Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anterior Revisão anterior
Próxima revisão
Revisão anterior
projetos:apspcs [2008/08/25 09:16]
joel
projetos:apspcs [2009/01/02 11:19] (atual)
joel
Linha 1: Linha 1:
 ===== Participantes ===== ===== Participantes =====
-  - [[pessoais:​kelly|Kelly Cristina Cancela]], ​Mestranda ​(UFPR)+  - [[pessoais:​kelly|Kelly Cristina Cancela]], ​Mestre(UFPR)
   - Antonio Rioyei Higa, Prof. Phd    - Antonio Rioyei Higa, Prof. Phd 
   - [[pessoais:​joel|Joel Maurício Corrêa da Rosa]] , Prof. Dr. (UFPR)   - [[pessoais:​joel|Joel Maurício Corrêa da Rosa]] , Prof. Dr. (UFPR)
   - [[pessoais:​lucianads|Luciana Duque Silva]] ,Doutoranda (UFPR)   - [[pessoais:​lucianads|Luciana Duque Silva]] ,Doutoranda (UFPR)
 +  - [[pessoais:​valdeci|Valdeci Constantino]] ,Mestrando (UFPR)
  
 ===== Objetivo ===== ===== Objetivo =====
Linha 57: Linha 58:
 {{:​pessoais:​lduque:​dadoslucianaduqueinclinacao.csv|Dados do Dendrômetro}} {{:​pessoais:​lduque:​dadoslucianaduqueinclinacao.csv|Dados do Dendrômetro}}
  
-<​code>​+Joel, estou enviando o arquivo com os dados para determinar as correlações existentes entre as inclinações diárias e os dados meteorológicos do ano de 2007. Neste arquivo tem duas planilhas, uma somente com os dados do ano de 2007 e a outra com os dados de 2007 e algumas informações de dezembro de 2006 para determinar as correlações com os dados meteorológicos dos meses anteriores. Qualquer dúvida me escreva.
  
- Welch Two Sample t-test 
  
-data:  Inclinacao by factor(Familia)  +===== Experimento ​Valdeci Constantino =====
-3.3352, df 237.873, p-value 0.0009887 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​0.02653859 0.10312808  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-       ​0.3349167 ​       0.2700833 ​+
  
- t.test(Inclinacao[meis==1]~Familia[meis==1])+Dados sobre crescimento de Pinus Taeda de acordo com diferentes tipos de tratamentos.
  
- Welch Two Sample t-test+{{:​projetos:​apspcs:​croqui_experimento_v1.xls|Croqui do Experimento}}
  
-data:  Inclinacao[meis ​== 1] by Familia[meis ​== 1]  +===== Plano Amostral para Estudo das Raízes =====
-0.4278, df 17.553, p-value ​0.674 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​-0.1215350 ​ 0.1835350  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.505 ​           0.474 +
  
-> t.test(Inclinacao[meis==2]~Familia[meis==2])+Este é um problema em que a determinação do plano amostral e do tamanho de amostra estão restritos aos custos monetários e, principalmente,​ operacionais ligados à coleta de dadosAs variáveis sob as quais desejamos retirar informações são características das raízes finas (fine rootse grossas (coarse roots) de Pinus Taeda plantadas na área experimental da empresa COMFLORESTA. A principal questão operacional vinculada a retirada das amostras é explicada pela dificuldade de locomoção na área com o "​trator",​ equipamento que arranca a árvore do solo e a coloca em suspensão para que seja analisada a arquitetura da raiz grossa.
  
- Welch Two Sample t-test+A importância no levantamento destas informações está no fato de que a absorção de nutrientes é feita pelas raízes finas e a sustentabilidade no crescimento está vinculada à raiz grossa. As características das raízes finas são expressas pelo peso e forma, enquanto a arquitetura da raiz grossa é mais dificil de ser definida ( ver Danjon e Reubens, 2008 ). 
  
-data:  Inclinacao[meis == 2] by Familia[meis == 2]  +O que chamamos de amostragem aquina verdade é uma sub-amostragem feita em cima de árvores localizadas numa área experimental.
-t = 1.0119df = 17.996, p-value = 0.325 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​-0.08179697 ​ 0.23379697  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.347 ​           0.271 +
  
-> t.test(Inclinacao[meis==3]~Familia[meis==3])+Planos amostrais sugeridos :  
 +  * Seleção de todas as árvores do primeiro bloco para análise de raízes finas e grossas. 
 +  * Seleção de duas árvores por parcela, em toda área do experimento,​ para análise de raízes finas e grossas.
  
- Welch Two Sample t-test 
  
-data:  Inclinacao[meis == 3] by Familia[meis == 3]  
-t = 1.021, df = 17.133, p-value = 0.3215 
-alternative hypothesis: true difference in means is not equal to 0  
-95 percent confidence interval: 
- ​-0.07349969 ​ 0.21149969 ​ 
-sample estimates: 
-mean in group 11 mean in group 24  
-           ​0.298 ​           0.229  
  
-> t.test(Inclinacao[meis==4]~Familia[meis==4]) 
  
- Welch Two Sample t-test+==== Algumas Questões sobre o Experimento ====
  
-data:  Inclinacao[meis == 4] by Familia[meis == 4]  +  * O padrão de mortes é aleatório no espaço ? 
-t = 1.605, df = 17.661, p-value = 0.1262 +  * As mortes estão relacionadas aos fatores ? 
-alternative hypothesis: true difference in means is not equal to 0  +  ​* Variáveis de raízes finas tem associação com variáveis de raízes grossas ?
-95 percent confidence interval: +
- ​-0.02796802 ​ 0.20796802  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.301 ​           0.211 +
  
-> t.test(Inclinacao[meis==5]~Familia[meis==5]) 
  
- Welch Two Sample t-test 
  
-data:  Inclinacao[meis ​== 5] by Familia[meis ​== 5]  +==== Dissertação do Valdeci ====
-0.6314, df 17.51, p-value ​0.5359 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​-0.09336618 ​ 0.17336618  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.327 ​           0.287 +
  
 +Divisão da dissertação do Valdeci em capítulos. ​
  
-t.test(Inclinacao[meis==6]~Familia[meis==6])+==== Capítulo 1 ====
  
- Welch Two Sample t-test+O objetivo é verificar a influência dos fatores no desenvolvimento geral da árvore, caracterizado pelo diâmetro e altura.
  
-data ​Inclinacao[meis == 6] by Familia[meis == 6]  +   * Variáveis respostaDiâmetroaltura e volumesendo volume uma função de diâmetro e altura.
-t = 1.6165df = 17.785p-value = 0.1236 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​-0.03188598 ​ 0.24388598  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.422 ​           0.316 +
  
-> t.test(Inclinacao[meis==7]~Familia[meis==7])+   * Fatores de variação: Responsável pelo plantio ​(E - Empresa , T - Terceirizado), Sistema de produção de mudas (tubete/​55cm3 com 6 meses, tubete/​55cm3 com 10 meses, tubete/​126cm3 com 6 meses, raiz nua).
  
- Welch Two Sample t-test+Os tratamentos foram aleatorizados em 4 blocos com o objetivo de controlar a variação espacial pois há um leve declive no terreno. No total foram criadas 32 parcelas para receber os 8 tratamentos resultante das possíveis combinações entre os fatores controlados no experimento( Resp.plantio e Sist.prod).  
 +   
 +Metodologia Estatística
  
-data:  Inclinacao[meis == 7] by Familia[meis == 7]  +Será aplicado o modelo ANOVA para dois fatores em blocos inteiramente casualizadosadotando-se algum procedimento para controlar o número de mortos nas parcelas e seu efeito espacial nos resultadoscaso este efeito existaA hipótese existente para este efeito espacial é a de que parcelas com menor número de plantas oferecem mais espaço para o desenvolvimento da planta.
-t = 1.2701df = 16.575p-value = 0.2216 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​-0.04252069 ​ 0.17052069  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           0.342            0.278 +
  
-> t.test(Inclinacao[meis==8]~Familia[meis==8])+Uma primeira abordagem para minimizar o efeito da  mortalidade é considerar o número de mortos na vizinhança ​(no máximo podem haver mortos na vizinhançacomo uma covariável (sugestão PJ). Devemos ter cuidado para declaração do modelo no R.
  
- Welch Two Sample t-test+As análises de variância serão feitas para diâmetro, altura e volume de forma  UNIVARIADA. Como volume é função de diâmetro e altura, devemos discutir se há necessidade ​ realmente de repetir a análise para esta variável.
  
-data:  ​Inclinacao[meis == 8] by Familia[meis == 8]  +Definir alguns contrastes de interesse (Por exemplomédia dos tubetes ​ x raiz nua)
-t = 2.1657, df = 17.891, p-value = 0.04409 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​0.003334605 0.222665395  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.375 ​           0.262 +
  
-> t.test(Inclinacao[meis==9]~Familia[meis==9])+{{:​projetos:​apspcs:​resultadospreliminarescapitulo1.doc|Resultados Preliminares do Capítulo 1 }}
  
- Welch Two Sample t-test+ ==== Capítulo 2 ====
  
-data:  Inclinacao[meis == 9] by Familia[meis == 9]  +Para o capítulo ​2, serão analisadas as características das raízes finasPara esta finalidadefoi selecionada uma árvore por parcela, totalizando 4 por tratamentoFoi selecionada a árvore no centro da parcela equando esta estava morta, selecionou-se a próxima na ordem de numeração crescente de acordo com o croqui do experimento.
-t = 2.7336df = 17.958p-value = 0.01366 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​0.02729578 0.20870422  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.207 ​           0.089 +
  
-> t.test(Inclinacao[meis==10]~Familia[meis==10])+  * Variáveis resposta: peso em gramas da raízes finas medidas em 4 posições.
  
- Welch Two Sample t-test 
  
-data ​Inclinacao[meis == 10] by Familia[meis == 10]  +  * Fatores de variaçãoResponsável pelo plantio (E - Empresa , T - Terceirizado),​ Sistema de produção de mudas (tubete/​55cm3 com 6 meses, tubete/​55cm3 com 10 mesestubete/​126cm3 com 6 mesesraiz nua).
-t = 0.2025df = 17.497p-value = 0.8418 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​-0.0939401 ​ 0.1139401  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.331 ​           0.321 +
  
-> t.test(Inclinacao[meis==11]~Familia[meis==11]) 
  
- Welch Two Sample t-test+Algumas ​ hipóteses levantadas neste caso. Fatores ambientais podem levar a diferença entre os pesos das raízes finas nas diferentes posições(p1,​p2,​p3 e p4). Pode haver diferença nos pesos das raízes finas em função do sistema de produção pois espera-se que a raiz nua>​tubete/​126>​tubete/​55 10 meses > tubete 55 6 meses. Por hipótese, ​ a raiz nua tem a tendência em ter melhor desenvolvimento pelas suas características de desenvolvimento no viveiro. Devemos verificar a interação entre a posição e os tratamentos (Será que existe ?????)
  
-data:  Inclinacao[meis == 11] by Familia[meis == 11]  +Matrizes de correlação para verificar se os pesos.
-t = 0.5754, df = 17.598, p-value = 0.5723 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​-0.07972366 ​ 0.13972366  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.246 ​           0.216 +
  
-> t.test(Inclinacao[meis==12]~Familia[meis==12])+Definir alguns contrastes de interesse ​(Por exemplo: média dos tubetes ​ x raiz nua)
  
- Welch Two Sample t-test+Algumas dúvidas: (As observações nas posições são teoricamente correlacionadas espacialmente !!! Como superar isto ???)
  
-data:  Inclinacao[meis ​== 12] by Familia[meis ​== 12]  + ​==== ​Capítulo 3  ====
-0.5083, df 17.923, p-value ​0.6175 +
-alternative hypothesis: true difference in means is not equal to 0  +
-95 percent confidence interval: +
- ​-0.09717278 ​ 0.15917278  +
-sample estimates:​ +
-mean in group 11 mean in group 24  +
-           ​0.318 ​           0.287 +
  
-> t.test(Inclinacao~factor(Familia)) +No capítulo 3 foram amostradas, de maneira destrutiva, todas as árvores do primeiro bloco e cada ávore foi fotografada de 3 ângulos diferentes. Em cada ângulo, serão avaliadas as características da raiz grossa de acordo com escores pré-determinados. 64 árvores no total.
-</​code>​+
  
-Joel, estou enviando o arquivo ​com os dados para determinar as correlações existentes entre as inclinações diárias e os dados meteorológicos do ano de 2007Neste arquivo tem duas planilhasuma somente com os dados do ano de 2007 e a outra com os dados de 2007 e algumas informações de dezembro de 2006 para determinar as correlações ​com os dados meteorológicos dos meses anteriores. Qualquer dúvida me escreva.+  * A variável resposta é multivariada qualitativa ordinal. A princípio um vetor de dimensão 3 com os 3 escores ​para os ângulos fotografados. 
 +  * Fatores de variação: Responsável pelo plantio (E - Empresa ​T - Terceirizado),​ Sistema ​de produção ​de mudas (tubete/​55cm3 ​com meses, tubete/​55cm3 com 10 meses, tubete/​126cm3 com 6 meses, raiz nua)Covariável : Número de mortos na vizinhança,​ posição do morto na vizinhança , 
  
  
-===== Experimento - Valdeci Constantino =====+Verificar junto ao Cesar Taconeli a possibilidade de aplicar árvores de classificação multivariadas com o objetivo de identificar quais fatores levam aos  escores atribuídos as raízes. Com esta metodologia,​ talvez consigamos encontrar a conjunção dos fatores que levem ao melhor arquitetura de raiz grossa.
  
-Dados sobre crescimento de Pinus Taeda de acordo com diferentes tipos de tratamentos.+Uma possibilidade (mais pobre) é aplicar testes não paramétricos para a nota em cada ângulo fotografado.
  
-{{:​projetos:​apspcs:​croqui_experimento_v1.xls|Croqui do Experimento}}+Neste capítulo, a primeira abordagem estatística consiste de utilizar uma técnica não paramétrica para encontrar alguma evidência de diferença entre os métodos e entre as empresas na constituição da raiz grossa. A justificativa para utilizar técnicas não-paramétricas é a característica da variável resposta que é qualitativa.
  
-===== Plano Amostral para Estudo das Raízes ===== 
  
-Este é um problema em que a determinação do plano amostral e do tamanho de amostra estão restritos aos custos monetários e, principalmente,​ operacionais ligados à coleta de dados. ​As variáveis sob as quais desejamos retirar informações são características ​das raízes finas (fine rootse grossas ​(coarse rootsde Pinus Taeda plantadas na área experimental da empresa COMFLORESTA. A principal questão operacional vinculada a retirada ​das amostras é explicada pela dificuldade de locomoção na área com o "​trator",​ equipamento que arranca a árvore do solo e a coloca em suspensão ​para que seja analisada a arquitetura da raiz grossa.+<​code>​ 
 +# Leitura dos dados 
 +avalia<​-read.csv2('​http://​www.leg.ufpr.br/​~joel/​dados/​grossaclassif.csv'​) 
 +# Resumo ​das variaveis 
 +summary(avalia) 
 +# Attachando os dados 
 +attach(avalia) 
 +# Nomes das variaveis 
 +names(avalia) 
 +# Carrega pacote ​para comparacoes multiplas nao parametricas 
 +require(pgirmess)
  
-A importância no levantamento destas informações está no fato de que a absorção de nutrientes ​é feita pelas raízes finas e sustentabilidade no crescimento está vinculada à raiz grossa. As características das raízes finas são expressas pelo peso e forma, enquanto a arquitetura da raiz grossa é mais dificil de ser definida ( ver Danjon e Reubens, 2008 ). +# O gráfico ​de interacao ​é fundamental pois vai ser um instrumento para verificar 
 +sua possivel existencia
  
-O que chamamos de amostragem aquina verdade é uma sub-amostragem feita em cima de árvores localizadas numa área experimental.+interaction.plot(metodo,plantio,​soma) 
 +interaction.plot(plantio,​metodo,​soma)
  
-Planos amostrais sugeridos :  +# Alguns graficos exploratorios para entender melhor ​as interacoes 
-  * Seleção de todas as árvores do primeiro bloco para análise de raízes finas e grossas. +boxplot(soma[plantio=="​empresa"​]~metodo[plantio=="​empresa"​]) 
-  * Seleção de duas árvores por parcela, em toda área do experimento,​ para análise de raízes finas e grossas.+boxplot(soma[plantio=="​terceiro"​]~metodo[plantio=="​terceiro"​])
  
 +boxplot(soma[metodo=="​M1"​]~plantio[metodo=="​M1"​])
 +boxplot(soma[metodo=="​M2"​]~plantio[metodo=="​M2"​])
 +boxplot(soma[metodo=="​M3"​]~plantio[metodo=="​M3"​])
 +boxplot(soma[metodo=="​M4"​]~plantio[metodo=="​M4"​])
  
  
 +# Testes para verificar diferenças nos plantios dentro dos métodos
 +# Observação : como são dois niveis de plantio, o teste U de Mann-Whitney é um caso
 +# particular do kruskall-wallis e , portanto, não precisa fazer comparação multipla aqui
  
-==== Algumas Questões sobre o Experimento ====+# Nomes dos metodos 
 +m<​-levels(metodo)
  
-  * O padrão ​de mortes é aleatório no espaço ? +# loop que troca de metodos e testa diferencas entre os plantios 
-  * As mortes estão relacionadas aos fatores ? +for (i in 1:4) 
-  * Variáveis de raízes finas tem associação com variáveis de raízes grossas ?+
 +s<​-soma[metodo==m[i]] 
 +p<​-plantio[metodo==m[i]] 
 +print(paste("​metodo",​m[i])) 
 +print(kruskal.test(s~p)) 
 +}
  
  
 +# aqui vamos trocar de plantios e verificar as diferenças entre os métodos
 +n<​-levels(plantio)
  
-==== Dissertação do Valdeci ====+# loop que troca de plantios e testa as diferenças entre os métodos...aqui 
 +# já aproveito o embalo e faço as comparações multiplas com nível de significância 
 +# de 10%
  
-Divisão da dissertação do Valdeci em capítulos+for (i in 1:2) 
 +
 +s<​-soma[plantio==n[i]] 
 +p<​-metodo[plantio==n[i]] 
 +print(paste("​plantio",​n[i])) 
 +print(kruskal.test(s~p)) 
 +print(kruskalmc(s,​p,​prob=0.1)) 
 +}
  
-==== Capítulo 1 ==== 
  
-O objetivo é verificar a influência dos fatores no desenvolvimento geral da árvore, caracterizado pelo diâmetro e altura.+</​code>​
  
-   * Variáveis resposta: Diâmetro, altura e volume, sendo volume uma função de diâmetro e altura.+ ==== To Do List ====
  
-   ​* ​Fatores de variação: Responsável pelo plantio (E - Empresa , T - Terceirizado),​ Sistema de produção de mudas (tubete/​55cm3 com 6 meses, tubete/​55cm3 com 10 meses, tubete/​126cm3 com 6 meses, raiz nua). +   ​* ​Criar e preencher as planilhas ​para os Capítulos 1 (Valdeci)
- +
-Os tratamentos foram aleatorizados em 4 blocos com o objetivo de controlar a variação espacial pois há um leve declive no terreno. No total foram criadas 32 parcelas ​para receber ​os 8 tratamentos resultante das possíveis combinações entre os fatores controlados no experimento( Resp.plantio ​Sist.prod).  +
-   +
-Metodologia Estatística +
- +
-Será aplicado o modelo ANOVA para dois fatores em blocos inteiramente casualizados,​ adotando-se algum procedimento para controlar o número de mortos nas parcelas e seu efeito espacial nos resultados, caso este efeito exista. A hipótese existente para este efeito espacial é a de que parcelas com menor número de plantas oferecem mais espaço para o desenvolvimento da planta. +
- +
-Uma primeira abordagem para minimizar o efeito da  mortalidade é considerar o número de mortos na vizinhança ​(no máximo podem haver 8 mortos na vizinhançacomo uma covariável (sugestão PJ). Devemos ter cuidado para declaração do modelo no R. +
- +
-As análises de variância serão feitas para diâmetro, altura e volume de forma  UNIVARIADA. Como volume é função de diâmetro e altura, devemos discutir se há necessidade ​ realmente de repetir a análise para esta variável. +
- +
- ==== Capítulo 2 ==== +
- +
-  +
-   +
-     +
- +
- ==== Capítulo 3  ====+
  
 ===== Artigos de Interesse ===== ===== Artigos de Interesse =====

QR Code
QR Code projetos:apspcs (generated for current page)