O MÉTODO DE QUADRANTES PARA ESTIMATIVA DE VARIÁVEIS QUANTITATIVAS EM PLANOS DE MANEJO NA AMAZÔNIA

Tamanho: px
Começar a partir da página:

Download "O MÉTODO DE QUADRANTES PARA ESTIMATIVA DE VARIÁVEIS QUANTITATIVAS EM PLANOS DE MANEJO NA AMAZÔNIA"

Transcrição

1 ISSN Gabriel da Silva Oliveira 1, Fracisco José de Barros Cavalcati 1, Lucas Amaral de Melo 2, Marco Atoio Mote 1 O MÉTODO D QUADRANTS PARA STIMATIVA D VARIÁVIS QUANTITATIVAS M PLANOS D MANJO NA AMAZÔNIA Palavras chave: Ivetário florestal Precisão xatidão Histórico: Recebido 10/08/2015 Aceito 21/12/2015 RSUMO: Objetivou-se, o presete trabalho, avaliar o método de a estimativa da abudâcia (A), área basal (G) e volume comercial (V) de uma área de Floresta Ombrófila a Amazôia. Foram simuladas amostrages por dois processos (aleatório e sistemático) com diferetes tamahos de amostra, variado de 100 a 200 potos de amostragem. Os valores estimados pelas amostrages foram comparados com os valoreis reais das variáveis registradas o ceso, cosiderado-se a população com DAP 40 cm em uma área de ha de floresta, submetida ao plao de maejo sustetável. O método de ão atigiu o ível de exatidão desejado para as variáveis área basal e volume comercial, superestimado os seus valores reais registrados o ceso. No etato, a precisão de suas estimativas para abudâcia, área basal e volume comercial foi satisfatória para a aplicação do método em ivetários florestais destiados a plaos de maejo a Amazôia. TH QUADRANTS MTHOD TO STIMAT QUANTITATIV VARIABLS IN MANAGMNT PLANS IN TH AMAZON Keyworks: Forest ivetory Precisio Accuracy Correspodêcia: austi.gso@hotmail.com ABSTRACT: This work aimed to evaluate the accuracy i estimates of abudace, basal area ad commercial volume per hectare, by the quadrats method applied to a area of hectares of rai forest i the Amazo. Samples were simulated by radom ad systematic process with differet sample sizes, ragig from 100 to 200 samplig poits. The amouts estimated by the samples were compared with the parametric values recorded i the cesus. I the aalysis we cosidered as the populatio all trees with diameter at breast height equal to or greater tha 40 cm. The quadrats method did ot reach the desired level of accuracy for the variables basal area ad commercial volume, overestimatig the observed values recorded i the cesus. However, the accuracy of the estimates of abudace, basal area ad commercial volume was satisfactory for applyig the method i forest ivetories for maagemet plas i the Amazo. DOI: / Uiversidade Federal Rural do Rio de Jaeiro, Seropédica, Rio de Jaeiro, Brasil 2 Uiversidade Federal de Lavras, Lavras, Mias Gerais, Brasil CRN v p

2 O MÉTODO D QUADRANTS PARA STIMATIVA D VARIÁVIS QUANTITATIVAS M PLANOS D MANJO NA AMAZÔNIA INTRODUÇÃO O ivetário florestal é uma etapa fudametal a elaboração de plaos de maejo florestal. De acordo com Araújo (2006), em áreas ode se pretede implatar um plao de maejo, utiliza-se o ivetário florestal por amostragem com o objetivo de aalisar a composição e a estrutura da floresta, abordado idivíduos desde a regeeração atural, até árvores adultas, permitido determiar seu potecial e aptidão para o maejo. Detre as alterativas que podem ser utilizadas para a redução dos custos do ivetário florestal, tem-se o método de, que baseia-se a alocação de potos amostrais, em que cada poto localizado a liha de picada é o cetro de quatro, determiados pela liha de picada e uma ortogoal, que passa pelo poto. Detro de cada quadrate é medida a distâcia do poto até a árvore mais próxima, registradose a espécie e a área trasversal da referida árvore (MARTINS, 1991). Por ão ser ecessária a demarcação de áreas fixas para a coleta de iformações, o método de pode gerar um meor custo para o ivetário florestal, além de elimiar o erro relacioado à medição das árvores o limite das parcelas. Cottam e Curtis (1956) testado quatro métodos de distâcia e um de área fixa, em três estades de florestas aturais e uma população artificial de 1000 árvores, verificaram que o método de se destacou detre os métodos de distâcias a estimativa de desidade e área basal dos estades florestais, sedo o seu uso recomedado. A redução do erro ão amostral causado pelas árvores limites e o gaho de um grau de liberdade a cada quatro árvores medidas pode proporcioar uma vatagem do método em relação aos da área fixa, sedo cosiderado uma ferrameta adicioal ao Serviço Florestal Brasileiro e aos órgãos cocedetes de florestas públicas estaduais, ode o ivetário florestal é peça fudametal o processo licitatório. No etato, é importate destacar que a aplicação do método de tal como aplicado por Cottam e Curtis (1956) e em outros 684 estudos de fitossociologia (MARTINS, 1991; KUNZ et al., 2014), ão permite o cálculo do erro de amostragem de suas estimativas, impossibilitado também a iferêcia dos valores estimados para a população, assim como a avaliação da precisão das estimativas obtidas. ssa impossibilidade é devida ao método de cálculo da abudâcia por hectare, que origialmete foi realizado por meio do quadrado da distâcia média de todas as árvores ivetariadas e os seus respectivos potos. O erro amostral da área basal e do volume também ficam comprometidos, porque são calculados com base a abudâcia. Desta forma, para possibilitar o cálculo dos erros amostrais e respectivas iferêcias, a abudâcia deve ser calculada com base o quadrado da distâcia média de cada poto quadrate, possibilitado avaliar a variação etre eles, tal como o método da área fixa, que calcula a abudâcia, a área basal e o volume para cada uidade de amostra. Com base isso, o presete trabalho teve como objetivo avaliar a precisão e a exatidão da aplicação do método dos, a estimativa da abudâcia, da área basal e do volume de madeira por hectare de espécies comerciais de uma floresta Ombrófila da Amazôia, a ser submetida à exploração florestal, por meio de plao de maejo sustetável. MATRIAL MÉTODOS Área de estudo A área de estudos possui hectares, subdivididos em 10 Uidades de Trabalho (UTs) de 100 ha cada, estado localizada ao Norte do muicípio de Sea Madureira, o estado do Acre (Figura 1). As coordeadas geográficas cetrais da área de estudo são: de latitude Sul e de logitude a Oeste de Greewich. A vegetação é predomiatemete composta por Floresta Ombrófila, tedo a Floresta Ombrófila Aberta de Terras Baixas com bambus e a Floresta Ombrófila Desa de Terras Baixas Dossel mergete como suas formas domiates (CAVALCANTI, 2007). CRN v p

3 OLIVIRA et al. FIGURA 1 Localização da área de estudos e feição cotedo os potos de amostragem, as medições de distâcia poto-plata e as árvores selecioadas em uma das dez UTs. FIGUR 1 Locatio of the study area ad sample poits, the distace measuremets i the poit-plat ad trees i oe of the te selected UTs. Ceso florestal O ceso florestal (ivetário a 100%) foi realizado por meio da abertura de picadas paralelas a direção orte-sul, distates 50 m etre si, sedo registradas as árvores com DAP 40 cm. Na picada de orietação foram fixadas estacas a cada 25 m, com a marcação da metragem respectiva, do úmero da faixa e UT. Para cada árvore cosiderada, foram registradas a ficha de campo as seguites iformações: a) úmero; b) ome vulgar; c) coordeadas x e y ; d) circuferêcia à altura do peito (CAP); e) altura comercial; f) estado físico (viva, morta, em pé, caída, quebrada, oca) e g) classe de qualidade do fuste (úmero de toras de 4 m). Simulação da amostragem Na simulação das amostrages, primeiramete foram medidos o mapa do ceso, com auxílio do software ArcMap 10, trita distâcias etre árvores mais próximas ao logo de uma faixa escolhida aleatoriamete em uma das UTs, também selecioada de forma aleatória. A distâcia míima etre potos foi calculada com a expressão: dmi = 2.dmax, coforme proposto por Martis (1991) e, com objetivo de evitar que a mesma árvore fosse registrada em mais de um poto amostral. Nesta expressão, dmi é a distâcia míima etre os potos e dmaxé a distâcia máxima ecotrada etre as 30 árvores mais próximas. A distâcia míima etre potos foi de 86 m, ampliada para 100 m buscado-se uma maior seguraça a seleção de árvores distitas por poto quadrate. Respeitado a distâcia míima calculada, foi gerada o software ArcMap10, uma grade de 81 potos, distates 100 m etre lihas e etre coluas detro de uma feição de 100 ha (1.000 m x m) correspodete à área de cada UT, que foi utilizada para a obteção das distâcias poto-plata por quadrate (Figura 1). m algus casos os potos de amostragem sobrepuseram as árvores a simulação da amostragem, sedo adotado o valor de zero metro para suas distâcias poto-plata. Dos 810 potos totais distribuídos os 1000 ha, 18 potos foram excluídos por estarem localizados em áreas sem árvores, cosiderado-se etão 792 potos. As amostras variaram progressivamete de 10 em 10 potos de amostragem, iiciado com

4 O MÉTODO D QUADRANTS PARA STIMATIVA D VARIÁVIS QUANTITATIVAS M PLANOS D MANJO NA AMAZÔNIA e termiado com 200 potos, sedo testados dois processos de amostragem distitos, um aleatório e outro sistemático. A abudâcia (A), também deomiada desidade por uidade de área, foi calculada coforme Cottam e Curtis (1956) para cada poto de amostragem com a expressão:, sedo, em que: = área média ocupada por árvore o poto quadrate (m².árvore -1 ) e; = média aritmética das distâcias de cada árvore ao cetro do poto quadrate (m). O cálculo da área basal (G) foi realizado de acordo com Cottam e Curtis (1956) com a expressão:, sedo, em que: G = área basal (m².ha -1 ); g i = área trasversal de cada árvore i (m²); = úmero de árvores mesuradas; d i = diâmetro a 1,30 m do solo (m) da árvore i. O volume comercial [1] de cada árvore foi estimado por meio da equação desevolvida por Cavalcati (1992), que testou quatro modelos com dados da Floresta do Atimary, localizada próxima à área de estudo, sedo: v i = volume comercial com casca de cada árvore (m³); DAP = diâmetro a 1,30 metros do solo (cm) e; H = altura comercial (m). A expressão utilizada para a obteção do volume comercial por poto de amostragem foi:, em que: V = volume por hectare (m³.ha -1 ). [1] Após o cálculo da estimativa dos parâmetros das variáveis estudadas em cada poto amostral, foi realizado o Teste de Grubbs, com o auxílio do software Actio, para verifi car a existêcia de valores discrepates outliers detre os 792 potos, a um ível de sigifi câcia de 5%. O cálculo da estimativa dos parâmetros das amostras foi processado como amostragem iteiramete casualizada (aleatória), para população fi ita, buscado-se satisfazer um limite máximo de erro de 10% em toro da média amostral para abudâcia, área basal e volume comercial, a um ível de sigifi câcia de 5% e, itervalos de cofi aça das médias que icluíssem os valores reais registrados o ceso fl orestal. Com base os critérios de precisão e exatidão estabelecidos, foi realizado o dimesioameto amostral em cada amostra, coforme Queiroz (2012). 686 RSULTADOS DISCUSSÃO Dos 792 potos alocados a população, quatro potos apresetaram valores discrepates, de acordo com o Teste Grubbs, para a área basal e o volume comercial. Detre estes potos, três apresetaram valor discrepate para a variável abudâcia. Pelo processo de amostragem aleatória, a amostra com 160 potos apresetou um erro meor que 10% para a variável abudâcia e, o dimesioameto amostral sugeriu uma amostra de 157 potos para atigir a precisão requerida (Tabela 1). Destaca-se que as amostras com 170 e 200 potos apresetaram um erro de amostragem maior que o observado para a amostra com 160 potos. sse fato pode ser explicado em fução da ocorrêcia de valores discrepates, citados ateriormete, que ocorreram essas amostras, elevado o seu erro de amostragem. No processo de amostragem sistemática foi observado um erro iferior a 10% para a variável abudâcia apeas as amostras cotedo 170 e 190 potos (Tabela 2). Na amostra de 170 potos, o cálculo do dimesioameto amostral idicou que a utilização de 166 potos seria sufi ciete para atigir a precisão requerida. Quato à exatidão, das amostras que apresetaram um erro iferior a 10% (170 e 190), ehuma foi capaz de icluir o valor da abudâcia da população em seu itervalo de cofi aça. mbora DIAS (2005) recomede que a amostragem por deva ser sempre aleatória, a amostragem sistemática, verifi couse um erro iferior a 10% para a variável resposta as amostras de 170 e 190 potos. Assim como a amostragem aleatória, observa-se a ifl uêcia dos dados discrepates o aumeto do erro de amostragem. Na Tabela 3 são expostos os valores da estimativa da amostragem aleatória pelo método de para a variável área basal. Apeas a amostra cotedo 190 potos foi capaz de gerar um erro de amostragem iferior a 10%, o etato, ão foi capaz de icluir o valor real da população em seu itervalo de cofi aça. Com base o seu CRN v p

5 OLIVIRA et al. TABLA 1 Abudâcia (A), erro de amostragem (), dimesioameto da amostra () e itervalo de cofiaça (IC) a amostragem sistemática com diferetes tamahos de amostra, em uma população com abudâcia igual a 11,28 árvores.ha -1 TABL 1 cosiderado um DAP 40 cm. Abudace (A), samplig error (), sample size () ad cofidece iterval (IC) i the systematic samplig usig differet sample sizes, i a populatio with trees.ha -1 of abudace, cosiderig a DBH 40 cm. A (árv.ha -1 ) dimesioameto amostral, a utilização de 172 potos seria suficiete para a obteção da precisão requerida. Na amostragem sistemática para a variável área basal, tem-se para uma amostra com 190 potos um erro de 9,31% (Tabela 4). Limite do IC (árv.ha -1 ) ,20 14, ,33 15, ,99 12, ,41 14,56 120* 15,35 29, ,80 19, ,05 11, ,65 13,45 140* 12,66 12, ,14 14,18 150* 11,98 13, ,37 13, ,43 9, ,20 13,65 170* 13,12 13, ,35 14, ,72 8, ,59 13, ,58 8, ,50 13,67 200* 12,62 10, ,23 14,01 *: preseça de valores discrepates a amostra. O cálculo do dimesioameto amostral essa amostra idica a aplicação de 171 potos para obteção de um erro de amostragem meor ou igual a 10%. Quato à exatidão, a amostra com 190 potos ão icluiu em seu itervalo de TABLA 2 Abudâcia (A), erro de amostragem (), dimesioameto da amostra () e itervalo de cofiaça (IC) a amostragem aleatória com diferetes tamahos de amostra, em uma população com abudâcia igual a 11,28 árvores.ha -1 TABL 2 cosiderado um DAP 40 cm. Abudace (A), samplig error (), desig of the sample size () ad cofidece iterval (IC) fir the radom samplig usig differet sample sizes, i a populatio with trees.ha -1 of abudace, cosiderig a DBH 40 cm. A (árv./ha) Limite do IC (árv.ha -1 ) ,66 11, ,16 14, ,14 11, ,75 13,54 120* 12,16 17, ,97 14,35 130* 15,82 25, ,77 19, ,80 10, ,42 14, ,56 10, ,27 13,86 160* 14,91 21, ,66 18, ,14 9, ,85 14,43 180* 12,90 12, ,25 14, ,71 8, ,65 13,78 200* 12,94 10, ,53 14,36 (*): preseça de valores discrepates a amostra. 687

6 cofiaça o valor real da área basal da população. Na Tabela 5 são expostos os resultados da aálise estatística da amostragem aleatória para a variável volume comercial pelo método de. Assim como ocorrido a variável área basal, a amostragem aleatória, apeas a amostra O MÉTODO D QUADRANTS PARA STIMATIVA D VARIÁVIS QUANTITATIVAS M PLANOS D MANJO NA AMAZÔNIA TABLA 3 Área basal (G), erro de amostragem (), dimesioameto da amostra () e itervalo de cofiaça (IC) a amostragem aleatória com diferetes tamahos de amostra, em uma população com área basal igual a 3,65 m².ha -1, cosiderado TABL 3 um DAP 40 cm. Basal area (G), samplig error (), sample size () ad cofidece iterval (IC) i the radom samplig usig differet sample sizes, i a populatio with 3.65 m².ha -1 of basal area, cosiderig a DBH 40 cm. G (m².ha -1 ) Limite do IC (m².ha -1 ) 100 4,56 14, ,90 5, ,45 14, ,82 5,09 120* 5,04 33, ,37 6, ,12 13, ,55 4,68 140* 4,27 15, ,61 4,94 150* 3,95 12, ,45 4, ,29 10, ,83 4,75 170* 4,16 14, ,55 4,77 180* 4,25 10, ,81 4, ,30 9, ,89 4,70 200* 4,23 10, ,79 4,68 (*): preseça de valores discrepates a amostra. cotedo 190 potos foi capaz de forecer um erro de amostragem iferior aos 10%. Com base em seu dimesioameto amostral, a utilização de 169 potos seria suficiete para atigir a precisão requerida. Na Tabela 6 são apresetados os resultados TABLA 4 Área basal (G), erro de amostragem (), dimesioameto da amostra () e itervalo de cofiaça (IC) a amostragem sistemática com diferetes tamahos de amostra, em uma população com área basal igual a 3,65 m².ha -1 cosiderado TABL 4 um DAP 40 cm. Basal area (G), samplig error (), sample size () ad cofidece iterval (IC) i the systematic samplig usig differet sample sizes, i a populatio with 3.65 m².ha -1 of basal area, cosiderig a DBH 40 cm G (m².ha -1 ) Limite do IC (m².ha -1 ) 100 4,31 11, ,81 4, ,12 11, ,65 4,59 120* 3,82 16, ,17 4,47 130* 5,66 27, ,12 7, ,24 12, ,72 4, ,15 11, ,67 4,64 160* 5,32 23, ,07 6, ,11 10, ,68 4,54 180* 4,37 13, ,80 4, ,32 9, ,92 4,73 200* 4,18 11, ,70 4,66 (*): preseça de valores discrepates a amostra. 688 CRN v p

7 OLIVIRA et al. TABLA 5 Volume comercial (V), erro de amostragem (), dimesioameto da amostra () e itervalo de cofiaça (IC) a amostragem aleatória com diferetes tamahos de amostra, em uma população com volume comercial igual a 28,47 TABL 5 m³.ha -1, cosiderado um DAP 40 cm. Commercial volume (V), samplig error (), sample size () ad cofidece iterval (IC) i the radom samplig usig differet sample sizes, i a populatio with m³.ha -1 of commercial volume, cosiderig a DBH 40 cm. V (m 3. ha -1 ) da aálise estatística da amostragem sistemática para a variável volume comercial. A amostra de 190 potos foi a úica capaz de proporcioar um erro satisfatório para o ivetário. Com base o dimesioameto amostral, a utilização de 184 potos seria suficiete para se alcaçar uma precisão adequada. Quato à exatidão da amostragem sistemática, observa-se que o valor real da população ão foi icluído o itervalo de cofiaça da amostra 190. A utilização de 190 potos o ivetário florestal, respeitado-se uma distâcia míima de 100 m etre os potos, foi capaz de proporcioar um erro de amostragem abaixo de 10%, a um ível míimo de cofiaça de 0,95 para as variáveis abudâcia, área basal e volume comercial, tato a amostragem aleatória, quato a amostragem sistemática. sses resultados são semelhates os ecotrados por Ubialli et al. (2009) que, utilizado parcelas de 2500 m² em uma área de Floresta stacioal o estado do Mato Grosso, obtiveram estimativas de erro de amostragem para área basal em toro de 10%, para os grupos de todas as espécies e para as mais importates fitossociologicamete, idepedete do processo amostral (aleatório ou Limite do IC (m 3. ha -1 ) ,49 14, ,05 41, ,89 14, ,81 39,97 120* 39,57 32, ,85 52, ,48 13, ,23 35,72 140* 33,32 14, ,39 38,25 150* 30,72 12, ,81 34, ,03 10, ,46 36,60 170* 32,06 13, ,59 36,53 180* 33,30 11, ,53 37, ,31 9, ,23 36,39 200* 33,01 10, ,51 36,50 (*): preseça de valores discrepates a amostra. sistemático), pricipalmete quado utilizada uma itesidade amostral de 10%. Vale ressaltar que os trabalhos de Ubialli et al. (2009), foram cotabilizadas árvores com DAP 30 cm. Idepedete do processo de amostragem utilizado, observa-se que a maior parte das amostras apresetou valores médios acima dos valores reais da população para as variáveis. sses resultados estão de acordo com Moscovich et al. (1999) que, comparado o método de área fixa com o método de, em uma floresta de Araucaria agustifolia, o Rio Grade do Sul, observaram que o método de, com 25 potos de amostragem distribuídos sistematicamete, superestimou os valores de abudâcia (+26,66%), área basal (+19,73%) e volume comercial com casca (+25,81) para árvores com CAP 30 cm. Aalisado os itervalos de cofiaça as amostras que apresetaram um erro iferior a 10%, destaca-se que apeas a abudâcia a amostragem aleatória, utilizado 160 potos, foi capaz de icluir o valor real da população o itervalo de cofiaça de sua amostra. Para a área basal e volume comercial, tato a amostragem aleatória, quato a amostragem sistemática, a média paramétrica foi ecotrada abaixo dos itervalos de cofiaça. 689

8 TABLA 6 Volume comercial (V), erro de amostragem (), dimesioameto da amostra () e itervalo de cofiaça (IC) a amostragem sistemática com diferetes tamahos de amostra, em uma população com volume comercial igual a TABL 6 28,47 m³.ha -1, cosiderado um DAP 40 cm. Commercial volume (V), samplig error (), sample size () ad cofidece iterval (IC) i the systematic samplig usig differet sample sizes, i a populatio with m³.ha -1 of commercial volume, cosiderig a DBH 40 cm. V (m 3. ha -1 ) Limite do IC (m 3. ha -1 ) ,72 12, ,67 37, ,31 11, ,51 36,11 120* 28,49 16, ,78 33,19 130* 43,46 26, ,78 55, ,90 12, ,05 35, ,38 11, ,72 35,03 160* 41,38 23, ,73 51, ,51 10, ,28 34,74 180* 33,14 12, ,98 37, ,80 9, ,50 37,11 200* 32,22 12, ,30 36,14 (*): preseça de valores discrepates a amostra. Desta forma, com base os resultados e a operacioalidade do método de, costata-se que sua utilização pode ser de iteresse por parte dos órgãos resposáveis pelo processo de cocessão florestal, tato federal, quato estaduais. sta costatação está reforçada pelo fato de o método reduzir o erro ão amostral origiado da árvore limite e também por proporcioar um grau de liberdade a cada quatro árvores medidas, m cotrapartida, a quatidade de ivetários florestais já realizados que oferecem estimativas de volume comercial as diferetes fitofisioomias da Amazôia, aliados à obrigatoriedade do ceso florestal, têm reduzido cada vez mais a prática do ivetário por amostragem as áreas sob maejo florestal sustetável a região. tretato, o processo licitatório da cocessão florestal, os órgãos cocedetes são obrigados a apresetar estimativas quatitativas e qualitativas acerca da floresta a ser disputada, o que justifica a realização dos ivetários e tem o método de uma alterativa a obteção de tais estimativas. Resta aida cofirmar, por meio de estudos futuros, se o custo e o tempo da aplicação do método de também o favorecem em relação ao método da área fixa, tradicioalmete utilizado. 690 CONCLUSÃO O método de ão atigiu o ível de exatidão desejado para a estimativa da área basal e do volume comercial, superestimado os seus valores paramétricos registrados o ceso. No etato, a precisão de suas estimativas para abudâcia, área basal e volume comercial foi satisfatória para a aplicação do método em ivetários florestais destiados a plaos de maejo a Amazôia. AGRADCIMNTO À Coordeação de Aperfeiçoameto de Pessoal de Nível (CAPS), pela cocessão da bolsa de estudos. À Cia Compesados Triufo Ltda, pela cessão dos dados. RFRÊNCIAS BROMLING, L. D. Bayesia iferece i statistical aalysis. New York: Marcel Dekker, p. ARAÚJO, H. J. B. D. Ivetário florestal a 100% em pequeas áreas sob maejo florestal madeireiro. Acta Amazoica, Maaus, AM., v. 36.4, p , 2006.

9 CAVALCANTI, F. J. B. Maejo florestal em regime de redimeto sustetado, de uso múltiplo, para a Floresta stadual do Atimari (Acre) f. Dissertação. Istituto Nacioal de Pesquisas da Amazôia - INPA/Fudação Uiversidade do Amazoas - FUA. Maaus, AM CAVALCANTI, F. J. B. Metodologia e sistema computacioal para uso múltiplo e itegrado de florestas tropicais a Amazôia. 121p. Tese. Uiversidade Federal do Paraá - UFPR. Curitiba, PR COTTAM, G.; CURTIS, J. T. The use fo distace measures i phytosociological samplig. cology, Durham, v. 37.3, p , DIAS, A. C. Composição florística, fitossociologia, diversidade de esp cies e comparação de métodos de amostragem a Floresta Ombrófila Desa do Parque stadual Carlos Botelho/SP-Brasil. 152f. Tese. scola de Agricultura Luiz de Queiroz. Uiversidade de São Paulo. Piracicaba, SP KUNZ, S. H.; IVANAUSKAS, N. M.; MARTINS, S. V.; SILVA,.; STFANLLO, D. Fitossociologia do compoete arbóreo de dois trechos de floresta estacioal pereifólia, Bacia do Rio Pacas, Querêcia-MT. Ciêcia Florestal, Sata Maria, RS, v. 24,. 1, p. 1-11, MARTINS, F. R. strutura de uma floresta mesófila. Campias, SP.: ditora da UNICAMP, p. MOSCOVICH, F. A.; BRNA, A. B.; LONGHI, S. J. Comparação de diferetes métodos de amostragem de área fixa e variável, em uma floresta de Araucaria agustifolia. Ciêcia Florestal, Sata Maria, RS., v. 9,.1, p , QUIROZ, W. T. Amostragem em ivetário florestal. Belém, PA: dufra, p. il. UBIALLIA, J. A.; FIGUIRDO FILHO, A.; MACHADO; S. A.; ARC, J.. Comparação de métodos e processos de amostragem para estimar a área basal para grupos de espécies em uma floresta ecotoal da região orte matogrossese. Acta Amazoica, Maaus, AM., v , p ,

10

CERNE ISSN: Universidade Federal de Lavras Brasil

CERNE ISSN: Universidade Federal de Lavras Brasil CRN ISSN: 0104-7760 cerne@dcf.ufla.br Universidade Federal de Lavras Brasil da Silva Oliveira, Gabriel; de Barros Cavalcanti, Francisco José; Amaral de Melo, Lucas; Monte, Marco Antonio O MÉTODO D QUADRANTS

Leia mais

Métodos de Amostragem

Métodos 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 mais

Cap. 4 - Estimação por Intervalo

Cap. 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 mais

Distribuições Amostrais

Distribuições 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 mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

Estatística: 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 mais

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA

NOTAS 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 mais

Objetivo. 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 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 mais

Obtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.

Obtemos, 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 mais

Estimativa de Parâmetros

Estimativa de Parâmetros Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade

Leia mais

Estimação da média populacional

Estimação 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 mais

Teorema do limite central e es/mação da proporção populacional p

Teorema 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 mais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

ESTIMAÇÃO 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 mais

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)

Capítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17) Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar

Leia mais

Capítulo 5- Introdução à Inferência estatística.

Capítulo 5- Introdução à Inferência estatística. Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.

Leia mais

Avaliação de Desempenho de Sistemas Discretos

Avaliação 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 mais

A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.

A 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 mais

Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação

Estimar 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 mais

e, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e

e, 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 mais

10 - Medidas de Variabilidade ou de Dispersão

10 - 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 mais

COMPARAÇÃO DE MÉTODOS E PROCESSOS DE AMOSTRAGEM PARA INVENTÁRIO EM FLORESTA OMBRÓFILA MISTA

COMPARAÇÃO DE MÉTODOS E PROCESSOS DE AMOSTRAGEM PARA INVENTÁRIO EM FLORESTA OMBRÓFILA MISTA UNIVERSIDADE FEDERAL DO PARANÁ COMPARAÇÃO DE MÉTODOS E PROCESSOS DE AMOSTRAGEM PARA INVENTÁRIO EM FLORESTA OMBRÓFILA MISTA v. 2. 1 2017 COMPARISON OF METHODS AND SAMPLING PROCEDURES FOR INVENTORY IN ARAUCARIA

Leia mais

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS

CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são

Leia mais

Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.

Objetivo. 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 mais

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc.

Contabilometria. Prof.: Patricia Maria Bortolon, D. Sc. Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora

Leia mais

Estimação da média populacional

Estimação 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 mais

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 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 mais

CARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR

CARTA 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 mais

Capítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA

Capítulo 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 mais

Quantificando os Fenômenos Biológicos

Quantificando 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 mais

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

TRANSPORTES. Sessão Prática 4 Amostragem de escalares Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas

Leia mais

Instruções gerais sobre a Prova:

Instruções 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 mais

d) A partir do item c) encontre um estimador não viciado para σ 2.

d) A partir do item c) encontre um estimador não viciado para σ 2. Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre

Leia mais

Revisando... Distribuição Amostral da Média

Revisando... Distribuição Amostral da Média Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia

Leia mais

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA) 06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes

Leia mais

Stela Adami Vayego DEST/UFPR

Stela 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 mais

PROJETO 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 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 mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas

Leia mais

Conteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE)

Conteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE) Coteúdo Uiversidade Federal de Sata Cataria (UFSC) Programa de Pós-Graduação em Egeharia de Automação e Sistemas (PPGEAS) Disciplia: Sistemas de Tempo Real II 1 Itrodução à Estatística Itrodução a Probabilidade

Leia mais

n ) uma amostra aleatória da variável aleatória X.

n ) 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 mais

Utilização de modelos não-lineares sigmoidais na descrição do aumento em diâmetro de frutos de pequi.

Utilização 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 mais

Sumário. 2 Índice Remissivo 19

Sumário. 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 mais

Unidade IV Inferência estatística

Unidade IV Inferência estatística //05 Uidade IV Iferêcia estatística 4.. Itrodução e histórico 4.. Coceitos fudametais 4.3. Distribuições amostrais e Teorema cetral do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses 4.6.

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem

Estatística: 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 mais

O teste de McNemar. A tabela 2x2. Depois - Antes

O teste de McNemar. A tabela 2x2. Depois - Antes Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"

Leia mais

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

DETERMINANDO 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 mais

Prova Escrita de MATEMÁTICA A - 12o Ano a Fase

Prova 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 mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO 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 mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 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 mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

CAPÍTULO 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 mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

Stela Adami Vayego DEST/UFPR

Stela 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 mais

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança

Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas

Leia mais

5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO

5. 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 mais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais

Parte 3: Gráfico de Gestão de Estoque. Gráficos e Cálculos Fundamentais Capítulo 3: Gestão de stoques Curso de Admiistração de mpresas 2º Semestre 09 Disciplia: Admiistração da Logística e Patrimôio Capítulo 03: Gestão de estoques (Partes 3 e 4) Parte : Itrodução Parte 2:

Leia mais

Economia Florestal. A floresta como um capital

Economia Florestal. A floresta como um capital Ecoomia Florestal A floresta como um capital O que é um capital? Defiição Capital é um fudo ou valor (pode ser moetário, bes, maquiaria, etc.) que pode gerar redimetos futuros durate um certo tempo, capazes

Leia mais

Sumário. 2 Índice Remissivo 17

Sumário. 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 mais

Estimadores de Momentos

Estimadores 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 mais

Avaliação de um Mapa Urbano Produzido de Forma Automática a partir de Imagem Orbital de Alta Resolução

Avaliação 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 mais

O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE 1986 A 2004

O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE 1986 A 2004 V I I S E M E A D P E S Q U I S A Q U A N T I T A T I V A F I N A N Ç A S O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE

Leia mais

Método alternativo para calcular a constante de Apéry

Método 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 mais

Estimação por Intervalo (Intervalos de Confiança):

Estimação por Intervalo (Intervalos de Confiança): Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população

Leia mais

Distribuições Amostrais

Distribuições 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 mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1 MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X

Leia mais

Experimento 1 Estudo da Lei de Hooke

Experimento 1 Estudo da Lei de Hooke Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos

Leia mais

Estudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG

Estudo 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 mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estatística: 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 mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS 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 mais

Virgílio A. F. Almeida DCC-UFMG 1/2005

Virgílio 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 mais

ESTIMAÇÃO PARA A MÉDIA

ESTIMAÇÃO 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 mais

ESCOLA BÁSICA DE ALFORNELOS

ESCOLA BÁSICA DE ALFORNELOS ESCOLA BÁSICA DE ALFORNELOS FICHA DE TRABALHO DE MATEMÁTICA 9.º ANO VALORES APROXIMADOS DE NÚMEROS REAIS Dado um úmero xe um úmero positivo r, um úmero x como uma aproximação de x com erro iferior a r

Leia mais

Roteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem

Roteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem Uiversidade de São Paulo Faculdade de Medicia Veteriária e Zootecia VPS6 - Métodos Quatitativos em Medicia Veteriária Cálculo do tamaho de amostra Prof. Grisi e Prof. Mauro Borba (UFRGS) Roteiro População

Leia mais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais Comparação de testes paramétricos e ão paramétricos aplicados em delieametos experimetais Gustavo Mello Reis (UFV) gustavo_epr@yahoo.com.br José Ivo Ribeiro Júior (UFV) jivo@dpi.ufv.br RESUMO: Para comparar

Leia mais

Comparação entre duas populações

Comparação 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 mais

ANALISE DA INTENSIDADE PLUVIOMÉTRICA PARA DETERMINAÇÃO DA EQUAÇÃO DE CHUVA DA CIDADE DE SOUSA/PB

ANALISE DA INTENSIDADE PLUVIOMÉTRICA PARA DETERMINAÇÃO DA EQUAÇÃO DE CHUVA DA CIDADE DE SOUSA/PB ANALISE DA INTENSIDADE PLUVIOMÉTRICA PARA DETERMINAÇÃO DA EQUAÇÃO DE CHUVA DA CIDADE DE SOUSA/PB Lília de Queiroz Firmio 1 ; Shieeia Kaddja de Sousa Pereira 2 ; Aa Cecília Novaes de Sá 3 ; Alice Pedrosa

Leia mais

População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade

População 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 mais

Problema de Fluxo de Custo Mínimo

Problema de Fluxo de Custo Mínimo Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre os modelos de

Leia mais

Distribuições Amostrais

Distribuições 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 mais

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?

Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida? 1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de

Leia mais

Universidade de São Paulo Faculdade de Filosofia, Letras e Ciências Humanas Departamento de Ciência Política

Universidade de São Paulo Faculdade de Filosofia, Letras e Ciências Humanas Departamento de Ciência Política Uiversidade de São Paulo Faculdade de Filosofia, Letras e Ciêcias Humaas Departameto de Ciêcia Política FLS 5028 Métodos Quatitativos e Técicas de Pesquisa em Ciêcia Política FLP0406 Métodos e Técicas

Leia mais

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Distribuições 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 mais

Disciplina: Probabilidade e Estatística (MA70H) Profª Silvana Heidemann Rocha Estudante: Código: APRESENTAÇÃO DE DADOS PARA VARIÁVEL QUANTITATIVA

Disciplina: 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 mais

Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química

Universidade 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 mais

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase Exame Nacioal de Matemática Aplicada às Ciêcias Sociais 2013-1. a Fase Proposta de resolução 1. 1.1. Aplicado o método descrito, icluido o tema Festas, temos: Potuação do tema Bullig: 3 415 + 1 370 + 2

Leia mais

CIRCULAR TÉCNICA N o 101. Maio/1980 MANEJO DE FLORESTA IMPLANTADAS PARA MÚLTIPLOS PRODUTOS

CIRCULAR TÉCNICA N o 101. Maio/1980 MANEJO DE FLORESTA IMPLANTADAS PARA MÚLTIPLOS PRODUTOS IPEF: FILOSOFIA DE TRABALHO DE UMA ELITE DE EMPRESAS FLORESTAIS BRASILEIRAS PBP/ CIRCULAR TÉCNICA N o 0 Maio/980 ISSN 000-3453 MANEJO DE FLORESTA IMPLANTADAS PARA MÚLTIPLOS PRODUTOS. INTRODUÇÃO Victor

Leia mais

Câmpus Rio do Sul e Bolsistas do IFC Câmpus Rio do Sul.

Câmpus 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 mais

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

6.1 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 mais

Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos

Análise 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 mais

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol

PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole

Leia mais

Avaliação de mapas urbanos produzidos a partir de imagens orbitais de alta resolução

Avaliação de mapas urbanos produzidos a partir de imagens orbitais de alta resolução Avaliação de mapas urbaos produzidos a partir de images orbitais de alta resolução Salomão Soares Roberto Coelho de Berrêdo Agaldo Morais Ataíde Igor Lacerda Ferreira Cemig Distribuição SA Av. Barbacea,

Leia mais

Regressão linear simples

Regressão 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 mais

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO

Leia mais

Aumentou-se o número de crimes nas regiões onde foram construídos os presídios?

Aumentou-se o número de crimes nas regiões onde foram construídos os presídios? Aumetou-se o úmero de crimes as regiões ode foram costruídos os presídios? Guilherme Aparecido Satos Aguilar 1 Vilma Mayumi Tachibaa 1 1 Itrodução O Brasil tem a quarta maior população carcerária do mudo

Leia mais

XIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010

XIX 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 mais

MAE0229 Introdução à Probabilidade e à Estatística II

MAE0229 Introdução à Probabilidade e à Estatística II Exercício : Sabe-se que o tempo de viagem de um local A a zoa orte de São Paulo até a USP segue uma distribuição ormal com desvio padrão 9 miutos. Em 200 dias aotou-se o tempo gasto para vir desse poto

Leia mais

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela

Leia mais

Estatística Descritiva. 3. Estatísticas Medidas de posição Medidas de dispersão

Estatística 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 mais

Intervalos de Confiança

Intervalos 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 mais

Cap. VI Histogramas e Curvas de Distribuição

Cap. 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 mais

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004

Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:

Leia mais

11 Aplicações da Integral

11 Aplicações da Integral Aplicações da Itegral Ao itroduzirmos a Itegral Defiida vimos que ela pode ser usada para calcular áreas sob curvas. Veremos este capítulo que existem outras aplicações. Essas aplicações estedem-se aos

Leia mais