50Figura 2.11: Localização das amostras na área de cultivo. Os delineamentos amostrais comportam,da esquerda para a direita, 256 pontos origalmente estrutura<strong>do</strong>s pelo sistema sistemáticodesalinha<strong>do</strong> estratifica<strong>do</strong>, 128 e 64 pontos sortea<strong>do</strong>s <strong>do</strong>s 256 pontos originais. O eixo horizontalcorresponde a distância total de <strong>14</strong>1,2 m e o eixo vertical 115,2 m.Paraná segun<strong>do</strong> levantamento feito pela CONAB em abril de 2006. Tomou-se então como valorreferência a produtividade de 2,75 t ha −1 , projetada na área como única informação disponível.A Tabela 2.1 mostra os principais resulta<strong>do</strong>s descritivos sobre o resulta<strong>do</strong> da colheita.Nota-se que os valores da média de produtividade aumentam quan<strong>do</strong> se diminui o tamanho daamostra. Consideran<strong>do</strong> ensaios agrícolas de campo, Gomes (1963) classificou os experimentoscom base no coeficiente de variação – CV, onde valores superiores a 20% já indicam perdade precisão. Para a produtividade de soja o CV se manteve abaixo de 20%, valor este sugerin<strong>do</strong>homogeneidade das medidas. Os intervalos de confiança de 95% para o parâmetro detransformação λ de normalidade de Box-Cox (BOX; COX, 1964) incluem o valor unitário. Assim,optou-se por não transformar a variável resposta e considerou-se os da<strong>do</strong>s de produtividadecompatíveis com uma distribuição normal de probabilidades. Os perfis de verossimilhança parao parâmetro λ de transformação podem ser vistos na Figura 2.12.log−Likelihood−530.0 −529.0 −528.0 −527.095%0.2 0.4 0.6 0.8 1.0 1.2 1.4λlog−Likelihood−209 −207 −205 −20395%−1.0 −0.5 0.0 0.5 1.0 1.5 2.0λlog−Likelihood−79 −78 −77 −76 −75−2 −1 0 1 2 3Figura 2.12: Perfil <strong>do</strong> log-verossimilhança para o parâmetro λ de transformação de Box-Cox. Intervalo de 95% de confiança que contenha o valor unitário implica em normalidadeda distribuição <strong>do</strong>s da<strong>do</strong>s. Da esquerda para a direita as figuras representam o log da função deverossimilhança para o parâmetro λ com relação aos delineamentos amostrais de soja em 256pontos estrutura<strong>do</strong>s, 128 e 64 pontos sortea<strong>do</strong>s.95%λ
51Tabela 2.1: Estatística descritiva da variável soja medida em 256 pontos estrutura<strong>do</strong>s (Soja256),128 e 64 pontos sortea<strong>do</strong>s (Soja128 e Soja64, respectivamente) dentre os 256 pontos originaisdisponíveis.Delineamento Mínimo Média Máximo D.P. C.V.% LI-Bx LS-BxSoja256 1,190 2,7464 4,<strong>14</strong>0 0,4904 17,85 0,3 1,3Soja128 1,710 2,7544 4,<strong>14</strong>0 0,4328 15,71 -0,3 1,3Soja64 1,930 2,8080 3,700 0,4057 <strong>14</strong>,45 -1,1 2,0Medidas em ton ha −1 . D.P.: Desvio Padrão, C.V.: Coeficiente de Variação, LI-Bx e LS-Bx: Respectivamenteo limite inferior e limite superior <strong>do</strong> intervalo de 95% de confiança para o parâmetro λ deBox-Cox.As variáveis de natureza física e química <strong>do</strong> solo (secundárias), apresentadas na Tabela2.2, mostram resulta<strong>do</strong>s compatíveis com a literatura. Excetuan<strong>do</strong>-se MO e pH, asvariáveis apresentam coeficiente de variação acima de 20%, evidencian<strong>do</strong> a homogeneidadedas medidas. As variáveis P, pH e K não apresentam o valor unitário no intervalo de confiançade Box-Cox, sugerin<strong>do</strong> a necessidade de transformação em aplicações que exijam o pressupostode normalidade. As variáveis MO, SB e iCone contém o valor unitário no intervalo, sugerin<strong>do</strong>normalidade nas medidas, dispensan<strong>do</strong> transformações.Tabela 2.2: Estatísticas descritivas das variáveis secundárias P, pH, K, MO, SB e iCone, todastomadas nos mesmos 150 pontos aleatórios, seleciona<strong>do</strong>s <strong>do</strong>s 256 disponíveis.Delineamento Mínimo Média Máximo D.P. C.V.% LI-Bx LS-BxP 2,000 4,047 13,100 1,439 36,60 -1,2 -0,3pH 4,300 5,<strong>14</strong>5 6,600 0,505 9,80 -3,5 -0,5K 0,170 0,331 0,550 0,085 25,70 -0,6 0,6MO 36,55 52,680 68,350 6,392 12,13 0,3 2,6V% <strong>14</strong>,89 55,470 84,030 12,896 23,20 0,4 1,4iCone 10,50 20,300 31,100 4,163 20,50 0,3 1,6P em mg dm −3 , pH sem unidade de medida, K em cmolc dm −3 , MO em g dm −3 , SB em porcentageme iCone em kg cm −2 . D.P.: Desvio Padrão, C.V.: Coeficiente de Variação, LI-Bx e LS-Bx: Respectivamenteo limite inferior e limite superior <strong>do</strong> intervalo de 95% de confiança para o parâmetro λ deBox-Cox.Análise espacial das amostras de produtividade de sojaDevi<strong>do</strong> a dificuldade de se ajustar um modelo teórico confiável ao semivariograma experimentalpelo méto<strong>do</strong> <strong>do</strong>s mínimos quadra<strong>do</strong>s ou suas variações (Figura 2.7), optou-se nessetrabalho por se obter uma estimativa pontual para os parâmetros <strong>do</strong> modelo geoestatístico porMV, MVR e por méto<strong>do</strong>s bayesianos. A Tabela 2.3 mostra os resulta<strong>do</strong>s obti<strong>do</strong>s por MV. Nelanota-se que a estimativa para o parâmetro β, que corresponde à produtividade média, é próximo
- Page 4:
A meus filhos, Denise e André e a
- Page 8 and 9:
4 CONCLUSÕES E SUGESTÕES DE TRABA
- Page 10 and 11:
direita ilustra também o comportam
- Page 12 and 13:
Figura 2.21 Distribuição a poster
- Page 14 and 15:
Lista de TabelasTabela 2.1Estatíst
- Page 16 and 17:
Lista de SiglasAPGPSSIGMVMVRACPCEPB
- Page 18 and 19:
A análise revelou a capacidade do
- Page 20 and 21: deals with samples of small size.Ke
- Page 22 and 23: 2se dá na região Nordeste do Esta
- Page 24 and 25: 4reais, os fenômenos frequentement
- Page 26 and 27: 2 MODELO GEOESTATÍSTICO GAUSSIANOU
- Page 28 and 29: 8mente como Dβ é efeito espacial
- Page 30 and 31: 102.2.2 Componente determinísticoS
- Page 32 and 33: 12(a ′ ,b ′ ) = (a,b)(cos(ψA )
- Page 34 and 35: 14Para Tragmar, Yost e Uehara (1985
- Page 36 and 37: 162.4 TIPOS DE MODELO DE CORRELAÇ
- Page 38 and 39: 182.4.1 Função de correlação de
- Page 40 and 41: 20ρ(h) − Esferica0.0 0.2 0.4 0.6
- Page 42 and 43: 22Como solução dessas equações
- Page 44 and 45: 24Ribeiro Jr (2007) dizem que esse
- Page 46 and 47: 26de amostras coletadas com espaça
- Page 48 and 49: 28Agora substituindo σ 2 R+τ 2 I
- Page 50 and 51: 30[(l(φ,ν 2 ) = − 1 (Y − Dβ)
- Page 52 and 53: 32Segundo Perry e Iemma (1999) os e
- Page 54 and 55: 34variância do erro. Em uma coorde
- Page 56 and 57: 36origem, todavia o conhecido Teore
- Page 58 and 59: 38O modelo geoestatístico dado pel
- Page 60 and 61: 40Se forem conhecidos os parâmetro
- Page 62 and 63: 42então:[β;|Y(x);φ]∼ tnσ +n(
- Page 64 and 65: 44σ 2 r ′ (φ)R −1 (φ) r(φ)
- Page 66 and 67: 46d) Predição com incerteza nos p
- Page 68 and 69: 48região do patamar oriental da Ba
- Page 72 and 73: 52do valor de referência de 2,75 t
- Page 74 and 75: 54amostrais têm dimensão 5 × 5 m
- Page 76 and 77: 56os resultados obtidos por MV mas
- Page 78 and 79: 58256 amostras128 amostras64 amostr
- Page 80 and 81: 60Figura 2.19: Localização das am
- Page 82 and 83: 62Estatísticas descritivas da pred
- Page 84 and 85: 642.8.5 Conclusões sobre o método
- Page 86 and 87: 66suporte da ACP para a redução d
- Page 88 and 89: 68três ecossistemas. Efetuaram uma
- Page 90 and 91: 70 (y 2,1 )• x 4• x 1(y 1,1 )(
- Page 92 and 93: 72Figura 3.2: Grid regular com loca
- Page 94 and 95: 74observações y 1 (x i ) e y 2 (x
- Page 96 and 97: 76O método de cokrigagem poderá s
- Page 98 and 99: 783.5 REDUÇÃO DO NÚMERO DE VARI
- Page 100 and 101: 80como:R =( )V − 21 −1 (Σ V 2)
- Page 102 and 103: 82ou a componente representante de
- Page 104 and 105: 84secundária apresentada no caso a
- Page 106 and 107: 86t ha −1 obtida de fato na área
- Page 108 and 109: 883.6.5 Conclusões sobre o método
- Page 110 and 111: 90• Comparar diferentes formulaç
- Page 112 and 113: 92CRESSIE, N. Fitting variogram mod
- Page 114 and 115: 94PEBESMA, E. J.; WESSELING, C. G.
- Page 116 and 117: ANEXO A -- Figuras: Validação Cru
- Page 118 and 119: 98data1.5 3.01.5 3.0predicted0.0 0.
- Page 120 and 121:
ANEXO B -- Código fonte R das aná
- Page 122 and 123:
102}45 }}## −−−−−−−
- Page 124 and 125:
104## Dados256 $SB ,## Dados256 $ i
- Page 126 and 127:
106## summary ( Soja256 . geo )## r
- Page 128 and 129:
108285 #### −−−−−−−
- Page 130 and 131:
110375 ##par ( mfcol =c ( 5 , 2 ) ,
- Page 132 and 133:
112##summary ( Soja64S .KC$ p r e d
- Page 134 and 135:
114t i t l e ( main="256 amostras"
- Page 136 and 137:
116par ( mfrow=c ( 1 , 2 ) , mar=c
- Page 138 and 139:
118Listagem B.2: Análise univariad
- Page 140 and 141:
12080 sd ( IMA18$ARG1)sd ( IMA18$AR
- Page 142 and 143:
122##165 ## D e f i n i n d o o mod
- Page 144 and 145:
124## −−−−−−−−−
- Page 146 and 147:
126## −−−−−−−−−
- Page 148 and 149:
128130 ###### iConeiCone150S . geo
- Page 150 and 151:
130round ( prop . t a b l e ( t a b
- Page 152 and 153:
132## F I M## −−−−−−−
- Page 154 and 155:
13445 ####IMA18