Baixe o app para aproveitar ainda mais
Prévia do material em texto
Amostragem Sistemática com Múltiplos Inícios Aleatórios Universidade Federal de Rondônia Departamento de Engenharia Florestal Campus Rolim de Moura INVENTÁRIO FLORESTAL UNIDADE V – Processos de Amostragem Prof. MSc. Karen Janones da Rocha karenrocha@unir.br 4. Processos de Amostragem 4,1 Introdução É a abordagem sobre um conjunto de unidades amostrais MÉTODO DE AMOSTRAGEM PROCESSO DE AMOSTRAGEM É a abordagem da população referente a uma única unidade amostral 4. Processos de Amostragem 4.1 Introdução PROCESSOS DE AMOSTRAGEM Amostragem Aleatória Simples Amostragem Estratificada Amostragem Sistemática Amostragem em dois estágios Amostragem em Conglomerados Amostragem Sistemática com múltiplos estágios aleatórios Amostragem em Múltiplas Ocasiões 4. Processos de Amostragem Assemelha-se ao processo de amostragem sistemático, porém, ao invés de um início aleatório, são tomados múltiplos inícios aleatórios, o que representa uma estrutura em conglomerados com várias unidades 4.5 Amostragem Sistemática com Múltiplos Inícios Aleatórios 4. Processos de Amostragem Todas as faixas ou linhas de unidades devem ser selecionadas aleatoriamente 4.6 Amostragem Sistemática com Múltiplos Inícios Aleatórios Esse processo consiste na divisão de uma população florestal em (n) partes de (K) unidades cada, sendo escolhida aleatoriamente, em cada uma dessas partes, a posição em que será colocada a faixa ou linha 4. Processos de Amostragem Essa estrutura é uma convergência da amostragem sistemática em dois estágios para a amostragem aleatória simples 4.6 Amostragem Sistemática com Múltiplos Inícios Aleatórios Mantém-se a abordagem das unidades sobre a mesma orientação da amostragem sistemática, mudando apenas a localização das linhas ou faixas Organização estrutural da Amostragem Sistemática com múltiplos inícios aleatórios UNIDADES PRIMÁRIAS Organização estrutural da Amostragem Sistemática com múltiplos inícios aleatórios UNIDADES PRIMÁRIAS Organização estrutural da Amostragem Sistemática com múltiplos inícios aleatórios UNIDADES SECUNDÁRIAS UNIDADES PRIMÁRIAS Organização estrutural da Amostragem Sistemática com múltiplos inícios aleatórios UNIDADES SECUNDÁRIAS UNIDADES PRIMÁRIAS Organização estrutural da Amostragem Sistemática com múltiplos inícios aleatórios UNIDADES SECUNDÁRIAS UNIDADES PRIMÁRIAS Organização estrutural da Amostragem Sistemática com múltiplos inícios aleatórios UNIDADES SECUNDÁRIAS UNIDADES PRIMÁRIAS Organização estrutural da Amostragem Sistemática com múltiplos inícios aleatórios UNIDADES SECUNDÁRIAS 4. Processos de Amostragem A eficiência da estimativa da média da população, baseada em uma pequena amostra, depende não somente do erro padrão da média, mas também do valor de (t) correspondente ao tamanho da amostra 4.6.1 Número de inícios aleatórios NÚMEROS DE INÍCIOS ALEATÓRIOS 4. Processos de Amostragem Um grande número de inícios aleatórios faz a distribuição das unidades se aproximar de uma amostra aleatória, reduzindo a variância da média bem como a eficiência da amostragem sistemática 4.6.1 Número de inícios aleatórios NÚMEROS DE INÍCIOS ALEATÓRIOS 4. Processos de Amostragem Por outro lado amostras pequenas apresentam valores de (t) altos, interferindo nos cálculos do intervalo de confiança e erro de amostragem 4.6.1 Número de inícios aleatórios NÚMEROS DE INÍCIOS ALEATÓRIOS Recomenda-se 5 ou 6 inícios aleatórios, pelo menos, para evitar o alto valor de (t) no cálculo do intervalo de confiança e erro de amostragem 4. Processos de Amostragem A minimização da variância entre linhas ou faixas, devido a orientação da amostragem é a principal vantagem do processo 4.6.2 Vantagens A obtenção de estimativa válida do erro de amostragem, uma vez que são selecionadas (n) unidades aleatórias VANTAGENS 4. Processos de Amostragem Na Amostragem em Conglomerados tradicional, o aumento do tamanho do conglomerado implica em perda de precisão, mas ajuda a reduzir os custos de amostragem 4.6.3 Custos Para o Conglomerado Sistemático, o aumento do tamanho pode não reduzir o custo, se a intensidade de amostragem permanecer a mesma pelo ajuste do número de inicios aleatórios CUSTOS 4. Processos de Amostragem Neste processo, cada início aleatório é tratado como um conglomerado, e as fórmulas utilizadas no processo de amostragem em conglomerados podem ser empregadas neste processo 4.6.4 Cálculo das estimativas Cálculo das Estimativas 4.6.5 Notação 4. Processos de Amostragem NOTAÇÃO N = número total potencial de conglomerados da população n = número de conglomerados amostrados M = número de subunidades cabíveis no conglomerado m = número de subunidades amostradas por conglomerado Xij = variável de interesse a1) Média geral por subunidade 4.6.6 Estimadores 4. Processos de Amostragem a2) Média das subunidades por conglomerado a) Média nm x x n i m j ij 1 1 m j ij i m x x 1 4. Processos de Amostragem b) Variância total por subunidade 1)( 2 1 12 nm xx s n i m ij x j ou 1)( . 2 , 1,1 , 1,1 2 2 nm mn x x s mn ji ijmn ji ij x Na amostragem em conglomerado é possível dividir a variância total em dois componentes de variação, ou seja, ENTRE e DENTRO dos conglomerados, podendo-se realizar uma análise de variância para obter as estimativas isoladas desses dois componentes da variância 222 dex sss 4.6.6 Estimadores 4. Processos de Amostragemb) Variância total por subunidade As estimativas são obtidas por meio de análise de variância, cujos estimadores possuem as seguintes esperanças matemáticas: 22)( edentre mssQME 2)( ddentro sQME 2 2 1 1 1 d n i m iij dentro s mn xx QM j que é uma estimativa sem tendência de 2 dS 2 2 1 2 1 2 2 1 1 , 1;1 2 1 .... d m j nj m j j m j j mn ji ij dentro s mn m xxx x QM ou 4.6.6 Estimadores 4. Processos de Amostragemb) Variância total por subunidade que é uma estimativa sem tendência de 1 2 1 n xxm QM n i i entre 2 eS A estimativa sem tendência da variância entre conglomerados é dada por: m QMQM s dentroentree 2 Assim, a estimativa da variância total resulta: m QMmQM sss dentroentredex 1222 4.6.6 Estimadores 4. Processos de Amostragem c) Coeficiente de correlação intraconglomerados 22 2 de e ss s r 4.6.6 Estimadores d) Intensidade de amostragem 11 2 22 mr mE st n x 4. Processos de Amostragem e) Variância da Média nm s n s N nN s dex 22 2 (população finita) nm s n s s dex 22 2 11 2 2 mr nm s s xx (população infinita) A variância da média é afetada pelo coeficiente de correlação !!!!!! ou Inflação da variância da média 4.6.6 Estimadores 4. Processos de Amostragem f) Erro Padrãoda Média 2 xx ss g) Erro de Amostragem - Erro Absoluto - Erro Relativo xa tsE 100 x ts E xr Obs.: t(; nm – 1 g.l.) 4.6.6 Estimadores h) Intervalo de Confiança para a Média 4. Processos de Amostragem i) Intervalo de Confiança por hectare PtsxtsxIC xx em que: p h a A =F PFtsxFtsxIC xx j) Total da População xmNX **ˆ P = 95% de confiança Cuidado!!! Não é fração de amostragem É fator de conversão para hectare 4.6.6 Estimadores 4. Processos de Amostragem k) Intervalo de Confiança para o Total PNmtsXXNmtsXIC xx ˆˆ P = 95% de confiança IC determina os limites inferior e superior, dentro do qual espera-se encontrar, probabilisticamente, a valor paramétrico da variável estimada 4.6.6 Estimadores Exemplo 1 - Inventário Piloto A área inventariada tinha a forma retangular, com 20 km de comprimento por 6,5 km de largura, a qual foi dividida em 9 blocos de 2,22 km por 6,5 km. Em cada bloco, instalou-se um conglomerado linear composto por 8 subunidades de 10 m de largura por 250 m de comprimento (2.500 m²) distantes 500 m entre elas. Os múltiplos inícios aleatórios foram obtidos sorteando- se a posição do conglomerado linear em cada bloco. Os conglomerados correspondentes a cada início aleatório, com os respectivos volumes comerciais com casca das subunidades, estão apresentados na tabela a seguir. Início Cong. SUBUNIDADES (m³/0,25ha) Aleat. n I II III IV V VI VII VIII 1 1 25,97 34,62 25,97 60,27 49,75 81,64 85,90 72,43 2 2 54,02 56,77 63,78 61,94 61,28 38,93 44,68 48,30 3 3 66,43 50,46 43,81 39,63 42,47 38,84 37,13 35,93 4 4 59,33 56,18 39,01 32,93 95,67 32,82 65,09 46,29 5 5 62,69 68,88 65,84 85,93 48,13 55,98 70,91 37,90 6 6 47,85 69,66 78,11 36,71 28,09 53,57 40,34 56,22 7 7 36,64 39,23 42,81 35,51 27,54 54,78 42,56 88,45 8 8 34,72 41,21 41,79 34,97 41,47 29,11 25,60 21,99 9 9 43,13 59,13 92,98 49,14 46,68 42,60 26,17 30,14 Tabela 1. Amostra Sistemática obtida com 9 inícios aleatórios a1) Média geral por subunidade a2) Média das subunidades por conglomerado ham 25,0/7699,49 3 ham 25,0/5687,54 3 8 43,72...62,3497,25 1 x 8*9 14,30...62,3497,25 nm x x n i m j ij 1 1 m j ij i m x x 1 Exemplo 1 - Inventário Piloto b) Variância total por subunidade 1 1 1 2 2 nm xx s n i m j ij x 18*9 1591,21864 23 25,0/9459,307 ham ou por meio da análise de variância 1 2 1 1 mn xx QM n i m iij dentro j 189 6668,17839 23 25,0/1693,283 ham 1 2 1 n xxm QM n i i entre 19 0615,503*8 23 25,0/0615,503 ham Exemplo 1 - Inventário Piloto b) Variância total por subunidade ou por meio da análise de variância 8 1693,2830615,503 m QMQM s dentroentree 2 232 25,0/4865,27 hamse 222 dex sss 1693,2834865,27 232 25,0/6558,310 hamsx Exemplo 1 - Inventário Piloto c) Coeficiente de correlação intraconglomerado 22 2 de e ss s r 1693,2834865,27 4865,27 0885,0 O coeficiente de correlação é inferior a 0,4; indicando que a população é homogênea ou razoavelmente homogênea. Portanto, a amostragem em conglomerados é recomendada para esta população Exemplo 1 - Inventário Piloto d) Intensidade de amostragem 11 2 22 mr mE st n x t(0,05; 8) = 2,306 180885,01 8977,4 6558,310306,2 2 2 n 144995,13 n t(0,05; 13) = 2,160 180885,01 8977,4 6558,31016,2 2 2 n 128442,11 n Exemplo 1 - Inventário Piloto d) Intensidade de amostragem 11 2 22 mr mE st n x t(0,05; 11) = 2,201 180885,01 8977,4 6558.301201,2 2 2 n 132981,12 n Exemplo 1 - Inventário Piloto Portanto, são necessários 13 conglomerados lineares com 8 subunidades cada, para se obter a precisão desejada. Como foram levantados apenas 9 conglomerados, pode-se determinar o erro de amostragem cometido neste inventário. e) Variância da Média Exemplo 1 11 2 2 mr nm s s xx 180885,01 8*9 6558,310 232 25,0/9870,6 hamsx f) Erro Padrão da Média 2 xx ss 9870,6 ham 25,0/6433,2 3 g) Erro de Amostragem - Erro Absoluto - Erro Relativo 100 x ts E xr xa tsE 6433,29963,1aE hamEa 25,0/2768,5 3 100 7699,49 2768,5 rE %6024,10rE Exemplo 1 t(0,05; 71) = 1,9963 h) Intervalo de Confiança para a Média i) Intervalo de Confiança por hectare PtsxtsxIC xx em que: p h a A =F PFtsxFtsxIC xx P = 95% de confiança %9525,0/0467,5525,0/4931,44 33 hamhamIC %95/1868,220/9724,177 33 hamhamIC Exemplo 1 j) Total da População xmNX **ˆ k) Intervalo de Confiança para o Total PNmtsXXNmtsXIC xx ˆˆ P = 95% de confiança 7699,4986500ˆ X 380,034.588.2ˆ mX %950,334.622.26,745.553.2 33 mXmIC Exemplo 1 - Inventário Definitivo Recapitulando .... 1. Uma empresa florestal realizou um inventário em uma floresta na Amazônia com área de 15.000 ha, empregando o processo de Amostragem com Múltiplos Inícios Aleatórios. Na população foram estabelecidos 12 conglomerados lineares com 8 sub-unidades de 0,25 hectare. Após as medições, a empresa processou os dados do inventário e obteve volumes comerciais apresentados na Tabela a seguir. Para os cálculos da análise estatística foi admitido um limite de erro de 20% e 95% de nível de probabilidade 4. Processos de Amostragem Recapitulando .... 4. Processos de Amostragem Início SUBUNIDADES (m³/0,25ha) Aleat. I II III IV V VI VII VIII 1 8,8 11,6 11,0 7,8 8,7 5,9 11,3 14,1 2 10,0 13,5 12,9 11,0 15,0 16,0 12,5 16,0 3 22,5 17,0 14,0 16,5 17,3 9,5 25,0 19,5 4 8,5 12,8 9,3 8,9 13,5 15,5 11,0 15,3 5 6,5 12,2 10,0 14,5 14,2 6,4 9,0 14,7 6 12,5 17,0 14,4 18,5 9,9 22,9 15,0 19,5 7 6,4 20,5 13,5 16,5 17,3 20,3 8,9 23,0 8 20,9 13,8 18,3 18,4 19,9 10,0 23,4 16,3 9 22,7 15,6 19,1 21,5 19,8 14,5 25,2 18,1 10 14,5 20,0 9,4 13,5 19,9 17,9 17,0 22,5 11 9,2 7,0 7,5 14,0 12,5 16,5 11,7 9,5 12 14,4 16,7 17,3 13,9 19,8 10,0 16,9 19,2 Revisão bibliográfica CAMPOS, J, C, C, e LEITE, H, G, Mensuração Florestal: Perguntas e Respostas, Universidade Federal de Viçosa, Viçosa, MG, Ed, UFV, 2013, 605p, PÉLLICO NETTO, S,; BRENA, D, Inventário florestal, Curitiba: Universidade Federal do Paraná, 1997, 316 p, QUEIROZ, W, T, Amostragem em Inventário Florestal, Universidade Federal Rural da Amazônia, UFRA, Belém, AM, 2012, 441p, NOTAS DE AULA DE INVENTÁRIO FLORESTAL DO PROFESSOR CYRO M,C, FAVALESSA, UFMT, SANQUETTA, C, R,; WATZLAWICK, L, F,; DALLA CÔRTE, A,; FERNANDES, L, A, V, Inventários florestais: planejamento e execução, Curitiba, 2009, 271 p, SCOLFORO, J, R, S,; MELLO, J, M, Inventário Florestal, Textos Acadêmicos, Lavras, UFLA/FAEPE, 2006, 561p, SOARES, C, P, B,; PAULA NETO, F,; SOUZA, A, L, Dendrometria e Inventário Florestal, Viçosa, UFV, 2009, 272p, 4. Processos de Amostragem Amostragem Sistemática com Múltiplos Inícios Aleatórios Universidade Federal de Rondônia Departamento de Engenharia Florestal Campus Rolim de Moura INVENTÁRIO FLORESTAL UNIDADE V – Processos de Amostragem Prof. MSc. Karen Janones da Rocha karenrocha@unir.br
Compartilhar