|
Você desenvolverá um modelo para prever as explosões populacionais da mariposa cigana (Lymantria dispar) nos estados americanos
de: New York, Massachusetts, Vermont, New Hampshire, Connecticut, e Maine. Foram selecionados esses estados porque existem
registros de áreas desfolhadas pela mariposa cigana a partir de1927, exceto para New York, onde as primeiras desfolhas foram
registrados em 1944. A dinâmica da desfolha é provavelmente relacionada à dinâmica regional das populações da mariposa cigana.
Por isso sua análise pode proporcionar um conhecimento a dinâmica populacional de um inseto que exibe explosões populacionais.
[No Brasil, outra mariposa desfolhadora produz danos extensivos em áreas reflorestdas com Eucaliptos. Porém, não existem dados
para analisar essa dinâmica.] Você usará as áreas de desfolha nos anos t-1 e t-2 para prever a desfolha no ano t, e dados
de temperatura para tentar melhorar a previsão.
Use para regressão o modelo:
onde T1t é a temperatura média de janeiro do ano t, T2t é a temperatura média de fevereiro do ano t, etc. Os parâmetros
bi precisam ser estimados usando a regressão.
Os primeiros três termos dessa equação (após o intercepto) são usados para filtrar a tendência de freqüência baixa na
área desfolhada. Essa tendência pode ser relacionada a dispersão da mariposa cigana, a mudança na cobertura florestal, a composição
das espécies florestais (sucessão) e outros processos não estacionários. Os próximos dois termos representam a autocorrelação
na área desfolhada. Os últimos doze termos representam os efeitos da temperatura em doze meses.
Nesses estados, a mariposa cigana desfolham as árvores em junho. Porém, é lógico pensar que a mudança de área desfolhada
de um ano a outro pode ser função das condições climáticas desde julho de um ano até junho do ano seguinte. Por isso, você
usou a temperatura de julho à dezembro do ano t e a temperatura de janeiro à junho no ano t+1.
5. Um número máximo variáveis independentes podem ser analisados por Excel de uma vez. Por isso, você precisa analisar
os dados em várias etapas. Primeiro, use os primeiros 16 variáveis independentes na regressão, e após retirar os variáveis
de temperatura que tem menos efeito sobre a mudança da área desfolhada, e depois adicione outros variáveis de temperatura
não analisados na primeira análise. Roda de nova a regressão e retire os variáveis de temperatura que de novo tem o menor
efeito. Deixe os termos de tendência ainda se não são significativos porque você não está analisando a tendência. A tendência
é usado somente para melhorar a análises.
6. No primeiro passo você somente precisava deixar os efeitos que foram significativos (exceto os efeitos de tendências).
Porque foram considerados vários variáveis de temperatura, é necessário usar a correição de Bonferroni para a probabilidade
de erro (multiplique a probabilidade de erro por 12 , o número de variavas de temperatura). Qual é a probabilidade que a temperatura
não tem efeito na mudança da área desfolhada? Não retire o variável climático mais significativo ainda após a correição de
Bonferroni P > 0.05. A correição de Bonferroni tem como premissa que todos os variavas são equivalentes, o que na realidade
é falso. Por isso, use precaução na sua interpretação desses variáveis.
7. Prevê a área desfolhada no ano t+1 a partir da área desfolhada no ano t e t-1, e os dados climáticos. Porém não use
a tendência porque a tendência geralmente é desconhecida. Troca os variáveis de tendência por seus valores médios. Faz uma
gráfica dos valores atuais e previstos do logaritmo da área desfolhada.
|
