gustifolia, proporcionando melhoria na precisão, em que
anterior a transformação o modelo ajustado apresentou R2 de
aproximadamente 60,9 % e após uso da técnica 65,8 %.
(Lisboa et al., 2018). Com intuito de atender os
pressupostos
dos MQO na modelagem de incremento em
área basal para
árvores de A. angustifolia em florestal inequiânea, o efeito
da heterocedasticidade e não nor-
malidade dos dados foi
contornado com o uso da técnica
(Costa; Finger; Hess, 2015).
O uso da transformação Box-Cox proporciona
para
as equações de relações dendrométricas estimativas
acuradas.
Esse método de transformação permite em alguns casos
atender os critérios estatísticos de análise dos pressupostos
dos mínimos quadrados ordinários.
A professora K.A.S. e demais colegas, pela ex-
pressiva contribuição no auxílio a identificação botânica
das
árvores amostradas. Aos proprietários que permitiram
a coleta
dos dados em suas propriedades. Ao Conselho Nacional de
Desenvolvimento Científico e Tecnológico – (CNPq), devido
ao Programa Institucional de Bolsas de Iniciação Científica
– (Edital Nº 04/2020 PIBIC-CNPq). Ao Laboratório de
Manejo Florestal – (LAMAF) da Uni-
versidade Federal de
Uberlândia, campus Monte Carmelo, pela disponibilidade de
alguns materiais usados na coleta
de dados.
A transformação Box-Cox pode ser utilizada em
outras áreas da ciência, destaca-se na experimentação com
propósito de atender os pressupostos da análise de variância
para um experimento de avaliação da qualida- de do extrato
de tomate (Santos et al., 2020). Em outro estudo os autores
buscaram atender a normalidade dos
dados na realização de
mapas de probabilidades de chuva
no estado da Paraíba
(Medeiros; Olinda, 2018).
Afonso, S. R.; Ângelo, H. 2009. Mercado dos produtos florestais não-
madeireiros do Cerrado brasileiro. Ciência Florestal, 19: 315–326. Doi:
https://doi.org/10.5902/19805098887.
Costa, E, A.; Finger, C. A. G.; Hess, A. F. 2016. Modelagem do incremento
em
área transversal de árvores de crescimento livre de Araucaria angustifolia.
Revista Brasileira de Biometria, 34: 522-532. Disponível
em:
http://www.biometria.ufla.br/index.php/BBJ/article/view/200/59.
Alvares, C. A.; Stape, J. L.; Sentelhas, P. C.; Gonçalves, J. L. M.; Sparovek,
G. 2013. Köppen’s climate classification map for Brazil. Meteorologische
Zeitschrift, 22: 711–728. Doi: http://dx.doi.org/10.1127/0941-
2948/2013/0507.
Dias Júnior, C. F. ; Bertolini, C., Balbinot, R.; Silveira, S. R. 2020.
Measure: sistema de coleta de informações para inventário florestal.
Tecno-Lógica, 24: 103-111. Doi: http://dx.doi.org/10.17058/tecnolog.
v24i1.13689.
Azevedo, A. M.; Andrade Júnior, V. C.; Fernandes, J. S. C. 2016.
Transformação Box-Cox na homocedasticidade e normalidade uni e
multivariada em experimentos de batata-doce. Horticultura Brasileira, 34: 93-
101. Doi: https://doi.org/10.1590/S0102-053620160000100014.
Draper, N. R.; Smith, H. 1998. Applied regression analyses. 3. Ed. John Wiley
& Sons. Nova Iorque.
Françoso, R. D.; Haidar, R. F.; Machado, R. B. 2016. Tree species of
South America central savanna: Endemism, marginal areas and the
relationship with other biomes. Acta Botanica Brasilica, 30: 78–86. Doi:
https://doi.org/10.1590/0102-33062015abb0244.
Baptista, F. R. C. B.; Ataíde, D. H. S.; Rocha, P. V.; Silva, L. C.; Araújo,
E. J. G.; Curto, R. A.; Mendonça, B. A. F. 2019. Estratificação no ajuste
de modelos de relação hipsométrica em fragmento de floresta
inequiânea.
Scientific Electronic Archives, 12: 52-61. Doi: http://dx.doi.
org/10.36560/1262019928.
Figueiredo Filho, D.; Nunes, F.; Rocha, E. C.; Santos, M. L.; Batista, M.;
Silva Júnior, J. A. 2011. O que fazer e o que não fazer com a regressão:
pressupostos e aplicações do modelo linear de mínimos quadrados
ordinários (MQO). Revista Política Hoje, 20: 44–99. Disponível em:
https://periodicos.ufpe.br/revistas/politicahoje/article/view/3808.
Bayma, A. P; Sano, E. E. 2015. Séries temporais de índices de vegetação
(NDVI e EVI) do sensor MODIS para detecção de desmatamentos no
bioma cerrado. Boletim de Ciências Geodésicas. 21: 797-813. Doi:
https://doi.org/10.1590/S1982-21702015000400047.
Hebbali, A. 2020. Tools for Building OLS Regression Models. R package
version 0.5.3. Disponível em: https://cran.r-project.org/web/packages/
olsrr/olsrr.pdf.
Box, G. E. P.; Cox, D. R. 1964. An analysis of transformations. Journal of
the Royal Society, 26: 211-252. Doi: https://doi. org/10.1111/j.2517-
6161.1964.tb00553.x.
Hothorn, T.; Zeileis, A.; Farebrother, R. W.; Cummins, C.; Millo, G.;
Mitchell, D. 2020. Testing Linear Regression Models. R package version 0.9-
38. Disponível em: https://cran.r-project.org/web/packages/lmtest/
lmtest.pdf.
Bueno, G, F.; Costa, E, A., Tanaka, G. E.; Andrade, A. Schons, C. T. 2020.
Modelagem linear generalizada para descrever a relação hipsométrica de
Eucalyptus salign Smith. Agrarian Academy, 7: 35-44. Doi: https://
dx.doi.org/10.18677/Agrarian_Academy_2020a4.
Instituto Nacional de Pesquisas Espaciais – INPE. 2021. Terra Brasilis.
Incremento de Desmatamento: Bioma Cerrado. Disponível em: http://
terrabrasilis.dpi.inpe.br/app/dashboard/deforestation/biomes/cerrado/
increments.
Costa, E, A.; Finger, C. A. G. 2016. Incremento potencial em área
transversal para araucária. Enciclopédia Biosfera, 13: 597-605. Doi:
https://doi.org/10.18677/EnciBio_2016B_056.
Costa, E, A.; Finger, C. A. G.; Hess, A. F. 2015. Modelo de incremento em
área basal para árvores de araucária de uma floresta inequiânea. Brazilian
Journal of Forestry Research, 35: 239-245. Doi: https://doi.
org/10.4336/2015.pfb.35.83.792.
Lisboa, G. S.; Carneiro, D. L. M.; Stepka, T. F.; Longhi, S. J.; Cerqueira,
C. L.; Jesus, L. C. F.; Serpe, E. L. 2018. Avaliação das condicionantes de
regressão na estimativa de diâmetro de copa para Araucaria angustifolia.
BIOFIX Scientific Journal, 5: 222-230. Doi: https://doi.org/10.5380/
biofix.v3i2.60115.
Cad. Ciênc. Agrá., v. 13, p. 01–09, https://doi.org/10.35699/2447-6218.2021.33401