deletions | additions       diff --git a/Por_sua_vez_as_an__.tex b/Por_sua_vez_as_an__.tex  index 4d36bd0..fb5e4e1 100644  --- a/Por_sua_vez_as_an__.tex  +++ b/Por_sua_vez_as_an__.tex 
...
Por sua vez, as análises da relação entre riqueza estimada e as variáveis de estrutura da vegetação, mostraram um padrão diferente do encontrado para a riqueza observada. Nesta análise, o modelo que melhor representa a variação dos dados de riqueza estimada com as variáveis de estrutura vegetacional foi aquele que previu uma relação quadrática entre a riqueza estimada e a primeira variável de estrutura da vegetação (primeiro eixo da PCA) (Tabela \ref{table:tabela2}).  \textbf{Tabela 2}: Resultados da análise de seleção de modelos concorrentes para explicar a relação entre o número de espécies estimado por modelos de ocupação de comunidade com detecção imperfeita (N est.) e as duas variáveis de estrutura da vegetação obtidas a partir da análise de PCA (PC1 e PC2). Na coluna Modelo, o sinal "\~" mostra a relação de causa entre a variável dependente (à esquerda do sinal) e a(s) variável(is) independente(s) (à direita do sinal). O sinal "+" indica que a soma do efeito das variáveis foi considerada no modelo. O sinal "^2" indica que a variável independente no modelo foi multiplicada por um termo quadrático. As colunas AICc, $\Delta \text{AIC}$ \text{AICc}$  e df, apresentam os valores de AICc(Critério de informação de Akaike corrigido para pequenas amostras), diferença de AICc do modelo da linha para o de menor AICc e o número de parâmetros estimados em cada modelo, respectivamente. \begin{table}  \label{table:tabela2}  \begin{tabular}{l c c c }  \hline  Modelo & AICc &$\Delta \text{AIC}$ \text{AICc}$  & df\\ \hline  N est. \~ PC1 + PC1^2 & 227.9 & 0 & 4\\  N est. \~ PC1 + PC1^2 + PC2 + PC2^2 & 233.4 & 5.5 & 6\\