Tabela de conteúdos

AF-722: Modelagem e análise de dados experimentais com o programa computacional R

AF-722: Modelagem e análise de dados experimentais com o programa computacional R

SEMINÁRIOS FINAIS no dia 08/08, 13h30. Tempo para apresentação de 15 à 20 minutos com 10 minutos para questionamentos.

Detalhes da oferta da disciplina

Referências bibliográficas

Tutoriais curtos

  1. Fundamentos da linguagem;
  2. Estatística básica e análise gráfica;
  3. Modelos de regressão;
  4. Estatística Experimental.

[2009, techreport | www]
Ribeiro Júnior, P. J. (2009). Introdução ao Ambiente Estatístico R.
[2002, techreport | www]
Faraway, J. J. (2002). Practical Regression and Anova using {R}.
[2011, book | www]
Logan, M. (2011). Biostatistical Design and Analysis Using R: A Practical Guide Wiley.
[2005, book]
Faraway, J. J. (2005). Linear models with R Chapman \& Hall/{CRC}.
[2005, book | www]
Faraway, J. J. (2005). Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models Taylor \& Francis.
[2001, book | www]
Schabenberger, O., & Pierce, F. J. (2001). Contemporary Statistical Models for the Plant and Soil Sciences Taylor \& Francis.
[2013, book | www]
Dean, A. M., & Voss, D. (2013). Design and Analysis of Experiments Springer New York.
[2002, book]
Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with S Birkhäuser.
[2011, book | www]
Hay-Jahans, C. (2011). An R Companion to Linear Statistical Models Taylor \& Francis.
[2011, book | www]
Matloff, N., & Matloff, N. S. (2011). The Art of R Programming: A Tour of Statistical Software Design No Starch Press.
[2009, book]
Everitt, B. S., & Hothorn, T. (2009). A Handbook of Statistical Analyses Using R, Second Edition (2 ed.) Chapman \& Hall.
[2008, book]
Dalgaard, P. (2008). Introductory Statistics with R (2nd ed.) Springer.
[2008, book]
Dobson, A. J., & Barnett, A. (2008). An Introduction to Generalized Linear Models, Third Edition (3 ed.) Chapman and {Hall/CRC}.
[2008, book]
Ritz, C., & Streibig, J. C. (2008). Nonlinear Regression with R (1 ed.) Springer.
[2008, book]
Sarkar, D. (2008). Lattice: Multivariate Data Visualization with R (1 ed.) Springer.
[2005, book]
Murrell, P. (2005). R Graphics (1 ed.) Chapman and {Hall/CRC}.

Download e instalação do R e editores
Cartões de referência para regressão
Regressão e medidas de diagnóstico
R e Markdown
Regressão não linear

Scripts, notas e documentos

Histórico das Aulas do Curso

Abaixo o histórico de atividades realizadas em classe e atividades extra classe aplicadas.

  1. 14/03:
    • Aula inicial, estrutura do curso, referências bibliográficas, horários, etc;
    • Fundamentos do planejamento de experimento: experimentos vs estudos observacionais, repetição vs replicação, métodos de controle local;
    • Modelo estatístico para representar os experimentos planejados, componentes e pressupostos do modelo, formas de estender o modelo;
    • Falácias comuns à estatística experimental.
  2. 21/03:
    • Fatores qualitativos e quantitativos;
    • Fatores de efeito fixo e aleatório;
    • Tipos de arranjos experimentais: fatorial completo/incompleto/fracionado, classificação hierárquica;
    • Modelos estatísticos associados aos experimentos em DIC, DBC e DQL;
    • Tipos de parametrização: zera 1º ou último nível, soma zero, Helmert;
    • Usando o computador para casualizar unidades experimentais;
    • Prática com o R para análise de experimentos em DIC, DBC e DQL.
  3. 28/03:
    • Experimentos com amostragem dentro de parcelas;
    • Modelos lineares de efeitos mistos;
    • Prática com o R para análise de experimento em DQL 11x11 com 4 amostras por parcela;
    • Análise dos resíduos e transformação da resposta (proporção amostral) por meio da família Box-Cox;
  4. 04/04:
    • Regressão linear simples, polinomial e múltipla;
    • Medidas de diagnóstico e avaliação dos pressupostos;
    • Bandas de confiança e predição;
    • Método stepwise para seleção de modelos;
  5. 11/04:
    • Teste de Wald para hipóteses lineares;
    • Análise de covariância.
  6. 25/04:
    • Regressão não linear;
    • Tipos de modelos, interpretação dos parâmetros;
    • Pontos característicos dos modelos e unidades de medidas dos parâmetros;
    • Especificação do modelo, estimativas, intervalos e bandas de confiança.
  7. 09/05:
    • Experimentos com mais de um fator;
    • Tipos de arranjos fatoriais: níveis cruzados, níveis aninhados, fatoriais incompletos e fatoriais fracionados.
    • Análise, interpretação e representação dos resultados em gráficos.
  8. 16/05:
    • Experimentos fatoriais com repetição dentro da parcela e perda de observações;
    • Modelos de regressão linear (polinomial) para representar o efeito de fatores quantitativos em experimentos fatoriais.
  9. 23/05: (previsto)
    • Modelos de regressão não linear para representar o efeito de fatores quantitativos em experimentos fatoriais;
  10. 30/05:
    • Experimentos em parcelas subdivididas, casos no tempo e profundidade, estruturas de correlação.
  11. 06/06: (previsto)
    • Análise conjunta de experimentos.
  12. 13/06: (previsto)
    • Experimentos com resposta de contagem e proporção (glm).

Avaliações

Delineamento em DIC, DBC e DQL

Regressão linear simples e múltipla

##-----------------------------------------------------------------------------
 
u <-
    c("Coutinho", "Gonzales", "Velazco", "Lopes", "Utima",
      "Nascimento", "Portugal", "Deiss", "Rickli", "Lima", "Forero",
      "Pinotti", "Paladini", "Witt", "Cavalieri", "Procopiuk", "Triches",
      "Roese", "Bedrij", "Nazareno")
e11 <-
    c("11.10", "11.11", "11.12", "11.13", "11.14", "11.15", "11.17", 
      "11.35", "11.3", "11.4", "11.5", "11.60", "11.6", "11.70", "11.71", 
      "11.72", "11.73", "11.74", "11.76", "11.78", "11.79", "11.7", 
      "11.80", "11.81", "11.82", "11.83", "11.85", "11.86", "11.87", 
      "11.88", "11.8", "11.90", "11.91", "11.92", "11.94", "11.95", 
      "11.96", "11.9")
e12 <-
    c("12.100", "12.104", "12.10", "12.11", "12.12", "12.13", "12.14", 
      "12.16", "12.17", "12.18", "12.19", "12.5", "12.6", "12.72", 
      "12.73", "12.74", "12.75", "12.7", "12.8", "12.96", "12.97", 
      "12.98", "12.99", "12.9")
 
## Sorteando.
set.seed(12345)
s11 <- c(sample(u, length(e11)-length(u)),
         sample(u, length(u)))
s12 <- c(sample(u, length(e12)-length(u)),
         sample(u, length(u)))
 
## Juntando e ordenando.
exerc <- data.frame(aluno=c(s11, s12), ex=c(e11, e12))
exerc <- exerc[with(exerc, order(aluno, ex)),]
nm <- max(table(exerc$aluno))
 
## Deixando no formato amplo.
e <- 
    as.data.frame(do.call(rbind,
                          lapply(split(exerc, exerc$aluno),
                                 function(i){
                                     v <- vector(mode="character", length=nm)
                                     v[seq_along(i$ex)] <- as.character(i$ex)
                                     v <- c(as.character(i$aluno[1]), v)
                                     v
                                 })))
names(e) <- c("Aluno", sprintf("Ex%i", 1:(ncol(e)-1)))
e[,-1]
             Ex1    Ex2    Ex3   Ex4
Bedrij     11.72  11.78  12.12      
Cavalieri  11.10  11.94  12.10 12.13
Coutinho    11.5  11.90  12.17      
Deiss      11.14   11.9  12.11 12.98
Forero      11.4  11.81   12.7      
Gonzales   11.60  11.91  12.74      
Lima       11.70  11.82  12.72      
Lopes      11.74  11.76  12.73      
Nascimento  11.6   11.7  12.16      
Nazareno   11.71  11.92  12.19      
Paladini   11.86 12.100  12.97      
Pinotti    11.73  11.95   12.6      
Portugal   11.35   11.8  12.99      
Procopiuk  11.13  11.80  12.18      
Rickli      11.3  11.79   12.5      
Roese      11.85   12.8             
Triches    11.11  11.83  12.75      
Utima      11.17  11.88  12.14      
Velazco    11.15  11.87 12.104  12.9
Witt       11.12  11.96  12.96      
 
Romano     11.13  11.79  12.72      
 
##-----------------------------------------------------------------------------

Passos para disponibilizar arquivos em upload no DataFileHost.