 0,0046 0,0046 0,37
Efeito de 40 grau 1 0,0319 0,0319 2,55
Ocasiões d. Procedência 20/77 (4) (1,0622) 0,2655 21,24
Efeito linear 1 0,0046 0,0046 0,37
Efeito quadrático 1 1,0273 1,0273 82,18 **
Efeito cúbico 1 0,0039 0,0039 0,31
Efeito de 40 grau 1 0,0264 0,0264 2,11
Ocasiões d. Procedência 19/77 (4) (0,2660) 0,0665 5,32
Efeito linear 1 0,0063 0,0063 0,50
Efeito quadrático 1 0,2568 0,2568 20,64 **
Efeito cúbico 1 0,0003 0,0003 0,02
Efeito de 40 grau 1 0,0026 0,0026 0,21
Resíduo (b) 64 0,8014 0,0125 -
Total 99 5,6014 - -
* significativo ao nível de 95% de confiança
** significativo ao nível de 99% de confiança
382
Inventário florestal contínuo
6
INCREMENTO EM ALTURA (m)
5
4 T9/77
3 T10/77
T20/77
2
T19/77
1
0
6 12 18 24 30
OCASIÕES (meses)
383
Amostragem em inventário florestal Waldenei Travassos de Queiroz
384
Inventário florestal contínuo
385
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Por conseguinte:
E ( µˆ x ) = a k E ( x k ) + a m E ( x m ) + c m E ( y m ) + c n E ( y n )
E ( µˆ x ) = a k µ k + a m µ k + c m µ y + c n µ y
E ( µˆ x ) = (a k + a m ) µ x + (c m + c n ) µ y
µˆ x = x k − a m ( x k − x m ) + c n ( y n − y m ) (10.2)
V ( x) V ( x)
Dado que V ( x k ) = e V ( xm ) = , então:
k m
V ( x) V ( x)
V ( xk − xm ) = +
k m
Pois os estimadores x k e x m são estatisticamente inde-
pendentes.
Dado que y n e y m são estatisticamente independentes,
tem-se:
V ( y) V ( y)
V ( yn − ym ) = +
n m
386
Inventário florestal contínuo
Pois:
V ( x)
cov( x k , x k − x m ) = ; cov( xk , y n − y m ) = 0;
k
V ( x, y )
cov( x k − x m , y n − y m ) = .
m
Então a variância de µ̂ x é dada pela expressão:
V ( x) 1 1 1 1 V ( x) V ( x, y )
V (ˆ x )
k
a m2V (x)( ) c2nV ( y)( ) 2a m
k m m n k
2a m cn
m
(10.3)
1 1 V ( x, y) V ( x) V ( x, y) 1 1
dV ( ˆ x ) [ 2amV ( x)( ) 2cn 2 ]dam [2am 2c nV ( y )( )]dcn 0
k m m k m m n
Logo:
1 1 V ( x, y) V (x )
2a mV ( x )( k m ) 2c n m 2 k 0
2 a V ( x, y) 2 c V ( y)( 1 1 ) 0
m
m
n
m n
Concluindo que:
m(m n)
am (10.4)
(k m)(m n) kn 2
mnBx y
cn (10.5)
(k m)(m n) kn 2
Dado que:
V ( x, y ) V ( x, y) 2
B xy ; B yx ; B xy B yx
V ( y) V ( x)
387
Amostragem em inventário florestal Waldenei Travassos de Queiroz
V ( x) 1 1 1 1 V ( x) V ( x, y )
V (ˆ x ) am2 V ( x)( ) c n2V ( y )( ) 2am 2 am cn
k k m m n k m
388
Inventário florestal contínuo
km 2 n
[ ]detH m 2 mn km kn kn 2 0
4V ( x )V ( y )
389
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado:
µˆ x = x k − a m ( x k − x m ) + c n ( y n − y m )
µˆ y = y n − a m' ( x k − x m ) + c n' ( y n − y m )
mV ( x, y )
Cov ( ˆ x , ˆ y ) 2
(k m )( m n) kn
390
Inventário florestal contínuo
Dado que:
k +m
∑x i
kx k + mx m
xk +m = i =1
=
k+m k+m
k +m+n
∑y
i = k +1
i
my m + ny n
y m+n = =
m+n m+n
Como E ( x k ) = E ( x n ) = E ( x ) = µ x e E ( y m ) = E ( y n ) = E ( y ) = µ y :
my m + ny n kx k + mx m
d = y m+n − xk +m = −
m+n k+m
Resultando:
V ( x) V ( y) 2 mV ( x , y)
V (d )
k m m n (k m )( m n)
391
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Exercício 10.2
Ua x y UA x y
1 5,66 - 26 6,04 13,85
2 16,26 - 27 9,30 15,07
3 12,40 - 28 18,20 19,73
4 7,56 - 29 12,42 16,64
5 11,88 - 30 11,38 16,10
6 11,48 - 31 13,92 17,16
7 9,86 - 32 9,40 15,23
8 12,74 - 33 15,66 19,05
9 9,18 - 34 8,20 14,82
10 12,14 - 35 10,30 15,68
11 9,64 - 36 12,04 16,82
12 11,08 - 37 12,08 16,44
13 7,68 - 38 13,70 17,30
14 16,00 - 39 8,90 15,11
15 5,74 - 40 8,72 15,24
16 2,52 - 41 - 14,45
17 11,04 - 42 - 15,60
18 8,90 - 43 - 15,50
19 9,18 - 44 - 18,54
20 17,88 - 45 - 13,32
21 10,06 15,55 46 - 15,50
22 10,82 15,91 47 - 18,41
23 10,56 15,81 48 - 15,52
24 7,48 14,42 49 - 14,26
25 8,94 14,99 50 - 16,50
392
Inventário florestal contínuo
x i
208,82
i 1
xk 10,441 m 3 / ha
k 20
k
k
( xi ) 2
x i2 i 1 208 ,82 2
k
2446,4756
20
Vˆk ( x) i1
14 ,009788 (m 3 / ha ) 2
k 1 19
Vˆ ( x ) 14,009788
Vˆ ( xk ) k 0,7004894 ( m3 / ha) 2
k 20
xi
i k 1 218,12
xm 10,906 m 3 / ha
m 20
k m
km
( xi ) 2
218,12 2
x i
2
i k 1
m
2538,1544
20
Vˆm ( x ) i k 1
8,3861937 ( m3 / ha ) 2
m 1 19
Vˆm (x ) 8,3861937
Vˆ ( x m )
3 2
0,4193096 (m / ha )
m 20
i 1
xi
426,94
x k m 10 ,6735 m 3 / ha
k m 40
k m
k m
( xi ) 2
426,94 2
x 2
i 1
4984,6300
393
i
k m 40 10,966305 (m 3 / ha ) 2
Vˆk m ( x) i 1
k m 1 39
Vˆ ( x ) 10 ,9663
Vˆ ( x k m ) k m 0 ,2741576 ( m 3 / ha ) 2
k m 40
s( x k m ) Vˆ ( x k m ) 0, 2741576 0,523601 m3 / ha
k m
i 1
x
Amostragem em inventário florestal
i
426,94 Waldenei Travassos de Queiroz
x k m 10 ,6735 m 3 / ha
k m 40
k m
k m
( xi ) 2
426,94 2
x i
k m
2
i 1
4984,6300
40 10,966305 (m 3 / ha ) 2
Vˆk m ( x) i 1
k m 1 39
Vˆ ( x ) 10 ,9663
Vˆ ( x k m ) k m 0 ,2741576 ( m 3 / ha ) 2
k m 40
s( x k m ) Vˆ ( x k m ) 0, 2741576 0,523601 m3 / ha
yi
i k 1 320,92
ym 16,046 m 3 / ha
m 20
k m
k m
( yi ) 2
320,92 2
y i2
m
i k 1
5189,6846
Vˆm ( y) ik 1 20 2,1159095 (m3 / ha) 2
m 1 19
ˆ
V ( y ) 2,1159095
Vˆ ( y m ) m 0,1057954 ( m3 / ha) 2
m 20
y i
157,60
ik m 1
yn 15,76 m3 / ha
n 10
k mn
k mn
( y ) i
2
157,602
y i2 i k m1
n
2509,213
10
Vˆn ( y ) i k m 1 2,8263 (m3 / ha )2
n 1 9
ˆ
V n ( y ) 2,8263
Vˆ ( y n )
3 2
0, 2826 ( m / ha)
n 10
394
y i
157,60
ik m 1
yn 15,76 m3 / ha
n 10
k mn
k mn
( y ) i
2
157,602
y i2
n
i k m1
2509,213
10
Inventário florestal contínuo
Vˆn ( y ) i k m 1 2,8263 (m3 / ha )2
n 1 9
Vˆn ( y ) 2,8263
Vˆ ( y n )
3 2
0, 2826 ( m / ha)
n 10
y i
478,52
i k 1
y m n 15,9507 m 3 / ha
m n 30
mn
2
k m n ( yi ) 2
2 i 1 478,52
yi
m n
7698,897
30
Vˆm n ( y) i k 1 3 2
2, 2822064 (m / ha)
m n 1 29
Vˆ ( y ) 2,2822064
Vˆ ( y mn ) mn 0,076073546 (m3 / ha) 2
m n 30
s( y ) Vˆ ( y ) 0,076073546 0,275814 m / ha
3
m n mn
395
Amostragem em inventário florestal Waldenei Travassos de Queiroz
396
Inventário florestal contínuo
Dado que:
Tal que:
Vˆ ( x , y ) 4 ,16312
Bˆ xy m 1,9675322
Vˆm ( y ) 2,1159095
[Vˆm ( x, y)] 2 4 ,16312 2
ˆ 2 0 ,976733
Vˆm ( x) Vˆm ( y) 8,3861937 2,1159095
Então:
ˆ x xk aˆ m ( xk xm ) cˆ n ( yn ym )
ˆ x 10,441 0,5972208 (10,441 10,906 ) 0,39168337 (15,76 16,046)
3
ˆ x 10,606686 m / ha
Sendo:
s(ˆ x ) Vˆ ( ˆ x ) 0,22084983 0,469947 m3 / ha
397
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Dado que:
Vˆ ( x , y) 4,16312
Bˆ yx m 0, 4964254
ˆ
Vm ( x) 8,3861937
Então:
ˆ y y n aˆ'm ( xk xm ) cˆn' ( yn ym )
ˆ y 15 , 76 [ 0,1976504 (10 ,441 10 , 906 )] 0, 7962945 (15, 76 16 , 046 )
ˆ y 15 ,89583279 m 3 / ha
Vˆ ( y) kmˆ 2
Vˆ (ˆ y ) m n [1 ]
m n (k m)(m n) kn ˆ 2
2 ,2822 20 20 0 ,976733
Vˆ ( ˆ y ) (1 ) 0 ,04648966 ( m 3 / ha )2
30 1004 ,6534
398
Inventário florestal contínuo
Resultando:
s ( ˆ y ) Vˆ ( ˆ ) 0,04648966 0,215614609 m 3 / ha
Dado:
Então:
399
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Vˆ ( y ) Vˆ ( y ) ˆ 2 Vˆm ( x) Vˆ ( x) Vˆ ( x, y )
Vˆ ( µˆ d ) = aˆ d m + (1 − aˆ d ) 2 n + bd + (1 + bˆd ) 2 k + 2aˆ d bˆd m
m n m k m
Tal que:
Vˆ (ˆ d ) V1 V 2
Vˆm ( y) Vˆ ( y) ˆ 2 Vˆm ( x)
V1 aˆ d (1 aˆ d ) 2 n bd
m n m
Vˆk ( x) Vˆ ( x, y )
V2 (1 bˆd ) 2 2 aˆ d bˆd m
k m
2 2,116 2 2,8 26 2 8,386
V1 1,1879 78262 (1 1,18797826 2) ( 0, 79487114 6)
20 10 20
V1 0,424222818
14,01 4,16312
V2 (1 0,794871146 ) 2 2 1,187978262 ( 0,794871146 )
20 20
V 2 0,363643578
Vˆ ( ˆ d ) V1 V 2 0,06057924 ( m / ha )
3 2
Sendo:
s( ˆ d ) Vˆ ( ˆ d ) 0 ,06057924 0, 246128503 m 3 / ha
400
Inventário florestal contínuo
xk +m 10,6735 9,81
dm 5,1400 12,83
µ̂ x 10,6067 8,86
µ̂ y 15,8958 2,71
µ̂ d 5,2891 9,31
401
Amostragem em inventário florestal Waldenei Travassos de Queiroz
402
Capítulo 11
405
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Af
(nd 1)
n An d
EDT , tal que:
v1 v2
406
Forma e tamanho das unidades de amostra
407
Amostragem em inventário florestal Waldenei Travassos de Queiroz
408
Forma e tamanho das unidades de amostra
409
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Coeficiente de
variação (%)
Tal que:
SQREGRESSÃO
r2
SQTO TAL
n = número de observações
410
Forma e tamanho das unidades de amostra
Ferreira (1996) cita que esse método foi proposto por Smi-
th (1938) e baseia-se numa relação empírica entre o tamanho da
parcela e a variância, estabelecendo uma dependência negativa
V
expressa pelo modelo matemático Vk = ab , tal que quando o ta-
k
manho relativo da parcela aumenta, a variância relativa diminui.
Neste modelo matemático, têm-se:
Vk = variância por unidade de área entre as parcelas de
tamanho correspondente a k unidades básicas;
Va = variância considerando as parcelas correspondentes
em tamanho à unidade básica;
k = número de unidades básicas utilizado por parcela;
b = índice de heterogeneidade medido pela correlação en-
tre unidades básicas adjacentes.
Então, tem-se o modelo log Vk = log Va − b log k , depreen-
dendo que o índice de heterogeneidade b é o coeficiente de
411
Amostragem em inventário florestal Waldenei Travassos de Queiroz
Tal que:
c1 = custo associado somente ao número de parcelas;
c 2 = custo por unidade de área.
412
CONSIDERAÇÕES FINAIS
415
tação das análises dos dados. Entretanto, sob o ponto de vista
prático da explicação dos efeitos das características fitossocio-
lógicas, é inegável ser um instrumento poderoso para interpretar
as correlações inter e intra dos tipos florestais, o que os recursos
disponíveis através dos diversos índices fitossociológicos unidi-
mensionais existentes na literatura deixam a desejar, principal-
mente, por não apresentarem estruturas de lógica matemática e
de método estatístico.
O problema mais complexo em termos de inventário para
o manejo de florestas naturais é a análise do inventário contínuo
com parcelas permanentes, o qual tem o objetivo de explicar a
tendência de crescimento da floresta. Para subsidiar a estrutura-
ção dos tratos silviculturais a serem aplicados na recomposição
da floresta tropical, destaca-se que, obrigatoriamente, a análise
estatística deverá ter em mira detectar e classificar os agrupa-
mentos de espécies que possuam as mesmas tendências de
desenvovimento (perfis de crescimento).
As soluções para os questionamentos acima descritos só
podem ser obtidas pelo uso de análise multivariada e, em alguns
problemas, até recomenda-se a aplicação conjunta de vários
métodos multivariados.
As técnicas multivariadas de componentes principais e
análise de fatores podem ser utilizadas para diminuir a dimen-
sionalidade dos dados, o que possibilitará, a partir de um número
menor de variáveis, explicar mais facilmente suas inter-relações.
A análise de componente principal e a análise de fatores são im-
portantes para construir índices fitossociológicos e a partir deles
produzir mapas delimitando as comunidades florestais.
As técnicas de análises de agrupamento, de discriminante
e de análise de variância multivariada, podem ser usadas con-
juntamente para delimitar, classificar e comparar – discriminar
416
– tipos florestais e, assim, obter mapas de vegetação baseados
nas variáveis mais importantes na explicação das estruturas flo-
rística e ecológica da vegetação.
É importante no manejo florestal estudar as inter-relações
entre grupos de variáveis. Por exemplo, um grupo pode ser for-
mado por variáveis florísticas e o outro pelas variáveis que refle-
tem a fertilidade de solo. A análise de correlação canônica pode-
rá explicar essas correlações, fornecendo inclusive mapas mos-
trando a estratificação das diversas relações solo-vegetação.
Em relação à análise de inventário florestal contínuo com
parcelas permanentes, a análise multivariada denominada de
medidas repetidas, através das técnicas de análises de levanta-
mentos longitudinais, podem atender ao objetivo de obter grupos
formados por espécies com a mesma tendência de crescimento.
417
Referências
419
FERREIRA, P. V. Estatística experimental aplicada à agrono-
mia. 2. ed. Maceió: EDUFAL, 1996. 606 p.
FLORES, O. M. M. Estudo comparativo de tamanhos e dis-
tâncias em processo de amostragem por conglomerado.
2010. 67 f. Dissertação (Mestrado em Ciências Florestais) – Uni-
versidade Federal Rural da Amazônia, Belém, 2010.
FONSECA, J. S.; MARTINS, G. A. Curso de estatística. 3. ed.
São Paulo: Atlas, 1982. 286 p.
FREESE, F. Elementary forest sampling. Washington: USDA,
1962, 91 p. (Handbook, 232).
GOMES, F. P. Curso de estatística experimental. 14. ed. Pira-
cicaba: ESALQ, 2000. 477 p.
GOMES, F. P.; NOGUEIRA, I. R. Análise matemática. 2. ed.
Piracicaba: Augegraf, 1980. 371 p.
HOFFMANN, R.; VIEIRA, S. Análise de regressão: uma intro-
dução à econometria. São Paulo: HUCITEC; EDUSP, 1977. 339
p.
HIGUCHI, N. et al. Tamanho de parcela amostral para inventá-
rios florestais. Acta Amazônica, Manaus, v. 12, n. 1, p. 91-103,
1982.
HUSCH, B. Planificacion de un inventario florestal. Roma:
FAO, 1971. 135 p.
HUSCH, B.; MILLER, C. L.; BEERS, T. W. Forest mensuration.
3. ed. New York: J. Wiley, 1972. 402 p.
LOETSCH, F.; HALLER, K. E. Forest inventory. Minchin: BLV
Verlagsgesellschaft, 1964.
MOOD, A. M.; GRAYBILL, F. A.; BOES, D. C. Introduction to the
theory of statistics. 3. ed. New York: Mc Graw-Hill, 1964. 564 p.
PÉLLICO NETTO, S.; BRENA, D. A. Inventário florestal. Curi-
tiba, 1997. 316 p.
420
PÉLLICO NETTO, S. Plano de colonização do Alto Turi. In-
ventário Florestal. Curitiba: Centro de Pesquisas Florestais da
UFPR, 1971. 238 p.
PÉLLICO NETTO, S. Die Forstinventuren in Brasilien- Neue
Entwicklungen und ihr Beitrag für eine geregelte Forstwirts-
chaft. 1979. 232 f. Tese (Doutorado em Engenharia Florestal)
- Mitteilungen aus dem Arbeitskreis für Forstliche Biometrie, Frei-
burg,1979.
PINHEIRO, J. G. Análise da eficiência das estimativas por
razão em conglomerados em inventário florestal na Amazô-
nia. 2011. 46 f. Dissertação (Mestrado em Ciências Florestais)
– Universidade Federal Rural da Amazônia, Belém, 2011.
PISKOUNOV, N. Cálculo diferencial e integral. 4. ed. Porto:
Lopes da Silva, 1978. v. 2.
QUEIROZ, W. T. Análise de fatores (“Factor analysis”) pelo
método de máxima verossimilhança: aplicação ao estudo de
estrutura de florestas tropicais. 1984. 112 f. Tese (Doutorado em
Engenharia Florestal) – Escola Superior de Agricultura Luiz de
Queiroz, Piracicaba, 1984.
______. Análise univariada de inventários florestais contínuos:
parcelas permanentes. Boletim da FCAP, Belém, n. 21, p. 33-
49, dez. 1993a.
______. Estimativa por razão: aplicação em levantamentos flo-
restais. Boletim da FCAP, Belém, n. 21, p. 51-63, dez. 1993b.
______. Efeitos da variação estrutural em unidades amos-
trais na aplicação do processo de amostragem por conglo-
merados nas florestas do Planalto do Tapajós. 1977. 109 f.
Dissertação (Mestrado em Engenharia Florestal) – Universidade
Federal do Paraná, Curitiba, 1977.
______. O modelo de amostragem com substituição parcial
(SPR) para duas mensurações sucessivas. Trabalho apre-
421
sentado no Seminário da Pós-Graduação. Piracicaba: ESALQ,
1983.
______. Técnicas de amostragem em inventário florestal
nos trópicos. Belém: FCAP. Serviço de Documentação e Infor-
mação, 1998. 147 p.
ROLLET, B.; QUEIROZ, W. T. Observações e contribuições aos
inventários florestais na Amazônia. In: CONGRESSO FLORES-
TAL BRASILEIRO, 3., 1978, Manaus. Anais... São Paulo: So-
ciedade Brasileira de Silvicultura, 1978. v. 2, p. 405-408. (Edição
especial da revista Silvicultura, n. 14).
SANQUETTA, C. R. et al. Inventários florestais: planejamento
e execução. 2. ed. Curitiba: Multi-Graphic, 2009. 316 p.
SHIVER, B. D. BORDER, B. E. Sampling techniques for forest
resource inventory. New York: Jhon Wiley e Sons, 1996. 356 p.
SATTERTHWAITE, F. E. An approximate distribution of estima-
tes of variance components. Biometrics, Washington, n. 2, p.
110-114, 1946.
SCOLFORO, J. R. Inventário florestal. Lavras: ESAL - FAEPE,
1993.
SEARLE, S. R. Linear models. New York: J. Wiley, 1971. 532 p.
SILVA, J. N. M. Eficiência de diversos tamanhos e formas de
unidades de amostras aplicadas em inventário florestal na
região do Baixo Tapajós. 1980. 83 f. Dissertação (Mestrado em
Engenharia Florestal) – Universidade Federal do Paraná, Curiti-
ba, 1980.
SMITH, H. F. An empirical law describing heterogeneity in the
yields of agricultural crops. Journal of Agricultural Science,
Cambridge, n. 28, p. 1-23, 1938.
SUPERINTENDÊNCIA DO DESENVOLVIMENTO DA AMA-
ZÔNIA. Levantamentos florestais realizados pela missão FAO
422
na Amazônia (1956-1961). Belém: Divisão de Documentação,
1974. v. 1.
STEEL, R. G. D.; TORRIE, J. H. Principles and procedures
of statistics with special biological sciences. New York: Mc
Grall-Hill, 1960. 481 p.
YARED, J. A. G. Comportamento e viabilidade de procedi-
mento de cordia alliodora (Ruiz e pav.) Okem, no Planalto do
Tapajós – Belterra, PA. 1983. 108 f. Dissertação (Mestrado em
Engenharia Florestal) – Escola Superior de Agricultura Luiz de
Queiroz, Piracicaba, 1983.
WARE, K. D.; CUNIA, T. Continuos forest inventory with partial
replacemente of samples. Forest Science Monograph, Wa-
shington, n. 3, 1962.
VRIES, P. G. Sampling theory for inventory: a teach-yourself
course. New York: Springer-Verlag, 1986. 399 p.
423
GLOSSÁRIO
425
Amostragem por conglomerados ou grupos: é uma variação
de qualquer processo de amostragem que, em vez de utilizar
unidades de amostra individuais, a unidade de amostra é forma-
da por grupo de pequenas subparcelas.
Amostragem sem reposição: método de amostragem no qual
a unidade de amostra selecionada para compor a amostra não
é reposta na população antes da retirada da próxima unidade.
Amostragem simples ao acaso: é uma amostragem probabi-
lística em que todos os indivíduos têm a mesma probabilidade
de serem sorteados.
Amostragem sistemática: consiste em sortear uma unidade da
população e, a partir dela, para constituir uma amostra de tama-
nho n, selecionar as unidades que ocupam pela ordem sequen-
cial as posições múltiplas do valor da razão entre o número total
N de unidades e o número n de unidades da amostra.
Amostras independentes: os conjuntos amostrais de valores
não estão relacionados entre si.
Biometria ou Bioestatística: estatística aplicada às ciências
biológicas.
Censo: mensuração de todos os indivíduos da população.
Coeficiente de correlação intraconglomerado: é o coeficiente
que explica o grau de homogeneidade entre subparcelas dentro
do conglomerado. Quando maior que zero, a amostragem por con-
glomerados é menos precisa que a simples ao acaso, e quando
menor que zero, a amostra por conglomerado é mais precisa que
a simples ao acaso. Essas amostragens possuem a mesma pre-
cisão se o coeficiente de correlação intraconglomerado for zero.
Coeficiente de variação: é a estatística que permite avaliar a
variabilidade das observações, buscando-se uma comparação
relativa entre o desvio padrão e a média.
426
Correlação: é a estatística que mede a magnitude e o sentido
do grau de associação entre duas variáveis aleatórias.
Correlação linear: é a estatística que mede a magnitude e o
sentido (positivo ou negativo) do grau de associação linear entre
duas variáveis aleatórias.
Covariância: é a estatística que mede a tendência à variação si-
multânea, em grandeza e sinal, das observações inerentes a duas
variáveis aleatórias. É a média (ou esperança matemática) do pro-
duto dos afastamentos de cada variável em relação à respectiva
média (ou esperança matemática): Cov(x,y) = E[x – E(x) (y – E(y)].
Curva “t” de Student: distribuição de probabilidade que apre-
senta as seguintes características: distribuição simétrica; curva
mesocúrtica; platicúrtica ou leptocúrtica, dependendo dos graus
de liberdade. Quando a forma é mesocúrtica se assemelha à
distribuição normal.
Delineamento experimental: é o plano estabelecido na mon-
tagem do experimento e implica na forma como os tratamentos
serão designados às unidades amostrais. Há um entendimento
sobre as análises estatísticas a serem efetuadas quando todos
os dados estiverem disponíveis.
Desvio padrão: é a medida de dispersão que determina a varia-
bilidade entre cada escore e a sua respectiva média da popula-
ção ou da amostra. É a raiz quadrada da variância.
Dimensionamento da amostra: é obter o tamanho da amostra
considerando um determinado nível de significância e um limite
de erro ou margem de erro.
Distribuição amostral: distribuição de probabilidade de uma
estatística induzida pelo plano amostral.
Distribuição normal: modelo de distribuição de probabilidades
de variáveis aleatórias contínuas. A curva apresenta as seguin-
427
tes características: distribuição simétrica; forma de sino; dois
pontos de inflexão; é assintótica.
Distribuição probabilística: é o conjunto de duas variáveis;
uma que é aleatória (abscissa) e outra que representa as res-
pectivas probabilidades (ordenada).
Eixo das abscissas: eixo horizontal dos valores, por exemplo,
de X i do plano cartesiano.
Eixo das ordenadas: eixo vertical dos valores, por exemplo, de
Yi do plano cartesiano.
Erro ou Viés ou Bias: erro casual observado nas amostras ale-
atórias, decorrente da variabilidade dos elementos constituintes
do universo estudado, pelo fato de que nem todos os indivíduos
da população participam da amostra. É um erro que pode levar à
conclusão equivocada sobre a população, podendo ocorrer: na
seleção da amostra; na coleta dos dados; na análise dos dados;
nas conclusões.
Erro padrão: estatística que mede a variabilidade das médias
amostrais. É o desvio padrão de uma população de médias
amostrais, o qual corresponde ao quociente do desvio padrão
pela raiz quadrada do tamanho da amostra.
Erro tipo I ou Erro alfa ( a ): é um erro que pode ser cometido
na inferência estatística que consiste em rejeitar a hipótese de
nulidade quando ela é verdadeira.
428
Esperança matemática de uma variável contínua E(y):
seja y uma variável aleatória contínua; definimos como
E ( y ) yf ( y )dy, tal que f ( y ) é a função de densidade.
430
Hipótese Alternativa ( HA ): é a hipótese que é aceita quando a
hipótese de nulidade é rejeitada, no sentido de afirmar que há
diferenças ou associações entre os grupos objetos da pesquisa,
as quais não podem ser explicadas pelo acaso.
Hipótese da nulidade ( H0 ): é a hipótese que se testa conside-
rando que as possíveis diferenças ou associações encontradas
entre grupos objetos do estudo são devido ao acaso.
Hipótese estatística: é a especificação de um dos parâmetros
de uma população ou da relação entre os parâmetros de duas
ou mais populações.
Inferência estatística: é o procedimento de efetuar conclusões
acerca de uma população baseado em uma amostra desse uni-
verso.
Intervalo de confiança: quando a partir da amostra constrói-
se um intervalo com certa probabilidade de conter o verdadeiro
valor do parâmetro populacional para um determinado nível de
confiança (1 – a), tal que a é o nível de significância do teste.
Krigagem: dentro da geoestatística é um conjunto de técnicas
usadas para inferir valores para uma variável distribuída no es-
paço em locais não amostrados.
Limite de erro ou margem de erro: é a semiamplitude do inter-
valo de confiança expresso em porcentagem da média.
Média estratificada estimada: é o valor médio não tendencioso
que estima o valor médio populacional. É uma média ponderada
pelo peso representativo de cada estrato.
Parâmetro: é uma função do conjunto de valores (uma caracte-
rística) de uma população.
Peso do estrato: é razão entre o número de unidades total do
estrato e o número total de unidades da população.
431
Plano amostral: documento de registro descrevendo os méto-
dos e medidas para obtenção da amostragem.
Ponto amostral: cada acontecimento que possa ocorrer em um
experimento.
População: é o conjunto de todos os indivíduos ou unidades
sobre os quais se deseja estabelecer determinados estudos.
População amostrada: população da qual foi retirada a amos-
tra.
População finita: quando a amostra se constitui no mínimo de
5% dos indivíduos da população.
População infinita: quando a amostra se constitui no máximo
de 5% dos indivíduos da população.
População objetivo: população que se pretende atingir.
Probabilidade: é a mensuração matemática usada para des-
crever a chance de ocorrência de um valor específico de uma
variável aleatória ou de eventos amostrais.
p-valor ou p(valor): é a probabilidade, na inferência estatística,
de se cometer um erro de conclusão - Erro tipo I -, rejeitando-se
a Hipótese de nulidade se ela for verdadeira.
Razão: é o quociente entre os valores de duas variáveis.
Repetições: é o mesmo tratamento aplicado a mais de uma uni-
dade de amostra da mesma população.
Semivariograma: estuda e descreve a variabilidade espacial do
fenômeno. Denominada também de análise estrutural ou mode-
lagem do variograma.
Seleção não probabilística: qualquer processo intencional de
escolher as unidades de amostra ou quando não seja possível
estabelecer as probabilidades de inclusão das mesmas.
432
Seleção probabilística: processo de selecionar as unidades de
amostra que permite estabelecer as probabilidades das mesmas
pertencer à amostra.
Teste de hipótese: quando a partir dos resultados obtidos da
amostra, deseja-se testar certos parâmetros da população ou
mesmo testar a natureza da população.
Tratamento: é o método ou a população cujo efeito deseja-se
medir ou comparar em um experimento ou em um levantamento.
Variância: é um momento de dispersão, calculado por um quo-
ciente do somatório dos quadrados da diferença entre cada es-
core e a respectiva média, e o denominador representado pelo
número de graus de liberdade correspondente.
Variável aleatória contínua: quando varia num conjunto infinito
não enumerável.
Variável aleatória discreta: quando assume somente um nú-
mero finito de valores ou quando varia num conjunto infinito enu-
merável.
Variável aleatória “F” de Snedecor: variável aleatória definida
como a razão de duas variáveis independentes com distribuição
qui-quadrado, com k graus de liberdade correspondente ao nu-
merador e p graus de liberdade inerente ao denominador. Pos-
suindo a sua função densidade denominada “F” de Snedecor.
Variável de interesse: característica das unidades da popula-
ção que se pretende conhecer.
Variável aleatória qui-quadrado: variável aleatória com k graus
de liberdade; é definida como a soma de k quadrados de nor-
mais padronizadas e independentes. Possui a sua função densi-
dade denominado de qui-quadrado.
433
Variável aleatória “t” de Student: variável aleatória com n-1,
tamanho da amostra menos um, graus de liberdade. É definida
como o quociente entre a diferença da média estimada e a mé-
dia populacional pelo erro padrão. Possui a sua função densida-
de denominada “t” de Student.
Variável aleatória: é aquela que ocorre com certa probabilidade.
Viés ou vício: de um estimador de um parâmetro é a diferença
entre o seu valor esperado e o valor do parâmetro.
434
Anexo
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
435
c a2 ,k
436
Tabela 3 - Distribuição “t” de Student.
a
0,50 0,25 0,10 0,05 0,025 0,01 0,005
k
1 1,00000 2,4142 6,3138 12,706 25,542 63,657 127,32
2 0,81650 1,6036 2,9200 4,3127 6,2053 9,9248 14,089
3 0,76489 1,4226 2,3534 3,1825 4,1765 5,8409 7,4533
4 0,74070 1,3444 2,1318 2,7764 3,4954 4,6041 5,5976
5 0,72669 1,3009 2,0150 2,5706 3,1634 4,0321 4,7733
6 0,71756 1,2733 1,9432 2,4469 2,9687 3,7074 4,3168
7 0,71114 1,2543 1,8946 2,3646 2,8412 3,4995 4,0293
8 0,70639 1,2403 1,8595 2,3060 2,7515 3,3554 3,8325
9 0,70272 1,2297 1,8331 2,2622 2,6850 3,2498 3,6897
10 0,69981 1,2213 1,8125 2,2281 2,6338 3,1693 3,5814
11 0,69745 1,2145 1,7959 2,2010 2,5931 3,1058 3,4966
12 0,69548 1,2089 1,7823 2,1788 2,5600 3,9545 3,4284
13 0,69384 1,2041 1,7709 2,1604 2,5326 3,0123 3,3725
14 0,69200 1,2001 1,7613 2,1448 2,5096 5,9768 3,3257
15 0,69120 1,1967 1,7530 2,1315 2,4899 2,9467 3,2860
16 0,69013 1,1937 1,7459 2,1199 2,4729 2,9208 3,2520
17 0,68919 1,1910 1,7396 2,1098 2,4581 2,8982 3,2225
18 0,68837 1,1887 1,7341 2,1009 2,4450 2,8784 3,1966
19 0,68763 1,1866 1,7291 2,0930 2,4334 2,8609 3,1737
20 0,68696 1,1848 1,7247 2,0860 2,4231 2,8453 3,1534
21 0,68635 1,1831 1,7207 2,0796 2,4138 2,8314 3,1352
22 0,68580 1,1816 1,7171 2,0739 2,4055 2,8188 3,1188
23 0,68531 1,1802 1,7139 2,0687 2,3979 2,8073 3,1040
24 0,68485 1,1789 1,7109 2,0639 2,3910 2,7969 3,0905
25 0,68443 1,1777 1,7081 2,0595 2,3846 2,7874 3,0782
26 0,68405 1,1766 1,7056 2,0555 2,3788 2,7787 3,0669
27 0,68370 1,1757 1,7033 2,0518 2,3734 2,7707 3,0565
28 0,68335 1,1748 1,7011 2,0484 2,3685 2,7633 3,0469
29 0,68304 1,1739 1,6991 2,0452 2,3638 2,7564 3,0380
30 0,68276 1,1731 1,6973 2,0423 2,3596 2,7500 3,0298
40 0,68066 1,1673 1,6839 2,0211 2,3289 2,7045 2,9712
60 0,67862 1,1616 1,6707 2,0003 2,2991 2,6603 2,9146
120 0,67656 1,1559 1,6577 1,9799 2,2699 2,6174 2,8599
∞ 0,67449 1,1503 1,6449 1,9600 2,2414 2,5758 2,8070
437
Fk , p ,a
k
1 2 3 4 5 6 7 8 9 10 20 30 120
p
1 161,4 199,5 215,7 224,6 230,2 234,0 236,8 238,9 240,5 241,9 248,0 250,1 253,3
2 18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38 19,40 19,45 19,46 19,49
3 10,13 9,55 9,28 9,12 9,01 8,94 8,89 8,85 8,81 8,79 8,66 8,62 8,55
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,80 5,75 5,66
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,77 4,74 4,56 4,50 4,40
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 3,87 3,81 3,70
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,64 3,44 3,38 3,27
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,35 3,15 3,08 2,97
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,14 2,94 2,86 2,75
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 4,07 3,02 2,98 2,77 2,70 2,58
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,95 2,90 2,85 2,65 2,57 2,45
12 4,75 3,89 3,49 3,26 3,11 3,00 2,90 2,85 2,80 2,75 2,54 2,47 2,34
13 4,67 3,81 3,41 3,18 3,03 2,92 2,83 2,77 2,71 2,67 2,46 2,38 2,25
14 4,60 3,74 3,34 3,11 2,96 2,85 2,76 2,70 2,65 2,60 2,39 3,31 2,18
15 4,54 3,68 3,29 3,06 2,90 2,79 2,71 2,64 2,59 2,54 2,33 2,25 2,11
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,28 2,19 2,06
17 4,45 3,59 3,20 2,96 2,81 2,70 2,61 2,55 2,49 2,45 2,23 2,15 2,01
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,19 2,11 1,97
19 4,38 3,52 3,13 2,90 2,74 2,63 2,54 2,48 2,42 2,38 2,16 2,07 1,93
20 4,35 3,49 3,10 2,87 2,71 2,60 2,51 2,45 2,39 2,35 2,12 2,04 1,90
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,10 2,01 1,87
22 4,30 3,44 3,05 2,82 2,66 2,55 2,46 2,40 2,34 2,30 2,07 1,98 1,84
23 4,28 3,42 3,03 2,80 2,64 2,53 2,44 2,37 2,32 2,27 2,05 1,96 1,81
24 4,26 3,40 3,01 2,78 2,62 2,51 2,42 2,36 2,30 2,25 2,03 1,94 1,79
30 4,17 3,32 2,92 2,69 2,53 2,42 2,33 2,27 2,21 2,16 1,93 1,84 1,68
40 4,08 3,23 2,84 2,61 2,45 2,34 2,21 2,18 2,12 2,08 1,84 1,74 1,58
60 4,00 3,15 2,76 2,53 2,37 2,25 2,17 2,10 2,04 1,99 1,75 1,65 1,47
120 3,92 3,07 2,68 2,45 2,29 2,17 2,09 2,02 1,96 1,91 1,66 1,55 1,35
∞ 3,84 3,00 2,60 2,37 2,21 2,10 2,01 1,94 1,88 1,83 1,57 1,46 1,22
438
Fk , p ,a
k
1 2 3 4 5 6 7 8 9 10 20 30 120
p
1 4052 4999 5403 5625 5764 5859 5928 5982 6022 6056 6209 6261 6339
2 98,50 99,00 99,17 99,25 99,30 99,33 99,36 99,37 99,39 99,40 99,45 99,47 99,49
3 34,12 30,82 29,46 28,71 28,24 27,91 27,67 27,49 27,35 27,23 26,69 26,50 26,22
4 21,20 18,00 16,69 15,98 15,52 15,21 14,98 14,80 14,66 14,55 14,02 13,84 13,56
5 16,26 13,27 12,06 11,39 10,97 10,67 10,46 10,29 10,16 10,05 9,55 9,38 9,11
6 13,75 10,92 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,40 7,23 6,97
7 12,25 9,55 8,45 7,85 7,46 7,19 6,99 6,84 6,72 6,62 6,16 5,99 5,74
8 11,26 8,65 7,59 7,01 6,63 6,37 6,18 6,03 5,91 5,81 5,36 5,20 4,95
9 10,56 8,02 6,99 6,42 6,06 5,80 5,61 5,47 5,35 5,26 4,81 4,65 4,40
10 10,04 7,56 6,55 5,99 5,64 5,39 5,20 5,06 4,94 4,85 4,41 4,25 4,00
11 9,65 7,21 6,22 5,67 5,32 5,07 4,89 4,74 4,63 4,54 4,10 3,94 3,69
12 9,33 6,93 5,95 5,41 5,06 4,82 4,64 4,50 4,39 4,30 3,86 3,70 3,45
13 9,07 6,70 5,74 5,21 4,86 4,62 4,44 4,30 4,19 4,10 3,66 3,51 3,25
14 8,86 6,51 5,56 5,04 4,69 4,46 4,28 4,14 4,03 3,94 3,51 3,35 3,09
15 8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,37 3,21 2,96
16 8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,26 3,10 2,84
17 8,40 6,11 5,18 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,16 3,00 2,75
18 8,29 6,01 5,09 4,58 4,25 4,01 3,84 3,71 3,60 3,51 3,08 2,92 2,66
19 8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,00 2,84 2,58
20 8,10 5,35 4,94 4,43 4,10 3,87 3,70 3,56 3,46 3,37 2,94 2,78 2,52
21 8,02 5,78 4,82 4,37 4,04 3,81 3,64 3,51 3,40 3,31 2,88 2,72 2,46
22 7,95 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 2,78 2,67 2,40
23 7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 2,74 2,62 2,35
24 7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,26 3,17 2,70 2,58 2,31
25 7,77 5,57 4,68 4,18 3,85 3,63 3,46 3,32 3,22 3,13 2,66 2,54 2,27
26 7,72 5,53 4,64 4,14 3,82 3,59 3,42 3,29 3,18 3,09 2,63 2,50 2,23
27 7,68 5,49 4,60 4,11 3,78 3,56 3,39 3,26 3,15 3,06 2,60 2,47 2,20
28 7,64 5,45 4,57 4,07 3,75 3,53 3,36 3,23 3,12 3,03 2,57 2,44 2,17
29 7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,09 3,00 2,55 2,41 2,14
30 7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,07 2,98 2,37 2,39 2,11
40 7,31 5,18 4,31 3,83 3,51 3,29 3,12 2,99 2,89 2,80 2,37 2,20 1,92
60 7,08 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,20 2,03 1,73
120 6,85 4,79 3,95 3,48 3,17 2,96 2,79 2,66 2,56 2,47 2,03 1,86 1,53
∞ 6,63 4,61 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 1,88 1,70 1,32
439
Tabela 6 - Valores críticos do teste de Hartley aos níveis de 1% e 5% de
probabilidade.
g: número de grupos
n1 = n-1 número de graus de liberdade de cada grupo
a = 5%.
g
2 3 4 5 6 7 8 9 10 11 12
n1
2 39,00 87,50 142,00 202,00 266,00 333,00 403,00 475,00 550,00 626,00 704,00
3 15,40 27,80 39,20 50,70 62,00 72,90 83,50 93,90 104,00 114,00 124,00
4 9,60 15,50 20,60 25,20 29,50 33,60 37,50 41,10 44,60 48,00 51,40
5 7,15 10,80 13,70 16,30 18,70 20,80 22,90 24,70 26,50 28,20 29,90
6 5,82 8,38 10,40 12,10 13,70 15,00 16,30 17,50 18,60 19,70 20,70
7 4,99 6,94 8,44 9,70 10,80 11,80 12,70 13,50 14,30 15,10 15,80
8 4,43 6,00 7,18 8,12 9,03 9,78 10,50 11,10 11,70 12,20 12,70
9 4,03 5,34 6,31 7,11 7,80 8,41 8,95 9,45 9,91 10,30 10,70
10 3,72 4,85 5,67 6,34 6,92 7,42 7,87 8,28 8,66 9,01 9,34
12 3,28 4,16 4,79 5,30 5,72 6,09 6,42 6,72 7,00 7,25 7,48
15 2,86 3,54 4,01 4,37 4,68 4,95 5,19 5,40 5,59 5,77 5,93
20 2,46 2,95 3,29 3,54 3,76 3,94 4,10 4,24 4,37 4,49 4,59
30 2,07 2,40 2,61 2,78 2,91 3,02 3,12 3,21 3,29 3,36 3,39
60 1,67 1,85 1,96 2,04 2,11 2,17 2,22 2,26 2,30 2,33 2,36
∞ 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
a = 1%
g
2 3 4 5 6 7 8 9 10 11 12
n1
2 199,00 448,0 729,0 1036,0 1362,0 1705,0 2063,0 2432,0 2813,0 3204,0 3605,0
3 47,50 85,0 120,0 151,0 184,0 216,0 249,0 281,0 310,0 337,0 361,0
4 23,20 37,0 49,0 59,0 69,0 79,0 89,0 97,0 106,0 113,0 120,0
5 14,90 22,0 28,0 33,0 38,0 42,0 46,0 50,0 54,0 57,0 60,0
6 11,10 15,5 19,1 22,0 25,0 27,0 30,0 32,0 34,0 36,0 37,0
7 8,89 12,1 14,5 16,5 18,4 20,0 22,0 23,0 24,0 26,0 27,0
8 7,50 9,9 11,7 13,2 14,5 15,8 16,9 17,9 18,9 19,8 21,0
9 6,54 8,5 9,9 11,1 12,1 13,1 13,9 14,7 15,3 16,0 16,6
10 5,85 7,4 8,6 9,6 10,4 11,1 11,8 12,4 12,9 13,4 13,9
12 4,91 6,1 6,9 7,6 8,2 8,7 9,1 9,5 9,9 10,2 10,6
15 4,07 4,9 5,5 6,0 6,4 6,7 7,1 7,3 7,5 7,8 8,0
20 3,32 3,8 4,3 4,6 4,9 5,1 5,3 5,5 5,6 5,8 5,9
30 2,63 3,0 3,3 3,4 3,6 3,7 3,8 3,9 4,0 4,1 4,2
60 1,96 2,2 2,3 2,4 2,4 2,5 2,5 2,6 2,6 2,7 2,7
∞ 1,00 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,0
440
Tabela 7 - Coeficientes para interpolação de polinômios ortogonais.
10 Ocasiões 11 Ocasiões
10 20 30 40 50 10 20 30 40 50
-9 +6 -42 +18 -6 -5 +15 -30 +6 -3
-7 +2 +14 -22 +14 -4 +6 +6 -6 +6
-5 -1 +35 -17 -1 -3 -1 +22 -6 +1
-3 -3 +31 +3 -11 -2 -6 +23 -1 -4
-1 -4 +12 +18 -6 -1 -9 +14 +4 -4
+1 -4 -12 +18 +6 0 -10 0 +6 0
+3 -3 -31 +3 +11 +1 -9 -14 +4 +4
+5 -1 -35 -17 +1 +2 -6 -23 -1 +4
+7 +2 -14 -22 -14 +3 -1 -22 -6 -1
+9 +6 +42 +18 +6 +4 +6 -6 -6 -6
+5 +15 +30 +6 +3
441