Teoria

AMOSTRAGEM Mtodo e Desenho

Unidade de amostragem Dimenso da amostra Mtodos de amostragem Desenho amostral

Populao

Amostragem

Inferncia

Amostra

Inferncia estatstica: processo de prever ou estimar parmetros populacionais baseado em dados amostrais

Mtodos de amostragem

Amostragem aleatria simples

(amostragem aleatria)

Amostragem aleatria estratificada Amostragem sistemtica outros mtodos (adaptativa, agregada,

sequencial)

Amostragem aleatria simples

Estimativa da mdia Varincia

x x= n

s2

( x =

n 1

Erro padro da mdia populacional

sx =

s2 n ( 1 ) n N

Como se define ESTRATO

Uma camada que possui caractersticas que servem para a distinguir de camadas adjacentes (como camadas de rocha ou zonas de vegetao em montanhas) Em geral e para AMOSTRAGEM e ESTATSTICA, um estrato uma camada ou zona que possui propriedades ambientais ou biolgicas relativamente homogneas, quando comparada com outras camadas ou zonas Em amostragem frequentemente sinnimo de habitate, subhabitate, e zonas num gradiente clinal como padres de zonao

Zona de craca/mexilho

Zona de algas vermelhas

Fenda com poliquetas coloniais

Zona de algas verdes

Zona de ostras
Saccostrea cuccullata

Zona de cracas
Chthamallus spp.

Zona de cracas
Tetraclita spp.

Superior Zona de baixa densidade

< 50% cobertura

Mdio Zona de alta densidade

>50% cobertura < 75% cobertura

Inferior Zona de baixa densidade

< 50% cobertura

Zona de cracas
Tetraclita spp.

Littoraria kraussi

Nodilittorina natalensis

Nodilittorina africana

HABITAT FRAGMENTADO eg: manchas de ervas marinhas e areia

Especial cuidade com efeito de fronteira. Usualmente amostragem a distncia de segurana da fronteira das manchas

Amostragem aleatria estratificada

Estimativa da mdia
L

Erro padro da mdia

N x
i

x ST =

i= 1

w i2 si2 sx = (1 f i ) i= 1 n i

wi = Ni N

onde,

Ni a dimenso do estrato i e N a dimenso de todos os estratos

fi =

ni Ni

Amostragem aleatria estratificada

Estrato A Estrato B 1 3 Estrato C 2 4

Tabela de nmeros aleatrios

Amostragem aleatria estratificada Praia superior

Sistemtico (altura ou distncia) OR Estratificado (zonas biolgicas)
1 2 3 4 5 6

Praia inferior 1 3 2 4
Tabela de nmeros aleatrios

Amostragem aleatria estratificada

1 3

2 4
Table of random numbers

Amostragem aleatria estratificada Como alocar amostras aos estratos?

Alocao proporcional Alocao ptima
(relatiuva a custos ou varincia)

Amostragem aleatria estratificada

Em que condies a amostragem estratificada produz melhor estimativas comparada com amostragem aleatria simples (AAS)? Quando as estimativas diferem muito entre estratos Quando a varincia inter-estrato alta e a varincia intra-estrato baixa
Seno AAS produzir melhor resultado (no enviesada e com menor varincia)

Mtodos de amostragem
Desenhos aleatrios e estratificados so geralmente os mais adequados... ... Especialmente quando queremos visar inferncia estatstica Outros mtodos so uteis ou produzem melhores estimativas em condies particulares

A investigao ecolgica depara-se com problemas de REPLICAO CONTROLOS CONFUSO ESCALA

REPLICAO Replicao apropirada deve ser usada para gerar preciso estatstica, e para considerar a complexa heterogeneidade dos sistemas naturais: no h sistemas idnticos e estes variam no tempo e no espao a escalas diferentes.

CONTROLOS Controlos apropriados, especialmente em procedimentos experimentais, devem ser usados, para permitir uma verdadeira compreenso da significncia dos nossos tratamentos experimentais.

10

CONFUSO Frequentemente, diferentes variveis e processos produzem os padres observados em interaces complexas. imperatrivo desenhar a amostragem/experincia de modo a isolar factores e discriminar a sua influncia isolada e sinergstica.

ESCALA As escalas a que os fenmenos e padres ocorrem podem interferir com as escalas usadas na nossa estratgia de amostragem.

11

As escalas dos padres e processos variam. A sua expresso varia de lugar para lugar e de tempo para tempo. A variao tem de ser abordada simultneamente a diferentes escalas espaciais, com amostragem que inclua replicao aleatria em desenhos hierrquicos (anichados) Tem de se tomar em conta a variao causada pela interaco entre processos e entre processos e variabilidade espacial e temporal entre habitates

Tipo e forma ptima de unidade de amostragem Os mtodos de amostragem para abundncia podem ser categorizados como PLOT e PLOTLESS Mtodos Plot incorporam o uso de fronteiras rgidas, usadas para reduzir o bias e poupar tempo. (Bias um erro direccional sistemtico) Linhas de transecto ou amostragem agregada podem ter tcnicas plot ou plotless

12

Formas mais comuns (Pringle, 1984): Quadrados (67%) Crculos (19%) Rectangulos (14%) Transectos em linha Transectos radiais

Tipo e forma ptima de unidade de amostragem

1)Verificar se h padres na literatura 2)Avaliar a questo e ambiente especfico

13

O tipo e forma da unidade de amostragem varia em funo de Organism(s) alvo (sssil/mvel, individual/colonial, dimenso, padro de distribuio, etc) Ambiente especfico (bentnico/pelgico, substrato duro/mole, homogneo/heterogneo, uniforme/gradiente, etc) Questo e hipteses de investigao (estimativa de densidade, padro de distribuio, parmetros biolgicos, etc)

Estimativa de densidade

Organismo

Medida

Dimenso do (m)

Animais ssseis

cobertura (%)

0.5x0.5 ou 0.25x0.25

Lapas

n m-2

1.0x1.0 at 0.25x0.25 protegido at exposto

littorindeos

n m-2

0.25x0.25 ou 0.1x0.1 depende da densidade

cracas

n m-2

0.1x0.1 ou 0.05x0.05 depende da densidade

14

Populaes de dimenses diferentes

aleatrio

aleatrio

Duas grelhas de diferentes dimenses simultneamente

15

Estimativa da densidade Presena/ausncia em subquadrates (% cobertura) Nmero por subquadrate ou em aleatoriamente seleccionados (pseudoreplicao) (n por rea) Estimativa subjectiva da cobertura (% cobertura) Nmero de interseces (% cobertura)

Estimativa da densidade organismos ssseis Presena/ausncia em subquadrates (% cobertura) Nmero por subquadrate ou em aleatoriamente seleccionados (pseudoreplicao) (n por rea) Estimativa subjectiva da cobertura (% cobertura) Nmero de interseces (% cobertura)

50%

16

Estimativa da densidade organismos ssseis Presena/ausncia em subquadrates (% cobertura) Nmero por subquadrate ou em aleatoriamente seleccionados (pseudoreplicao) (n por rea) Estimativa subjectiva da cobertura (% cobertura) Nmero de interseces (% cobertura)

17(25) = 68% Sobre-estimativa

Estimativa da densidade Presena/ausncia em subquadrates (% cobertura) Nmero por subquadrate ou em aleatoriamente seleccionados (pseudoreplicao) (n por rea) Estimativa subjectiva da cobertura (% cobertura) Nmero de interseces (% cobertura)

9(16) = 56%

17

Estimativa da densidade

4(25) = 16%

Estimativa da densidade 1 16 interseces 1 4(16) = 25% Sobre-estimativa 2 2(16) = 12.5% leve Sub-estimativa

18

Estimativa da densidade

25 interseces 1 4(25) = 16% Bom 2 4(25) = 16% Bom

Estimativa da densidade

2(25) = 8%

19

Estimativa da densidade 16 interseces 1 1 2(16) = 12.5% Sobre-estimativa 2 1(16) = 6.25% leve Sub-estimativa

Estimativa da densidade

25 interseces 1 1 2(25) = 8% Bom 2 2 2(25) = 8% Bom

20

Estimativa da densidade

1(25) = 4%

Estimativa da densidade 16 interseces 1 1 0(16) = 0%=1% Sub-estimativa 2 1(16) = 6.25% Sobre-estimativa

21

Estimativa da densidade

25 interseces 1 1 1(25) = 4% Bom 2 1(25) = 4% Bom

Estimativa da densidade

1(50) = 2%

22

Estimativa da densidade 16 interseces 1 0(16) = 0%=1% Sub-estimativa 2 1(16) = 6.25% Sobre-estimativa 3 0(16) = 0%=1% Sub-estimativa

2 3

Estimativa da densidade 25 interseces 1 1(25) = 4% Sobre-estimativa 2 0(25) = 0% = 1% Sub-estimativa 3 0(25) = 0% = 1% Sub-estimativa

2 3

23

Estimativa da densidade 36 interseces 1 1(36) = 2.77% Bom 2 0(25) = 2.77% Bom 3 0(25) = 2.77% Bom

2 3

Estimativa da densidade O mais seguro (preciso para pequenos organismos/ colnias) e largamente usado 7 x 7 = 49 interseces

24

25

E quanto dimenso da amostra?

H vrias expresses que abordam a dimenso da amostra como uma funo do erro da estimativa Para usar a expresso correcta necessitamos de conhecer o parmetro (mdia, varincia, propores, etc.) e a probabilidade da distribuio da varivel aleatria

Nmero de unidades de amostragem em dados distribudos normalmente (Cochram, 1977)

n=

t 2 SD2 (E X )2

n = nmero de unidades t = valor t (n-1, gl) SD = desvio padro E = erro permitido (eg 10% = 0.1) X = mdia exemplo: comprimento mdio de peixes

26

Nmero de unidades de amostragem numa distribuio de Poisson (aleatria) (Krebs, 1999)

( )

200 r

1 X

n = nmero de unidades = aproximadamente igual a r = erro permitido (%) X = mdia exemplo: contagens de galerias de caranguejos em zonas de mar

Nmero de unidades de amostragem numa distribuio binomial negativa (aggregated) (Krebs, 1999) (100 t)2 r2 1 +1 (X ) k

n = nmero de unidades = aproximadamente igual a t = valor t (n-1, gl) (=2 para 95% nvel confiana) r = erro permitido (%) X = mdia k = expoente da binomial negativa estimado

k=

(X)2 (S)2 - X

X = mdia S = desvio padro

exemplo: contagens de cracas na costa rochosa

27

Padres espaciais tipos de distribuio

uniforme (regular)

agregada (contagiosa, sobre-dispersa)

aleatria

Unidade de amostragem grande

Distribuio uniforme

28

Unidade de amostragem mdia

Distribuio agregada

Unidade de amostragem pequena

Distribuio aleatria

29

Dimenso do quadrate e associao de espcies de um comunidade

Ausncia de associao Associao entre as espcies e

Associao entre as espcies , e

Variao da agregao no bivalve Mytilus edulis

Padres seguem as caractersticas de reteno de gua no substrato

30

Agregao de Cerithidea decollata e Terebralia palustris

Morisitas Index (MI)

MI =

S (n2 - N) N (N-1)

n = total number of individuals in a quadrat N = total number of all individuals S = number of quadrats IF MI > 1 MI = 1 MI < 1 REGULAR OR UNIFORM DISPERSION RANDOM DISPERSION CLUMPED DISPERSION

31

Standardized Morisitas Index (MI) - Krebs (1999)

independent of sample size and ranging -1 to +1

1) Calculate MI 2) Calculate two new indices, UNIFORM INDEX (Mu) and CLUMPED INDEX (Mc)

Mu =

2.975 - n +xi
(xi) - 1

Mc =

2.025 - n +xi
(xi) - 1

n = number of quadrats xi = number of organisms in quadrat i

2.975 2.025

= value of Chi-square from the table (n - 1 df) with 97.5% of the area to the right = value of Chi-square from the table (n - 1 df) with 2.5% of the area to the right

3) Calculate the Standardized Morisitas Index (MIS) If MI Mc > 1.0 then

MIS = 0.5 + 0.5 MIS = 0.5

- Mc ( MI ) n - Mc

If

Mc > MI 1.0

then

MI - 1 Mu - 1

If

1.0 > MI > Mu

then

MIS = - 0.5

MI - 1 ( Mu ) -1 - Mu ( MIMu )

If

1.0 > Mu > MI

then

MIS = - 0.5 + 0.5

MIS > 0 = CLUMPED MIS = 0 = RANDOM MIS < 0 = UNIFORM

+1 = maximum aggregation 0 = random distribution -1 = perfectly uniform distribution

32