Métodos de Amostragem

Documentos relacionados
Teoria da Estimação 1

Cap. 4 - Estimação por Intervalo

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem

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

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

NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA

Distribuições Amostrais

Distribuições Amostrais

Intervalos de Confiança

Exame MACS- Inferência-Intervalos.

ESTIMAÇÃO PARA A MÉDIA

Stela Adami Vayego DEST/UFPR

MAE 116 Estimação para a média FEA - 2º Semestre de 2018

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

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

Capítulo 5- Introdução à Inferência estatística.

Avaliação de Desempenho de Sistemas Discretos

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

Distribuições de Estatísticas Amostrais e Teorema Central do Limite

Estimadores de Momentos

Lista IC, tamanho de amostra e TH

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem

Estimação de Parâmetros. 1. Introdução

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

Estatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial

Instruções gerais sobre a Prova:

Stela Adami Vayego Estatística II CE003/DEST/UFPR

ESTIMAÇÃO DE PARÂMETROS

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

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

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese

Estimação por Intervalo (Intervalos de Confiança):

Estimativa de Parâmetros

1 Estimação de Parâmetros

TRANSPORTES. Sessão Prática 4 Amostragem de escalares

Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra

ESTIMAÇÃO DE PARÂMETROS

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

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

A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.

AEP FISCAL ESTATÍSTICA

10 - Medidas de Variabilidade ou de Dispersão

n ) uma amostra aleatória da variável aleatória X.

Estimação da média populacional

F- MÉTODO DE NEWTON-RAPHSON

) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X

ESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)

Distribuições Amostrais

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

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

Lista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação

Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

Estatística. 7 - Distribuições Amostrais

ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p

Amostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População;

DISTRIBUIÇÕES DE PROBABILIDADE

Estimação da média populacional

Unidade IX Estimação

CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES

Intervalos Estatísticos para uma única Amostra - parte II

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

Sumário. 2 Índice Remissivo 17

ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.

Inferência Estatística

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

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

Comparação entre duas populações

Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?

1 Distribuições Amostrais

binomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.

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

ESTATÍSTICA E PROBABILIDADES

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

Lista 2 - Introdução à Probabilidade e Estatística

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

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

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

Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais

( 1,2,4,8,16,32,... ) PG de razão 2 ( 5,5,5,5,5,5,5,... ) PG de razão 1 ( 100,50,25,... ) PG de razão ½ ( 2, 6,18, 54,162,...

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

KRIGAGEM UNIVERSAL (Metodologia geoestatística para dados não estacionários)

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

Nosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ

Intervalo de Confiança para uma Média Populacional

Exercícios de Intervalos de Confiança para media, variância e proporção

Prof. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL

Probabilidades e Estatística TODOS OS CURSOS

) E 2 ( X) = p p 2 = p( 1 p) ) = 0 2 ( 1 p) p = p ( ) = ( ) = ( ) = p. F - cara (sucesso) C - coroa (insucesso)

INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões

DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS

Universidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny

CONHECIMENTOS ESPECÍFICOS

Soluções dos Exercícios do Capítulo 6

Lista 9 - Introdução à Probabilidade e Estatística

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

1.1. Ordem e Precedência dos Cálculos 1) = Capítulo 1

Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):

Exame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase

Amostragem Sistemática

Transcrição:

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 população. Pré-requisito: Ambiete uiforme, por eemplo, uma mesma fisioomia de vegetação ou uma floresta platada com uma úica espécie e com uma úica idade. Procedimetos: 1. Delimitar o uiverso amostral. Eemplo: Trecho da cabeceira de um rio; um talhão de Eucalipto com a mesma idade.. Sobrepor uma grade de uidades amostrais sobre a área amostral. Pode-se usar mapas, images de satélite ou fotografias digitais obtidas por Veículo Aéreo Não Tripulável (VANT). O procedimeto cosiste em dividir a população em uidades de área fia com a forma e o tamaho das uidades amostrais (u.a.). 3. Sortear uma amostra (cojuto de uidades amostrais a serem medidas). Eemplo: 50 parcelas (u.a.) de 0m 50m em um total de 1000 u.a. da população; 4. Calcular a itesidade amostral segudo um limite de erro e ível de probabilidade estabelecidos. Os mais comus são 10% de erro a 95% de probabilidade para a variável de iteresse (volume, úmero de árvores detro das parcelas); 5. Complemetar a amostragem, se ecessário, para atigir o úmero ideal de uidades amostrais para garatir a represetatividade amostral; 6. Calcular os itervalos de cofiaça para a média e para o total. Eemplo Determiar o volume de madeira de uma floresta de eucalipto de 50 hectares sobre latossolo vermelho escuro (ambiete uiforme), com seis aos de idade. Após o mapeameto da área e a divisão das uidades amostrais, o próimo passo é realizar o Ivetário Piloto.

Neste caso, cosiderou-se um sorteio aleatório de 10 parcelas de 0m 50m detro de um uiverso amostral composto por 500 parcelas possíveis (50 hectares). O volume de madeira (m³) em cada parcela amostrada ecotra-se a tabela abaio. Volume de madeira (m³) de cada árvore cubada rigorosamete em cada uma das dez parcelas de 0m 50m do Ivetário Piloto Volume (m³) Árvore 1 3 4 5 6 7 8 9 10 1 1,01 0,57 1,4 0,71 1,37 0,65 0,59 0,3 0,73 0,6 0,93 1,16 0,98 1,1 1,36 0,8 1,08 1,17 0,63 0,97 3 1,00 1,7 1,39 1,7 0,87 0,66 0,66 1,07 0,70 1,17 4 0,69 1,09 0,69 0,85 0,60 1,9 0,7 1,3 1,39 1,1 5 0,61 0,97 1,1 0,79 0,75 0,56 0,58 1 1,4 1,17 6 0,81 0,83 0,7 1,00 1,40 1,38 0,83 0,19 0,81 1,19 7 1,30 0,6 0,88 1,40 0,87 1,39 0,95 0,37 1,06 1,35 8 1,8 1,10 0,73 0,85 1,13 0,67 1,40 0,94 0,73 0,87 9 1,0 1,15 1,19 1,37 1,39 0,89 1,3 0,59 0,9 1,6 10 0,78 1,6 1, 1,14 0,86 1,04 0,96 0,64 1,09 1,31 11 0,61 1,36 1,10 0,65 1,41 1,6 0,69 0, 0,86 1,01 1 0,66 0,61 0,9 0,6 0,9 1,11 0,84 0,84 0,96 13 1,5 0,80 1,05 0,91 0,94 0,58 1,3 0,87 0,87 14 1,36 1,08 0,69 1,09 1,03 0,8 1,05 0,8 15 1,36 1,19 1,41 1,08 0,64 0,63 16 0,7 0,64 0,9 1,07 1,01 Total 15,39 1,7 9 16,14 15,7 17,11 13,3 3 14,41 7,7 1,9 15,3 A próima etapa é estimar os parâmetros da população que permitem checar a represetatividade amostral.

Média = i=1 X i = (15,39 + 1,79 + + 15,3) 10 = 14,08m³ Variâcia s = i=1 (X i ) 1 = (15,39 14,08) + (1,79 14,08) + + (15,3 14,08) 9 = (7,0481m³)² A represetatividade amostral é calculada da seguite forma: (1-95) é: = t s E =,6 7,0481 1,408 = 18,19 parcelas O valor tabelado de t-studet com 9 graus de liberdade (10-1) e 95% de probabilidade t (9;0,05) =,6 ver Aeo A. O limite de erro admitido para esta amostragem foi de 10% da média: E = 0,1 14,08 = 1,408m³ Neste caso, verificou-se que a amostragem ão foi suficiete para represetar sigificativamete a população, pois, com esta variâcia os volumes das parcelas seriam ecessárias pelo meos 18 parcelas para coseguir a represetatividade estatística da população. O passo seguite é ajustar a itesidade amostral até atigir um valor de costate. Isso é feito calculado-se sucessivos valores de. Primeiramete calcula-se um cosiderado uma amostragem de 18 parcelas ode foram obtidas a mesma média e variâcia das 10 parcelas já amostradas(suposição). Note que agora o valor de t será ajustado para o valor que represete 17 graus de liberdade [t (17;0,05) =,11], com os mesmos 95% de cofiabilidade, da seguite forma: = t s E =,11 7,0481 1,408 = 15,8 parcelas O úmero 15 aida ão é suficiete para ser cosiderado represetativo da população, pois ão está próimo de 18, o valor aterior. Dessa forma, repete-se o cálculo de cosiderado 14 graus de liberdade e 95% de cofiaça [t (14;0,05) =,145]: = t s E =,145 7,0481 1,408 = 16,3 parcelas

Note que desta vez a itesidade amostral foi praticamete a mesma que a aterior, ou seja, 16 parcelas. O procedimeto agora é voltar ao campo e medir mais seis parcelas, pois 10 já foram medidas o ivetário piloto. Isto feito pode-se dar sequêcia às estimativas dos parâmetros populacioais. Como eercício lista-se mais seis valores de volume total (m³) para as parcelas complemetares do ivetário florestal, cosiderado-o como o ivetário defiitivo: Parcelas 11 1 13 14 15 16 Volume total (m³) 14,3 13, 1,6 10,01 13,4 11,05 Segue o ivetário florestal Calcula-se uma ova média e variâcia amostral e as demais estimativas dos parâmetros populacioais. Média = i=1 X i = (15,39 + 1,79 + + 11,05) 16 = 13,46m³ Variâcia s = i=1 (X i ) 1 = (15,39 13,46) + 15 = (5,7694m³)² Erro padrão s = s = 5,7694 16 Erro de amostragem - t (15;0,05) =,131 = 0,6005m³ ou s (%) = 0,6005 13,46 100 = 4,46% Erro _ absoluto: E a t. s,1310,6005 1,7m³ Erro _ relativo : E r t. s,131 0,6005 100 100 9,50% 13,46 Itervalo de cofiaça para a média IC ts X ts IC 13,46m³ 1,7m³ 95% IC[1,19m³ X 14,73m³] 95% P

Total da população IC Xˆ Nts Estimativa do total por hectare X = 500 parcelas 13,46m³. parcela 1 = 6.730m³ X = 6,730m³ 50ha Itervalo de cofiaça para o total da população X Xˆ Nts IC[6.730m³ 500 parcelas1,7m³. parcela IC[6.730m³ 635m³] 95% IC[6.095m³ X 7.365m³] 95% P 1 = 1346m³. ha 1 X 6.730m³ 500 parcelas1,7m³. parcela 1 ] 95% A floresta estudada possui etre 6.095m³ e 7.365m³ de madeira, com 95% de cofiaça. Ou seja, se forem feitos 100 amostrages com 16 parcelas esta população, 95% dessas amostrages vão apresetar um volume florestal detro do itervalo de cofiaça estimado. Cosiderado que a floresta tem seis aos de idade, uma estimativa média de produção por ao é obtida dividido-se os totais por hectare pela idade. Com isso, estima-se, com 95% de cofiaça, que a floresta cresceu em média etre 0,31m³.ha -1.ao -1 e 4,55m³.ha -1.ao -1. 4. Parcelas de área variável: o método de Proda Este método é cohecido como o método das seis árvores e foi apresetado por Proda em 1968 em Freiburg, a Alemaha (Péllico Neto; Brea, 1997). O Método cosiste em alocar potos amostrais a floresta segudo um delieameto amostral qualquer, o aleatório, por eemplo. Em cada poto amostral medem-se as seis (6) árvores mais próimas ao poto amostral (sorteia-se os potos a floresta), cosiderado o limite de iclusão a amostragem (DAP > 5cm, por eemplo), e assume-se que essas árvores ecotram-se em uma parcela circular cujo raio R é dado pela distâcia poto-árvore etre a última árvore (seta árvore) e o poto, coforme apresetado a Figura 5.

Raio da parcela de área variável Figura 5. Cofiguração de uma uidade amostral de área variável ode o raio circular é determiado pela distâcia etre o cetro da uidade amostral (poto) e a seta arvore mais próima O raio da parcela de área variável R é calculado pela distâcia do poto cetral à seta árvore (R 6 ) adicioado da metade o diâmetro desta seta árvore: R = R 6 + d 6 Estimativa do úmero de arvores por hectare A estimativa do úmero de árvores por hectare é feita relacioado-se a área em que se ecotram as árvores amostras (seis árvores) com o úmero de árvores em cada poto (seis árvores). Como em todos os potos são medidas eatamete seis árvores, varia-se somete a área das parcelas, ou seja, a distâcia da seta árvore ao poto. Daí vem o ome: parcela de área variável. Cosiderado que apeas metade da seta árvore está detro da parcela, pois é a distâcia etre o poto cetral P e o cetro da seta árvore que determiam o raio da parcela R, cada parcela possuirá 5,5 árvores e ão seis. Desta forma, a estimativa do úmero de árvores por hectare (N) se dá pela relação abaio: N = (5,5). 10.000 πr = 55.000 πr Ode πr é a área da uidade amostral.

Estimativa da área basal por hectare Estimativa do volume por hectare [d 1 + d + d 3 + d 4 + d 5 + ( d 6 ) ] G = R 500 A estimativa do volume por hectare, a partir da volumetria de cada uma das seis arvores amostradas é dada por: V = (V 1 + V + V 3 + V 4 + V 5 + V 6 ) πr 10.000 Vatages e desvatages do método de Proda (1997) são: As pricipais vatages do método de Proda idicadas por Péllico Netto e Brea É um método prático e de fácil operacioalidade o campo; Dado o tamaho da uidade é possível levatar várias uidades amostrais o tempo equivalete à medição de uma úica uidade de área fia; Com uma rede de potos distribuídos detro do povoameto pode-se coseguir uma visão mais abragete do mesmo; Não ocorrem erros de demarcação de uidades de amostra; Dimiui o efeito de borda. As pricipais desvatages deste método, segudo os mesmos autores: Péllico Netto e Brea são: Os estimadores podem gerar tedêcias quado as árvores estão muito agrupadas ou muito espalhadas o povoameto; Devido ao pequeo tamaho da uidade amostral ão há como obter bos estimadores para variáveis de maejo florestal, como altura domiate e mortalidade.