Outras

Visando reduzir custos e tempo, muitas vezes, nas parcelas de um inventário florestal, apenas algumas árvores têm suas alturas medidas, sendo necessário estimar a altura das demais. Para isso é comum o uso de modelos de regressão relacionando altura e o diâmetro à altura do peito. No entanto, a suposição de independência dos erros em um modelo de regressão nem sempre é razoável, uma vez que para medidas feitas em pontos próximos entre si, espera-se que as alturas tenham valores parecidos (alta correlação espacial). Neste contexto, o presente trabalho tem por objetivo, comparar, sob o enfoque bayesiano, quatro modelos de regressão para relação hipsométrica, sendo dois deles comumente utilizados na literatura e outros dois modelos correspondentes aos dois primeiros adicionados de uma componente espacial (descrevendo a autocorrelação espacial), para um plantio de Pinus sp da Floresta Nacional de Ipanema - SP. Dos modelos ajustados o modelo que se mostrou com melhor desempenho foi o modelo com componente espacial e tendência quadrática em relação ao dap.

O planejamento de um estudo longitudinal em que cada unidade de investigação é observada em todas as ocasiões para as quais o estudo foi globalmente dimensionado precisa considerar características especiais deste tipo de dado, como correlação e heterocedasticidade. O cálculo do tamanho da amostra depende de suposições, que podem mudar facilmente, e do objetivo do estudo. Este trabalho tem com meta sumarizar e comparar alguns procedimentos disponíveis na literatura para cálculo do tamanho amostral em estudos longitudinais com medidas repetidas. Se o estudo é longitudinal e objetiva comparar médias entre dois grupos, a literatura apresenta diferentes abordagens para considerar a dependência entre medidas repetidas no tempo (Twisk, 2003; Kirby et al, 1994; Overall e Doyle, 1994). Um dos procedimentos objetiva comparar a evolução da variável de interesse durante o período de acompanhamento; o outro almeja comparar taxas de mudança da trajetória linear ao longo do tempo; enquanto o terceiro procedimento testa a diferença nos escores de mudanças entre a primeira e a última mensurações dos dois grupos. A comparação desses métodos foi realizada considerando-se diferentes cenários, contemplando variação no número de mensurações, na diferença das médias entre os grupos, na variabilidade estimada para a variável de interesse e nos parâmetros da estrutura de correlação. Pode-se verificar diferenças substanciais no tamanho amostral obtido pelos três procedimentos a depender dos parâmetros a serem considerados. Verifica-se, em particular, mesma tendência nos resultados provenientes dos métodos propostos por Kirby e colaboradores (1994) e Overall e Doyle (1994). Vale ressaltar que a escolha do procedimento vai depender, mais especificamente, do objetivo do estudo e das informações disponíveis para o cálculo amostral. No entanto, as relações encontradas entre os parâmetros dos diferentes procedimentos permite o uso de dados disponíveis para implementação de qualquer um destes métodos. A distinção entre os diferentes métodos que se encontram disponíveis na literatura para cálculo do tamanho amostral em estudos longitudinais pode tornar o planejamento deste tipo de estudo mais robusto e eficaz para responder às perguntas de investigação de pesquisadores das diversas áreas do conhecimento.

*Pesquisa com financiamento da FAPESB (Termo Outorga n° APR 0434/2008)

Vários autores tem defendido o uso de problemas práticos em sala
de aula para melhorar o aprendizado e motivar os alunos. Dentre esses
autores, podemos destacar Deming (1986) e Hoerl e Snee (2002) que apresentam
o uso de jogos como parte do aprendizado de conceitos estatísticos.
O jogo utilizado em nosso trabalho foi o Banco Imobiliário, que é um jogo
para 2 a 6 participantes, sendo bastante conhecido do público em geral.
Esse jogo foi implementado na linguagem de programação gratuita R (R
Development Core Team, 2008). Deve-se destacar que a implementação
do Banco Imobiliário representa a aplicação de várias estruturas de algoritmos
e conceitos de estatística computacional. Por exemplo, no início do
jogo, um jogador lança dois dados, que são somados e fornecem a quantidade
de casas que o jogador deve percorrer. No programa R, para representar
esse procedimento do jogo, gera-se dois números aleatórios, com
a função “sample”, e somam-se estes números, produzindo a quantidade
de interesse. A implementação do Banco Imobiliário representou uma
ótima oportunidade de aprendizado e motivação por parte dos alunos. O
envolvimento dos mesmos nesta atividade foi bastante perceptível. Caso
o leitor tenha interesse no algoritmo em R desenvolvido, este pode ser
fornecido a partir de uma solicitação aos autores deste trabalho.