Curso em análise de experimentos com afastamento das pressuposições

Curso ministrado pelo Professor M.Sc. Walmes Marques Zeviani aos Pesquisadores da Embrapa Agropecuária Oeste. O Curso tem o objetivo de apresentar o programa R e sua aplicação na análise de dados de experimentos agronômicos dando enfase no tratamento de experimentos não regulares, ou seja, aqueles que apresentam desvios de pressupostos do modelo de análise de variância/regressão. O Curso será ministrado na sede Embrapa Arroz e Feijão no período de 25 à 29 de junho de 2012, das 08:00 às 11:00 e 13:00 às 16 horas, perfazendo um total de 30 horas de Curso.

O Curso será importante para aprofundar a teoria de planejamento e análise de experimentos além de instrumentalizar os participantes com as funcionalidades do aplicativo estatístico R e expandir o conhecimento em métodos de análise de dados.

• Nivelamento e revisão com relação aos modelos estatísticos para os experimentos mais comuns, os pressupostos envolvidos e formas de verificar os pressupostos.
• O método da máxima verossimilhança: função de verossimilhança, estimação, intervalos de confiança, regiões de confiança, teste de hipótese.
• Modelos lineares generalizados: distribuições pertencentes, pressuposições, estimação, teste de hipótese, predição, estudo de caso;
• Modelos de análise de sobrevivência: distribuições envolvidas, pressuposições, estimação, teste de hipótese, predição, estudos de caso;
• Transformações nas variáveis para atender a normalidade e/ou homocedasticidade em modelos gaussianos;
• Modelos lineares gaussianos com modelagem da variância: estimação, teste de hipótese, predição, estudos de caso;
• Modelos lineares gaussianos com modelagem correlação (estudos longitudinais, medidas repetidas): estimação, teste de hipótese, predição, estudos de caso;
• Modelos lineares gaussianos com termos de efeito aleatório e estimação de componentes de variância;
• Modelos não lineares: estimação, intervalos de confiança, teste de hipótese, predição, comparação de parâmetros e/ou curvas de regressão, estudos de caso;
• Tópicos em análise não paramétrica de experimentos.

• Diretório com todos os arquivos do Curso;
• Apresentação Prezi estatistica-experimental;
• Experimental Designs for Research in Education experimental-designs-for-research-in-education;

#==========================================================================================
# Curso de capacitação em Estatística Experimental com uso do R
# Embrapa Agropecuária Oeste - Dourados/MS - de 25 à 29 de Junho de 2012
# Aula 4 - Regressão logistica e modelos aditivos generalizados
#                                                         Walmes Marques Zeviani - LEG/UFPR
#==========================================================================================
 
#------------------------------------------------------------------------------------------
# lendo dados de latência em pêssego
 
lat <- read.table("http://www.leg.ufpr.br/~walmes/data/chimarrita.txt",
                  header=TRUE, sep="\t")
str(lat)
 
#------------------------------------------------------------------------------------------
# ver
 
pairs(lat[,c("lesao48","lesao60","cor0","ida0","ms0","ss0","f0","b0")])
 
pairs(lat[lat$fer=="sim",c("lesao48","lesao60","cor0","ida0","ms0","ss0","f0","b0")])
 
#------------------------------------------------------------------------------------------
# ajuste do modelo com todas as variáveis
 
lat0 <- subset(lat, fer=="sim",
               select=c("lesao48","lesao60","cor0","ida0","ms0","ss0","f0","b0"))
lat0 <- na.omit(lat0)
 
m0 <- lm(lesao60~cor0+ida0+ms0+ss0+f0+b0, data=lat0)
par(mfrow=c(2,2)); plot(m0); layout(1)
anova(m0)
 
m1 <- lm(lesao60~(cor0+ida0+ms0+ss0+f0+b0)^2, data=lat0)
par(mfrow=c(2,2)); plot(m1); layout(1)
anova(m1)
drop1(m1, scope=.~., test="F")
summary(m1)
 
m2 <- step(m1, k=2) # AIC
anova(m2)
summary(m2)
 
m3 <- step(m1, k=log(nrow(lat0))) # BIC
anova(m3)
summary(m3)
 
par(mfrow=c(2,2)); plot(m3); layout(1)
 
plot(lat0$lesao60~fitted(m3))
 
summary(lat0)
pred <- expand.grid(cor0=seq(24,112,l=20), ms0=seq(1,18,l=20),
                    ss0=seq(3.5,9,l=3), b0=seq(9,15,l=3))
pred$y <- predict(m3, newdata=pred)
 
wireframe(y~cor0+ms0|ss0*b0, data=pred)
 
wire <- wireframe(y~cor0+ms0|ss0*b0, data=pred, drape=TRUE)
 
require(latticeExtra)
 
useOuterStrips(wire)
 
#------------------------------------------------------------------------------------------
# regressão logística

• CRAN, o site do R: download, manuais do R e tutoriais em geral;
• Página de download do RStudio, a interface mais amigável do R;
• Material do Curso do Professor Paulo Justiniano Ribeiro Júnior (UFPR);
• Material do Cursos do Professor Daniel Furtado Ferreira (UFLA);
• Dicas curtas sobre R, as Rídiculas do LEG;
• Página de descrição da [R-br], a lista Brasileira oficial de usuários do R;
• Arquivo de mensagens da [R-br] hospedada pelo Nabble;
• Página de R por Vincent Zoonekynd (muuuita coisa!);
• Página de tutoriais em R para estatística, R tutorial;
• R-bloggers, o blog dos blogs de R;
• MarkMail, maior gerenciador de listas de discussão sobre R;
• Quick-R, blog de como fazer coisas com o R;
• UCLA e tutoriais sobre análise de dados com o R;
• Aniwiki, animações didáticas com o R;
• Emacs para Windows;
• R-tricks, dicas e malandragens com o R;
• Gráficos básicos com o R;
• Materiais em português sobre R;
• R gallery, a galeria de gráficos requintados do R;
• Página WIKI do R;
• Learn R da página do Departamento de Ecologia da Wright State University.
• O básico de delineamento experimental;
• R-tutor, tutoriais sobre R;
• Compendio R de delineamento experimental;
• Compendio R para análise de delineamento experimental em psicologia;
• Manual R de biometria, por Katharina Hoff;
• Material do John Faraway, Anova e regressão com o R;
• Tutorial do Rense Nieuwenhuis, R aplicado para o cientista social quantitativo;
• Manual R que acompanha o livro Categorical Data Analysis, por Laura Thompson.
• Página do Professor Eric Batista Ferreira desenvolvedor do pacote não oficial ExpDes;
• Apostila de Estatística Experimental da Pesquisadora Janaína Ribeiro Costa (Embrapa);
• Cartilha de referência do R por Tom Short, traz um resumo das funções mais usadas;
• Lista das abreviações dos pacotes e funções do R por Jeromy Anglim;
• Página da disciplina de Estatística Computacional que ensina o R como aplicativo estatístico e ferramenta computacional. Os scripts usados em aula estão disponíveis e são arquivos reproduzíveis.

[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}.

[2005, book | www]

Faraway, J. J. (2005). Linear models with R Chapman \& Hall/{CRC}.

[2002, book | www]

Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with S Birkhäuser.

[2009, book | www]

Everitt, B. S., & Hothorn, T. (2009). A Handbook of Statistical Analyses Using R, Second Edition (2 ed.) Chapman \& Hall.

[2008, book | www]

Dalgaard, P. (2008). Introductory Statistics with R (2nd ed.) Springer.

[2008, book | www]

Dobson, A. J., & Barnett, A. (2008). An Introduction to Generalized Linear Models, Third Edition (3 ed.) Chapman and {Hall/CRC}.

[2008, book | www]

Ritz, C., & Streibig, J. C. (2008). Nonlinear Regression with R (1 ed.) Springer.

[2008, book | www]

Sarkar, D. (2008). Lattice: Multivariate Data Visualization with R (1 ed.) Springer.

[2005, book | www]

Murrell, P. (2005). R Graphics (1 ed.) Chapman and {Hall/CRC}.

[2010, book | www]

Maindonald, J., & Braun, J. W. (2010). Data Analysis and Graphics Using R: An Example-Based Approach (3 ed.) Cambridge University Press.

[2009, book | www]

Pinheiro, J., & Bates, D. (2009). Mixed-Effects Models in S and {S-PLUS} (1st ed. 2000. 2nd printing ed.) Springer.

[2000, book | www]

D.R., & Reid, N. (2000). The Theory of the Design of Experiments (1 ed.) Chapman and {Hall/CRC}.

[2004, techreport | www]

Beasley, C. R. (2004). Bioestatística usando o R - apostila de exemplos para o biólogo.

[2002, techreport | www]

Correa, J. C., & González, N. (2002). Gráficos Estadísticos con R.

[2005, techreport | www]

de Souza, E. F. M., Peternelli, L. A., & de Mello, M. P. (2005). Software Livre R: aplicação estatística.

[2006, techreport | www]

Monteiro, L. R. (2006). Introdução à biometria usando o R.

Clique para responder o questionário sobre avaliação do Curso. Não é necessário identificação. O questionário serve para aperfeiçoamento do Curso, portanto, resposta às questões com total sinceridade. Certo de sua colaboração, agradeço.

# instala os pacotes oficiais usados durante curso via web
install.packages(c('agricolae', 'aod', 'car', 'contrast', 'ellipse', 'fBasics',
                   'fmsb', 'gmodels', 'gplots', 'HH', 'lattice', 'latticeExtra',
                   'lme4', 'multcomp', 'nls2', 'nlstools', 'plotrix', 'plyr',
                   'reshape', 'ScottKnott', 'doBy', 'nlrwr', 'memisc', 'bbmle',
                   'rootSolve', 'gdata', 'psych', 'Hmisc', 'ExpDes'), dep=TRUE, repos='http://cran-r.c3sl.ufpr.br/')

Dê sua opinião e me ajude a melhorar o curso. Critique, comente, sugira, tire dúvidas, peça a inclusão de novos procedimentos, discuta, expresse-se. Sua opinião é muito importante.

~~DISCUSSION~ ~

Abordar os modelos loess, gam. Usar o livro do Faraway - Extending. Using R for statistical analyses - Non-parametric stats