SELEÇÃO ALEATÓRIA DE ELEMENTOS AMOSTRAIS PARA A CONSTRUÇÃO DE MAPAS DE RESISTÊNCIA DO SOLO A PENETRAÇÃO RESUMO
|
|
- Marcos Cavalheiro Oliveira
- 6 Há anos
- Visualizações:
Transcrição
1 SELEÇÃO ALEATÓRIA DE ELEMENTOS AMOSTRAIS PARA A CONSTRUÇÃO DE MAPAS DE RESISTÊNCIA DO SOLO A PENETRAÇÃO Márcio Paulo de Oliveira 1, Gustavo Herique Dalposso 2, Mayco Daiel Vieira 3, Deoir Secco 4 RESUMO O estudo ivestigou o efeito da redução do úmero de elemetos amostrais utilizados a represetação da distribuição espacial da variável resistêcia do solo à peetração a camada de 0-0,1m realizada por meio da costrução de mapas temáticos. O, com cem elemetos amostrais espaçados 10m, são utilizados como referêcia; e a redução do úmero de amostras cosidera um Grid 25, ou seja, com 25 elemetos amostrais espaçados 20 m, dos quais foram selecioados três elemetos por seleção aleatória para formar um, que é costituído pelos 25 elemetos do Grid 25 mais os 21 elemetos amostrais vizihos dos três obtidos de modo aleatório o cojuto do Grid 25. A comprovação da eficácia do sorteio aleatório para a escolha dos elemetos a serem amostrados foi realizada por meio da comparação de dois mapas temáticos da resistêcia do solo à peetração a 0-0,1m. O primeiro mapa gerado cosiderou para uma região de m 2 um cojuto amostral de 100 potos com distâcia de 10m, que foram utilizados para a costrução do mapa de referêcia com o. O segudo mapa foi gerado cosiderado a mesma região, mas com o cojuto de dados reduzidos, o, chamado mapa modelo. A comparação dos mapas foi realizada por meio da matriz dos erros com os ídices de exatidão global e Kappa de 0,87 e 0,78, respectivamete. Essa forma de se obter uma malha amostral é um recurso à redução do úmero de amostras com vistas à miimização das operações de campo e custos de laboratório para a mesuração de outras propriedades do solo. A avaliação dos ídices mostrou que os mapas possuem semelhaça muito boa, o que sugere que em uma atividade de campo para amostragem dessa propriedade do solo, pode-se realizar amostragem apeas os potos obtidos pela grade modelo, o que reduz o úmero de amostras a serem coletadas. Palavras-chave: depedêcia espacial, exatidão global, ídice Kappa, krigagem, matriz dos erros. ABSTRACT RANDOM SELECTION OF SAMPLE ELEMENTS AS A RESOURCE TO CONSTRUCT THEMATIC MAPS FOR THE SOIL RESISTANCE TO THE PENETRATION The study ivestigated the effect of reductio of the sample elemets umber used i the represetatio of the distributio of spatial variable of soil resistace to the peetratio (RSP) o layer 0-0,1m i the thematic maps. The Grid100, with oe hudred sample elemets marked every 10m is used as referece set ad the reductio of the umber of samples is cosidered as Grid 25. I other words, 25 elemets sample marked every 20 m plus 21 elemets sample that is eighbor of three elemets sample selected by radom process withi Grid25. The radom process efficiecy was verified by compariso of maps of spatial variability of soil resistace to peetratio o layer 0-0,1m. The first map costructed for a regio of m 2 cosidered a sample set with 100 poits marked every 10m, called referece map with the Grid100. The secod map costructed to the same regio, but usig the sample set reduced, the Grid46, called model map. The compariso betwee the thematic maps was realized by error matrix with the idex values of global accuracy ad Kappa of 0,87 ad 0,78, respectively. The idex showed that the thematic maps have a very good similarity. This form to select the samplig grid is a resource to reduced umber of sample to miimizate the field operatios ad the costs icludig the laboratory labor to measure other soil properties. Thus, the reductio of the umber of sample grid, called Grid46, is suggested to samplig the soil properties i the regio of study with purpose to reduce the umber of samples to be collected ad the costs to measure it. Keywords: error matrix, global accuracy, Kappa idex, krigig, spatial depedecy. Recebido para publicação em 26/06/2012. Aprovado em 06/11/ Matemático, Professor Assistete da UTFPR, Câmpus Toledo, Toledo, PR, marciooliveira@utfpr.edu.br 2 - Matemático, Professor Assistete da UTFPR, Câmpus Toledo, Toledo, PR, gustavodalposso@utfpr.edu.br 3 - Matemático, Mestrado em Eergia a Agricultura da UNIOESTE, Cascavel, PR, maycodaiel@hotmail.com 4 - Egeheiro Agrôomo, Professor Assistete, UNIOESTE, Câmpus Cascavel, Cascavel, PR, deoir@uioeste.br 69
2 OLIVEIRA, M.P. et al. INTRODUÇÃO O emprego de mapas temáticos para caracterizar a dispersão espacial de propriedades do solo requer observações que visem a iformar quatitativamete o comportameto da variável a região de estudo. As grades amostrais são defiidas de modo a forecer uma represetação da região de estudo, que será tão real quato maior for o úmero de elemetos amostrais defiidos sobre a grade, que será o objeto com as iformações observadas da variável que se busca ivestigar. A defiição de uma grade amostral deve levar em cosideração os recursos que serão usados para o levatameto de dados, de modo que o úmero de elemetos amostrais que serão utilizados deve levar em cota as operações de campo para que as observações da variável ivestigada sejam realizadas de forma a represetar a região de estudo sem custos desecessários (CARVALHO et al., 2002). A costrução de mapas temáticos é precedida de uma aálise geoestatística que é etedido como o cojuto de procedimetos estatísticos que são aplicados em estudos cujos dados são refereciados o espaço, cosiderado ão apeas o valor observado, mas também a característica que as observações mais próximas geograficamete tedem a possuir valores semelhates (RIBEIRO JUNIOR, 1995). A resistêcia do solo à peetração é uma medida idireta do estado de compactação do solo que pode ser limitate ao crescimeto das platas. A ivestigação do comportameto dessa variável em solos agrícolas permite plaejar as operações agrícolas que serão apropriadas para essa área como o tipo de maejo que será adotado: sistema covecioal, sistema direto, etre outros (OLIVEIRA et al., 2011). A compactação do solo pode ser avaliada por meio da resistêcia do solo à peetração, e a compactação está associada com o desevolvimeto de culturas, como a soja, que apresetou decréscimo a produtividade ate ao acréscimo da resistêcia do solo à peetração (BEUTLER & CENTURION, 2004). Este trabalho objetivou ivestigar o efeito da redução do úmero de elemetos amostrais utilizados para a costrução de mapas temáticos da variável resistêcia do solo à peetração que foram observados em uma área agrícola experimetal de m 2. MATERIAL E MÉTODOS A área em estudo está situada a cidade de Cascavel o Paraá, com coordeadas l e N, com altura média de 674 m, precipitação de 1.640mm e temperaturas médias auais de 19 o C. O clima local é temperado mesotérmico e super úmido, Cfa segudo a Classificação de Köeppe. Na área experimetal é praticado o sistema de platio direto e, os últimos dez aos, realizou-se o rodízio das culturas de soja, milho, trigo e aveia. O solo da área estudada foi classificado como sedo um Latossolo Vermelho Distroférrico típico, textura argilosa a muito argilosa (600 g kg -1 de argila; 320 g kg -1 de silte e 80 g kg -1 de areia), substrato basalto e relevo suave odulado (EMBRAPA, 2006). A RSP (MPa) foi medida com auxílio de um peetrômetro modelo peetrolog digital PLG1020 da marca Falker - Solo Star, acoplado a um quadriciclo, obtedo amostras até a profudidade de 0-0,1 m, sedo utilizado a média de cico repetições em cada poto georrefereciado. O mapa temático dessa variável foi primeiramete gerado cosiderado uma grade amostral regular defiida com 100 x 100 m totalizado 100 elemetos amostrais com distâcia de 10 m etre os potos. Um segudo mapa foi gerado cosiderado a mesma grade amostral regular com 100 x 100 m um total de 25 elemetos amostrais para figurar uma grade regular com distâcia de 20 m etre os potos, mais os potos vizihos que distam 10 m de três potos obtidos por sorteio aleatório o cojuto dos 25 potos, de modo que foi usado um total de 46 potos para a costrução do segudo mapa com a grade amostral modelada. A Figura 1 (A) apreseta a grade amostral formada por 100 potos cosiderado uma distâcia de 10 metros etre potos. Este cojuto será chamado de e os valores da resistêcia do solo à peetração (RSP) estes locais foram utilizados a aálise para compor o mapa de referêcia. 70
3 SELEÇÃO ALEATÓRIA DE ELEMENTOS AMOSTRAIS PARA A CONSTRUÇÃO DE MAPAS DE RESISTÊNCIA... Figura 1. (A) Grade amostral com 100 potos cosiderado uma distâcia de 10 metros etre potos; (B) Sorteio aleatório; (C) Grade amostral com 46 potos. Na Figura 1 (B), apreseta-se a mesma grade amostral da Figura 1 (A), porém, com algus potos aparecedo destacados. Iicialmete, selecioou-se 25 potos cosiderado uma distâcia de 20 metros e, detre estes, 3 foram sorteados aleatoriamete. Posteriormete, para compor o cojuto amostral que será utilizado para elaborar o mapa modelo, cosideraram-se os potos vizihos das amostras selecioadas aleatoriamete, o que resultou em um cojuto formado por 46 potos. Na Figura 1, (C) apreseta-se este cojuto, que será chamado de (BANERJEE et al., 2008). A depedêcia espacial de uma variável regioalizada pode ser avaliada por meio do semivariograma experimetal cujas semivariâcias γ (h) são defiidas como a metade da esperaça matemática do quadrado da difereça do valor da variável regioalizada Z observada em dois potos separados, o espaço, por um vetor h, sedo dada pela seguite equação: 2 [( Z( x) Z( x )) ] γ ( h ) = 1 E + h 2 (1) A fução de semivariâcia γ (h) pode ser estimada pelo estimador clássico de Mathero (1963) dado por: 1 ˆ( γ h) = 2N( h) em que, N ( h) [ Z( xi ) Z( xi + h) ] i= 1 2 (2) ˆ γ ( h) é a semivariâcia estimada; N (h) é o úmero de pares de dados [( Z( xi ), Z( xi + h)], utilizados a estimativa, e h a distâcia etre as observações das variáveis aleatórias Z x ). ( i A escolha de um modelo de semivariograma é um procedimeto que requer um julgameto baseado a experiêcia e uma compreesão das limitações matemáticas da fução (McBRATNEY & WEBSTER, 1986). A grade diversidade de modelos e métodos de ajustes para os semivariogramas coduz a utilização da validação cruzada, pois após validação cruzada do modelo do semivariograma, pode-se ter assegurado que a predição baseada o modelo variográfico é ão viciada e o erro quadrático médio de predição é miimizado (CRESSIE, 1991). O modelo escolhido forece parâmetros ecessários para a krigagem, o iterpolador geoestatístico. No método da krigagem, os pesos são atribuídos de acordo com a variabilidade espacial expressa o semivariograma; o etato, o que tora a krigagem um iterpolador ótimo é a maeira como os pesos são distribuídos, ão sedo tedecioso, tedo variâcia míima e possibilitado que se coheça a variâcia da estimativa (WEBSTER & OLIVER, 1990). No Quadro 1, apreseta-se a estrutura da matriz dos erros costituída por pixels do mapa de referêcia que são idicados as coluas, equato os pixels do mapa modelo são idicados as lihas. Os elemetos da matriz represetam as quatidades de pixels pertecetes à classe i do mapa modelo e à classe j do mapa de referêcia. 71
4 OLIVEIRA, M.P. et al. Quadro 1. Matriz dos erros geérica de ordem k x k Mapa de referêcia Total Liha Classe C 1 C 2... C k i. C k 1. Mapa modelo C k C k k1 kk... kk k. A avaliação da matriz dos erros permite a costatação de que se os dois mapas forem iguais, os elemetos fora da diagoal pricipal serão ulos. A exatidão global (EG) é uma estatística utilizada para avaliar a similaridade etre algo real ou cotrolado e um modelo ajustado é dado por: EG k ii i= = 1 (3) Segudo Cogalto e Gree (1999), o ídice Kappa forece uma medida de cocordâcia etre os valores do mapa modelo e os do mapa de referêcia e é dado por: Kˆ k ii i= 1 = k 2 Total Colua j k N k: úmero de classes; ij : úmero de pixels classificados a classe i do mapa modelo e a classe j do mapa de referêcia. i= 1 k i= 1 RESULTADOS E DISCUSSÃO i i i i (4) No Quadro 2, apresetam-se as aálises estatísticas descritivas da resistêcia do solo à peetração (RSP), a profudidade de 0-0,1 m, para os dois cojutos amostrais. Destaca-se que as amplitudes dos valores da RSP ão se alteraram com a dimiuição do úmero de elemetos a grade amostral, pois ambos os cojutos apresetam o mesmo valor de máximo e míimo. Como todos os valores de RSP apresetados o Quadro 2 pertecem ao itervalo que varia de 0,55 a 1,98 MPa, verifica-se que, segudo classificação proposta por Caarache (1990), a área moitorada é formada por regiões ode ão existem limitações ao crescimeto de raízes ( RSP < 1,1 MPa) e regiões ode podem ocorrer poucas limitações ao crescimeto de raízes (1,1MPa < RSP < 2,5MPa). Estes valores são, em geral, mais baixos do que os ecotrados por Assumpção et al. (2011) em uma área de produção comercial de 56,68 ha cultivada com soja em Cascavel-PR, em que 50% das 47 amostras de RSP a camada 0-0,1 m apresetaram medidas superiores a 2,64 MPa. A região em estudo este trabalho obteve valores que, em geral, são mais baixos, um ver que, o período em que as coletas da RSP foram realizadas, a área experimetal estava sedo cultivada com Crambe (Crambe abyssiica Hochst), uma oleagiosa pertecete à família das brassicáceas e ativa da zoa do mediterrâeo, que apreseta sistema radicular profudo (KNIGHTS, 2002), o que auxilia a descompactação do solo (SILVA et al., 1985). Observa-se que 50% das amostras do cojuto se ecotram o itervalo de amplitude 0,69 (mediaa míimo) e a outra metade das amostras se ecotra o itervalo de amplitude 0,74 (máximo mediaa). Este comportameto também ocorre as amostras do cojuto, 72
5 SELEÇÃO ALEATÓRIA DE ELEMENTOS AMOSTRAIS PARA A CONSTRUÇÃO DE MAPAS DE RESISTÊNCIA... Quadro 2. Parâmetros de estatísticas descritivas da RSP (MPa) para o e Estatísticas Míimo 0,55 0,55 Q 1 1,04 0,98 Mediaa 1,24 1,15 Média 1,22 1,19 Q 3 1,40 1,39 Máximo 1,98 1,98 Desvio padrão 0,29 0,32 CV (%) 23,90 26,50 Assimetria 0,12 0,22 Curtose 2,74 2,77 p-valor 0,98 0,97 Q 1 : primeiro quartil; Q 3 :terceiro quartil; CV: coeficiete de variação; p-valor: ível descritivo com 5% de sigificâcia. Quadro 3. Semivariâcias experimetais da RSP e úmero de pares utilizados Distâcia (m) Semivariâcia Semivariâcia 9,43 0, , ,14 0, , ,86 0, , ,57 0, , ,29 0, , ,00 0, , ,71 0, , ,43 0, , ,14 0, , ,86 0, , ,57 0, , ,29 0, , ,00 0, , : úmero de pares utilizados para obter a semivariâcia experimetal. em que estes valores são, respectivamete, 0,60 e 0,83. Assim, fica evideciado uma assimetria em ambos os cojutos amostrais, porém, podese assumir que estes apresetam distribuição ormal, pois os coeficietes de variação idicam que os cojutos são homogêeos (GOMES, 2000) e os íveis descritivos (p-valores) do teste de Aderso-darlig idicam ormalidade com 5% de sigificâcia, coforme apresetado o Quadro 2. No Quadro 3, apresetam-se as semivariâcias experimetais calculadas utilizado o estimador de Mathero, as distâcias utilizadas e o úmero de pares cosiderados em cada cálculo. Destaca-se que as distâcias etre pares de amostras utilizadas para o cálculo das semivariâcias em ambos os cojutos é a mesma; e o fato de dimiuir o úmero de amostras implicou a redução do úmero de pares e em um leve 73
6 OLIVEIRA, M.P. et al. acréscimo as estimativas das variâcias. Levado em cosideração que, para todas as distâcias, o úmero de pares apresetados o Quadro 3 é maior que 30, ambas as estruturas tedem a forecer resultados cofiáveis, pois coforme relata Mourão Juior (2008), um importate fudameto matemático, deomiado teorema cetral do limite, garate que com um em toro de 30, as médias amostrais apresetam uma distribuição que tede à distribuição ormal, idepedetemete da forma da distribuição da amostra em si; em outras palavras, os testes estatísticos são robustos o suficiete para forecer resultados cofiáveis, idepedetemete da distribuição das amostras, quado é maior que 30. Como o semivariograma experimetal forece apeas iformações discretas sobre a estrutura de depedêcia espacial, é ecessário ajustar um modelo teórico para obter parâmetros ecessários para realizar a predição dos valores de RSP em locais ão amostrados. No Quadro 4, apresetam-se os modelos ajustados com os respectivos parâmetros. Observa-se que, tato para o como para o, o modelo que apresetou maior alcace, ou seja, o maior raio de depedêcia espacial, foi o gaussiao ajustado por míimos quadrados poderados (Quadro 4); porém, coforme argumetam Dalposso et al. (2009), este modelo deve ser descosiderado devido ao fato de ultrapassarem a distâcia máxima etre duas amostras, que é de 131 m. O segudo maior alcace é forecido pelo modelo expoecial, também ajustado por míimos quadrados poderados. Utilizado 100 amostras de RSP com espaçameto 75x75 m a camada 0-0,1 m, coletadas em uma área de produção de grãos de 57 ha, localizada em um Latossolo Vermelho distroférrico o muicípio de Cascavel PR, Faraco et al. (2008) ajustaram modelos expoeciais, esféricos e gaussiaos aos semivariogramas experimetais e observaram que o modelo expoecial ajustado por míimos quadrados apresetou maior alcace quado comparado aos demais modelos ajustados por míimos quadrados e míimos quadrados poderados (Quadro 4). O grau de depedêcia espacial etre amostras é mesurado pelo efeito pepita relativo E(%) e, segudo Cambardella et al. (1994), a depedêcia espacial é classificada como forte se E(%) < 0,25, moderada se 0,25 E(%) 0,75 e fraca ou baixa se E(%) > 0,75. Diate do exposto, destacase que de maeira geral, os modelos ajustados apresetam moderada depedêcia espacial. Como foram ajustados diversos modelos teóricos aos semivariogramas experimetais, se faz ecessário utilizar alguma metodologia para decidir qual o melhor ajuste. Com esse ituito, optou-se por utilizar as estatísticas da validação cruzada, pois coforme resultados obtidos por Faraco et al. (2008), esta metodologia se mostrou mais adequada para a escolha do melhor ajuste. As estatísticas da validação cruzada são apresetadas o Quadro 5. Quadro 4. Modelos ajustados e parâmetros obtidos Modelo Método a ϕ1 ϕ 2 ϕ 1+ ϕ 2 E(%) Expoecial OLS 89,87 0,039 0,052 0,091 0,43 WLS1 119,82 0,041 0,057 0,098 0,42 Esférico OLS 55,00 0,044 0,038 0,083 0,54 WLS1 90,00 0,048 0,045 0,093 0,51 Gaussiao OLS 95,20 0,057 0,044 0,101 0,56 WLS1 155,77 0,059 0,080 0,139 0,43 Expoecial OLS 89,87 0,031 0,086 0,117 0,26 WLS1 119,82 0,035 0,093 0,128 0,27 Esférico OLS 55,00 0,038 0,066 0,103 0,36 WLS1 90,00 0,047 0,073 0,120 0,39 Gaussiao OLS 95,19 0,062 0,069 0,131 0,47 WLS1 155,77 0,066 0,126 0,192 0,34 OLS: míimos quadrados ordiários, WLS1: míimos quadrados poderados, a: acace, ϕ 1 : efeito pepita, ϕ 2 : cotribuição, ϕ 1 + ϕ 2 : patamar e E: efeito pepita relativo 100.( ϕ 1 /( ϕ 1 + ϕ 2 )). 74
7 SELEÇÃO ALEATÓRIA DE ELEMENTOS AMOSTRAIS PARA A CONSTRUÇÃO DE MAPAS DE RESISTÊNCIA... Quadro 5. Validação cruzada EM: erro médio, erro absoluto. Modelo Método EM E R DP EM S ER EA Expoecial OLS -0, , , , ,126 WLS1-0, , , , ,051 Esférico OLS -0, , , , ,255 WLS1 0, , , , ,852 Gaussiao OLS 0, , , , ,676 Expoecial OLS -0, , , , ,539 WLS1-0, , , , ,393 Esférico OLS -0, , , , ,522 WLS1-0, , , , ,040 Gaussiao OLS 0, , , , ,707 E R : erro médio reduzido, DP EM :desvio padrão do erro médio, S : desvio padrão dos erros reduzidos e EA: ER Figura 2. Mapas temáticos da RSP (MPa) a camada 0-0,10 m. Segudo o critério de validação cruzada o melhor modelo é o que forece os valores de EM e E R mais próximos de zero, o meor valor de DP EM, o valor de S ER mais próximo de um e o meor EA. Para ambos os cojutos, optou-se por escolher o modelo gaussiao ajustado por míimos quadrados, apresetado o Quadro 5. Na Figura 2, apresetam-se os mapas temáticos da RSP (MPa), gerados utilizado iterpolação por krigagem em uma malha regular formada por pixels 5. Aalisado a Figura 2 é possível verificar que os mapas apresetam um comportameto semelhate, pois os maiores valores de RSP ecotram-se as regiões oroeste e sudoeste, os meores valores se ecotram o leste da área moitorada e grade parte da região apreseta RSP o itervalo que varia de 1,090 a 1,362 MPa. Porém, uma comparação visual etre os mapas pode ser subjetiva e com isso, faz-se ecessário a adoção de uma metodologia que seja capaz de quatificar esta semelhaça etre os mapas. Para melhor comparar estes mapas, é coveiete quatificar seus pixels em uma matriz, cohecida como matriz dos erros, defiido o mapa gerado com o cojuto como o de referêcia, visto que ele é elaborado com maior quatidade de amostras, e o mapa gerado com o cojuto como o mapa modelo, devido à implatação da seleção aleatória de amostras. No Quadro 6, apresetam-se a matriz dos erros que compara os dois mapas. 75
8 OLIVEIRA, M.P. et al. Quadro 6. Matriz dos erros dos pixels dos mapas de RSP C1 C2 C3 C4 C5 TOTAL C C C C C TOTAL C1: Classe 1 defiida o itervalo de [0,546; 0,818); C2: Classe 2 defiida o itervalo de [ 0,818;1,090); C3: Classe 3 defiida o itervalo de [1,090; 1,362); C4: Classe 4 defiida o itervalo de [1,362; 1,634) e C5: classe 5 defiida o itervalo de [1,634; 1.906]. Quadro 7. Área (m 2 ) estimada em cada classe MAPA C1 C2 C3 C4 C5 Total 0, ,5 0, ,5 2547,1 5571,3 1880,4 0, Na matriz dos erros, os pixels do mapa padrão ou de referêcia são quatificados as coluas e os pixels do mapa modelo são quatificados as lihas. Assim, tem-se que dos pixels, dois (2) estão a primeira classe do mapa padrão e três (3) estão a primeira classe do mapa modelo, apresetado o Quadro 6. Esta primeira iformação permite realizar uma estimativa da área em cada classe, iformação importate para o plaejameto de alguma atividade localizada. Por exemplo, temse que pixels correspodem a uma área de m 2, logo, o total de pixels a classe C2 do mapa padrão (17163) correspode a uma área de 3032 m 2. Seguido o mesmo procedimeto, foram obtidas as estimativas do Quadro 7. Observa-se que a maior difereça ocorre a classe C2, que correspode a valores de RSP o itervalo [0,818;1,090) pois, dos m 2 da área moitorada, aproximadamete 3030 m 2 pertecem a esta classe o mapa de referêcia ( ) e aproximadamete 2550 m 2 pertecem a esta classe o mapa modelo ( ). Para as outras classes, as difereças são meos acetuadas, o que demostra uma coformidade etre os mapas, apresetada o Quadro 7. A diagoal pricipal da matriz dos erros apresetados o Quadro 6 idica a quatidade de pixels classificados ideticamete os dois mapas. Estes elemetos permitem calcular a exatidão global (EG), uma medida de acurácia que pode ser utilizada a comparação dos mapas. Do Quadro 6, tem-se que EG = 0,87, ou seja, a exatidão global foi de 87%. Este valor também idica que os mapas temáticos são similares, pois de acordo com Aderso et al. (1976), o ível míimo de precisão aceitável é de 85%. Como a exatidão global leva em cosideração apeas os elemetos da diagoal pricipal da matriz dos erros, se faz ecessário utilizar outra medida que leve em cosideração uma maior quatidade de elemetos. Neste setido, calculou-se o ídice Kappa, uma medida que vem sedo adotada a comparação de mapas temáticos de RSP, como o trabalho de De Bastiai et al. (2012) o qual os autores utilizam esta medida de acurácia para comparar um mapa de RSP a camada 0,2-0,3 m com um mapa a mesma camada porém, utilizado as camadas 0,0-0,1 m e 0,1-0,2 m, como covariáveis. Dos dados apresetados o Quadro 6, foi obtido o valor de 0,78 para o ídice Kappa, o que segudo Ladis e Kock (1997) idica uma semelhaça muito boa. 76
9 SELEÇÃO ALEATÓRIA DE ELEMENTOS AMOSTRAIS PARA A CONSTRUÇÃO DE MAPAS DE RESISTÊNCIA... CONCLUSÕES Os mapas obtidos mostraram, que com a redução do úmero de elemetos amostrais, a distribuição espacial da variável resistêcia do solo à peetração, a camada 0-0,1m, do mapa gerado com o, obteve muito boa semelhaça com o mapa gerado com o ; A comparação dos mapas permite a escolha de uma grade amostral, como o, para a região em estudo, pois represeta a distribuição espacial da variável com um úmero reduzido de elemetos amostrais, o que causa a redução das operações de campo; O emprego do para ivestigações de variáveis como a produtividade que está associada à amostragem e mesuração de propriedades físicas e químicas do solo é um recurso que pode coduzir a meores custos e maior agilidade a obteção de dados, comparativamete aquela que se teria ao dar cotiuidade às ivestigações com o. REFERÊNCIAS BIBLIOGRÁFICAS ANDERSON, J.R.; HARDY, E.E.; ROACH, J.T.; WITMER, R.E. et al. A lad use ad lad cover classificatio system for use with remote sesor data. GeologicalSurvey Professioal Paper 964. Washigto: USGS p. ASSUMPCAO, R.A.B.; OPAZO, M.A.U.; GALEA, M. Local ifluece for spatial aalysis of soil physical properties ad soybea yield usig studet s t-distributio. Revista Brasileira de Ciêcia do Solo, Viçosa, v.35,.6, BANERJEE, S.; GELFAND, A.E.; FINLEY, A.O.; SANG, H. Gaussia predictive process models for large spatial data sets. Joural of the Royal Statistical Society, Lodo, v.70, part 4, p , BEULTER, A.N.; CENTURION, J.F. Compactação do solo o desevolvimeto radicular e a produtividade da soja. Pesquisa Agropecuária Brasileira, Brasília, v.39,.6, p , CAMBARDELLA, C.A.; MOORMAN, T.B.; NOVAK, J.M.; PARKIN, T.B.; KARLEN, D.L.; TURCO, R.F.; KONOPKA, A.E. Field-scale variability of soil properties i cetral Iowa soils. Soil Sciece Society America Joural, Madiso, v.58,.5, p , CANARACHE, A. Peetrometer: a geeralized semi-empirical model estimatig soil resistace to peetratio. Soil Tillage Research, Amsterdam, v.16, p.51-70, CARVALHO, J.R.P.; SILVEIRA, P.M.; VIEIRA, S.R. Geoestatística a determiação da variabilidade espacial de características químicas do solo sob diferetes preparos. Pesquisa Agropecuária Brasileira, Brasília, v.37,.8, p , CONGALTON, R.G.; GREEN, K. Assessig the accuracy of remotely sesed data: priciples ad practices. New York: Lewis Publishers, p. CRESSIE, N. Statistics for spatial data. New York: Joh Wiley, p. DALPOSSO, G.H.; URIBE-OPAZO, M.A.; BORSSOI, J.A.; JOHANN, J.A.; MERCANTE, E. Previsão da produção de Trigo utilizado métodos geoestatísticos. I: AVANCES EN INGENIERÍA RURAL Rosario: Editorial de la Uiversidad Nacioal de Rosario, v.1, p.78-86, DE BASTIANI, F.; URIBE-OPAZO, M.A.; DALPOSSO, G.H. Compariso of maps of spatial variability of soil resistace to peetratio costructed with ad without covariables usig a spatial liear model. Egeharia Agrícola, v.32, p , DIGGLE, P.J.; RIBEIRO JR, P.J. Model Based Geostatistics. New York: Spriger p. EMBRAPA. EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA. Sistema brasileiro de classificação de solos. 2.ed. Rio de Jaeiro, p. 77
10 OLIVEIRA, M.P. et al. FARACO, M.A. et al. Seleção de modelos de variabilidade espacial para elaboração de mapas temáticos de atributos físicos do solo e produtividade da soja. Revista Brasileira de Ciêcia do Solo [olie]. v.32,.2, p , GOMES, P. Curso de Estatística Experimetal. 14 ed. Piracicaba: Degaspari, p. KNIGHTS, E.G. Crambe: A North Dakota case study. A Report for the Rural Idustries Research ad Developmet Corporatio, RIRDC Publicatio No. W02/005, Kigsto, p. LANDIS, J.R.; KOCH, G.G. The measuremet of observer agreemet for categorical data. Bioometrics, v.33,.1, p , MATHERON, G. Priciples of geoestatistics. Ecoomic Geology, Littleto, v.58,.8, p , MOURÃO JUNIOR, C.A. Questões em bioestatística: O tamaho da amostra. Revista Iterdiscipliar de Estudos Experimetais, v.1,.1, p.26-28, McBRATNEY, A.; WEBSTER, R. Choosig fuctios for semi-variograms of soil properties ad fittig them to sample estimates. Joural of Soil Sciece, Oxford, v.37,.4, p , OLIVEIRA, M.P; TAVARES, M.H.F.; URIBE- OPAZO, M.A.; TIMM, L.C. Selectig statistical models to study the relatioship betwee soybea yield ad soil physical properties. Revista Brasileira de Ciêcia do Solo, vol.35.1, p , RIBEIRO JÚNIOR, P.J. Métodos geoestatísticos o estudo da variabilidade espacial de parâmetros do solo f. Dissertação (Mestrado) - Escola Superior de Agricultura Luiz de Queiroz, Piracicaba, SILVA, E.M.R; ALMEIDA, D.L.; FRANCO, A.A.; DÖBEREINER, J. Adubação verde o aproveitameto do fosfato em solo ácido. Revista Brasileira de Ciêcia do Solo, v.9,.1, p.85-88, Webster, R.; Oliver, M.A. Statistical Methods i Soil ad Lad Resource Survey. Oxford Uiversity Press, Oxford, p. 78
MEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS
MEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS Brua Gabriela Wedpap (PIBIC/CNPq-UNIOESTE), Miguel Agel Uribe- Opazo (Orietador), e-mail: mopazo@pq.cpq.br.
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisEstudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG
Estudo da precipitação pluviométrica o período seco e chuvoso do muicípio de Sete Lagoas, MG Aa Paula Coelho Madeira Silva 13 Jailso de Araujo Rodrigues 2 Jaime dos Satos Filho 2 1 Itrodução A precipitação
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisKRIGAGEM UNIVERSAL (Metodologia geoestatística para dados não estacionários)
KRIGAGEM UNIVERSAL (Metodologia geoestatística para dados ão estacioários) Para a obteção de um variograma é suposto que a variável regioalizada teha um comportameto fracamete estacioário, ode os valores
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisMEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE
MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas
Leia maise, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e
Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisMétodos de Amostragem
Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos
Leia maisObjetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisVARIABILIDADE ESPACIAL DA DENSIDADE DE UM LATOSSOLO SOB CAFEICULTURA NA REGIÃO DO CERRADO MINEIRO
VARIABILIDADE ESPACIAL DA DENSIDADE DE UM LATOSSOLO SOB CAFEICULTURA NA REGIÃO DO CERRADO MINEIRO Danilo Ferreira Mendes 1, Juliano Marques Pinto 2, Cinara Xavier de Almeida 3, Ricardo Falqueto Jorge 4
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisEstatística Descritiva. 3. Estatísticas Medidas de posição Medidas de dispersão
Estatística Descritiva 3. Estatísticas 3.1. Medidas de posição 3.. Medidas de dispersão 1 Exemplo 1: Compare as 4 colheitadeiras quato às porcetages de quebra de semetes de milho. Tabela 1. Porcetagem
Leia maisStela Adami Vayego DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisMÉTODOS DE INTERPOLAÇÃO PARA ESTIMAR O ph EM SOLO SOB DOIS MANEJOS DE CAFÉ ARÁBICA 1
Métodos de iterpolação para estimar o ph em solo sob dois maejos de café Volume arábica 8, Nº, Págias 61-66 IDESIA (Chile) Mayo - Agosto MÉTODOS DE INTERPOLAÇÃO PARA ESTIMAR O ph EM SOLO SOB DOIS MANEJOS
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia mais1 a Lista de PE Solução
Uiversidade de Brasília Departameto de Estatística 1 a Lista de PE Solução 1. a) Qualitativa omial. b) Quatitativa discreta. c) Quatitativa discreta. d) Quatitativa cotíua. e) Quatitativa cotíua. f) Qualitativa
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisUMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA
ISBN 978-85-7846-516-2 UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA Resumo Alisso Herique dos Satos UEL Email: alisso_hs612@hotmail.com Ferada Felix Silva UEL Email: ferada.f.matematica@gmail.com
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia maisCE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo
CE07 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo LISTA - EXERCÍCIOS ) Para o modelo de regressão liear simples ormal, ecotre os estimadores de máxima verossimilhaça dos parâmetros β 0, β e σ
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisn i=1 X i n X = n 1 i=1 X2 i ( n i=1 X i) 2 n
Exercício 1. As otas fiais de um curso de Estatística foram as seguites 7, 5, 4, 5, 6, 1, 8, 4, 5, 4, 6, 4, 5, 6, 4, 6, 6, 4, 8, 4, 5, 4, 5, 5 e 6. a. Determie a mediaa, os quartis e a média. Resposta:
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia maisEstimação da área foliar de mucuna cinza por meio de método não destrutivo - NOTA -
Ciêcia 238 Rural, Sata Maria, v.42,.2, p.238-242, fev, Cargelutti 202 Filho et al. ISSN 003-8478 Estimação da área foliar de mucua ciza por meio de método ão destrutivo Leaf area estimatio of velvet bea
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisESTIMAÇÃO PARA A MÉDIA
ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisEstimação de parâmetros da distribuição beta-binomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL
Estimação de parâmetros da distribuição beta-biomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL Diorgies Herculao da Silva Itrodução Edso Zagiacomi Martiez O modelo beta-biomial
Leia maisMATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho
MATEMÁTICA Professor Haroldo Filho MÓDULO 6 ESTATÍSTICA 1.1 ESTATÍSTICA É a ciêcia que utiliza a coleta de dados, sua classificação, sua apresetação, sua aálise e sua iterpretação para se tomar algum tipo
Leia maisCAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Leia maisMétodo alternativo para calcular a constante de Apéry
SCIENTIA PLENA VOL. 7, NUM. 4 0 www.scietiaplea.org.br Método alterativo para calcular a costate de Apéry S. R. Cruz; J. B. Oliveira; D. T. Feitosa; C. M. Silva Departameto de Matemática, Uiversidade de
Leia maisUniversidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química
Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza
Leia maisINTERVALO DE CONFIANÇA BOOTSTRAP COMO FERRAMENTA PARA CLASSIFICAR RAÇAS DO NEMATÓIDE DE CISTO DA SOJA 1
INTERVALO DE CONFIANÇA BOOTSTRAP 71 INTERVALO DE CONFIANÇA BOOTSTRAP COMO FERRAMENTA PARA CLASSIFICAR RAÇAS DO NEMATÓIDE DE CISTO DA SOJA 1 JOSÉ ERIVALDO PEREIRA, JOÃO FLÁVIO VELOSO SILVA, WALDIR PEREIRA
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia maisPopulação x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisUtilização de modelos não-lineares sigmoidais na descrição do aumento em diâmetro de frutos de pequi.
Utilização de modelos ão-lieares sigmoidais a descrição do aumeto em diâmetro de frutos de pequi. Ricardo Wager Pacopahyba de Mattos 1 Thaís Destéfai Ribeiro 1 Joel Augusto Muiz 1 Augusto Ramalho de Morais
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia mais4 Análise Estatística e Geoestatistica dos Dados
4 Aálise Estatística e Geoestatistica dos Dados Os dados coletados em campo, jutamete com os resultados obtidos pelos esaios laboratoriais, coforme descrições o Capítulo 3 (Apresetação do Programa Experimetal),
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010
COMPARAÇÕES DE DISTRIBUIÇÕES DE PROBABILIDADE PARA UMA SÉRIE DE VAZÕES MÁXIMAS PARA CURSO D ÁGUA RIO DO VEADO, ES MILLENA MIRELLA VIEIRA TAVEIRA ; GEOVANE JUNQUEIRA ALVES ; ANTÔNIO MARCIANO DA SILVA ;
Leia maisCAPÍTULO 8 - Noções de técnicas de amostragem
INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisUniversidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 1 a Aula Prática Técnicas de somatório
Uiversidade Federal de Lavras Departameto de Estatística Prof. Daiel Furtado Ferreira 1 a Aula Prática Técicas de somatório Notação e propriedades: 1) Variáveis e ídices: o símbolo x j (leia x ídice j)
Leia maisEstatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):
Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisLista IC, tamanho de amostra e TH
Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro
Leia maisP.M.S. Oliveira, C.S. Munita
Estudo comparativo de métodos de ormalização em resultados experimetais. P.M.S. Oliveira, C.S. Muita Istituto de Pesquisas Eergéticas e Nucleares - IPEN-CNEN/SP, Av. Prof. Lieu Prestes 4. CEP 05508-000,
Leia maisESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.
ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate
Leia maisAjuste de Curvas pelo Método dos Quadrados Mínimos
Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias
Leia maisCARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. CARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR Ruth Pereira Loureço (USP) ruth.p.loureco@gmail.com Lida Lee Ho
Leia maisQuantificando os Fenômenos Biológicos
1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que
Leia maisCarla Freitas de Andrade Vicente P. P. B. Vieira
Carla Freitas de Adrade Vicete P. P. B. Vieira VAZÕES EXCESSIVAS EM CANAIS ABETOS: RISCO DA VAZÃO ULTRAPASSAR A VAZÃO ADMISSÍVEL CONSIDERANDO A VARIABILIDADE DA RUGOSIDADE E DA DECLIVIDADE NA EQUAÇÃO DE
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisDisciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA
Miistério da Educação UIVERSIDADE TECOLÓGICA FEDERAL DO PARAÁ Câmpus Curitiba Diretoria de Graduação e Educação Profissioal Departameto Acadêmico de Estatística 1 Disciplia: Probabilidade e Estatística
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005
PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010
DISTRIBUIÇÃO DE PROBABILIDADE PARA DETERMINAÇÃO DE VAZÕES MÁXIMAS PARA O RIO ITAPEMIRIM - ESPÍRITO SANTO EWERTON FELIPE DO PRADO MACHADO, LEANDRO CAMPOS PINTO, MARCELO CORRÊA PEREIRA 3, ANTÔNIO MARCIANO
Leia maisEscola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ
1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo
Leia maisO jogo MAX_MIN - Estatístico
O jogo MAX_MIN - Estatístico José Marcos Lopes Resumo Apresetamos este trabalho um jogo (origial) de treiameto para fortalecer os coceitos de Média, Mediaa, Moda, Desvio Padrão e Desvio Médio da Estatística
Leia maisIntrodução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisRegressão linear simples
Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha
Leia maisCapítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA
Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisCORRELAÇÃO Aqui me tens de regresso
CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.
Leia maisAvaliação de um Mapa Urbano Produzido de Forma Automática a partir de Imagem Orbital de Alta Resolução
XVIII Semiário Nacioal de Distribuição de Eergia Elétrica SENDI 008-06 a 0 de outubro Olida - Perambuco - Brasil Avaliação de um Mapa Urbao Produzido de Forma Automática a partir de Imagem Orbital de Alta
Leia maisCâmpus Rio do Sul e Bolsistas do IFC Câmpus Rio do Sul.
ANÁLISE DA VARIABILIDADE DA UMIDADE RELATIVA DO AR PARA A CIDADE DE ITUPORANGA-SC Roberto HAVEROTH, Leoardo NEVES, Katiai ELI 3, Joabe W. PITZ 3, Elizabete FERNANDES 4, Jaquelie CARVALHO 4, Evadro C. OLIVEIRA
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia mais