A disciplina Métodos Estatísticos Aplicados à Produção Vegetal é oferecida anualmente para os alunos do curso de pós-graduação em Produção Vegetal.
É uma disciplina de 4 créditos com conteúdo programático (participativo) descrito abaixo:
- Programas de código aberto com ênfase no R - PCA
- Nivelamento com R - NIV-R
- Revisão medidas estatísticas
- Revisão distribuição amostral da média
- Revisão de inferência e teste de hipóteses
- Distribuição F: origem e uso
- Análise de variância
- Análise de contrastes e testes de comparação de médias multiplas
- Análise de resíduos - AR
- Experimentação - EXP
- Principais conceitos
- Planejamento de experimentos
- Controle de qualidade de experimentos
- Modelagem e simulações de experimentos - MSE
- Delineamentos experimentais básicos - DEB
- Inteiramente ao acaso - DIC
- Blocos casualizados - DBC
- Quadrado latino - DQL
- Esquemas e desenhos experimentis básicos - EDE
- Fatoriais - EF
- Parcelas subdivididas e faixas - EPSF
- Análise quantitativa de experimentos - AQE
- Análise de correlação - AC
- Regressão linear simples e múltipla - RLSM
- Superfícies de resposta - SR
- Link para possíveis aulas remotas: Google Meet
- Material didático de apoio
- CET018_10ed_1pf.pdf (uma página por folha)
- CET018_10ed_2pf.pdf (duas páginas por folha)
- CET076_12ed_1pf.pdf (uma página por folha)
- CET076_12ed_2.pdf (duas páginas por folha)
- R para cientistas sociais (livro muito bom sobre introdução ao R)
- Introdução ao R para alunos de ciências exatas (Demarqui, F. N. & Duczmal, L. H./UFMG)
- Programa de monitoria de graduação (Departamento de Estatística/UFMG)
- Testes de hipótese para médias, proporções e variâncias (Ribeiro, P. J./UFPR)
- CET173 - Probabilidade e estatística (Allaman, Ivan B./UESC)
- Aplicações práticas do software R (Shimizu, G. D. & Marubayashi, R. Y. P.)
- Gráficos com R (Debastiani, Vanderlei Júlio)
- Tabelas estatísticas (funções de densidade de probabilidades)
- Apresentação da disciplina e conteúdo programático
- Introdução ao R - IR
- Texto introdutório
- Scripts de apoio em R
- Introdução essencial
- Leitura e gravação de dados (LGD)
- Um link muito bom sobre LGD
- Literate programming (WYSIWYG, NOWEB)
- Figuras
- Leitura e gravação de dados
- Estruturas de dados
- Nivelamento - NIV (com R)
- Medidas estatísticas
- Quadrado médio dos desvios vs. estimativa da variância
- Frequência relativa vs. densidade de probabilidades
- Funções de densidade de probabilidades
- Apresentações tabulares e apresentações gráficas associadas
- Variáveis aleatórias contínuas
- Teorema do limite central (ou distribuição amostral da média)
- Distribuição F (scripts)
- Modelando a origem
- Decisão
- Plot de várias sobrepostas
- Inferência básica (teste de precisão)
- Plot simplificado da inferência
- Análise de variância - ANOVA
- Fundamentos da ANOVA
- Script básico: ANOVA (DIC, DBC e DQL)
- Script: ANOVA fundamentos (que permite modelar dados e entender os fundamentos da análise de variância)
- cv: função em R para estimar o(s) coeficiente(s) de variação (cv) subsequente a uma análise de variância - ANOVA. Esta função foi incorporada ao pacote TukeyC (versão 1.1-5 ou superior) disponível no CRAN e GitHub.
- Fundamentos da ANOVA
- Testes de comparação de médias múltiplas - TCMM
- Dados
- Script: com o pacote TukeyC
- Script: com vários pacotes (possibilidades e comparações entre alguns pacotes)
- Estudo e aplicação de contrastes - EAC
- Modelagem, simulações e estratégias de análise de experimentos sob os delineamentos DIC, DBC e DQL no R (pacote gexp)
- Simples (uma fonte de variação)
- Fatorial (duas fonte de variação)
- Qualitativo
- Híbrido (qualitativo/quantitativo)
- Parcela subdividda (duas fonte de variação)
- Qualitativo
- Híbrido (qualitativo/quantitativo)
- Pacotes facilitadores de análises no R
- easyanova
- Experimentos simples
- Experimentos complexos (fatorial, parcela subdivida, etc)
- easyanova
- ANOVA - Análise de resíduos e transformação de dados
- Rodrigo Pescim (UEL)
- Análise de Resíduos e Diagnósticos em MLG (vídeo YT)
- Técnicas de Diagnósticos no Software R (vídeo YT)
- Walmes Zeviani (UFPR)
- Trasformações de dados
- Exemplo simples (Box-Cox e aproximações - script R)
- Exemplo mais completo (Box-Cox e outras - script R)
- Exemplo: raiz, log, arco seno (comparativo com exemplos prof. Sonia Vieira)
- Rodrigo Pescim (UEL)
- Seminários
- Algoritmo de agrupamento de ScottKnott - SK
- Seminário
- Análises básicas
- Delineamentos básicos (DIC, DBC e DQL)
- Fatorial
- Parcela subdividida
- Delineamento inteiramente ao acaso - DIC
- Seminário
- Análise básica
- Delineamento em blocos casualizados - DBC
- Seminário
- Análise básica
- Delineamento em quadrado latino - DQL
- Seminário
- Análise básica
- Experimentos fatoriais - EF
- Seminário
- Análise básica (duas fontes de variação)
- Qualitativo
- Híbrido (qualitativo/quantitativo)
- Experimentos em parcelas subdivididas e faixas - EPSF
- Seminário
- Exemplo de planejamento de experimento
- Script: planejamento e análise (experimento em parcela subdividida no espaço)
- Croqui do experimento
- Unidade experimental
- Análise básica
- Steel e Torrie 1980 (apostila prof. Carlos Tadeu dos Santos Dias, script em R e dados)
- Regressão linear simples e múltipla - RL
- Algoritmo de agrupamento de ScottKnott - SK
- Provas
- Prova 2/4
- Conceitual
- Prática
- Referência da correção (para evitar excesso de criatividade)
- Prova
- Dados: questão_1, questão_2, questão_3
- Correção
- Referência da correção (para evitar excesso de criatividade)
- Prova 3/4 (T/P)
- Referência da correção (para evitar excesso de criatividade)
- Prova
- Dados: questão_1, questão_2
- Correção
- Referência da correção (para evitar excesso de criatividade)
- Prova 4/4 (T/P)
- Referência da correção (para evitar excesso de criatividade)
- Prova
- Dados: questão_1
- Correção
- Referência da correção (para evitar excesso de criatividade)
- Prova final
- Prova
- Dados
- Prova 2/4