Manual para análise de inventário Florestal COM CAPA

Manual para Análise de Inventário Florestal e Equação de Volume em Projetos de Manejo Florestal Sustentável - PMFS
51
X = parâmetro da variável independente (independe de qualquer
outra variável, isto é, aquela medida no campo)
ε = componente aleatório ou erro de estimativa
A variável Y (parâmetro) do modelo não tem erro, visto que o
erro da estimativa da variável em análise é computado a parte, recebendo
a denominação de erro de estimativa.
Nota: O que vai determinar se a variável é dependente ou
independente?
Esta avaliação dependerá da maior ou menor facilidade de obtenção
da variável em campo.
Exemplo:
DAP – tem maior facilidade de ser mensurado diretamente no
campo, sendo considerado, então, como variável independente.
Volume – esta variável é obtida por meio de outras variáveis, DAP
e/ou altura, desta forma é considerada uma variável dependente.
3.1 Classificação dos modelos de regressão
A análise de regressão é um método estatístico que permite correlacionar
o efeito de diversos fatores, medidos por variáveis chamadas
variáveis explicativas, sobre um determinado fenômeno, medidos por
meio de outra variável, denominada variável explicada. Contudo, para
que a regressão possa ser útil, é necessário: construir corretamente um
modelo, estimar os parâmetros a partir dos dados relativos às variáveis
e interpretar os resultados (CASTANHEIRA, 2008).
3.1.1 Modelo linear simples
É considerada linear toda função de primeiro grau 12 , cuja representação
é uma reta, e simples por tratar-se de um modelo aplicado a
12
Modelo Linear é aquele que é aditivo e o expoente é igual a 1.