Resumo:
A presença de observações extremas (“outliers”) num conjunto de dados pode ter uma influência diferenciada no desempenho de diferentes modelos ajustados por regressão linear e não-linear. Este ponto é particularmente crítico no caso de modelos de relação hipsométrica, onde o objetivo central é obter estimativas da altura de árvores individuais. Neste trabalho o desempenho de dezoito modelos de relação hipsométrica é analisado em três situações diferentes. Dentre os modelos estudados, cinco modelos são intrinsicamente não lineares, exigindo regressão não-linear para ajustá-los. As situações de estudo foram: relação altura-diâmetro para árvores de uma floresta plantada de Eucalyptus grandis, com idade aproximada de 6 anos; relação altura-diâmetro de árvores de Tabebuia cassinoides (caixeta) de 22 caixetais da região da Mata Atlântica no Estado de São Paulo; e relação altura comercialdiâmetro de árvores de várias espécies nativas provenientes de uma floresta tropical equatorial do Estado do Maranhão. Para análise do desempenho dos modelos, utilizou-se uma técnica de reamostragem dos dados originais sendo possível determinar o viés, a precisão e a exatidão de cada modelo nas três situações de estudo. Modelos que envolvem transformação da altura como variável resposta sempre produziram viés, com grande prejuízo no desempenho geral do modelo, indicando que a correção do viés é fundamental para a utilização de tais modelos. Os modelos não-lineares, que possuem melhor fundamentação biológica para sua forma funcional, apresentaram desempenho superior aos modelos lineares e foram menos sensíveis às particularidades da amostra utilizada para o ajuste. A comparação entre os modelos não-lineares revelou que eles possuem comportamento muito semelhante entre si nos três tipos de floresta estudados.
