Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
AmostrAgem em InventárIo FlorestAl Waldenei Travassos de Queiroz BELÉM 2012 mInIstérIo dA educAção mInIstro: Fernando Haddad unIversIdAde FederAl rurAl dA AmAzônIA reItor: Sueo Numazawa vIce-reItor: Paulo de Jesus Santos edItorAção Marly Maklouf dos Santos Sampaio comIssão edItorIAl Gracialda Costa Ferreira Israel Hidenburgo Aniceto Cintra Maria Cristina Manno Moacir Cerqueira da Silva Sérgio Antonio Lopes de Gusmão equIpe edItorIAl Inácia Faro Libonati Adriana Amaro Roseneli Lima cApA Waldenei Travassos de Queiroz Oberdan Müller Moraes das Flores endereço Av. Tancredo Neves, 2501, CEP: 66077-830- Montese E-mail: editora@ufra.edu.br Queiroz, Waldenei Travassos de Amostragem em inventário florestal / Waldenei Travassos de Queiroz. -- Belém: Universidade Federal Rural da Amazônia, 2012. 441 p.: il. ISBN 978-85-7295-070-1 1. Inventário florestal. I. Título. CDD - 634.928 À Izabel, minha esposa. Aos meus filhos Anderson e Alex, às minhas noras Lorena e Alessandra. Aos meus pais Wagner e Erecina (in memoriam) AgrAdecImentos À Marly Maklouf dos Santos Sampaio, Editora Executiva da UFRA, pelo empenho na publicação deste livro, assim como à Sra. Inácia Faro Libonati e às Srtas. Adriana Amaro e Roseneli Lima pela cuidadosa revisão do texto final. Ao Serviço Florestal Brasileiro, na pessoa do Engenheiro Florestal Joberto de Freitas Veloso, pelo convite para participar dos eventos que culminaram na construção do Projeto do Inventário Florestal Nacional do Brasil. Agradecemos ao Professor Sylvio Péllico Netto da UFPR e aos professores da ESALQ/USP: Cassio Roberto de Melo Godoi, Humberto de Campos e Frederico Pimental Gomes (in memoriam), pelos conhecimentos que recebemos na área da teoria da amostragem, em nossa formação pós-graduada. Somos gratos aos revisores deste trabalho: Ao Estatístico Edson Marcos Leal Soares Ramos, Doutor em Estatística e Professor da Faculdade de Estatística da Universidade Federal do Pará, e ao Engenheiro Florestal Fernando Cristóvam da Silva Jardim, Doutor em Ciências Florestais e Professor Associado da UFRA. Agradecemos aos Estatísticos: João Guimarães Pinheiro e Mário Diego Valente da Rocha, bem como ao Engenheiro Florestal Oberdan Müller Moraes das Flores, pelas sugestões e críticas; e a todos que nos incentivaram na tarefa de oferecer aos usuários da teoria da amostragem aplicada ao planejamento de inventários florestais uma obra que reúne algumas experiências condizentes, principalmente, com as condições impostas pelos tipos florestais ocorrentes no Brasil. Agradecemos, de forma especial, ao Professor Lúcio Salgado Vieira (in memoriam), mestre na arte real que fundamenta as bases das relações humanas, que pelos seus exemplos nos ensinou a descobrir os segredos da nossa missão de vida. Se a matemática é o pincel com que Deus desenhou o universo, então, a estatística é a ferramenta humana criada para tentar entendê-lo! Waldenei Travassos de Queiroz sumárIo preFácIo ..............................................................................13 ApresentAção ...................................................................15 cApítulo 1 - Introdução Ao InventárIo FlorestAl ..................................................................................17 cApítulo 2 - InventárIo e mAnejo FlorestAl ........23 cApítulo 3 - FundAmentos de estAtístIcA ..............29 3.1 DEFINIçõES.....................................................................31 3.2 PONTO AMOSTRAL E ESPAçO AMOSTRAL ..................31 3.3 VARIáVEL ALEATóRIA .....................................................32 3.4 ESPERANçA MATEMáTICA ............................................32 3.5 DISTRIBUIçãO DE PROBABILIDADE .............................33 3.5.1 Função de probabilidade de variáveis discretas.......33 3.5.2 Função densidade de probabilidade de variáveis contínuas .................................................34 3.5.3 Função de distribuição acumulada ou função de distribuição .................................................34 3.5.4 distribuição binomial ...................................................35 3.5.5 distribuição de poisson...............................................37 3.5.6 distribuição normal ......................................................39 3.5.7 distribuição de c2 .........................................................43 3.5.8 distribuição “t” de student ........................................46 3.5.9 distribuição “F” de snedecor .....................................50 cApítulo 4 - AmostrAgem sImples Ao AcAso .........53 4.1 VALORES POPULACIONAIS E ESTIMADORES .............57 4.2 AMOSTRAGEM SIMPLES AO ACASO PARA PROPORçõES E PORCENTAGENS ..............................71 4.2.1 valores populacionais, estimadores e dimensionamento da amostra..............................................73 cApítulo 5 - AmostrAgem estrAtIFIcAdA ................79 5.1 VALORES POPULACIONAIS E ESTIMADORES POR ESTRATO .................................................................83 5.2 VALORES POPULACIONAIS E ESTIMADORES CONSIDERANDO TODOS OS ESTRATOS .....................87 5.3 PRECISãO DA AMOSTRA ESTRATIFICADA EM RELAçãO À AMOSTRA SIMPLES AO ACASO................95 5.4 INVENTáRIO FLORESTAL APRESENTANDO SUBPOPULAçõES COM DIFERENTES INTENSIDADES DE AMOSTRAGEM ............................. 112 cApítulo 6 - AmostrAgem sIstemátIcA .................. 117 6.1 VARIâNCIA DA MÉDIA ....................................................122 6.2 PRECISãO DA AMOSTRA SISTEMáTICA COMPARADA À AMOSTRA SIMPLES AO ACASO ........124 cApítulo 7 - estImAtIvAs por rAzão ........................137 7.1 ESTIMATIVAS POR RAzãO COM IGUAL PROBABILIDADE .................................................139 7.2 ESTIMATIVAS POR RAzãO CONSIDERANDO PROBABILIDADE PROPORCIONAL (AAP) À VARIáVEL AUxILIAR (x) .................................................149 7.3 ESTIMATIVAS POR RAzãO: AMOSTRAGEM INVERSA COM PROBABILIDADE PROPORCIONAL À VARIáVEL AUxILIAR x (AIPP) ....................................156 7.4 ESTIMATIVAS POR RAzãO CONSIDERANDO A AMOSTRAGEM ESTRATIFICADA .................................157 7.5 DUPLA AMOSTRAGEM: FASES DEPENDENTES ........170 7.6 COMPARAçãO DE DOIS íNDICES OU DUAS RAzõES ........................................................175 cApítulo 8 - estImAtIvAs por regressão .............181 8.1 PARâMETROS POPULACIONAIS E ESTIMADORES ...183 8.2 ESTIMATIVAS POR REGRESSãO CONSIDERANDO A AMOSTRA ESTRATIFICADA AO ACASO ....................202 cApítulo 9 - AmostrAgem por conglomerAdo....231 9.1 AMOSTRAGEM POR CONGLOMERADOS EM ESTáGIO úNICO ......................................................235 9.1.1 parâmetros populacionais e estimadores ...............235 9.2 AMOSTRAGEM POR CONGLOMERADOS EM ESTáGIO úNICO COM UNIDADES DE GRANDEzAS DESIGUAIS..............................................241 9.2.1 parâmetros populacionais e estimadores ...............241 9.3 AMOSTRAGEM POR CONGLOMERADOS EM ESTáGIO úNICO PELAS PROPORçõES......................254 9.3.1 valores populacionais e estimadores ......................255 9.4 AMOSTRAGEM POR CONGLOMERADOS EM DOIS ESTáGIOS ......................................................261 9.4.1 componentes de variâncias no modelo inteiramente ao acaso ...............................................261 9.4.2 parâmetros populacionais e estimadores ...............267 9.4.3 ocorrência de estimativa negativa do componente de variância entre conglomerados ).(ˆ yVe ) ..................280 9.5 AMOSTRAGEM POR CONGLOMERADOS EM DOIS ESTáGIOS COM GRANDEzAS DESIGUAIS .................295 9.5.1 valores populacionais e estimadores ......................295 9.6 CONGLOMERADOS EM DOIS ESTáGIOS: ANáLISE ESTATíSTICA CONSIDERANDO A OCORRêNCIA DE TIPOLOGIAS DIFERENTES NA SUBPARCELA ............300 9.6.1 valores populacionais e estimadores ......................301 9.7 AMOSTRAGEM POR CONGLOMERADOS EM DOIS ESTáGIOS: ANáLISE ESTATíSTICA CONSIDERANDO A OCORRêNCIA DE UMA VARIáVEL AUxILIAR ...........305 9.7.1 valores populacionais e estimadores ......................306 9.8 AMOSTRAGEM POR CONGLOMERADOS EM DOIS ESTáGIOS PELAS PROPORçõES ................................322 9.8.1 valores populacionais e estimadores ......................322 9.9 AMOSTRAGEM POR CONGLOMERADOS EM DOIS ESTáGIOS PELAS PROPORçõES COM GRANDEzAS DESIGUAIS (Mi ) .............................................................326 9.9.1 valores populacionais e estimadores ......................326 9.10 ESTRUTURAS DE CONGLOMERADOS EM INVENTáRIOS FLORESTAIS .......................................329 9.11 AMOSTRAGEM POR CONGLOMERADOS EM TRêS ESTáGIOS ...........................................................339 9.11.1 valores populacionais e estimadores.....................341 9.11.2 parâmetros populacionais e seus estimadores através da análise de variância ...............................343 cApítulo 10 - InventárIo FlorestAl contínuo ...363 10.1 MÉTODO DE ANáLISE DE PARCELAS SUBDIVIDIDAS ...367 10.2 MODELO DE AMOSTRAGEM COM SUBSTITUIçãO PARCIAL ............................................384 10.2.1 estimador Asp de xµ e sua variância )ˆ( xV µ ..........385 10.2.2 estimador Asp de yµ e sua variância )ˆ( yV µ .........389 10.2.3 covariância entre os estimadores Asp xµˆ e yµˆ ...390 10.2.4 estimador Asp de dµ e sua variância )ˆ( dV µ .........391 cApítulo 11 - FormA e tAmAnho dAs unIdAdes de AmostrA ...................................................403 11.1 MÉTODOS PARA OBTER O TAMANHO IDEAL ...........408 consIderAções FInAIs ..................................................413 reFerêncIAs .....................................................................419 glossárIo .........................................................................425 Anexo ..................................................................................435 preFácIo O livro Amostragem em Inventário Florestal foi elaborado para servir como um guia prático para profissionais e estudantes de graduação e pós-graduação que necessitam dos conhecimen- tos e da teoria de estatística. Sua forma de abordagem apresenta uma grande revisão dos conhecimentos básicos de probabilidade e estatística, podendo, desta forma, ser utilizado como texto em diversos cursos de graduação e pós-graduação, como por exem- plo, cursos de Engenharia Florestal, Agronomia e Estatística. De fato, o livro serve como instrumento para o aprimora- mento das análises dos levantamentos florestais. Em seus ca- pítulos são abordadas as mais importantes técnicas de amos- tragem: Simples ao acaso, Estratificada, Sistemática e por Con- glomerados. Cursos de Amostragem são cada vez mais comuns em empresas e instituições de pesquisa. Assim, pensando na diversidade de aplicações dos conhecimentos advindos dessas técnicas, esta obra mostra-se como uma contribuição ao assun- to com a profundidade e o rigor técnico necessários. Além disso, como o Inventário Nacional do Brasil come- çará a ser executado neste início de década, utilizando o proce- dimento por Conglomerados, a obra Amostragem em Inventá- rio Florestal configura-se como um importante suporte técnico àqueles que irão executar esta tarefa, pois é evidente que o In- ventário Nacional do Brasil não será tratado por meio de uma simples análise, visto a grande diversidade florística e extensão territorial brasileira. Desta forma, as técnicas abordadas no livro, como por exemplo, as análises associadas de estimativas por razão e por regressão, poderão ser melhores compreendidas. A partir da experiência do autor em procedimentos envol- vendo a Amostragem em Inventário Florestal é possível ob- servar, no texto, a boa qualidade dos exemplos e dos exercícios resolvidos, além disso, o livro apresenta uma coleção de técni- cas e metodologias estatísticas reunidas numa só obra. Desta forma, professores, pesquisadores e usuários podem, então, a partir deste livro compreender e implementar cada uma das técnicas e ferramentas abordadas facilmente. Finalmente, esta obra pode ser destinada a todos aqueles que utilizam e estudam as técnicas de amostragem e seus benefícios nas diversas áre- as de conhecimento. prof. dr. edson marcos leal soares ramos ApresentAção O objetivo deste livro é contribuir com conhecimentos no ensino de teoria de amostragem e no planejamento estatístico de inventários florestais. É importante que, além de servir como livro texto para os estudantes, seja também um instrumento para o aprimoramento das análises dos levantamentos florestais. O Inventário Nacional do Brasil, que começará a ser execu- tado neste início de década, utilizará o processo de amostragem por conglomerados. É evidente que não se trata de uma análi- se simples, pois ocorrerão inúmeras situações a serem enfren- tadas, visto a grande diversidade florística, extensão territorial, entre outros. Assim sendo, análises associadas de estimativas por razão e por regressão podem ser empregadas quando os conglomerados possuírem tamanhos ou números diferentes de subparcelas. O uso de variáveis auxiliares no processamento estatís- tico, além de permitir ganho de precisão, facilita a análise da variável resposta de interesse por tipologia florestal, onde a área de ocorrência da vegetação pode ser considerada como uma covariável. A análise de dados proveniente do uso do processo de amostragem por conglomerados, por meio da subparcela, preci- sa ser mais discutida, visto a possibilidade da existência de de- pendência entre as subparcelas. Um procedimento alternativo é efetuar a análise considerando o conglomerado como uma uni- dade de observação, ou seja, obter as estimativas dos parâme- tros a partir da quantidade correspondente à soma dos valores observados nas subparcelas dentro de cada conglomerado. Para os estudantes terem um melhor entendimento da amostra por conglomerados, no sentido de aferir a sua eficácia, foi apresentada a dedução teórica do processo de obtenção dos componentes de variância entre os conglomerados e entre as subparcelas dentro de cada conglomerado. Os componentes de variância são importantes no cálcu- lo do coeficiente de correlação intraconglomerado. Este coefi- ciente, além de medir o grau de dependência das subparcelas dentro dos conglomerados, avalia a precisão desse processo de amostragem em relação à amostra simples ao acaso. É mostra- do exercício sobre as diversas fórmulas do coeficiente de corre- lação e do cálculo dos componentes de variância, visando facili- tar as suas interpretações. Do ponto de vista matemático, é indispensável ter algumas noções de álgebra linear e cálculo diferencial e o conhecimento de determinação de máximos e mínimos condicionados, usando, quando necessário, o método dos multiplicadores de Lagrange. Em relação à experiência em métodos estatísticos, o livro pressu- põe o conhecimento prévio de esperança matemática, de medi- das de tendência central, de medidas de dispersão e as distribui- ções: normal, “t” de Student, 2c , “F” de Snedecor, além de limites de confiança, regressão linear simples e análise de variância. O autor, no sentido de buscar o aperfeiçoamento do livro “Amostragem em Inventário Florestal” e, assim, atender às de- mandas acadêmicas, coloca-se à disposição para o recebimen- to de críticas e sugestões. cApítulo 1 Introdução Ao InventárIo FlorestAl Define inventário florestal, mostrando a sua importância para a formulação de planos de utilização dos produtos flores- tais, manejo sustentado integrado da floresta, bem como para alicerçar propostas de planos de desenvolvimento e política flo- restal de caráter regional ou nacional. Apresenta um histórico resumido sobre o inventário florestal no Brasil, destacando a re- alização e os principais objetivos do Inventário Florestal Nacio- nal Brasileiro. 19 Introdução ao inventário florestal Inventário florestal é o ramo da ciência florestal que visa avaliar as variáveis qualitativas e quantitativas da floresta e suas inter-relações, assim como dinâmicas de crescimento e suces- são florestal, servindo de base para a formulação de planos de utilização dos produtos florestais, manejo sustentado integrado da floresta, bem como para alicerçar propostas de planos de de- senvolvimento e política florestal de caráter regional ou nacional. No sentido mais amplo, o inventário florestal pode, tam- bém, até ser planejado para avaliar outras funções da floresta como, por exemplo, as recreativas, a exploração de bacias hi- drográficas, da vida silvestre e outras possibilidades de uso do ecossistema florestal. Péllico Netto e Brena (1997) apresentam uma classificação dos inventários florestais em diversos tipos de acordo com seus objetivos, abrangência, forma de obtenção dos dados, abordagem da população no tempo e grau de deta- lhamento dos resultados. O inventário florestal para fins de manejo florestal deve ser planejado tal que possa obter e interpretar os diversos pa- râmetros estruturais da floresta e suas inter-relações, objetivan- do subsidiar a definição dos tratamentos silviculturais e outras operações a serem executadas para obter a utilização ecológica e econômica, através da produção sustentável e contínua dos benefícios diretos e indiretos da floresta em prol da sociedade regional. Na Amazônia brasileira, segundo SUDAM (1974), os pri- meiros trabalhos técnicos sobre inventário florestal tiveram início na década de 50 por meio dos levantamentos realizados pela missão FAO, que servia junto à Superintendência do Plano de Valorização Econômica da Amazônia - SPVEA, antecessora da atual Superintendência do Desenvolvimento da Amazônia - SU- DAM. Infelizmente, esses trabalhos não foram suficientemente 20 Amostragem em inventário florestal Waldenei Travassos de Queiroz divulgados, e os artigos que chegaram a ser publicados foram em número reduzido de volumes e rapidamente esgotados. Em termos de levantamentos de recursos naturais, no campo de inventário florestal de reconhecimento, a Amazônia ocupa uma posição relevante, visto os inúmeros programas exe- cutados na Amazônia brasileira, tendo-se entre os principais as pesquisas do Projeto RADAMBRASIL, os trabalhos desenvol- vidos pelo programa Polamazônia, os inventários executados para aprovação e instalação de projetos industriais, através da política de incentivos fiscais coordenada pela SUDAM, assim como os diversos levantamentos florestais realizados pelos ór- gãos públicos estaduais e federais. Para Rollet e Queiroz (1978), os dois maiores inventários florestais de reconhecimento realizados na Amazônia brasileira são os da FAO (1956 – 1961) e os do Projeto RADAMBRASIL (1968 – 1977). O programa FAO foi dedicado, principalmente, ao estudo de uma região situada ao sul do rio Amazonas, entre os rios Madeira e Capim, em uma faixa de 150 km de largura por 1.500 km de comprimento, em direção oeste-leste, tendo sido estudadas 1.388 unidades de amostra de 1ha, abertura de 4.225 km de transectos, abrangendo a enumeração de 155.001 árvo- res, resultando em média 112 árvores por hectare, considerando os diâmetros à altura do peito (DAP) acima de 25 cm. O Proje- to RADAMBRASIL abrangeu toda a bacia amazônica brasileira com mais de 2.000 ha (amostra) levantados. Nos anos de 1980 a 1982, no Brasil, foi realizado o inven- tário nacional dos reflorestamentos e nos anos de 1981 a 1984 o inventário das florestas naturais, mas não abrangendo a região Amazônica. Mais recentemente, os estados do Rio Grande do Sul, Minas Gerais e Santa Catarina realizaram os seus inventá- rios estaduais. 21 Introdução ao inventário florestal O território brasileiro possui uma área aproximada de 526 milhões de hectares de florestas naturais, com ocorrência de 49% na Amazônia (350.861 km2), 10 % de Caatinga (52.269 km2), 24% de Cerrado (91.019 km2), 13% Mata Atlântica (30.167 km2), 2% Pantanal (2.679 km2), 2% Pampa (2.679 km2) e 6,6 milhões de florestas plantadas. O Brasil não pode prescindir de estabe- lecer um sistema de Inventário Florestal Nacional (IFN), visando estabelecer as condições técnicas e científicas necessárias para adoção de políticas públicas que resultem simultaneamente no desenvolvimento econômico, social e na conservação ambiental. O Serviço Florestal Brasileiro (SFB) elaborou, com a partici- pação das comunidades técnicas, científicas em geral, o projeto do Inventário Florestal Nacional (IFN), o qual utilizará o processo de amostragem por conglomerado e deverá iniciar a sua opera- cionalização em 2011. E dentre os objetivos do IFN, destacam-se: 1) periodicamente, determinar e monitorar a cobertura flo- restal brasileira; 2) caracterizar e monitorar a diversidade da vegetação ar- bórea dos diferentes biomas brasileiros; 3) quantificar e qualificar os recursos madeiráveis, pros- pectar os recursos não madeiráveis e a qualidade dos ecossistemas por meio de indicadores; 4) determinar as mudanças da cobertura florestal ao longo do tempo; 5) gerar informações sobre o uso e importância da floresta para as populações de seu entorno; 6) gerar informações sobre áreas de preservação perma- nente e fragmentos de vegetação naturais; 7) gerar informações sobre uso e a conservação das flores- tas por meio de indicadores anuais; 22 Amostragem em inventário florestal Waldenei Travassos de Queiroz 8) fornecer informações periodicamente sobre as florestas brasileiras, agrupadas em diferentes unidades políticas, administrativas e de mapeamento, tais como: biomas, regiões fitoecológicas, Unidades da Federação e regi- ões geográficas, para subsidiar planos de desenvolvi- mento e de uso racional das florestas e seus serviços ambientais, bem como programas de revitalização de áreas degradadas e silvicultura com espécies nativas. É importante frisar que os objetivos do IFN exigem a aplica- ção de modelagem estatística de larga amplitude metodológica e, na conjuntura atual de desenvolvimento do setor florestal bra- sileiro, é importante investir na formação de recursos humanos para a pesquisa, objetivando delinear sistemas de inventários flo- restais para apoiar as demandas do IFN e produzir delineamen- tos para alicerçar a elaboração de planos de manejo integrado de rendimento sustentável para os recursos florestais do país. cApítulo 2 InventárIo e mAnejo FlorestAl Mostra uma visão da aplicação do inventário florestal nas áreas de silvicultura e manejo florestal considerando a comple- xidade da diversidade florística das florestas tropicais amazôni- cas, bem como outros elementos importantes que fazem parte da estrutura de um inventário florestal direcionado à elaboração de planos de manejo para florestas naturais, assim como apre- senta alguns componentes que, obrigatoriamente, devem ser considerados no planejamento de inventários para atender tal fim. 25 Inventário e manejo florestal Manejo florestal e Silvicultura são segmentos da ciência que estudam os princípios, técnicas e normas que visam organi- zar as ações necessárias para delinear e ordenar os fatores da produção florestal, maximizando a produtividade e a eficiência. Produção contínua e sustentável também significa admitir que a floresta produz outros benefícios, além da madeira, depre- endendo-se que o manejo florestal deve ter como objetivo princi- pal o atendimento da demanda de madeira e de outros produtos e serviços florestais, maximizando a renda sem comprometer a cobertura florestal necessária à proteção dos solos, mananciais, biodiversidade e outras funções reguladoras da floresta. Manejar significa administrar os recursos florestais, sendo necessário, para atingir uma boa administração, coletar, analisar e interpretar os diversos parâmetros dendrométricos, sociais, ecológicos e econômicos; estabelecer metas, programar ações e, assim, atingir os resultados esperados. Dessa forma, compete ao inventário florestal o suporte técnico e científico necessário ao silvicultor, para que sejam atingidos os objetivos propostos. Por outro lado, deve-se considerar que, além da complexi- dade da diversidade florística das florestas tropicais amazônicas, existem outros elementos importantes que devem fazer parte da estrutura de um inventário florestal direcionado à elaboração de planos de manejo de florestas naturais. Alguns componentes que, obrigatoriamente, devem ser considerados no planejamen- to de inventários para atender tal fim, podem ser: a) componentes ecológicos Essas informações referem-se às associações inter e intra- específicas, que são as responsáveis pela dinâmica de cresci- mento e sucessão da floresta, as quais podem ser detectadas e 26 Amostragem em inventário florestal Waldenei Travassos de Queiroz analisadas no inventário florestal através da análise dos vários índices de associações fitossociológicos existentes na literatura florestal. Esses índices são aqueles relacionados com a impor- tância ecológica das espécies na área em estudo. A análise dos componentes ecológicos, atualmente nos in- ventários florestais regionais, basicamente é interpretada pelo índice do Valor de Importância das Espécies, o qual agrega os seguintes fatores: a1) abundância por espécie: número de árvores amostrado por espécie dividido pelo número total de árvores ocor- rentes; a2) frequência relativa: número de unidades de amostra que contém a espécie dividido pelo número total de uni- dades de amostra; a3) dominância: a área basal de uma espécie dividida pela área basal da floresta amostrada; b) componentes florísticos Referem-se à composição botânica da área em estudo. O inventário florestal deverá ser dimensionado tal que assimile a ocorrência de todas as espécies existentes na área. As informa- ções sobre a composição florística, geralmente, são computa- das através da relação entre o número de espécies encontradas em função do tamanho da área amostral. O tamanho da amostra ideal a ser levantada no inventário florestal, para definir a estru- tura florística, deve ser aquele em que, aumentando-se a área amostrada, a probabilidade de ocorrer novas espécies é pratica- mente nula. 27 Inventário e manejo florestal c) componentes dasométricos São aqueles que explicam as relações existentes entre as diversas variáveis dendrométricas das quais, através da teoria de regressão, são obtidas diversas equações, principalmente as específicas para cubagem das árvores; relações hipsométricas e distribuições diamétricas. d) componentes de estocagem Os inventários florestais, em função da estrutura diamé- trica, estimam a existência de estocagem suficiente de mudas, varas e arvoretas das espécies. Essas informações visam veri- ficar se, com a retirada de árvores com dimensões comerciais, o estoque de árvores com dimensões menores será suficien- te para garantir a perpetuação das espécies em quantidade e qualidade. A distribuição diamétrica por espécie fornecerá essas informações. Dizem respeito também à determinação da estocagem de árvores porta-sementes na floresta, para que no projeto de ma- nejo florestal, haja a possibilidade de definir as árvores que de- verão permanecer na área, de modo a garantir a perpetuação de espécies de interesse. e) componentes qualitativos Caracterizam a configuração qualitativa dos fustes das ár- vores com relação à sua forma, aspecto de tortuosidade e sani- dade, entre outras. cApítulo 3 FundAmentos de estAtístIcA Contempla definições, conceitos e aplicações práticas im- portantes no campo da estatística visando dar suporte ao enten- dimento da teoria de amostragem. Aborda os seguintes temas: ponto amostral e espaço amostral; variáveis aleatórias discretas e contínuas; esperança matemática; função de probabilidade de variáveis discretas e contínuas. Apresenta as distribuições: bino- mial, Poisson, normal, c2, “t” de Student e “F” de Snedecor. 31 Fundamentos de estatística 3.1 DEFINIçõES Estatística é a matemática aplicada que estuda dados ori- ginados de observações. A Estatística estuda métodos científicos para o planeja- mento de coleta, organização, resumo, apresentação e análise de dados, gerando conclusões para subsidiar a tomada de de- cisões. A parte da Estatística referente à coleta, organização, re- sumo e apresentação de dados é conhecida como Estatística Descritiva ou Estatística Dedutiva. A parte referente à análise e conclusão de dados denomi- na-se Inferência Estatística ou Estatística Indutiva. 3.2 PONTO AMOSTRAL E ESPAçO AMOSTRAL Em qualquer experimento, cada acontecimento que possa ocorrer é denominado ponto amostral. A totalidade dos pontos amostrais constitui o espaço amostral ou universo. Sejam os se- guintes exemplos: a) semeadas 100 sementes para verificar a percentagem de germinação, têm-se 101 pontos amostrais, consti- tuindo o espaço amostral; b) a produção de madeira de uma floresta está entre 100 m3/ ha e 200 m3/ ha, assim, diz-se que o espaço amos- tral é constituído por infinitos pontos contidos no interva- lo [100 a 200]. Os espaços amostrais podem ser classificados em discre- tos e contínuos. O espaço amostral é discreto quando é consti- tuído por um número finito de pontos ou por um número infinito 32 Amostragem em inventário florestal Waldenei Travassos de Queiroz desde que enumeráveis. O espaço amostral é contínuo quando é constituído por um conjunto infinito contínuo de pontos amos- trais. 3.3 VARIáVEL ALEATóRIA Uma variável, definida como o símbolo representativo dos elementos de um conjunto, é dita aleatória quando associada a uma probabilidade de ocorrência. A variável aleatória pode ser classificada em discreta e contínua. A variável é discreta quando assume somente um número finito de valores ou quando varia num conjunto infinito enumerável. A variável é contínua quando assume valores que variam de acordo com um conjunto infinito não enumerável (intervalo contínuo). 3.4 ESPERANçA MATEMáTICA Seja y uma variável aleatória discreta, assumindo os va- lores y1, y2,..., yn com as probabilidades p1, p2,..., pn, respectiva- mente. Define-se esperança matemática ou valor médio de y, como sendo: ∑ = = n i ii pyyE 1 )( para ∑ = = n i ip 1 1 Para as variáveis aleatórias contínuas, tem-se: ∫ ∞ ∞− = dyyfyyE )()( y f (y) dy dado que ∫ ∞ ∞− =1dPdP = 1. Sendo f(y) a função densidade. Propriedades da esperança matemática: E(c) = c, sendo c uma constante; 33 Fundamentos de estatística E(cy) = c E(y); E(x + y) = E(x) + E(y); E(xy) = [E(x)][E(y)], se x e y forem independentes. Definições de variância e de covariância. V(y) = E[y - E(y)]2; V(ay) = c2 V(y); Cov(x,y) = E{[(x - E(x)][(y - E(y)]}= E(xy) – [E(x)][E(y)], sen- do Cov(x,y) = 0, então x e y são independentes; V(x+y) = V(x) + V(y) + 2 Cov(x,y); V(x-y) = V(x) + V(y) - 2 Cov(x,y); V(ax+by) = a2V(x) + b2V(y) + 2ab Cov(x,y), dado que a e b são constantes; V(ax-by) = a2V(x) + b2V(y) – 2ab Cov(x,y). 3.5 DISTRIBUIçãO DE PROBABILIDADE Denomina-se distribuição de probabilidade ao conjunto de duas variáveis: uma, é a própria variável aleatória, e a outra, as suas respectivas probabilidades de ocorrência. De conformida- de com a natureza da variável aleatória, a distribuição pode ser classificada em discreta ou contínua. 3.5.1 Função de probabilidade de variáveis discretas Para as variáveis aleatórias discretas, uma função f(y) é de probabilidade, se: a) f(y) 0 para qualquer y; b) .1)(∑ = y yf 34 Amostragem em inventário florestal Waldenei Travassos de Queiroz 3.5.2 Função densidade de probabilidade de variáveis con- tínuas Para as variáveis aleatórias contínuas, uma função f(y) é de densidade, se: a) f (y) 0 para qualquer y real; b) ∫ ∞ ∞− = dyyfyyE )()( y f (y) dy = ∫ ∞ ∞− =1dPdP = 1 O termo f (y) dy representa a probabilidade de ocorrência de valores entre y e y + dy, denominado diferencial de probabi- lidade (dP). 3.5.3 Função de distribuição acumulada ou função de distri- buição A função de distribuição acumulada é obtida a partir da f(y), que é representada, para um determinado valor de Y, pela fun- ção f(y) = P(y Y). Assim, têm-se: a) para variáveis discretas ;)()( ∑ ≤ = Yy yfyF b) para variáveis contínuas .)()( ∫ ∞− = y dyyfyF f (y) dy. Toda distribuição é definida através de uma função de pro- babilidade se a variável é discreta, ou por uma função de densi- dade se a variável é contínua. 35 Fundamentos de estatística 3.5.4 distribuição binomial É uma distribuição discreta, cuja função de probabilidade é: yny y n qpCyf −=)( , sendo: p = probabilidade de realização do acontecimento favorável; q = probabilidade de realização do acontecimento contrário; y = número de vezes que se realiza o acontecimento favo- rável; n = número de tentativas; = y n C número de combinações de n elementos, tomados y a y. exercício 3.1 Em uma amostra de cinco árvores (n = 5) verificou-se a ocorrência de duas árvores (y = 2) com qualidade de fuste tipo 1 (fuste reto, cilíndrico, bem configurado e sem deterioração apa- rente). A aplicação de um teste de aderência comprovou que a variável “número de árvores” com qualidade de fuste tipo 1 segue a distribuição binomial. Obter as probabilidades de ocor- rência para y = 0, 1, 2, 3, 4, 5. Dado que 5 2 == n y p , então 5 3 1 =−= pq a) se yny y n qpCyf −=)( , então a probabilidade de não ocor- rer árvores com qualidade de fuste tipo 1 é obtida por: 0778,0 3125 243 ) 5 3 () 5 2 ()0( 5005 === Cf Conclui-se que a probabilidade de não ocorrer árvores com qualidade de fuste tipo 1 é igual a 7,78%. 36 Amostragem em inventário florestal Waldenei Travassos de Queiroz b) a probabilidade de ocorrer apenas uma árvore com qua- lidade de fuste tipo 1 é obtida por: 2592,0 3125 810 ) 5 3 () 5 2 ()1( 4115 === Cf Conclui-se que a probabilidade de ocorrer uma árvore ape- nas com qualidade de fuste tipo 1 é igual a 25,92%. c) a probabilidade de ocorrer duas árvores com qualidade de fuste tipo 1 é dada por: 3456,0 3125 1080 ) 5 3 () 5 2 ()2( 3225 === Cf Conclui-se que a probabilidade de ocorrer duas árvores com qualidade de fuste tipo 1 é igual a 34,56%. d) a probabilidade de ocorrer três árvores com qualidade de fuste tipo 1 é dada por: 2304,0 3125 720 ) 5 3 () 5 2 ()3( 2335 ===Cf Conclui-se que a probabilidade de ocorrer três árvores com qualidade de fuste tipo 1 é igual a 23,04%. e) a probabilidade de ocorrer quatro árvores com qualidade de fuste tipo 1 é dada por: 0768,0 3125 240 ) 5 3 () 5 2 ()4( 1445 ===Cf Conclui-se que a probabilidade de ocorrer quatro árvores com qualidade de fuste tipo 1 é igual a 7,68%. 37 Fundamentos de estatística f) a probabilidade de ocorrer cinco árvores com qualidade de fuste tipo 1 é dada por: 0102,0 3125 32 ) 5 3 () 5 2 ()5( 055 5 ���Cf Conclui-se que a probabilidade de ocorrer cinco árvores com qualidade de fuste tipo 1 é igual a 1,02 %. Note-se que: ∑ = −=+ n i inin i qpCqp 0 5 )()()( Verificação: 10102,00768,02304,03456,02592,00778,0)5()4()3()2()1()0( =+++++=+++++ ffffff 3.5.5 distribuição de poisson É uma distribuição discreta cuja função de probabilidade é: ! )( y me xf ym− = Tal que y pode assumir valores y = 1,...,∞. y = número de vezes que se realiza o acontecimento; m = média de ocorrência; e = base do logaritmo natural ou neperiano. exercício 3.2 Usando-se parcelas de tamanho igual a 0,25 ha em um in- ventário florestal verificou-se, em média, 20 árvores, considerando 38 Amostragem em inventário florestal Waldenei Travassos de Queiroz todas as espécies. A pesquisa cita que a probabilidade de ocorrer uma árvore da família meliaceae é 10%. Um teste de aderência comprovou que a variável resposta número de árvores ocorrentes dessa família segue a distribuição de Poisson. Calcular as proba- bilidades de ocorrência de: nenhuma árvore, apenas uma árvore, três árvores e cinco árvores da família meliaceae. Dado que: ! )( y me xf ym− = e m = p = 0,10 x 20 = 2 a) a probabilidade de ocorrer nenhuma árvore da família meliaceae é dada por: 1353,0 1 !0 2 )0( 2 02 == × = − e e f Conclui-se que a probabilidade de ocorrer nenhuma árvore da família meliaceae é de 13,53%. b) a probabilidade de ocorrer apenas uma árvore da família meliaceae é dada por: 2707,0 2 !1 2 )1( 2 12 == × = − e e f Conclui-se que a probabilidade de ocorrer apenas uma ár- vore da família meliaceae é de 27,07%. c) a probabilidade de ocorrer três árvores da família melia- ceae é dada por: 1804,0 6 8 !3 2 )3( 2 32 == × = − e e f 39 Fundamentos de estatística A probabilidade de ocorrer três árvores da família meliace- ae é de 18,04%. d) a probabilidade de ocorrer cinco árvores da família me- liaceae é dada por: 0361,0 120 32 !5 2 )5( 2 52 == × = − e e f A probabilidade de ocorrer cinco árvores da família melia- ceae é de 3,61%. 3.5.6 distribuição normal Quando os valores das observações de uma variável res- posta, originados de uma amostra, são agrupados em tabelas de frequências, objetiva-se conhecer a variação e como se pro- cessa a distribuição dos dados. Existem inúmeros tipos de curvas que podem representar as distribuições. Na maioria das pesquisas biológicas, as observa- ções variam em torno da distribuição normal, a qual é uma distri- buição contínua, também conhecida como distribuição de Gauss, Laplace ou Laplace-Gauss. É a mais importante distribuição no campo da Estatística e tem a seguinte função de densidade: 2] )( [ 2 1 2)( 1 )( yS Yy e yS yf − − = p (3.1) Sendo: )()( yVyS = é o desvio padrão da distribuição; e = base do logaritmo neperiano (e = 2,7183); p = constante geométrica (p = 3,1416). A notação usada é )](,[ yVYN )], lê-se que a variável aleató- 32 40 Amostragem em inventário florestal Waldenei Travassos de Queiroz ria contínua y tem distribuição normal com média Y e variância V(y). A equação normal tem como representação gráfica uma curva unimodal em forma de sino, contínua, simétrica em rela- ção à origem, onde os valores da variável resposta variam de - )( ∞<<−∞ y a + )( ∞<<−∞ y , possuindo um ponto de máxima frequência. A Figura 3.1 apresenta três formas gráficas de distribuições normais apre- sentando variâncias diferentes, tal que: )()()( 321 yVyVyV << . Figura 3.1 - Formas gráficas da distribuição normal ( )( ∞<<−∞ y < y < )( ∞<<−∞ y ). Para determinar a área compreendida pela curva e duas ordenadas quaisquer, integra-se a equação da curva entre as ordenadas. A integração da equação normal entre - )( ∞<<−∞ y e + )( ∞<<−∞ y im- plicará na obtenção da frequência total ou probabilidade integral, igual à unidade, abrangendo a área que fica sob a curva. ∫ ∞ ∞− =1)( dyyf f (y) dy = 1 Por outro lado, em relação ao cálculo das probabilidades, no que concerne à integração de f(y), apresentada na forma analítica da Equação 3.1, resultam dois problemas: 41 Fundamentos de estatística 1) Para o cálculo da integral de f(y) é necessário o desen- volvimento em séries. 2) A elaboração de tabelas de probabilidade torna-se com- plicada, pois f(y) depende de dois parâmetros: Y e )(yV , acar- retando a necessidade de obter uma tabela para cada combina- ção de Y e )(yV . Esses problemas são solucionados através de uma trans- formação de variável, surgindo, assim, a distribuição normal pa- dronizada ou reduzida de média zero e variância igual à unidade: )()( ySYyz −= Na construção da variável z, y é uma variável normal de média Y e variância )(yV . A variável aleatória contínua z tem distribuição normal, denominada de padronizada ou reduzida de média zero e variância igual a 1, pois: 0][)( )( == − yS YyEzE e 1][)( )( == − yS YyVyV Então, a função densidade será: 2 2 1 2 1)( zezf −= p , onde - )( ∞<<−∞ y < z < + )( ∞<<−∞ y As probabilidades estão apresentadas na Tabela 1 do Anexo. A distribuição normal apresenta as seguintes propriedades: a) a função f(y) é simétrica em relação à origem y = Y ou a função f(z) é simétrica em relação à origem z = 0; b) a função f(y) possui um ponto de máximo em y = Y com ordenada igual a 0,3989/S(y) ou a função f(z) possui um ponto de máximo no ponto z = 0 com ordenada 3989,021 =p ; c) a função f(y) tende a zero quando y tende para ± )( ∞<<−∞ y ou f(z) tende a zero quando z tende para ± )( ∞<<−∞ y ; d) a função f(y) tem dois pontos de inflexão cujas abscissas 42 Amostragem em inventário florestal Waldenei Travassos de Queiroz valem Y + S(y) e Y - S(y), e as ordenadas são iguais a 0,24/S(y). A função f(z) tem dois pontos de inflexão cujas abscissas valem + 1 e – 1, e as ordenadas valem 0,24. Mood, Graybill e Boes (1964) apresentam informações mais detalhadas sobre a teoria e as aplicações acerca das di- versas funções de probabilidade. exercício 3.3 Seja um viveiro com 1.000.000 de mudas de uma deter- minada espécie florestal e que um empresário florestal deseja adquirir plantas com alturas no intervalo de 15 cm altura 27 cm. Suponha a medição de uma amostra selecionada de forma inteiramente ao acaso de 1000 plantas. O resultado de um tes- te estatístico de aderência comprovou que a variável resposta altura (y) distribui-se normalmente com média Y = 20 cm e V(y) = 25 cm2. Calcular o número de plantas esperado que atenda o intervalo estipulado pelo empresário cliente. 00,1 5 2015 )( 1 �� � � � � yS Yy Z i 4,1 5 2027 )( 2 � � � � � yS Yy Z j Consultando a Tabela 1 do anexo, tem-se: � � � 0 00,1 3413,0)( dzzf e � � 40,1 0 4192,0)( dzzf � � � � � ����� 40,1 00,1 0 00,1 40,1 0 7605,04192,03413,0)()()( dzzfdzzfdzzf 43 Fundamentos de estatística Conclui-se que a probabilidade de ocorrência de plantas no intervalo de 15 cm altura 27 cm é de 76,05 %. Então, o empresário florestal deve esperar, no intervalo estipulado, apro- ximadamente a disponibilidade de 760.500 plantas no viveiro. 3.5.7 distribuição de c2 A variável aleatória c2, denominada qui-quadrado com k graus de liberdade, é definida como a soma de k quadrados de normais padronizadas e independentes. Então, ∑ ∑ = = − == k i k i i i yS Yy z 1 1 222 ] )( [c , para )1,0(Nz = . A função densidade da variável c2 é dada pela Expressão 3.2. As probabilidades estão apresentadas na Tabela 2 do Ane- xo. 2 2 1 22 )()1(2 2 2 )() 2 1 ( )( 1 )( ccc −− Γ = ef kk k (3.2) A função do tipo )2(kΓ é denominada de função gama e foi introduzida pelo matemático Leonardo Euler. Analiticamente é definida pela Fórmula: ∫ ∞ −=+Γ 0 )1( dyeya ya dy Demonstra-se que essa integral converge para 11 >+a . Informações teóricas e aplicações ver em Gomes e Nogueira (1980) e Piskounov (1978). A distribuição c2 tem diversas e importantes aplicações, destacando-se entre elas as seguintes: a) a distribuição c2 é utilizada como teste de aderência, 44 Amostragem em inventário florestal Waldenei Travassos de Queiroz verificando se as distribuições empíricas, obtidas por meio dos dados amostrais, ajustam-se aproximadamente às distribuições teóricas; b) outra aplicação importante é verificar a medida de dis- crepância entre as frequências observadas e as esperadas, ou seja, o objetivo é verificar se as frequências observadas diferem significativamente das esperadas. A estatística utilizada para ve- rificar essas hipóteses é: ; )( 1 2 2 � � � � k i i ii p fe fefo � c) verificar a hipótese )()()(: 210 yVyVyVH k=== L , que significa testar se existe igualdade de variâncias. De acordo com Steel e Torrie (1960), referida hipótese pode ser verificada pelo teste de Bartlett, por meio da estatística: � � � � ���� k i k i iiip yVnyVn 1 1 1010 2 )}(ˆlog)1()](ˆlog)1({[3026,2� )(ˆ yV = variância amostral )(ˆ yV = variância amostral média ( ∑ ∑ = == k i i k i ii n yVn yV 1 1 )(ˆ )(ˆ ); d) verificar a hipótese )()(: 00 yVyVH = que significa testar a igualdade da variância populacional quando comparada com um valor padrão )(0 yV . De acordo com Fonseca e Martins (1982), essa hipótese pode ser testada através do teorema de Fisher: )( )(ˆ)1( 0 2 yV yVn p − =c 45 Fundamentos de estatística Sendo n o tamanho da amostra; )(0 yV é o valor sob a hipó- tese nula; )(ˆ yV é a variância amostral; e) obtenção do intervalo de confiança para a variância ver- dadeira de uma população normal. Se a variável y tem distri- buição normal com média Y e variância V(y), tem-se que, pelo teorema de Fisher, o intervalo de confiança para V(y) é: a cc −= − ≤≤ − 1) )(ˆ)1( )( )(ˆ)1( ( 2 inf 2 sup yVn yV yVn P . O número de graus de liberdade a ser utilizado, neste caso, para obter o valor crítico é p = n-1. Quando se utiliza a distribuição de 2pc para obter o número de graus de liberdade (p), e assim ter os valores críticos para os diversos testes, considera-se as seguintes regras de decisão: i) usar p = k-1, se as frequências esperadas no experimen- to são obtidas sem efetuar estimativas de parâmetros populacio- nais a partir de estatísticas amostrais; ii) usar p=k-1-m, se as frequências esperadas são obtidas a partir da estimação de m parâmetros. exercício 3.4 Um empresário do setor florestal está interessado em im- plantar em sua área uma indústria madeireira baseada no bene- ficiamento de apenas seis espécies. As informações disponíveis nos levantamentos realizados na região amazônica, pelas insti- tuições de pesquisa, indicam que as porcentagens de ocorrên- cias dessas espécies atendem às necessidades do projeto. O empresário, para obter as frequências observadas, efetuou na área um levantamento correspondente a 100.000 árvores. Con- siderando um nível de significância de a = 0,05, pergunta-se: 46 Amostragem em inventário florestal Waldenei Travassos de Queiroz as frequências observadas divergem das esperadas? A Tabela 3.1 apresenta os dados sobre as frequências esperadas e as observadas. tabela 3.1 - Frequências esperadas (fei) e frequências observadas (foi). Espécies Porcentagem de ocorrência (Amazônia) (pi) fei = pi x 100.000 (árvores) foi (árvores) 1 2 3 4 5 6 2,5 2,0 1,8 1,5 1,1 0,8 2500 2000 1800 1500 1100 800 2536 1950 1790 1580 1080 820 800 )800820( 1100 )11001080( 1500 )15001580( 1800 )18001790( 2000 )20001950( 2500 )25002536( 2222222 5 − + − + − + − + − + − =c x5 2 = 6,95 Conclui-se pela não rejeição da hipótese da nulidade, visto que o valor calculado (x52 = 6,94) é menor que o valor tabelar (x52 = 11,1), obtido na Tabela 2 do Anexo para a = 0,05. Pode-se, então, afirmar que a ocorrência das espécies na área do empre- sário é semelhante à ocorrência na região amazônica. 3.5.8 distribuição “t” de student Seja a variável aleatória: n ys Yy t )( − = Esta variável é conhecida como distribuição “t” de Student, com k = n-1 graus de liberdade, podendo também ser escrita na forma: 47 Fundamentos de estatística 1 )1,0( 2 1 − = − n N t nc s (y) é o desvio padrão estimado. O gráfico da função densidade da variável “t” de Student é simétrico e tem uma forma parecida com a da distribuição nor- mal, entretanto, menos achatada, com média zero e variância igual a )2( −kk , em que k > 2 (graus de liberdade). A função densidade da variável “t” é dada pela Expressão 3.3. As probabi- lidades estão apresentadas na Tabela 3 do Anexo. 2 12 1 2 2 1 )k( ) k t ( k). k ( ) k ( )t(f +− + pΓ + Γ = , onde - )( ∞<<−∞ y < t < )( ∞<<−∞ y (3.3) A distribuição “t” de Student possui importantes aplicações, destacando-se entre elas as seguintes: a) testa a hipótese 00 : YYH = . Verifica se há igualdade en- tre o valor médio de uma população versus um valor padrão, sendo essa hipótese testada através da estatística: n ys Yy t )( 0−= , que sob 0H apresenta n-1 graus de liberdade; b) testa a hipótese 210 : YYH = . Verifica se há igualdade en- tre os valores médios de duas populações independentes, sen- do testada através da estatística: ) 11 )((ˆ 21 21 nn yV yy t � � � , tal que: 2 )(ˆ)1()(ˆ)1( )(ˆ 21 2211 −+ −+− = nn yVnyVn yV 48 Amostragem em inventário florestal Waldenei Travassos de Queiroz Com 221 −+ nn graus de liberdade sob 0H , sendo )(ˆ yV a variância comum; c) testa a hipótese 210 : YYH = . Verifica se há igualdade en- tre os valores médios de duas populações dependentes (teste “t” pareado), sendo testada por meio da estatística: n ys yy t d )( 21 −= , com n-1 graus de liberdade sob 0H . Sendo: ,)(ˆ)( dVysd = tal que: 1 )( )(ˆ 2 1 1 2 − − = ∑ ∑ = = n n d d dV n i in i i , para iii yyd 21 −= . Desde que a variável resposta seja normal, a distribuição “t” de Student é muito importante em termos de inventários flo- restais, pois permite obter os intervalos de confiança para os valores médio e total para os produtos florestais de uma popula- ção. É aplicada também para dimensionar o tamanho da amos- tra quando fixada à precisão. Informações mais detalhadas so- bre esses aspectos serão vistas quando da apresentação dos processos de amostragem nos capítulos seguintes. exercício 3.5 Estudos científicos indicam que uma determinada espécie florestal com excelentes características tecnológicas, em uma determinada região tropical úmida em outro país, produz no fim de sua rotação, aos sete anos, um volume de madeira em tor- 49 Fundamentos de estatística no de 100 m3/ha. Um empresário brasileiro tem interesse em introduzir a referida espécie para verificar se o comportamento é o mesmo em sua propriedade, e, para atingir seu objetivo, re- alizou um experimento com 20 unidades de amostra de 0,1 ha. A Tabela 3.2 apresenta os volumes medidos após sete anos da implantação do experimento. tabela 3.2 - Volumes (m3) de madeira por unidade de 0,1 ha. UA yi UA yi UA yi UA yi 1 2 3 4 5 8,5 10,3 9,8 7,8 11,0 6 7 8 9 10 9,6 10,9 8,9 9,8 11,5 11 12 13 14 15 7,9 12 8,8 9,5 10,8 16 17 18 18 20 8,8 8,7 12,3 7,7 8,9 A hipótese a ser formulada para atender o objetivo do em- presário é a seguinte: 00 : YYH = . A hipótese a ser testada é hamYH /100: 30 = ha, e o teste deverá ser realizado por meio da estatística: n ys Yy t )( 0−= Sejam os valores estimados para a média e para a variância: hamy 1,0/675,9 3� hamy /75,96675,910 3��� 9072,1)(ˆ �yV 3/( 0,1ha)m 232 )/(7237,1909072,110)(ˆ hamyV ��� hamys /8103,13)( 3 � 2 50 Amostragem em inventário florestal Waldenei Travassos de Queiroz Então: 0524,1 0881,3 25,3 20 8103,13 10075,96 �� � � � �t Dado que t19;0,05 = 2,0930, não há razão para rejeitar H0. Conclui-se, então, que o comportamento da espécie confirmou as informações oriundas das pesquisas, ou seja, o empresário pode esperar, com uma probabilidade de acerto de 95% que, se a espécie for plantada em sua propriedade, a mesma deverá pro- duzir em média um volume de 100 m3 de madeira por hectare. 3.5.9 distribuição “F” de snedecor A estatística “F de Snedecor” é definida como a razão de duas variáveis independentes com distribuição 2c , ou seja: p k F p k pk 2 2 ),( c c = O valor k é o número de graus de liberdade do numerador e p é o número de graus de liberdade do denominador. A função densidade da distribuição F de Snedecor é dada pela Equação 3.4. As probabilidades estão apresentadas nas Tabelas 4 e 5 do Anexo. )(} ])(1[ {)( ) 2 () 2 ( ]2/)[( )( ),0( ) 2 ( ) 2 2 ( 2 FI F p k F p k pk pk Ff pk k k �� � ��� �� � (3.4) A distribuição F de Snedecor possui diversas aplicações no campo da estatística, entre elas destacam-se as seguintes: a) testar a hipótese H0 : Ve (y) = 0 . Verificar se o componen- 51 Fundamentos de estatística te de variância entre populações é igual a zero. Esta hipótese é muito utilizada na genética e, em termos de inventário florestal, pode ser utilizada para testar se o componente de variância en- tre os conglomerados é igual a zero. Este problema será visto com mais detalhes no capítulo sobre a Amostragem por Conglo- merados; b) testar a hipótese H0 : t1 = t2 = • • • = tk = o . Verificar se os efeitos de k tratamentos são todos iguais a zero. O modelo ma- temático considera que os efeitos, devidos aos tratamentos, são fixos. A hipótese da nulidade H0 : t1 = t2 = • • • = tk = 0 é similar à hipótese kYYYH === L210 : ; c) testar a hipótese H0 : V1(y) = V2(y). Verificar se há igual- dade entre duas variâncias, sendo testada através da estatística: )(ˆ)(ˆ 21 yVyVF = Que sob H0 possui n1 - 1 graus de liberdade no numerador e n2 - 1 graus de liberdade no denominador. É importante observar que a hipótese H0 : V1(y) = V2(y) = • • • = Vk(y) pode ser verificada pelo teste de Hartley ou teste da Razão Máxi- ma Hc . Ver a Tabela 6 do Anexo que, segundo Banzato e Kronka (1989), é específica para esse teste. )(ˆ )(ˆ min yV yV H máxc = , tal que: )(ˆmax yV = maior variância minVˆ = menor variância 52 Amostragem em inventário florestal Waldenei Travassos de Queiroz exercício 3.6 Seja um inventário florestal realizado através de uma amos- tra estratificada apresentando três estratos. A Tabela 3.3 mostra os dados de volumes de madeira de 39 parcelas de superfície de 0,25 ha, tendo a seguinte alocação por estrato: estrato 1 = 13 parcelas, estrato 2 = 15 parcelas e estrato 3 = 11 parcelas. Pede-se: testar a hipótese 3210 : YYYH == , que significa verificar se todas as médias são iguais. A Tabela 3.4 apresenta a análise de variância dos dados. tabela 3.3 - Volumes (m3) por parcela de 0,25 ha. ESTRATO I ESTRATO II ESTRATO III 21,10 34,00 18,00 20,00 55,00 23,42 40,50 17,44 22,12 25,00 31,20 17,05 24,10 12,90 17,00 9,50 20,00 30,10 23,42 21,10 17,44 22,12 12,00 16,50 17,05 24,10 16,71 21,80 8,10 12,00 9,50 14,50 18,17 21,10 10,80 7,50 6,50 12,50 5,20 tabela 3.4 - Análise de variância para os três estratos. Fontes de variação GL SQ QM F Entre estratos Dentro dos estratos 2 36 1421,9621 2069,6326 710,9811 57,4898 12,37** Total 38 3491,5947 Sendo o valor de F calculado (12,37) maior que o valor tabelar (F2;36;0,01), conclui-se pela rejeição de 3210 : YYYH == , ou seja, existe pelo menos um contraste significativo entre as mé- dias. Caso haja necessidade em testar contrastes de interesse entre os valores médios dos estratos, é recomendável aplicar testes de comparações múltiplas. cApítulo 4 AmostrAgem sImples Ao AcAso Do ponto de vista estatístico define população e, para fins de aplicação em inventários florestais, caracteriza as finitas e as infinitas. Caracteriza os objetivos quando da realização de um levantamento por amostragem. Descreve os parâmetros popula- cionais e os seus estimadores. Mostra a teoria para obtenção de intervalos de confiança e dimensionamento da amostra simples ao acaso. Aborda a amostragem simples ao acaso para propor- ções e porcentagens. Contempla com exemplos todos os temas citados. 55 Amostragem simples ao acaso Do ponto de vista estatístico, uma população é o conjunto de todos os indivíduos, elementos ou unidades sobre os quais se deseja desenvolver estudos, visando conhecer determinadas características. Quando somente uma parte dos elementos ou unidades é selecionada para o procedimento das análises, tem- se o que se denomina de amostra. Existem populações finitas e infinitas. Para fins de amostra- gem, determinadas populações finitas podem ser consideradas como infinitas, desde que o tamanho da amostra corresponda a, no máximo, 5 % das unidades da população. O método da amostra simples ao acaso ou amostra inteira- mente casualizada é o mais tradicional procedimento de amos- tragem. A amostra simples ao acaso baseia-se num processo estri- tamente aleatório, na qual as unidades amostrais são seleciona- das com igual probabilidade (1/N), em que N é o número total de unidades que compõem o espaço amostral, ou seja, a população amostrada. Na amostra simples ao acaso sem reposição, as unida- des são selecionadas independentemente entre si, e o número de amostras possíveis (nap) de tamanho igual a n é dado pela relação: )!(! ! nNn N n N Cnap ��� Não obstante, apenas uma das possíveis combinações é selecionada para a amostragem, de tal forma que as unidades que comporão a amostra são sorteadas independentemente en- tre si. Scolforo (1993) cita que, como nem sempre é possível fa- zer uma enumeração completa de todos os indivíduos de uma população florestal, os levantamentos são realizados tendo como base a teoria estatística da amostragem, que é definida 56 Amostragem em inventário florestal Waldenei Travassos de Queiroz como a observação de uma amostra da população para obter estimativas representativas para o todo, sendo constituída de indivíduos que apresentam características comuns que repre- sentem a população a qual pertencem. A amostra é formada por um grupo de unidades amostrais. No que concerne ao inventário florestal, a amostra simples ao acaso é geralmente conduzida a partir de um sorteio sem reposição, assumindo-se, evidentemente, o pressuposto da per- manência de igual probabilidade para as unidades remanescen- tes em cada sorteio, respaldando-se no fato de que, geralmente, as populações florestais são consideradas estatisticamente infi- nitas, assim como a inclusão de uma unidade amostral mais de uma vez na amostra refletirá uma homogeneização da variância entre as unidades da amostra. A amostra simples ao acaso, que é um processo congruen- te, ou seja, quando n = N, as estimativas coincidem com os valo- res populacionais, é recomendada para pequenas áreas flores- tais não superiores a 10.000 ha, com características homogêne- as com respeito às variáveis de interesse e com fácil estrutura de acessibilidade. Quando da realização de um levantamento por amostra- gem, geralmente, têm-se os seguintes objetivos: a) estimar o valor médio para a variável resposta; b) estimar o valor total para a variável resposta; c) estimar a porcentagem ou a proporção sobre a ocorrên- cia de um certo atributo; d) estimar a variância da variável resposta; e) obter os intervalos de confiança do valor médio e do va- lor total para a variável resposta. 57 Amostragem simples ao acaso 4.1 VALORES POPULACIONAIS E ESTIMADORES Para formular os valores populacionais e estimadores, será usada a seguinte notação: N = número total de unidades em que a população foi divi- dida, função direta do tamanho da unidade de amostra; n = número de unidades de amostra; yi = valor observado da variável resposta concernente à i- ésima unidade de amostra. a) valor médio a1) valor médio populacional N y Y N i i∑ == 1 a2) valor médio estimado n y y n i i∑ == 1 Este estimador é não tendencioso (“unbiased”), pois, tem-se: Y n y EyE n i i == ∑ = )()( 1 b) valor total b1) valor total populacional YNY = b2) valor total estimado yNY =ˆ 58 Amostragem em inventário florestal Waldenei Travassos de Queiroz c) variância c1) variância populacional 1 )( 1 )( )( 2 1 1 2 1 2 − − = − − = ∑ ∑∑ = == N N y y N Yy yV N i iN i i N i i c2) variância estimada 1 )( 1 )( )(ˆ 2 1 1 2 1 2 − − = − − = ∑ ∑∑ = == n n y y n yy yV n i in i i n i i d) desvio padrão d1) desvio padrão populacional )()( yVyS = d2) desvio padrão estimado )(ˆ)( yVys = e) variância da média e1) variância da média populacional )( )( )( N nN n yV yV − = e2) variância da média estimada )( )(ˆ )(ˆ N nN n yV yV − = 59 Amostragem simples ao acaso O valor NnN )( − é denominado fator de correção para população finita. Quando a população for definida como infinita, ou seja, n < 0,05N, não há necessidade de aplicá-lo. f) erro padrão f1) erro padrão populacional )()( yVyS = f2) erro padrão estimado )(ˆ)( yVys = g) coeficiente de variação O coeficiente de variação permite interpretar mais facil- mente a variabilidade das observações, viabilizando uma com- paração relativa entre o desvio padrão e a média. g1) coeficiente de variação populacional 100 )( % ×= Y yS CV g2) coeficiente de variação estimado 100 )( %ˆ ×= y ys VC h) intervalo de confiança A estimação consiste em processar os resultados extraídos por amostragem e fazer inferências sobre a população da qual foi extraída aleatoriamente a amostra. Pode-se fazer a estima- ção de parâmetros de duas formas: 100 )( %ˆ ×= y ys VC 60 Amostragem em inventário florestal Waldenei Travassos de Queiroz Estimação por ponto: quando a partir da amostra obtém-se um único valor para estimar um determinado parâmetro popula- cional; Estimação por intervalo: quando a partir da amostra calcu- la-se um intervalo da forma 21 θθθ ≤≤ , admitindo certa proba- bilidade 1 - a (nível de confiança) de que o intervalo contenha o verdadeiro valor do parâmetro populacional θ . Dessa maneira, a será o nível de significância, isto é, o erro que se comete ao afirmar que, por exemplo, 95 % das vezes o intervalo 21 θθθ ≤≤ contém θ será de 5%. h1) cálculo do intervalo de confiança para a média popula- cional (Y ) se conhecida a variância populacional :)(yV Seja y uma variável aleatória distribuída normalmente com média Y e variância )(yV , ou seja, y ~ N[Y , )(yV ]. Então, a mé- dia amostral y também terá distribuição normal com média Y e variância V( y ) = V(y)/n, ou seja, y ~ N[Y ,V (y)/n]. Seja a variável padronizada y yS Yy z )( − = . A variável z é denominada normal reduzida com média zero e variância igual a 1. A Figura 4.1 mostra a forma gráfica dessa distribuição padrão z e, na Tabela 1 do Anexo, as proba- bilidades. 61 Amostragem simples ao acaso Figura 4.1 - Forma gráfica da distribuição normal reduzida. Da construção gráfica ilustrativa da distribuição normal, pode-se escrever que: aaa −=≤≤− 1)( 22 ZZZP aaa −=≤ − ≤− 1) )( ( 22 Z n yS Yy ZP Portanto: aaa −=+≤≤− 1)/)(/)(( 22 nySzyYnySzyP h2) cálculo do intervalo de confiança para média populacio- nal (Y ) se desconhecida a variância populacional V(y). No caso do desconhecimento da variância populacional, de- ve-se calcular a estimativa do desvio padrão através da amostra. Seja o gráfico da função densidade da variável “t” de Stu- dent, que é simétrico e tem uma forma parecida com a da dis- tribuição normal (Figura 4.2), entretanto, menos achatada, com média zero e variância igual a )2( −kk , em que k > 2 (graus de liberdade). 62 Amostragem em inventário florestal Waldenei Travassos de Queiroz Figura 4.2 - Forma gráfica da distribuição “t” de Student. Da construção gráfica ilustrativa da distribuição “t” de Stu- dent, tem-se: a−=≤≤− aa 1 22 )ttt(P , resultando: aaa −=+≤≤− 1) )()( ( 22 n ys tyY n ys tyP A estrutura matemática para o cálculo do intervalo de con- fiança pode ser apresentada de uma forma mais simples: IC )(ystyIC ×±= Assim, tem-se: IC n ys N nN tyIC )( )( × − ±= , para populações finitas; IC n ys tyIC )( ±= , para populações infinitas; IC )(( ystyNIC ×±= , para o valor total. 63 Amostragem simples ao acaso i) dimensionamento da amostra simples ao acaso. Dados, respectivamente, os estimadores da variância da média e do intervalo de confiança como anteriormente definidos: )( )(ˆ )(ˆ N nN n yV yV − = e IC )(ystyIC ×±= Seja E = t yLEE ×= s )(ystE ×= a semiamplitude do intervalo de confian- ça, conhecida no jargão da engenharia florestal brasileira como expectância do erro, valor normalmente fixado de acordo com o grau de precisão desejado. Essa semiamplitude pode ser fixada como um valor percentual da média, ou seja, E = LE yLEE ×= . Neste caso, LE é denominado limite de erro. A fórmula para conseguir o número de unidades de amos- tra (n), atendendo um limite de erro predefinido, é obtida da se- guinte forma: )(ystE ×= )( )(ˆ )(ˆ 222 N nN n yV tyVtE − == )1( )(ˆ22 N n n yV tE −= N yV t n yV tE )(ˆ)(ˆ 222 −= Resultando para o caso de populações finitas: N yVt E yVt n )(ˆ )(ˆ 2 2 2 + = No caso de populações infinitas, tem-se: n yV tE )(ˆ = , resultando: 64 Amostragem em inventário florestal Waldenei Travassos de Queiroz 2 2 )(ˆ E yVt n = Por outro lado, é factível ocorrer que os recursos financeiros disponíveis sejam um fator limitante. Neste caso, Husch, Miller e Beers (1972) recomendam que a intensidade de amostragem seja estabelecida através da seguinte equação linear de custo: c = c0 + nc1 c = custo total do inventário (medição de campo); c0 = custos fixos (planejamento e trabalhos de escritório); c1 = custo médio por unidade de amostra; n = número de unidades de amostra. O componente nc1 corresponde ao custo total da coleta de dados de campo. exercício 4.1 Seja uma área florestal de 3.574 ha, localizada na região de Marajó, onde, a partir de uma amostra simples ao acaso, fo- ram enumeradas 27 unidades. A unidade amostral de 2.500 m2 apresentou uma forma retangular de 10 m de largura e 250 m de comprimento, onde foram mensuradas todas as árvores com DAP 45 cm, enquanto que para as árvores com 15 cm DAP < 45 cm foi estabelecida uma subamostra de 1.000 m2, compreen- dendo 10 m de largura por 100 m de comprimento. A Tabela 4.1 apresenta os resultados dos volumes para as árvores contidas em 15 cm DAP < 45 cm; e a Tabela 4.2, os volumes para as árvores com DAP 45 cm. O cálculo do volume por árvore foi 65 Amostragem simples ao acaso obtido através da equação de volume VSC HDAPVSC 25179,00775,0ˆ += , desenvolvida por Queiroz (1984), sendo: VSC = volume sem casca por árvore; DAP = diâmetro a altura do peito com casca; H = altura comercial. Efetuar a análise considerando os seguintes casos: 1) Análise estatística da variável volume no intervalo 15 cm DAP < 45 cm. 2) Análise estatística da variável volume para DAP 45 cm. tabela 4.1 - Volume (m3/0,1 ha) para 15 cm DAP < 45 cm. UA Yi UA Yi UA Yi UA Yi UA Yi 1 6,45 7 9,289 13 6,208 19 11,700 25 9,642 2 17,00 8 9,915 14 14,21 20 10,080 26 7,549 3 4,31 9 10,540 15 6,356 21 8,765 27 2,937 4 7,53 10 6,597 16 9,975 22 5,508 5 7,21 11 7,193 17 9,953 23 4,292 6 4,19 12 13,92 18 9,731 24 7,173 tabela 4.2 - Volume (m3/0,25 ha) para DAP 45 cm. UA Yi UA Yi UA Yi UA Yi UA Yi 1 12,9914 7 21,9215 13 17,5972 19 14,5159 25 18,3705 2 16,1036 8 17,4466 14 24,0426 20 29,7010 26 25,3622 3 9,6805 9 22,1176 15 16,7197 21 30,4842 27 18,5761 4 20,0752 10 12,8449 16 21,8991 22 14,6925 5 29,6375 11 16,5398 17 10,4113 23 18,9567 6 23,4207 12 17,0837 18 10,0260 24 19,6981 66 Amostragem em inventário florestal Waldenei Travassos de Queiroz 1) Análise estatística da variável volume no intervalo 15 cm dAp < 45 cm a) valor médio estimado y = 84,41m3/ ha b) valor total estimado yNY ×=ˆ = 35.740 × 8,4406667 = 301.669,43 m3, para: N = Área/T.U.A = 3574 ha/0,1 ha = 35.740 T.U.A = Tamanho da Unidade de Amostra c) variância estimada d) desvio Padrão estimado 23 2 1 2 1 2 )1,0/(6883,10 26 27 8980,227 5079,2201 1 )( )(ˆ ham n n y y yV n i in i i � � � � � � � � � � 232 )/(8342,10686883,1010)(ˆ hamyV ��� ham n y y n i i 1,0/4407,8 27 898,227 31 ��� � � hamhayVys /6930,32/)(ˆ)( 3�� 67 Amostragem simples ao acaso e) variância da média estimada f) erro padrão estimado hamhayVys /29,6/)(ˆ)( 3�� g) coeficiente de variação estimado %73,38100 406667,84 69303,32 100 )( %ˆ ����� y ys VC h) intervalo de confiança (IC) Na Tabela 3 do Anexo, tem-se o valor tabelar para a= 0,05 e n - 1 = 26: 0555,21, 2 = −n ta Limite inferior para o valor médio )(ysty ×− =84,406667-2,0555x6,289399= 71,48 m3/ ha Limite superior para o valor médio )(ysty ×+ = 84,406667 + 2,0555 x 6,2893995 = 97,33 m3/ ha Pode-se afirmar, com uma probabilidade de acerto de 95%, que o valor médio real para o volume das árvores com 15 cm DAP < 45 cm encontra-se no intervalo de 71,48 m3/ ha a 97,33 m3/ ha. Limite inferior para o valor total área )([ ysty ×− ]=3574 x 71,478806 =225.465,25 m3 Limite superior para o valor total área )]([ ysty �� = 3574×97,334528= 347.873,60 m 3 23 )/(5565,39) 35740 2735740 ( 27 8342,1068 )( /)(ˆ )(ˆ ham N nN n hayV yV � � � � � 68 Amostragem em inventário florestal Waldenei Travassos de Queiroz Pode-se afirmar, com uma probabilidade de acerto de 95%, que o volume total real para a população florestal de 3.574 ha encontra-se no intervalo de 225.465,25 m3 a 347.873,60 m3. i) limite de erro )(ystE ×= = 2,0555 × 6,2893995 = 12,927861 m3/ha j) dimensionamento da amostra Considerando que o limite de erro requerido para o inven- tário florestal seja de LE = 0,1 (10 %). O resultado do limite de erro obtido para a variável resposta volume (15 cm DAP 45 cm) foi de 15,32 % para 27 unidades de amostra. Então, deve- se calcular o número de unidades de amostra, visando atender ao limite de erro desejado de LE = 0,1 e, finalmente, calcular o número de unidades faltantes. n = 64 unidades de amostra Para: E = LE yLEE ×= = 0,10 x 84,406667 = 8,4406667 m3/ha Concluindo que se deve voltar ao campo e medir mais 37 unidades de amostra para atender ao limite de erro fixado em LE = 0,1. 27,63 35740 8342,10680555,2 4406667,8 8342,10680555,2 )(ˆ )(ˆ 2 2 2 2 2 2 � � � � � � � N yVt E yVt n %32,15100 406667,84 927861,12 100% ����� y E LE 69 Amostragem simples ao acaso 2) Análise estatística da variável volume para dAp 45 cm a) valor médio estimado ham n y y n i i 25,0/9228,18 27 9161,501 31 ��� � � , onde: = 75,69 m3/ha b) valor total estimado yNY ×=ˆ = 14296 x 18,922819 = 270.520,61 m3, onde: N = Área/T.U.A. = 3574 ha/0,25 ha = 14.296 c) variância estimada d) desvio padrão estimado e) variância da média estimada f) erro padrão estimado m3/ ha y 23 2 1 2 1 2 )25,0/(8930,32 26 27 9161,510 191,10523 1 )( )(ˆ ham n n y y yV n i in i i � � � � � � � � � � 232 )/(2885,52689303,324)(ˆ hamyV ��� )/(94,222885,526/)(ˆ)( 3 hamhayVys ��� 23 )/(4553,19) 14296 2714296 ( 27 28847,526 )( /)(ˆ )(ˆ ham N nN n hayV yV � � � � � 41.44553,19/)(ˆ)( ��� hayVys 70 Amostragem em inventário florestal Waldenei Travassos de Queiroz g) coeficiente de variação estimado h) intervalo de confiança (IC) Limite inferior para o valor médio )(ysty ×− =75,691276-2,0555 x 4,4108221= 66,62 m3/ ha Limite superior para o valor médio )(ysty ×+ = 75,691276 + 2,0555 x 4,4108221= 84,76 m3/ ha Há razão para afirmar, com uma probabilidade de acerto de 95%, que o valor médio real da floresta para o volume das árvo- res com DAP 45 cm encontra-se no intervalo de 66,62 m3/ ha a 84,76 m3/ ha. Limite inferior para o valor total área[ )(ysty ×− ] = 3574 x 66,624831= 238.117,15 m3 Limite superior para o valor total área[ )(ysty ×+ ] = 3574 x 84,757721= 302.924,09 m3 Dado 0555,2 1, 2 = −n ta para a = 0,05 e n - 1 = 26. Pode-se afirmar, com uma probabilidade de acerto de 95%, que o valor total populacional real da floresta para o volume das árvores considerando DAP 45 cm encontra-se no intervalo de 238.117,15 m3 a 302.924,09 m3. %31,30100 69,75 94,22 100 )( %ˆ ����� y ys VC 71 Amostragem simples ao acaso i) limite de erro =×= )(ystE 2,0555 x 4,4108221 = 9,0664448 m3/ ha j) dimensionamento da amostra Supondo-se que o limite de erro requerido para o inventário florestal seja de LE = 0,1 (10 %). O resultado do limite de erro obtido para a variável resposta volume com DAP 45 cm foi de 11,98 % para 27 unidades de amostra. Então, deve-se calcular o número de unidades de amostra, visando atender ao limite de erro desejado de LE = 0,1 e, finalmente, calcular o número de unidades faltantes. n = 39 unidades de amostra =×= )(ystE 0,1 x 75,691276 = 7,5691276 m3 Conclui-se que se deve voltar ao campo e medir mais 12 unidades de amostra, para totalizar 39 unidades e assim atender ao limite de erro fixado de LE = 0,10, visto que foram medidas apenas 27 unidades. 4.2 AMOSTRAGEM SIMPLES AO ACASO PARA PROPOR- çõES E PORCENTAGENS Em inventários florestais, frequentemente, deseja-se esti- mar o número total, a proporção ou a porcentagem de unida- 71,38 14296 2885,5260555,2 5691276,7 2885,5260555,2 )(ˆ )(ˆ 2 2 2 2 2 2 � � � � � � � N yVt E yVt n 71,38 14296 2885,5260555,2 5691276,7 2885,5260555,2 )(ˆ )(ˆ 2 2 2 2 2 2 � � � � � � � N yVt E yVt n 72 Amostragem em inventário florestal Waldenei Travassos de Queiroz des da população que apresenta certa característica ou atributo. Alguns resultados como número de árvores mortas, a porcen- tagem de ocorrência de uma determinada espécie, número de árvores que estão produzindo sementes são informações muitas vezes requeridas em alguns inventários. A classificação do atributo, na maioria dos levantamen- tos, pode ser incluída na ficha de campo sob forma de pergunta construída para ser respondida com um simples “sim” ou “não”. Seja uma população com N unidades, tal que qualquer uni- dade pertença a uma das duas categorias C1 e C0, sendo que C1 corresponde às unidades que possuem o atributo desejado e C0 define as unidades que não o possuem. Então, pode-se definir: A = número de unidades da população que pertence à ca- tegoria C1; a = número de unidades da amostra classificado na cate- goria C1; N = tamanho da população; n = tamanho da amostra; NAP /= é a proporção de unidades da categoria C1 na população; nap /= é a proporção de unidades da categoria C1 na amostra. Tem-se que p é uma estimativa de P e Np é uma estimativa de A. Em inventários florestais, a distribuição binomial é a mais usada para obter as estimativas de a e p, pois, frequentemente, as populações são infinitas. Para populações finitas, a distribui- ção binomial constitui uma boa aproximação, embora a distribui- ção correta, neste caso, seja a hipergeométrica. 73 Amostragem simples ao acaso 4.2.1 valores populacionais, estimadores e dimensiona- mento da amostra Para quantificar os resultados, seja a seguinte regra para qualquer unidade iy da amostra ou da população: 1=iy , se iy estiver contido em C1; 0=iy , se iy estiver contido em C0; Para a população de valores iy , resulta que: ∑ = == N i i AyY 1 Para a amostra de valores iy , tem-se: ∑ = = n i i ay 1 Dado que yNY =ˆ , então .ˆ Np n a NY =×= Np A estimação de A e P consiste em obter os valores médio e total de uma população, onde todos os iy têm valor 1 ou 0. Então: P N A N y Y N i i === ∑ =1 p n a n y y n i i === ∑ =1 74 Amostragem em inventário florestal Waldenei Travassos de Queiroz Por conseguinte: Para: PQ −= 1 Destarte: 11 )( )(ˆ 1 2 − = − − = ∑ = n npq n yy yV n i i Então: Por conseguinte: Para o valor total populacional e seu estimador: )()()ˆ( 2 pVNNpVYV == V (Np) = N2V(p) )(ˆ)(ˆ)ˆ(ˆ 2 pVNNpVYV == � � �� N i i NpAy 1 2 � � �� n i i npay 1 2 11 )1( 111 )( )( 2 2 1 2 1 2 � � � � � � � � � � � � � � �� �� N NPQ N PNP N NPNP N YNy N Yy yV N i i N i i n PQ N nN N NPQ Nn nN n yV N nN pVyV ) 1 ( 1 )( )( )()()( � � � �
Compartilhar