Autor(es): Cysneiros, Vinicius Costa ; Amorim, Thiago de Azevedo ; Mendonça Júnior, Joaquim de Oliveira ; Gaui, Tatiana Dias ; de Moraes, Juan Carlos Resende ; Braz, Denise Monte ; Machado, Sebastião do Amaral
Data: 2017
Origem: Oasisbr
Assunto(s): Floresta Atlântica; Funções densidade de probabilidade; Modelagem; Atlantic Forest; Density probability functions; Modeling
The goal of this study was to evaluate the performance and select probability density functions to describe the diametric distributions of the forest community and the main three species in a tropical rain forest in southern of Rio de Janeiro State. We tested the functions: Normal, Normal Log, Beta, Gamma, Sb Johnson and Weibull. Adjustments were carried out using Solver tool (MSExcel®) which uses the reduced linear gradient algorithm, optimizing the functions parameters. Value D Kolmogorov–Smirnov and estimation of standard error (Syx%) were evaluate to select the best model. In general, Sb Johnson and Weibull functions presented better statistics adjustment and greater precision in the estimates. Even representing the reality of the distribution, the smaller class intervals did not provide better adjustments, more precise estimates being provided by the larger ranges and smaller classes.
O objetivo do presente estudo foi avaliar o desempenho e selecionar funções densidade de probabilidade que descrevam a distribuição diamétrica da comunidade florestal e das três principais espécies da Floresta Ombrófila Densa no sul do estado do Rio de Janeiro. Foram testadas as funções Normal, Log Normal, Beta, Gama, Sb de Johnson e Weibull. Os ajustes foram realizados com auxílio da ferramenta Solver (MSExcel®), que utiliza o algoritmo linear de gradiente reduzido para otimização dos parâmetros das funções. Para a seleção do melhor modelo foram avaliados o valor D de Kolmogorov – Smirnov e o erro padrão da estimativa (Syx %). De maneira geral, as funções Sb de Johnson e Weibull apresentaram as melhores estatísticas de ajuste e maior precisão nas estimativas. Mesmo representando melhor a realidade da distribuição, os menores intervalos de classe não forneceram os melhores ajustes, sendo as estimativas mais precisas propiciadas pelos maiores intervalos e menores números de classes.
