Nota Científica Influência do comprimento de copa na relação hipsométrica de Araucaria angustifolia

Tamanho: px
Começar a partir da página:

Download "Nota Científica Influência do comprimento de copa na relação hipsométrica de Araucaria angustifolia"

Transcrição

1 Pesqusa Florestal Braslera Brazlan Journal of Forestry Research Nota Centífca Influênca do comprmento de copa na relação hpsométrca de Araucara angustfola Sebastão do Amaral Machado¹, Yur Accoly¹, Rodrgo Geron Mendes Nascmento¹, Luís César Rodrgues da Slva¹, Clauda Carla Cardozo¹ ¹Unversdade Federal do Paraná, Avenda Prefeto Lotháro Messner, 9, CEP , Jardm Botânco, Curtba, PR, Brasl. * Autor correspondente: samachado@ufpr.br Termos para ndexação: Curvas de altura Floresta Ombrófla Msta Identdade de modelos Index terms: Heght curves Araucara Forest Models dentty Hstórco do artgo: Recebdo em 22 fev. 213 Aprovado em 19 mar. 215 Publcado em 3 set. 215 do: /215.pfb Resumo - Este trabalho teve como objetvo testar a hpótese de que o comprmento de copa afeta a relação hpsométrca. Os dados utlzados são provenentes da medção de dâmetro a 1,3 m do solo (DAP) e respectvas alturas totas e do fuste de 337 ndvíduos de Araucara angustfola (Bertol.) O. Kuntze de um fragmento de 15,24 ha de Floresta Ombrófla Msta stuado na regão urbana de Curtba. Estas árvores foram agrupadas em classes de comprmento de copa. Foram ajustados ses modelos hpsométrcos aos dados de cada classe e para todo o conjunto de dados. O melhor modelo fo escolhdo com base no erro padrão da estmatva em porcentagem, Índce de Schlaegel e análse gráfca de resíduos. O ordenamento ndcou que o modelo de melhor ajuste aos dados fo o de Trorey. O teste de dentdade de modelos de Graybll aplcado ao modelo de Trorey ndcou que o comprmento de copa nfluencou a relação hpsométrca das araucáras da área de estudo. Efect of crown length on the hypsometrc relatonshp of Araucara angustfola Abstract - Ths study amed to test the hypothess that crown length affects the hypsometrc relatonshp. We used data from dameter measured at 1.3 m above ground level (DBH) and total heghts of 337 trees of Araucara angustfola (Bertol.) O. Kuntze from an urban remnant of Araucara Forest wth ha, located n Curtba, PR, Brazl. These trees were grouped nto classes of crown length. Sx hypsometrc models were adjusted to the data for each class and for the entre data set. The best model was chosen based on the standard error of estmate n percentage, ndex of Schlaegel, and graphcal analyss of resduals. The rankng ndcated Trorey as the best model. The models dentty test of Graybll appled to the Trorey model ndcated that crown length nfluenced the hypsometrc relatonshp of the araucaras n the study area.

2 344 S. do A. Machado et al. Araucara angustfola é uma espéce arbórea de grande porte, natva do Brasl e que possu ampla área de dstrbução, tendo maor ocorrênca no sul do país onde é conhecda como pnhero-do-paraná. Com o começo da exploração de sua madera consderada de altíssma qualdade no fnal do século XIX e o aumento das áreas de pecuára e agrcultura, a área de ocorrênca natural da araucára fo reduzda drastcamente, sendo encontrada atualmente em áreas fragmentadas de Floresta Ombrófla Msta em sua forma secundára, provenente da regeneração natural ocorrda após a exploração da floresta prmára (Zanon et al., 29). No campo florestal uma das atvdades de maor mportânca é o nventáro, que segundo Péllco Netto & Brena (1997) vsa obter nformações qualtatvas e quanttatvas dos recursos florestas exstentes em uma área, sendo assm a base para o planejamento do uso desses recursos. A determnação ou estmatva do volume total de madera em função do dâmetro e altura das árvores é uma das atvdades mas comuns no nventáro florestal. Medndo-se na parcela somente parte das alturas e todos os dâmetros, pode-se estabelecer uma relação que possblta a estmatva da altura das demas árvores contdas na parcela, sem que haja perda de precsão (Scolforo, 26). Város são os fatores que nfluencam a relação hpsométrca, tas como dade, síto, tamanho da copa, densdade e espéce (Barros et al., 22; Bartoszeck et al., 24). A estratfcação em classes e posteror comparação dos ajustes entre as mesmas é um recurso aplcado com sucesso em város estudos de fatores que nfluencam a relação hpsométrca. Bartoszeck et al. (24) usando tal metodologa constataram a nfluênca dos fatores síto e dade em plantos de bracatnga. O conhecmento da relação hpsométrca e dos fatores que a nfluencam tem grande sgnfcado prátco no sstema de coleta de nformações. Não exstem estudos que relaconem o efeto do comprmento de copa nessa relação. Assm, este trabalho teve como objetvo estudar a nfluênca do comprmento de copa na relação hpsométrca da araucára em seu ambente de ocorrênca natural. Caracterzação da área de estudo A área de estudo consste em um fragmento de 15,24 ha, com predomíno de Floresta Ombrófla Msta secundára em estágo avançado, atualmente conhecdo como Capão da Engenhara Florestal, stuado no Campus III Jardm Botânco da Unversdade Federal do Paraná, em Curtba, a aproxmadamente 9 m de alttude. O clma da regão é subtropcal úmdo mesotérmco com méda do mês mas quente nferor a 22 ºC e do mês mas fro nferor a 18 ºC, sem estação seca, com chuvas bem dstrbuídas ao longo do ano, verão brando, geadas severas e frequentes. A temperatura e a precptação méda anuas são de aproxmadamente 17 ºC e 1.5 mm, respectvamente, caracterzando-se assm como clma Cfb na classfcação de Köppen. Coleta de dados Os dados utlzados são orundos de um censo realzado na área de estudo nos anos de 26 e 27. Para a realzação do mesmo, a área fo dvdda em blocos de 5 m x 5 m, onde foram meddas, dentfcadas, marcadas e georreferencadas todas as árvores com dâmetro a 1,3 m do solo (DAP) acma de 1 cm. Foram meddas as crcunferêncas a 1,3 m do solo (CAP), as alturas totas e de fuste de 337 ndvíduos. As CAP s foram meddas com fta métrca; as alturas totas e de fuste foram meddas com o hpsômetro Vertex III. O comprmento de copa fo obtdo pela dferença entre a altura total e de fuste, sendo este consderado até o ponto onde se localzam os galhos vvos. Estratfcação Os pares de dâmetros e alturas das 337 araucáras da área foram separados em classes de comprmento de copa, segundo o método de Sturges: n c =1+3,3*logn Em que n c representa o número de classes, n representa o número de observações e log é o logartmo decmal. O ntervalo de classe é obtdo pela dvsão da ampltude total pelo número de classes (n c ). Modelos testados Foram testados ses modelos matemátcos para cada uma das classes de comprmento de copa conforme mostra (Tabela 1), ajustados por meo do método dos mínmos quadrados. Foram utlzados modelos tradconas encontrados na lteratura florestal, utlzados por város pesqusadores (Schneder, 1998; Bartoszeck et al., 24). Crtéros de ajuste e seleção dos modelos Foram utlzadas as estatístcas erro padrão da estmatva em porcentagem (S xy% ) e o índce de Schlaegel (I.A.) para escolha da equação mas precsa e posteror análse gráfca dos resíduos. As expressões dos crtéros

3 345 S. do A. Machado et al. são: S S xy xy = QM res Sxy % = *1 Y FCM S S = e yxrecalculado yx 2,5*( Syx) = ( y yˆ ) 2 n p S yxrecalculado % = *1 recalculado y n 1 SQ resíduo IA.. = 1 * n p SQtotal Tabela 1. Modelos testados para a estmatva da altura total em função do DAP das araucáras. Nº Modelo Autor 1 h = β + β * + ε 1 Curts 1 d 1 h = β + β * + ε 2 Curts adaptada 1 d 3 2 Trorey h = β + β1* d + β2* d + ε 4 Stoffels & Van Soest ln h = β + β *ln d + ε 1 ( ) 2 5 Näslund h = d / β + β1* d + ε ( 1 2 ) Prodan h = d / β + β * d + β * d + ε h = altura total da árvore; ß, ß 1 e ß 2 = coefcentes do modelo; d 1 = dâmetro a 1,3 m do solo. Em que: S xy é o erro padrão da estmatva; S xy% é o erro padrão da estmatva em porcentagem; Ȳ é a méda artmétca da varável dependente; QM res é o quadrado médo do resíduo; n é o número de observações; p é o número de coefcentes; SQ resíduo é a soma de quadrados dos resíduos; SQ total é a soma de quadrados totas; ŷ é a altura estmada corrgda pelo fator de Meyer; y é a altura observada; n representa o número de observações; p é o número de coefcentes e ȳ é a méda artmétca das alturas. No caso do ajuste logarítmco (Modelo 4), antes de ser recalculado o S xy%, fo corrgda a dscrepânca logarítmca. Para tal correção, as varáves dependentes estmadas foram multplcadas pelo fator de correção de Meyer (FCM). O índce de ajuste de Schlaegel (I.A.) é uma estatístca comparável ao coefcente de determnação ajustado (R²), que expressa o quanto relatvamente à varação total da varável a ser estmada é explcado pela regressão. O I.A. consste em uma retransformação das predções dos valores estmados para a undade orgnal, servndo assm como um comparador de equações de dferentes naturezas (Schneder, 1998). Mesmo que o S xy% e o I.A. apresentem valores acetáves, a realzação da análse gráfca dos resíduos permte detectar a presença de tendêncas em superestmar ou subestmar a varável dependente, sendo assm determnante na escolha do modelo. Quando um conjunto de dados é separado por classes, raramente o mesmo modelo se mostra mas efcente para todos os casos, necesstando verfcar qual modelo, que na méda de todas as análses, tem o melhor desempenho. Para tal, procedeu-se a um ordenamento (rankng) dos ses modelos testados para as ses classes de comprmento de copa, onde fo atrbuída nota 1 à equação que apresentou melhor ajuste quanto ao S xy%, nota 2 àquela que se apresentou em segundo lugar e assm sucessvamente, sendo adotado o mesmo procedmento em relação ao I.A., sendo na sequênca feta a soma dessa pontuação e o modelo que alcançou a menor soma fo consderado o mas efcente. Realzado o ordenamento, procedeu-se também a análse gráfca de dstrbução dos resíduos do modelo que recebeu a menor pontuação, sendo na ausênca de tendêncas recomendado como o mas adequado para uso. Os resíduos em porcentagem foram obtdos por meo da expressão: y ˆ y e = *1 % y Teste de dentdade de Graybll Fo aplcado o teste de dentdade de modelos proposto por Graybll (1976) para a verfcação de dferenças entre as equações ajustadas para as classes, ndcando ou não a nfluênca do comprmento de copa na relação hpsométrca. Para o teste de dentdade de modelos

4 346 S. do A. Machado et al. de Graybll (1976), decdu-se também analsar as araucáras agrupadas em 3 classes de comprmento de copa com ntervalos de 1 m. Esse teste consste na redução da soma dos quadrados, permtndo verfcar estatstcamente pelo teste de F, a sgnfcânca da dferença entre o total das somas dos quadrados das regressões ajustadas para cada classe soladamente e a soma do quadrado da regressão ajustada para o conjunto total dos dados. Para o cálculo da soma de quadrados da regressão do modelo reduzdo faz-se o ajuste do modelo para todos os dados e para o cálculo da soma de quadrados da regressão do modelo completo, calcula-se ndvdualmente para cada classe e depos se faz o somatóro. A Tabela 2 contém o esquema de análse de varânca para o teste de dentdade proposto por Graybll. As hpóteses testadas foram: H = o modelo reduzdo ajustado não apresenta dferença em relação aos modelos ajustados por classes. H 1 = o modelo reduzdo ajustado apresenta dferença em relação aos modelos ajustados por classes. As equações de todas as classes foram comparadas entre s e posterormente com a equação geral, envolvendo os dados de todas as classes (modelo reduzdo). Tabela 2. Esquema da análse de varânca relatva ao teste de dentdade. Fontes de Varação G.L. S.Q. Q.M. F Modelo Completo (C*p) SQ (completo) Modelo Reduzdo p SQ (reduzdo) Redução (H ) (C-1)p SQ (completo) - SQ (reduzdo) SQ (redução) / GL (redução) QM (redução) / QM (resíduo) Resíduos N-(C*p) SQ (total) - SQ (completo) SQ (resíduo) / GL (resíduo) Total N SQ (total) G.L. = grau de lberdade; S.Q. = soma dos quadrados dos resíduos; Q.M. = quadrado médo; F = teste F; C = número de classes; p = número de parâmetros do modelo reduzdo; N = número de observações do modelo completo. A não rejeção da hpótese H permte conclur que, a uma sgnfcânca α, as equações não dferem sgnfcatvamente entre s. Assm, a equação ajustada com as estmatvas dos parâmetros comuns pode ser usada para representar o conjunto de dados. Resultados e dscussão Após a aplcação da fórmula de Sturges, foram obtdas 6 classes de comprmento de copa. A estratfcação, o número de árvores por classe e o ntervalo de classe, estão apresentados na Fgura 1. Para se evtar classes com um número muto pequeno de observações, as árvores com comprmento de copa maor que 3 m foram agrupadas em uma únca classe. A dstrbução das araucáras em classes de comprmento de copa na área mostrou tendênca unmodal com assmetra postva. Machado et al. (28), ao estudarem o comportamento da relação hpsométrca das araucáras da regão, obtveram dstrbução damétrca unmodal com comportamento semelhante ao da curva normal de Gauss. As estatístcas báscas de dspersão dos dâmetros, alturas e comprmentos de copa da população de araucáras do Capão da Engenhara Florestal são vsualzados na Tabela 3. Nº de árvores ,5 a 1, 86 1,1 a 1,5 82 1,51 a 2, 2,1 a 2,5 4 2,51 a 3, 32 > 3, Classes de comprmentos de copa (m) Fgura 1. Dstrbução da frequênca das araucáras por classe de comprmento de copa.

5 347 S. do A. Machado et al. Observa-se na Tabela 3 que o comprmento de copa é a varável que apresenta maor dspersão em relação a méda (CV%) e a altura total a menor. De acordo com Castella & Brtez (24) a Floresta Ombrófla Msta apresenta em estágos avançados de sucessão, altura do dossel superor a 18 metros e varação damétrca das espéces se concentrando entre 1 cm e 8 cm, stuação semelhante à encontrada na área do presente estudo. Avalação dos modelos Na Tabela 4 são apresentados os valores do I.A. e do S xy% obtdos pelos ajustes dos modelos em classes e pelo modelo geral. Tabela 3. Estatístcas de dspersão dos dâmetros, alturas e comprmentos de copa das araucáras. Característcas Ht (m) Comprmento de copa (m) Mínmo 26,7 1,9,5 Máxmo 84, 24,9 5,5 Méda 53,4 18,1 1,9 Desvo Padrão 1,8 2,6,9 CV% 2,3 14,5 44,5 Ht = altura total da árvore; DAP = dâmetro a 1,3 m do solo; CV% = coefcente de varação. Tabela 4. Estatístcas obtdas pelos ajustes dos modelos em classes e pelo modelo geral para as dferentes classes de comprmento de copa das araucáras. Modelo Modelo Modelo 1,24 12,88 1,19 12,89 1,1 12,32 2,24 12,88 2,17 13,1 2,9 12,39 Classe 1 3,23 13, Classe 2 3,18 12,91 Classe 3 3,12 12,15 4,24 13,3 4,2 12,83 4,1 12,23 5,24 12,91 5,19 12,86 5,1 12,29 6,22 13,2 6,18 12,91 6,11 12,22 1,14 11,69 1,5 14,76 1,23 1,76 2,12 11,85 2,6 14,65 2,25 1,63 Classe 4 3,17 11,53 Classe 5 3,4 14,81 Classe 6 3,26 1,55 4,16 11,52 4,4 14,9 4,21 11,1 5,15 11,63 5,5 14,79 5,22 1,85 6,16 11,58 6,7 14,62 6,25 1, 1,19 13,5 2,17 13,15 Geral 3,19 13,3 4,19 13, 5,19 13,3 6,19 13,3 I.A. = índce de ajuste de Schlaegel; S xy% = erro padrão da estmatva em porcentagem.

6 348 S. do A. Machado et al. É possível observar que todos os modelos testados apresentaram baxos valores do Índce de Schlaegel, o que ndca uma fraca relação entre as varáves DAP e altura total das araucáras do fragmento. Araújo et al. (212), dscutem que prncpalmente quando se avalam florestas naturas, nas quas o comportamento da dstrbução damétrca é exponencal negatvo - J nvertdo, exste uma grande concentração de ndvíduos nas classes nferores de dâmetro e uma grande varabldade de alturas, explcando o baxo valor do coefcente de determnação. Os valores do S xy% se mostraram acetáves, sendo pouco superores a 1%. No entanto, os índces de Schlaegel são bastante baxos. Barros et al. (22) analsando a relação hpsométrca em plantos de Pnus oocarpa, também encontraram coefcentes de determnação ajustados baxos para os povoamentos mas velhos e que sofreram ntervenções de desbastes. No entanto, os valores do S xy% foram sempre próxmos de 1%, como apresentados neste trabalho. Após o ordenamento dos ajustes (Tabela 5), o modelo que se mostrou mas efcente para a estmatva da altura total em função do DAP fo o de Trorey (1932), modelo 3. Tabela 5. Ordenamento dos ajustes dos ses modelos para as ses classes de comprmento de copa. Classe 1 Classe 2 Classe 3 Classe 4 Classe 5 Classe 6 Modelo Soma I.A. = índce de ajuste de Schlaegel; S xy% = erro padrão da estmatva em porcentagem. Curto et al. (214) ao estudarem a relação hpsométrca em uma floresta estaconal semdecdual consderaram o modelo de Trorey como mas adequado para a estmatva das alturas totas das árvores sem estratfcação. As dstrbuções gráfcas dos resíduos em porcentagem enquadram-se em sua maora entre -3% e 3%, com exceção de 8 árvores que apresentaram superestmação de suas alturas, alcançando valores abaxo de -3% de resíduo. A análse gráfca não revelou tendêncas dos resíduos, os quas se dstrbuem aleatoramente ao longo da ampltude damétrca (Fgura 2). Machado et al. (28), ao ajustarem modelos hpsométrcos para as araucáras dessa mesma área, não agrupando-as em classes, encontraram que o modelo de melhor performance fo o de Stoffels & Van Soest, podendo também ser usado o modelo de Henrcksen. Na Tabela 6 estão sumarzados os coefcentes e os crtéros estatístcos dos ajustes dos dados estratfcados e não estratfcados obtdos pelo modelo de Trorey. Comparando-se os crtéros estatístcos da regressão únca com os das classes, verfca-se que apenas a classe 5 apresentou um erro maor do que quando ajustado o modelo para todas as classes em conjunto. Para as demas classes houve uma melhora nesse crtéro, ndcando que o uso de classes é um recurso alternatvo para melhorar a efcênca de modelos hpsométrcos para as araucáras da regão, embora essa melhora seja pequena. A maor varação nos valores do coefcente β, que representa onde a curva do ajuste rá nterceptar o exo-y, ndcam uma maor nfluênca do comprmento de copa nesse parâmetro do que quando analsados os coefcentes β 1 e β 2, os quas se mostram muto semelhantes, não ndcando qualquer nfluênca do comprmento de copa nesses parâmetros. As médas das alturas e dâmetros das araucáras (Tabela 7) permtem nferr que o aumento do comprmento de copa é acompanhado pelo aumento dessas varáves.

7 349 S. do A. Machado et al. Classe Classe Classe Classe Classe Classe Geral Fgura 2. Dstrbução dos resíduos obtdos por meo do modelo de Trorey para as ses classes de comprmento de copa e para o geral.

8 35 S. do A. Machado et al. Tabela 6. Coefcentes estmados e estatístcas obtdas para o modelo de Trorey para a relação hpsométrca nas dferentes classes de comprmento de copa e para o geral das araucáras. Classe β β 1 β 2 S xy% I.A. 1 1,6247,5264 -,41 13,,23 2 1,2632,1923 -,8 12,91, ,6994 -,3136,37 12,15, ,563 -,167,1 11,53,17 5 5,7771,4595 -,38 14,81,4 6 -,5248,6447 -,46 1,55,26 Geral 1,2242,1925 -,8 13,3,19 β, β 1 e β 2 = coefcentes da equação; S xy% = erro padrão da estmatva em porcentagem; I.A. = índce de ajuste de Schlaegel. Tabela 7. Médas das alturas e dos dâmetros para todas as classes de comprmento de copa das araucáras. Classe Ht (m) 1 16,7 46,7 2 17,7 5,8 3 18, 54,5 4 18, 55,5 5 18,9 55,8 6 2,4 58,3 Ht = altura total; DAP = dâmetro a 1,3 m do solo. Teste de dentdade de Graybll O resultado do teste estatístco para a hpótese das equações das classes serem dêntcas é apresentado na Tabela 8. Tabela 8. Análse de varânca das equações das 6 classes de comprmento de copa das araucáras. Fontes de Varação Modelo Completo ,6285 Modelo Reduzdo ,168 G.L. S.Q. Q.M. F Redução (H ) 15 22, ,774 2,86** Resíduo ,3193 5,1421 Total ,9478 G.L. = grau de lberdade; S.Q. = soma dos quadrados dos resíduos; Q.M. = quadrado médo; F = teste F. O teste de dentdade fo sgnfcatvo, ndcando que a estratfcação em classes de comprmento de copa fez com que as equações dferssem sgnfcatvamente entre s, não podendo ser utlzado o modelo reduzdo com parâmetros comuns para representar a população, de forma que se deve fazer uso de uma equação dferente para cada classe de comprmento de copa. Ao ser aplcado o teste para a comparação das equações das classes entre s, fo constatada dferença sgnfcatva apenas da equação da classe 6 com as equações das outras classes. A classe 6 possu o maor ntervalo de classe e reúne as araucáras com os maores comprmentos de copa da população, varando entre 3 m e 5,5 m. O resultado do teste sugere que a estratfcação realzada pelo método de Sturges resultou em classes com ntervalos muto pequenos de comprmento de copa, de apenas,5 m, porção pequena da árvore em relação à sua altura total. Com objetvo de complementação dessa análse, as araucáras foram então separadas em 3 classes de comprmento de copa com ntervalo de 1 m, sendo aplcado novamente o teste de Graybll. Um número dferente de classes fo utlzado para tentar mnmzar o efeto do ntervalo de classe. A Tabela 9 apresenta o resultado do teste de Graybll, quando se consderou as equações para apenas 3 classes de comprmento de copa. Tabela 9. Análse de varânca do teste de Graybll para 3 classes de comprmento de copa das araucáras. Fontes de Varação Modelo Completo ,564 Modelo Reduzdo ,168 G.L. S.Q. Q.M. F Redução (H ) 6 152, ,4149 4,88** Resíduo ,4414 5,287 Total ,9478 G.L. = grau de lberdade; S.Q. = soma dos quadrados dos resíduos; Q.M. = quadrado médo; F = teste F.

9 351 S. do A. Machado et al. O valor de F calculado para as 3 classes fo sgnfcatvo e maor que o valor de F obtdo para as 6 classes, ndcando que a estratfcação em classes de comprmento de copa com maores ntervalos fez com que as equações dferssem mas anda entre s, nduzndo que a relação hpsométrca das araucáras da regão sofre nfluênca desse fator. Ao ser aplcado o teste para a comparação das equações das classes duas a duas, a equação da classe que reúne as árvores com os maores comprmentos de copa se dferencou das equações das outras duas classes, sugerndo que uma estratfcação em duas classes de comprmento de copa com um ntervalo maor é mas adequada. Curto et al. (214) para comparar o ajuste geral com o ajuste realzado por espéce, parcela e classe de dâmetros para uma floresta estaconal semdecdual, aplcaram o Teste F de Graybll e este fo não sgnfcatvo a 95%, ndcando que as estmatvas de altura total, para cada forma de ajuste, não dferram estatstcamente daquelas obtdas sem o uso de estratfcação. No entanto, verfcase que a estratfcação proporconou ganhos em precsão e qualdade nos ajustes dos modelos hpsométrcos. Portanto, a utlzação de estratfcações deve ser decdda pelo pesqusador conforme os objetvos de sua pesqusa, já que estas podem nfluencar no tempo de coleta e no processamento dos dados, assm como nos custos dos mesmos. Conclusões O modelo de Trorey fo o mas efcente para a estmatva da altura total de araucára em função do DAP. Organzar os ndvíduos em classes de comprmento de copa melhorou a precsão do ajuste da relação hpsométrca. Araucáras com comprmentos de copa maores tendem a ser mas altas e grossas. O comprmento de copa exerceu nfluênca na relação hpsométrca das araucáras da regão. Referêncas ARAÚJO, E. J. G.; PELISSARI, A. L.; DAVID, H. C.; SCOLFORO, J. R. S.; PÉLLICO NETTO, S.; MORAIS, V. A. Relação hpsométrca para candea (Eremanthus erythropappus) com dferentes espaçamentos de planto em Mnas Geras, Brasl. Pesqusa Florestal Braslera, Colombo, v. 32, n. 71, p , 212. DOI: /212.pfb BARROS, D. A. de; MACHADO, S. do A.; ACERBI JUNIOR, F. W.; SCOLFORO, J. R. S. Comportamento de modelos hpsométrcos tradconas e genércos para plantações de Pnus oocarpa em dferentes tratamentos. Boletm de Pesqusa Florestal, Colombo, n.45, p. 3-28, jul./dez. 22. BARTOSZECK, A. C. P. S.; MACHADO, S. do A.; FIGUEIREDO FILHO, A.; OLIVEIRA, E. B. Dnâmca da relação hpsométrca em função da dade, do síto e da densdade ncal de povoamentos de bracatnga da regão metropoltana de Curtba, Paraná. Revsta Árvore, Vçosa, MG, v. 28, n. 4, p , 24. CASTELLA, P. R.; BRITEZ, R. M. de. A floresta com araucára no Paraná: conservação e dagnóstco dos remanescentes florestas. Brasíla, DF: Mnstéro do Meo Ambente, p. CURTO, R. A.; LOUREIRO, G. H.; MÔRA, R.; MIRANDA, R. O. V.; NETTO, S. P.; SILVA, G. F. Relação hpsométrca em floresta estaconal semdecdual. Revsta de Cêncas Agráras, Belém, v. 57, n. 1, p , jan./mar GRAYBILL, F. A. Theory and applcaton of the lnear model. Massachusetts: Ouxburg Press, p. MACHADO, S. A.; NASCIMENTO, R. G. M.; AUGUSTYNCZIK, A. L. D.; SILVA, L. C. R. da; FIGURA, M. A.; PEREIRA, E. M.; TÉO, S. J. Comportamento da relação hpsométrca de Araucara angustfola no capão da Engenhara Florestal da UFPR. Pesqusa Florestal Braslera, Colombo, n. 56, p. 5-16, jan./jun. 28. PÉLLICO NETO, S.; BRENA, D. A. Inventáro florestal. Curtba, p. SCHNEIDER, P. R. Análse de regressão aplcada à Engenhara Florestal. 2. ed. Santa Mara, RS: UFSM, CEPEF, SCOLFORO, J. R. S. Bometra Florestal: Modelos de Crescmento e Produção Florestal. Lavras, MG: UFLA/FAEPE, 26. v p. ZANON, M. L. B.; FINGER, C. A. G.; SCHNEIDER, P. R. Proporção da dóca e dstrbução damétrca de árvores masculnas e femnnas de Araucara angustfola (Bert.) Kuntze., em povoamentos mplantados. Cênca Florestal, Santa Mara, RS, v. 19, n.4, p , out./jun., 29. DOI: /212.pfb

10

Métodos Avançados em Epidemiologia

Métodos 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 mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE 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 mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

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 mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO 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 mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. 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 mais

SELEÇÃO 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 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 mais

4 Critérios para Avaliação dos Cenários

4 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 mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO 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 mais

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

Modelagem 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 mais

Identidade dos parâmetros de modelos segmentados

Identidade 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 mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão 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 mais

Federal do Espírito Santo, Alegre, ES, Brasil. 2

Federal 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 mais

Associação entre duas variáveis quantitativas

Associação 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 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)

(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 mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação 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 mais

Cap. 11 Correlação e Regressão

Cap. 11 Correlação e Regressão Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 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 mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

2 Incerteza de medição

2 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO 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 mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É 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 mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. 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 mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os 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 mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE CIÊNCIAS FLORESTAIS E DA MADEIRA EDSON LACHINI

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE CIÊNCIAS FLORESTAIS E DA MADEIRA EDSON LACHINI UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE CIÊNCIAS FLORESTAIS E DA MADEIRA EDSON LACHINI EFEITO DA IDADE NA ESTIMATIVA DO VOLUME DE ÁRVORES DE Pnus carbaeavar.hondurenss

Leia mais

EFEITO DA IDADE E MATERIAL GENÉTICO NA FORMA DE ÁRVORES DE Eucalyptus

EFEITO 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 mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais

Avaliação 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 mais

Análise de Regressão

Análise 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 mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo 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 mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

3 A técnica de computação intensiva Bootstrap

3 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 mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos 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 mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

7 - Distribuição de Freqüências

7 - 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 mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma

Leia mais

Representação e Descrição de Regiões

Representação 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO 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 mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO 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 mais

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos 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 mais

Análise Exploratória de Dados

Análise 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 mais

Escola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7

Escola 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 mais

EFEITOS DO TAMANHO DA PARCELA NA OBTENÇÃO DE ESTIMATIVAS FITOSSOCIOLÓGICAS EM UMA FLORESTA OMBRÓFILA MISTA

EFEITOS DO TAMANHO DA PARCELA NA OBTENÇÃO DE ESTIMATIVAS FITOSSOCIOLÓGICAS EM UMA FLORESTA OMBRÓFILA MISTA EFEITOS DO TAMANHO DA PARCELA NA OBTENÇÃO DE ESTIMATIVAS FITOSSOCIOLÓGICAS EM UMA FLORESTA OMBRÓFILA MISTA Gustavo Sartor Pottker 1*, Afonso Fgueredo Flho 2 [orentador], Malson Rok 1, Rodrgo Otávo Vega

Leia mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária. Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

CERNE ISSN: Universidade Federal de Lavras Brasil

CERNE ISSN: Universidade Federal de Lavras Brasil CERNE ISSN: 0104-7760 cerne@dcf.ufla.br Unversdade Federal de Lavras Brasl Rbero, Andressa; Ferraz Flho, Antono Carlos; Mello, José Márco de; Zéla Ferrera, Mara; Martns Lsboa, Prscla Mara; Soares Scolforo,

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-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 mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

MOQ-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 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 mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES 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 mais

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO

ÍNDICE 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 mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística 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

O problema da superdispersão na análise de dados de contagens

O 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 mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

TENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO

TENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO TENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO Danelson Jorge Delgado Neves 13, Jeane Rafaele Araúo Lma 1, Lncoln Elo de Araúo 2, Pedro Vera de Azevedo 1 1 UFCG DCA, Campna Grande

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012 ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução 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 mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-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 mais

O problema da superdispersão na análise de dados de contagens

O 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 mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas 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 mais

INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA

INTRODUÇÃO 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 mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS 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 mais

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

Comparação dos modelos prognósticos de clutter e da função logística

Comparação dos modelos prognósticos de clutter e da função logística Pesqusa Florestal Braslera Brazlan Journal of Forestry Research http://pfb.cnpf.embrapa.br/pfb/ ISSN: 983-605 (onlne) Comparação dos modelos prognóstcos de clutter e da função logístca Julana Carnero Gonçalves

Leia mais

CERNE ISSN: Universidade Federal de Lavras Brasil

CERNE ISSN: Universidade Federal de Lavras Brasil CERNE ISSN: 0104-7760 cerne@dcf.ufla.br Unversdade Federal de Lavras Brasl Fabo Camoles, José; Soares Scolforo, José Roberto; Olvera, Antono Donzette de; Acerb Júnor, Fausto Wemar; Rufn, Ana Luza; Mello,

Leia mais

REGRESSÃO E CORRELAÇÃO

REGRESSÃO E CORRELAÇÃO Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é

Leia mais

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA

REGRESSÃO 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 mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x 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 mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE 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 mais

Análise da curva de crescimento de ovinos cruzados

Análise 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 mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA 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 mais

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL

1ª PROVA DE ESTATÍSTICA EXPERIMENTAL UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 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 métodos

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito 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 mais

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

IDENTIDADE DE MODELOS EM FUNÇÕES DE AFILAMENTO PARA Mimosa scabrella Bentham EM POVOAMENTOS NATIVOS DA REGIÃO METROPOLITANA DE CURITIBA/PR

IDENTIDADE DE MODELOS EM FUNÇÕES DE AFILAMENTO PARA Mimosa scabrella Bentham EM POVOAMENTOS NATIVOS DA REGIÃO METROPOLITANA DE CURITIBA/PR IDENTIDADE DE MODELOS EM FUNÇÕES DE AFILAMENTO PARA Mmosa scabrella Bentam EM POVOAMENTOS NATIVOS DA REGIÃO METROPOLITANA DE CURITIBA/PR Danel Queroz*, Sebastão do Amaral Macado**, Afonso Fgueredo Flo***,

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-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 mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados 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 descrtvas

Leia mais

Santos Júnior, EP 1 ; Soares, HCC 1 ; Freitas, GP 2 ; Pannain, JLM 3 ; Coelho Junior, LM 4 * 1

Santos 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 mais

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ

a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco

Leia mais