POR MEIO DO PROCESSO DE DIFUSÃO. Rozane de Loyola Eisfeld 1, Carlos Roberto Sanquetta 2, Julio Eduardo Arce 3, Anabel Aparecida Mello 4
|
|
- Vinícius Conceição Felgueiras
- 6 Há anos
- Visualizações:
Transcrição
1 Modelagem MODELAGEM do crescmento e da DO produção CRESCIMENTO de Pnus taeda L... E DA PRODUÇÃO DE Pnus taeda L. 67 POR MEIO DO PROCESSO DE DIFUSÃO Rozane de Loyola Esfeld, Carlos Roberto Sanquetta, Julo Eduardo Arce, Anabel Aparecda Mello 4 (recebdo: 6 de novembro de 004; aceto: 0 de mao de 005) RESUMO: Com o presente trabalho objetvou-se testar a metodologa do processo de dfusão para a estmatva do crescmento e da produção. O processo de dfusão anda é pouco utlzado em plantos comercas no Brasl e pode gerar estmatva comparável a outras metodologas, com resultados satsfatóros para smulação do crescmento e da produção. Para sso, foram utlzados dados de 5 parcelas permanentes de Pnus taeda L. sem desbaste, provenentes da empresa Internatonal Paper do Brasl. Para o desenvolvmento de tal metodologa fo ajustado o um modelo de crescmento e um modelo de mortaldade que rá ntegrar a equação de Kolmogorov. Foram sorteadas setenta parcelas para fazer a comparação entre os dados reas com os estmados. De modo geral, o processo de dfusão gerou resultados satsfatóros para estmatva do número de árvores, área basal e volume. Palavras-chave: Smulação, crescmento e produção, processo de dfusão, Pnus taeda. MODELLING GROWTH AND YIELD OF Pnus taeda L. USING DIFUSION PROCESS ABSTRACT: Ths work tested a methodology for growth and yeld modelng. The dffuson process s not yet wdely used n commercal plantatons n Brazl, but t can provde predctons comparable to others methodologes, producng satsfactory results to smulate growth and yeld. For ths purpose, 5 permanent samples establshed n unthnned Pnus taeda L. (loblolly pne) stands owned by the Internatonal Paper of Brazl Co were used. The dffuson process methodology conssts n connectng growth ncrement and mortalty models n Kolmogorov equaton. Seventy sample plots were randomly chosen n order to make the comparson among the observed and predcted values. In general, the dffuson process provded satsfactory estmates of number of trees, basal area per hectare and stem volume. Key words: smulaton, growth and yeld, dffuson process, Pnus taeda. INTRODUÇÃO O planto de florestas no Brasl é uma atvdade econômca mportante e com grande mpacto no campo socal. Conforme Caron Neto (00), o Estado do Paraná possu a maor área de florestas plantadas de Pnus, totalzando ha, ou seja, % da área plantada total do Brasl. É ndscutível a mportânca deste gênero neste Estado que representa 90% de toda a madera empregada na ndústra, atngndo cerca de de m³ consumdos anualmente. Em face dsso, é do nteresse de qualquer admnstrador lgado ao setor florestal consegur quantfcar e prognostcar, com confabldade, o estoque de suas florestas. A quantfcação do crescmento e da produção consste em uma condção essencal para defnr a utlzação dos bens advndos da floresta, além de fornecer nformações que subsdam a tomada de decsões para a maora das atvdades lgadas ao setor (ABREU, 000). O processo de dfusão é uma metodologa de crescmento e produção que pode proporconar bons resultados quando comparado com outras metodologas, porém anda é muto pouco empregado em plantos comercas no Brasl. M. Sc. em Cêncas Florestas, Engenhera de Inventáro Florestal Internatonal Paper do Brasl Rodova SP 40 km 7 Mog Guaçu, SP Rozane.Esfeld@paperbr.com Dr. em Cêncas Florestas, Prof. de Engenhara Florestal na UFPR Rua Lotháro Messner, 400 Jardm Botânco Curtba, PR sanquetta@floresta.ufpr.br Dr. em Cêncas Florestas, Prof. de Engenhara Florestal na UFPR Rua Lotháro Messner, 400 Jardm Botânco Curtba, PR jarce@floresta.ufpr.br 4 Dra. em Cêncas Florestas, Pesqusadora do Laboratóro de Inventáro Florestal/UFPR Rua Lotháro Messner, 400 Jardm Botânco Curtba, PR anabelmello@fyahoo.ufpr.br Cerne, Lavras, v., n., p , abr./jun. 005
2 68 EISFELD, R. de L. et al. Segundo Sanquetta (996), o processo de dfusão expressa a dnâmca das classes, tas como crescmento, mortaldade e recrutamento, smultaneamente em função do tempo e das própras dmensões das classes damétrcas, ntegrando esses componentes em equações dferencas. O modelo estocástco assm defndo, chamado de equação de dfusão ou processo de dfusão, é descrto pela equação forward de Kolmogorov ou equação de Fokker-Planck. Hara (984) testou a equação forward de Kolmogorov em um expermento puro com plantas coetâneas. Koyama (989) também utlzou essa equação para smular as mudanças no tamanho das classes damétrcas com dados de povoamentos secundáros com dferentes dades, em uma floresta no sul do Japão. Brannan & Reneke (984) utlzaram o processo de dfusão para descrever a evolução do dossel de uma floresta, durante o estágo ntermedáro para avançado na fase de sucessão secundára. O modelo dexou que a sucessão ocorresse através da reposção de uma árvore por outra, em que as aberturas do dossel são causadas através de perturbações endógenas. Como os parâmetros do modelo foram determnados pelos dados, fo possível seqüêncar a magntude das predções nos momentos de transção. E fnalmente, o modelo permtu uma caracterzação do estado clímax. Arce et al. (998) avalaram e smularam o crescmento de povoamentos jovens, coetâneos, monoespecífcos e homogêneos de Pnus taeda, utlzando a técnca de smulação Processos de Dfusão. Esses autores concluíram que a construção das equações de dfusão (Kolmogorov forward equaton), apesar de exgr estmatvas estatístcas prévas para obter a varável de crescmento relatvo, não apresentou maores dfculdades em ser mplementada para povoamentos jovens, coetâneos e homogêneos de Pnus taeda. A smulação com o processo de dfusão gerou dstrbuções damétrcas harmôncas e coerentes. O modelo de crescmento e mortaldade e o modo de competção de ses espéces que formam uma floresta clímax sub-boreal em Hokkado, norte do Japão, foram nvestgados baseando-se no modelo de dfusão (KUBOTA & HARA, 995). Cada árvore fo consderada ndvdualmente, utlzando apenas as árvores com mas de metros, em uma área de hectares. Em função desse modelo, os autores puderam conclur que o desenvolvmento da dnâmca de cada componente das espéces da floresta subboreal são, nfluencados prncpalmente pelos fatores estocástcos [D(t,x)] e pelas condções lmtes [R(t)], em comparação com a nteração de competção determnístca entre os componentes das espéces [G(t,x)]. Dentro desta vsão, o presente trabalho busca apresentar uma alternatva metodológca para a modelagem do crescmento e da produção para Pnus taeda, com potencal de uso também para outras espéces, tanto natvas quanto plantadas. MATERIAIS E MÉTODOS. Descrção da base de dados Os dados de Pnus taeda utlzados para este estudo são provenentes das propredades da empresa Internatonal Paper do Brasl, localzada no muncípo de Arapot, no Estado do Paraná. Foram utlzados dados de 5 parcelas permanentes, com dades varando entre 4 a 5 anos em condções varadas de síto. Dessas, 7 parcelas contnham duas medções e 5 contnham medções. Todas as parcelas são retangulares com dmensões de 0 m x 0 m, com 600 m² de área. Foram meddos todos as CAPs (crcunferênca com casca à altura do peto) e 0% das alturas totas. Além dsso, cada ndvíduo fo codfcado conforme o seu status (morta, torta, bfurcada, atacada por vespa). Os povoamentos utlzados neste trabalho foram mplantados em dos dferentes espaçamentos,,5 x,8 m e,0 x,0 m. Os mas jovens, com dades entre 4 a 8 anos, foram plantados com o espaçamento maor, com um número ncal de.667 árvores por hectare. Já os povoamentos mas antgos, entre e 4 anos, foram plantados com. árvores. Para a estmatva da altura fo utlzado o modelo modfcado de Prodan, com a segunte forma: DAP h,. DAP DAP DAP Id 0 () Cerne, Lavras, v., n., p , abr./jun. 005
3 Modelagem do crescmento e da produção de Pnus taeda L em que: h = altura total, em metros; DAP = dâmetro à altura do peto, em cm; Id = dade do povoamento, em anos;,,, = parâmetros do modelo; o = erro aleatóro. Para se estmar o volume de cada árvore fo utlzado o banco de cubagem fornecdo pela empresa. Ao total, foram utlzados dados de cubagem rgorosa de.404 árvores de Pnus taeda, com dades varando de a 4 anos, provenentes de todas as glebas da empresa. A cubagem rgorosa fo realzada tomandose meddas de dâmetro a 5%, 0%, 5%, 5%, 5%, 45%, 55%, 65%, 75%, 85% e 95% da altura total das árvores. O cálculo dos volumes das seções fo obtdo pela aplcação sucessva da fórmula de Smalan. A partr dessa base de dados, fo possível ajustar o polnômo do 5º grau para o cálculo do volume, que é assm representado: 4 5 d h h h h h DAP h h h h h () em que:,,,,, = parâmetros do modelo; o 4 5 d = dâmetro correspondente a uma altura h, em cm; DAP = dâmetro à altura do peto, em cm; h = altura total, em m; h = altura correspondente a um dâmetro d, em m; = erro aleatóro.. Desenvolvmento dos modelos para o processo de dfusão O modelo estocástco assm defndo, chamado de equação de dfusão ou processo de dfusão, é descrto pela equação forward de Kolmogorov ou equação de Fokker-Planck, e apresenta a segunte forma: f (t, x) [D(t, x)f (t, x)] [G(t, x)f (t, x)] M(t, x)f (t, x) t x x () em que: f(t, x) = dstrbução de densdade do tamanho x na dade t (HARA, 984); G(t, x) = crescmento nstantâneo médo do tamanho x na dade t por undade de tempo; D(t, x) = varânca nstantânea do crescmento do tamanho x na dade t por undade de tempo; M(t, x) = mortaldade nstantânea do tamanho x na dade t, por undade de tempo... Modelo do crescmento nstantâneo médo G(t,x) Incalmente foram testadas as varáves que possuíam maor correlação com o crescmento. Em seguda foram ajustados város modelos e verfcado se os resultados obtdos com a curva do modelo ajustado representavam satsfatoramente os dados. Os modelos testados estão relaconados a segur: Modelo : G(t, x) 0 exp D Id. Modelo : G(t,x) exp Id exp D. Modelo : G(t, x) / Id exp D. (6) Modelo 4: 0 0 (4) (5) G(t, x) 0 / B(t, x) Id exp D. (7) Cerne, Lavras, v., n., p , abr./jun. 005
4 70 EISFELD, R. de L. et al. Modelo 5: G(t, x) Id exp D B(t, x). (8) 0 Modelo 6: G(t, x) ln(d) / Id. (9) 0 Modelo 7: G(t, x) exp Id D. (0) 0 Modelo 8: G(t, x) 0 / Id exp D. () Modelo 9: G(t, x) / D 0 / B(t, x) Id exp D. () Modelo 0: G(t, x) / D 0 / Id exp D. () Modelo : G(t, x) / D D exp Id. (4) Modelo : 0 G(t, x) / D exp Id. (5) Modelo : 0 G(t, x) / D D exp Id. (6) 0 Modelo 4: G(t, x) / D exp Id D. (7) 0 Modelo 5: G(t, x) / D exp Id D. (8) 0 em que: D = dâmetro médo da classe, em cm; Id = dade do povoamento, em anos; B(t,x) = soma das áreas transversas das árvores pertencentes às classes damétrcas superores, em m²/ha;,,, = parâmetros do modelo; o = erro aleatóro... Modelo da varânca nstantânea do crescmento D(t,x) Fo mportante verfcar se a varânca possuía correlação com o crescmento e se hava alguma tendênca entre os valores de DAP, B(t,x) e Idade com a varânca. Se ela não possuísse nfluênca, o ajuste de equação para estmar esta varável sera desprezado. Então, a equação de Kolmogorov ou equação de Fokker-Planck apresentara a segunte forma: f (t, x) [G(t, x)f (t, x)] M(t, x)f (t, x) t x (9) Caso a varânca fosse ncluída no modelo, sera necessáro o ajuste de um modelo conforme a análse de dstrbução dos dados... Modelo da mortaldade nstantânea M(t,x) A mortaldade é uma varável fortemente nfluencada pelo dâmetro. Normalmente, a dsposção dos dados se dá de manera exponencal sendo que nas classes de dâmetros nferores ocorre uma maor mortaldade do que nas classes superores. Em função dsso, para estmar a mortaldade foram testados os seguntes modelos: Modelo : Modelo : Modelo : Modelo 4: M(t, x) exp 0 D. (0) M(t, x) exp 0 D Id. () M(t, x) exp 0 D B(t, x). () M(t, x) exp 0 D Id B(t, x). () Cerne, Lavras, v., n., p , abr./jun. 005
5 Modelagem do crescmento e da produção de Pnus taeda L... 7 em que: D = dâmetro médo da classe, em cm; Id = dade do povoamento, em anos; B(t,x) = soma das áreas transversas das árvores pertencentes às classes damétrcas superores, em m²/ha;,,, = parâmetros do modelo; o = erro aleatóro...4 Processo de Dfusão Após o desenvolvmento dos modelos de crescmento, varânca e mortaldade que resultam nas varáves ndependentes necessáras para a equação de Kolmogorov, deve-se segur os seguntes passos para se obter os resultados fnas do processo de dfusão: a) Multplcar o resultado de cada modelo pelo número ncal de árvores por classe de dâmetro; b) Ajustar o resultado dessa multplcação pelo ntervalo de tempo que se deseja smular, ou seja, se o resultado desejado for anual os valores deverão ser dvddos por, se o resultado desejado for de em anos os valores deverão ser multplcados por, gerando as varáves gf() (crescmento), df() para a varânca e mf() para a mortaldade, consderando as classes de dâmetro; c) Obtdo o gf(), mf() e vf() deve-se calcular o gf, mf, vf e dfdt conforme as fórmulas a segur: a. gf gf () gf ( ) (4) b. c. mf mf () vf vf ( ) vf () vf ( ) (5) (6) d. dfdt vf 0, 5 gf mf (7) d) O resultado desta equação é a perda ou ganho do número de árvores por classe de dâmetro. Esse valor (dfdt) fo somado ao número de árvores ncas em cada classe, resultando no número de árvores por classe no período desejado.. Crtéros de seleção dos modelos ajustados Para testar a qualdade dos ajustes dos modelos, foram utlzados três parâmetros de comparação, o coefcente de determnação (R²), o erro padrão da estmatva (Syx) e a análse gráfca dos resíduos..4 Precsão da prognose Para a avalação da precsão da prognose, foram confrontados dados de 70 parcelas escolhdas aleatoramente em dferentes dades, como a freqüênca, a área basal e o volume prognostcado a partr da metodologa do processo de dfusão, utlzando o erro padrão da estmatva e o coefcente de determnação como os crtéros quanttatvos para essa comparação. RESULTADOS E DISCUSSÃO. Modelo de Crescmento Instantâneo Médo G(t,x) O crescmento é muto nfluencado pelo dâmetro e pela dade, como demonstra a Fgura. O crescmento em dâmetro aumenta com o aumento das classes de DAP, prncpalmente nos povoamentos mas jovens. A partr dos 8 anos, o dâmetro já não possu tanta nfluênca sobre o crescmento, mantendo-se pratcamente constante. Em conseqüênca da dstrbução dos dados, fo necessáro ajustar um modelo que tanto obtvesse um resultado de ajuste estatístco satsfatóro, quanto representasse essa dstrbução. Foram testados qunze dferentes modelos, ajustados de forma não lnear, buscando estmar satsfatoramente o crescmento das árvores. As estatístcas utlzadas na escolha estão apresentadas na Tabela. Todos os modelos testados alcançaram erros acma de 6%, fcando evdencado a dfculdade em se ajustar um modelo de crescmento. Devdo a sso, o modelo 7, que apresentou as melhores meddas de dspersão, fo escolhdo para ser ajustado não mas a partr do banco de dados de crescmento por dade e classe de dâmetro, mas sm utlzando todos os valores de crescmento ndvduas das árvores, totalzando um banco de dados com aproxmadamente 4 ml dados, retrando as árvores mortas e os dados com valores muto superores ou nferores a méda da dspersão (outlers). Cerne, Lavras, v., n., p , abr./jun. 005
6 7 EISFELD, R. de L. et al. G(t,x) - cm/ano,50,00,50,00,50,00 4 anos 5 anos 6 anos 7 anos + anos 0,50 0, DAP(cm) Fgura Crescmento anual em função da dade e do dâmetro. Fgure Annual growth as functon of age and dameter. Tabela Estatístcas para comparar os modelos de crescmento G(t,x). Table Statstcs to compare the growth models G(t,x). Modelos Syx Syx (%) R² Modelo 0,87 7,75 79,5% Modelo 0,458 59,59 59,% Modelo 0,6866 6,6 54,9% Modelo 4 0,685 46,4 7,% Modelo 5 0,659 6,0 55,59% Modelo 6 0,759 9,8 77,98% Modelo 7 0,96 6,9 79,77% Modelo 8 0,66 40,79 76,78% Modelo 9 0,0904 5,4 65,67% Modelo 0 0,94 55,56 6,47% Modelo 0,47 8,67,57% Modelo 0,767 47,06 7,50% Modelo 0, ,74 5,7% Modelo 4 0, ,95 0,4% Modelo 5 0,477 8,5,65% Cerne, Lavras, v., n., p , abr./jun. 005
7 Modelagem do crescmento e da produção de Pnus taeda L... 7 A equação resultante do ajuste deste modelo apresentou um erro de 8,7% e um coefcente de determnação de 78,46%. A equação ajustada fo:, G(t, x) 7, 6546 exp 0,96769 Id DAP (8) O crescmento em dâmetro real e o crescmento estmado em função da classe de dâmetro estão demonstrados na Fgura. Crescmento (cm/ano),5,0,5,0,5,0 A dspersão dos resíduos absolutos em função do dâmetro está apresentada na Fgura. Real Estmado 0,5 0, DAP (cm) Fgura Crescmento anual real e estmado em função do dâmetro. Fgure Observed and predcted annual growth n functon of dameter. Real - Estmado,0 0,8 0,6 0,4 0, 0,0-0, -0,4-0,6-0,8 -, DAP (cm) Fgura Gráfco de resíduos do crescmento em função do dâmetro. Fgure Graphc resdue growth n functon of dameter. Cerne, Lavras, v., n., p , abr./jun. 005
8 74 EISFELD, R. de L. et al. Nota-se, pela Fgura, que nos dâmetros superores há uma tendênca de sub-estmatva do crescmento. Porém, pela Fgura o modelo está representando bem o crescmento em função do dâmetro, além dsso, o crescmento é uma varável muto heterogênea e dfícl de ser modelada. Portanto, depos de dversas tentatvas de se modelar o crescmento, a equação (8) fo escolhda para ser empregada no processo de dfusão.. Modelo da Varânca Instantânea do Crescmento D(t,x) As dspersões dos dados de varânca com o dâmetro e com a dade estão demonstradas nas Fguras 4 e 5. D(t,x) - cm²,0 0,9 0,8 0,7 0,6 0,5 0,4 0, 0, 0, 0, DAP (cm) Fgura 4 Varânca do crescmento em função do dâmetro. Fgure 4 Growth varance n functon of dameter. D(t,x) - cm²,0 0,9 0,8 0,7 0,6 0,5 0,4 0, 0, 0, 0, Idade (anos) Fgura 5 Varânca do crescmento em função da dade. Fgure 5 Growth varance n functon of age. Cerne, Lavras, v., n., p , abr./jun. 005
9 Modelagem do crescmento e da produção de Pnus taeda L Nas Fguras 4 e 5 não se observa uma tendênca clara do comportamento da varânca do crescmento -D(t,x) em relação ao DAP, e nem em relação a dade. Além dsso, as correlações entre o dâmetro e a dade com a varânca são muto baxas, e não são sgnfcatvas para um nível de sgnfcânca de 5%. Sendo assm, o ajuste de equações para a estmatva dessa varável pode ser desprezado, desde que se utlze a equação forward de Kolmogorov modfcada, como demonstrado na equação (9).. Modelo de Mortaldade Instantânea M(t,x) Foram testados quatro modelos para estmar a mortaldade relatva das árvores. As meddas de precsão obtdas no ajuste das equações estão apresentadas na Tabela. O modelo fo utlzado para estmar a mortaldade pos possu um alto coefcente de determnação e um baxo erro padrão. Esse modelo é um pouco nferor ao modelo 4, porém a mortaldade é estmada apenas em função do dâmetro e da dade. A equação fcou assm ajustada: M(t, x) exp 0, , DAP 0, 96 Id (9) O crescmento real e o crescmento ajustado em função do dâmetro estão demonstrados na Fgura 6..4 Precsão da prognose O volume total, a área basal e o número de árvores foram calculados a partr da freqüênca real por classe damétrca e comparados com da freqüênca obtda no processo de dfusão, para 70 parcelas escolhdas aleatoramente. Esses resultados foram analsados e são exbdos nos tens a segur. A Tabela apresenta o erro padrão resdual e o coefcente de determnação obtdo por dade na prognose do número de árvores, área basal e volume com base nas 70 parcelas analsadas. Baseando-se na Tabela a metodologa empregada estmou bem o número de árvores total, na qual o maor erro de estmatva fo de,9% aos anos. Para todas as parcelas o erro obtdo fo de,59%, correspondendo a 6 árvores por hectare. O erro aumenta nas dades mas avançadas em que a mortaldade é pouco nfluencada pelo dâmetro e dfícl de ser modelada. Para a área basal o erro fo de,50 m²/ha. Houve uma dmnução com o aumento da dade. 0% 00% Real Estmada 80% Mortaldade 60% 40% 0% 0% DAP (cm) Fgura 6 Mortaldade relatva anual real e estmada em função do dâmetro. Fgure 6 Observed and predcted annual relatve mortalty n functon of dameter. Cerne, Lavras, v., n., p , abr./jun. 005
10 76 EISFELD, R. de L. et al. Tabela Estatístcas dos modelos de mortaldade M(t,x). Table Statstcs of mortalty models M(t,x). Modelos Syx Syx (%) R² Modelo 0,070 5,5 89,04% Modelo 0,00767,7 89,8% Modelo 0,0085 6,08 89,6% Modelo 4 0,0070 0,8 89,8% Tabela Estatístcas na prognose do número de árvores, área basal e volume. Table Statstcs n the smulaton of number of tress, basal area and stem volume. Idade Número de árvores Área basal Volume Syx R² Syx R² Syx R² Todas,59% 98,08% 7,% 9,6%,4% 99,67% 4,00% 84,4% 47,08% 7,8% 6,09% 5,47% 5 0,96% 98,0%,% 44,69% 5,46% 9,68% 6,86% 9,4% 6,85% 88,49% 8,% 88,75%,%,79%,8%,79%,89%,79% 8,89% 86,00%,69% 88,8%,5% 9,0% 9,78% 9,90%,67% 94,7%,85% 95,90% 0,6% 86,6%,7% 88,46%,5% 90,7%,90% 95,6%,88% 9,5%,6% 94,85% Na estmatva do volume o erro obtdo fo de,4% na smulação pelo processo de dfusão, o que corresponde a 5,5 m³/ha. Houve uma dmnução no erro a medda em que se aumentam as dades. Os povoamentos mas jovens possuem uma grande varabldade de crescmento, o que vem a prejudcar as estmatvas e aumentar o erro padrão. Já povoamentos um pouco mas velhos, com 9 ou 0 anos, por exemplo, possuem erros bem nferores, projetando o volume com mas precsão. 4 CONCLUSÕES Com base na análse dos resultados, chegou-se às seguntes conclusões: a) Com os dados do presente trabalho a varável crescmento, empregada no processo de dfusão, fo muto dfícl de ser modelada; b) A mortaldade possu uma forte relação com o dâmetro e, por conseqüênca, pode ser mas faclmente modelada; c) A metodologa utlzada se mostrou efcente na estmatva do crescmento e da produção; d) O processo de dfusão é pouco utlzado, mas possu a vantagem de ter uma maor facldade em smular desbastes, apenas mexendo na área basal (B(t,x)), um trabalho que acrescentara muto à área florestal se fosse testado para as espéces comercas do País; e) O processo de dfusão anda é pouco utlzado em plantos comercas no Brasl e pode gerar Cerne, Lavras, v., n., p , abr./jun. 005
11 Modelagem do crescmento e da produção de Pnus taeda L estmatva comparável a outras metodologas mas utlzadas para smulação do crescmento e da produção. 5 REFERÊNCIAS BIBLIOGRÁFICAS ABREU, E. C. R. Modelagem para prognose precoce do volume por classe damétrca para Eucalyptus grands p. Dssertação (Mestrado em Cêncas Florestas) - Unversdade Federal de Lavras, Lavras, 000. ARCE, J. E.; GOMES, F. S.; SANQUETTA, C. R.; CRUZ, E. C. Utlzação dos processos de dfusão na avalação e smulação precoces do crescmento de povoamentos de Pnus taeda L. Revsta Cerne, Lavras, v. 4, n., p , 998. BRANNAN, J. R.; RENEKE, J. A. A dffuson model of forest successon. Mathematcal Boscences, New York, v. 69, p. -49, 984. CARON NETO, M. Pnus conqusta espaço na regão Sul. Revsta da Madera, Curtba, v. 58, n. 0, p. 4-8, 00. HARA, T. Dynamcs of stand structure n plant monocultures. Journal of Theoretcal Bology, London, v. 0, p. -9, 984. KOHYAMA, T. Smulaton of the structural development of warm-temperated ran forests stands. Annals of Botany, London, v. 6, n. 6, p , June 989. KUBOTA, Y.; HARA, T. Tree competton and speces coexstence n a sub-boreal forest, northern Japan. Annals of Botany, London, v. 76, p. 50-5, July 995. SANQUETTA, C. R. Fundamentos bométrcos dos modelos de smulação florestal. Curtba: FUPEF, p. Cerne, Lavras, v., n., p , abr./jun. 005
3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisEFEITO DA IDADE E MATERIAL GENÉTICO NA FORMA DE ÁRVORES DE Eucalyptus
EFEITO DA IDADE E MATERIAL GENÉTICO NA FORMA DE ÁRVORES DE Eucalyptus Dana Marques de Olvera ; Ellezer Almeda Mello ; Carolne Stephany Inocênco ; Adrano Rbero Mendonça Bolssta PBIC/UEG, graduandos do Curso
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisUSO DA FERRAMENTA HYDRUS1D NA SIMULAÇÃO DA DINÂMICA DA ÁGUA EM SOLO CULTIVADO COM FEIJÃO CAUPI NO NORDESTE BRASILEIRO EDEVALDO MIGUEL ALVES
USO DA FERRAMENTA HYDRUS1D NA SIMULAÇÃO DA DINÂMICA DA ÁGUA EM SOLO CULTIVADO COM FEIJÃO CAUPI NO NORDESTE BRASILEIRO EDEVALDO MIGUEL ALVES INTRODUÇÃO O fejão caup é a prncpal legumnosa cultvada no Nordeste.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisMODELOS PARA ESTIMATIVAS VOLUMÉTRICAS DE FUSTES DE Pinus taeda L.
MOELOS PARA ESTIMATIAS OLUMÉTRICAS E FUSTES E Pnus taeda L. Rômulo Môra, Afonso Fgueredo Flo, Snta alero Koler, Rodrgo Otávo ega de Mranda Professor Mestre do epartamento de Engenara Florestal da Faculdade
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia mais2 Materiais e métodos
Avalação de modelos polnomas de potêncas nteras e fraconáras para descrever a varação longtudnal do dâmetro de árvores de eucalpto clonal 1 Introdução Samuel de Pádua Chaves e Carvalho¹ Ayun Larssa Mendes
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisAnálise da curva de crescimento de ovinos cruzados
Análse da curva de crescmento de ovnos cruzados Dana Campos de Olvera DEX, UFLA Antôno Polcarpo Souza Carnero DET, UFV Joel Augusto Munz DEX, UFLA Introdução Os ovnos, assm como grande maora dos anmas
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisSantos Júnior, EP 1 ; Soares, HCC 1 ; Freitas, GP 2 ; Pannain, JLM 3 ; Coelho Junior, LM 4 * 1
DISPARIDADE DO VALOR BRUTO DOS PRODUTOS MADEIREIROS NATIVOS PARA AS MESORREGIÕES DA PARAÍBA DISPARITY OF THE GROSS VALUE OF THE NATIVE WOOD PRODUCTS FOR THE MESORREGIONS OF PARAÍBA Santos Júnor, EP 1 ;
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisRegressão Logística Aplicada aos Casos de Sífilis Congênita no Estado do Pará
Regressão Logístca Aplcada aos Casos de Sífls Congênta no Estado do Pará Crstane Nazaré Pamplona de Souza 1 Vanessa Ferrera Montero 1 Adrlayne dos Res Araújo 2 Edson Marcos Leal Soares Ramos 2 1 Introdução
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia mais(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:
1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisUM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS
UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisREGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA
ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse
Leia maisNota Científica Influência do comprimento de copa na relação hipsométrica de Araucaria angustifolia
Pesqusa Florestal Braslera Brazlan Journal of Forestry Research http://pfb.cnpf.embrapa.br/pfb/ Nota Centífca Influênca do comprmento de copa na relação hpsométrca de Araucara angustfola Sebastão do Amaral
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisD- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS
D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisESCOAMENTO TRIFÁSICO NÃO-ISOTÉRMICO EM DUTO VERTICAL COM VAZAMENTO VIA CFX: ANÁLISE DA INFLUÊNCIA DA RUGOSIDADE DA PAREDE DO DUTO
ESCOAMENTO TRIFÁSICO NÃO-ISOTÉRMICO EM DUTO VERTICAL COM VAZAMENTO VIA CFX: ANÁLISE DA INFLUÊNCIA DA RUGOSIDADE DA PAREDE DO DUTO W. R. G. SANTOS 1, H. G. ALVES 2, S. R. FARIAS NETO 3 e A. G. B. LIMA 4
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia mais(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa)
Bussab&Morettn Estatístca Básca Capítulo 6 Problema zˆ,5, 55x αˆ : a acudade vsual méda estmada para recém-nascdos (zero anos de dade) é,5; βˆ : a acudade vsual méda estmada dmnu,55 a cada ano,5; 9,5;
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS
XII Congresso Braslero de Engenhara Químca em Incação Centífca ESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS L. A. QUEMELLI 1*, B. P. NASCIMENTO 1, L. S. ARRIECHE 2 1
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisIsotermas de Sorção de Ägua dos Grãos de Quinoa
Isotermas de Sorção de Ägua dos Grãos de Qunoa 92 Jame Danel Bustos, Paulo Cesar Correa, Lara Santana Fernandes, Renata Cássa Campos RESUMO A qunoa (Chenopodum qunoa) é um grão, que apresenta elevado valor
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisDependência Espacial de espécies nativas em fragmentos. florestais
Dependênca Espacal de espéces natvas em fragmentos 1 Introdução florestas 1 Mestranda em Engenhara Florestal LEMAF/DCF UFLA. e-mal: cunhadase@yahoo.com.br 2 Mestrando em Engenhara Florestal LEMAF/DCF UFLA.
Leia maisDESCRITO PELO MÉTODO DA ALTURA RELATIVA
Cênca Florestal, Santa Mara, v. 6, n. 3, p. 87-887, jul.-set., 16 ISSN 13-994 PERFIL DO FUSTE DE Anadenanthera peregrna DESCRITO PELO MÉTODO DA ALTURA RELATIVA PROFILE OF Anadenanthera peregrna BOLE DESCRIBED
Leia maisAplicação de um modelo simulado na formação de fábricas
Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisMOISÉS OLIVEIRA DA SILVA MODELAGEM DO CRESCIMENTO EM DIÂMETRO E ALTURA DE ÁRVORES DE EUCALIPTO
MOISÉS OLIVEIRA DA SILVA MODELAGEM DO CRESCIMENTO EM DIÂMETRO E ALTURA DE ÁRVORES DE EUCALIPTO Dssertação apresentada à Unversdade Federal de Vçosa, como parte das exgêncas do Programa de Pós-Graduação
Leia maisTAPER MODELS FOR Pinus taeda L. BASED ON FORM CHANGE POINTS
Cênca Florestal, Santa Mara, v. 6, n. 4, p. 139-146, out.-dez., 016 ISSN 0103-9954 MODELOS DE AFILAMENTO PARA Pnus taeda L. BASEADOS EM PONTOS DE MUDANÇA DE FORMA TAPER MODELS FOR Pnus taeda L. BASED ON
Leia maisMedidas de Tendência Central. Prof.: Ademilson Teixeira
Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisFederal do Espírito Santo, Alegre, ES, Brasil. 2
Aplação da dentdade de modelos não-lneares na estmatva da relação hpsométra de Pnus arbaea var. hondurenss e Pnus ooarpa sob dferentes dades Leonardo Cassan Laerda Adrano Rbero de Mendonça Edson Lahn Glson
Leia maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisEscola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7
Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisEstatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia mais