MÉTODOS DE AJUSTE E PROCEDIMENTOS DE SELEÇÃO DE FUNÇÕES PROBABILÍSTICAS PARA MODELAR A DISTRIBUIÇÃO DIAMÉTRICA EM FLORESTA NATIVA DE ARAUCÁRIA

FITTING METHODS AND SELECTION PROCEDURES OF PROBABILISTIC FUNCTIONS TO MODEL THE DIAMETER DISTRIBUTION IN A NATIVE ARAUCARIA FOREST

RESUMO

Este trabalho teve como objetivo avaliar o desempenho das funções densidade de probabilidade (fdp) com diferentes procedimentos de ajustes e estatísticas de avaliação, a fim de expressar a distribuição diamétrica de um fragmento de Floresta Ombrófila Mista. A área de estudo faz parte da Floresta Nacional de Irati (FLONA), estado do Paraná. Os dados utilizados são provenientes de 25 parcelas permanentes de 1 ha (100 m x 100 m), que foram instaladas e medidas em 2002 e remedidas em 2005 e 2008. Os ajustes foram feitos considerando todas as espécies amostradas na remedição de 2008. Foram testadas as funções Beta, Weibull 2 e 3 Parâmetros e Exponencial de Meyer (tipos I e II), empregando-se os métodos de ajustes dos Momentos e da Máxima Verossimilhança para a função Beta e Percentis e Máxima Verossimilhança para a função Weibull 2 e 3 Parâmetros. A Programação Não Linear foi utilizada como tentativa de melhorar os ajustes realizados das funções, exceto para Meyer. Para avaliação dos ajustes, foram aplicados os testes de aderência de Kolmogorov-Smirnov (K-S) e Hollander-Proschan (H-P), além do Erro Padrão de Estimativa (%), índice de Reynolds (IR) e análise de resíduos. Os resultados indicaram que a função Weibull 3P ajustada pelo método da Máxima Verossimilhança foi a melhor para descrever a distribuição diamétrica da floresta como um todo, no entanto, o método dos Percentis apresentou resultados similares. A função Beta apresentou resultados satisfatórios, podendo também ser empregada para avaliar a distribuição diamétrica da área de estudo. Quanto às estatísticas utilizadas, o índice de Reynolds mostrou ser uma ferramenta estatística com boa performance para selecionar funções densidade de probabilidade. Para o intervalo de classe utilizado, o teste Kolmogorov-Smirnov apresentou um maior número de aderências quando comparado ao teste Hollander-Proschan, porém, o teste K-S é sensível quando a frequência é alta, levando a uma não aderência.

Palavras-chave:
índices estatísticos; programação não linear; estrutura florestal