Modelagem e análise de dados experimentais com o programa computacional R

Disciplina: Tópicos Especiais - Modelagem e análise de dados experimentais com o programa computacional R
Professor Coordenador: PhD. Paulo Justiniano Ribeiro Júnior, LEG/UFPR
Professor Colaborador: MSc. Walmes Marques Zeviani, LEG/UFPR
Nº de Créditos: 2
Carga horária: 30h
Período Letivo: 7 à 11 de Fevereiro de 2011

Análise exploratória de dados; Testes de significâncias; Análise de regressão; Delineamentos experimentais; Interpretação dos resultados experimentais.

Esta disciplina será importante para aprofundar a teoria de planejamento e análise de experimentos além de instrumentalizar os participantes com as funcionalidades do aplicativo estatístico R.

Abordar, com enfoque computacional, técnicas de análise de dados experimentais usando o aplicativo R. Pré-requisito: curso básico de experimentação agrícola.

• Introdução à manipulação de objetos e funções no R: definição de objeto, tipos de objeto, criação, acesso e modificação de objetos, criação e aplicação de funções;
• Importação de dados e análise exploratória: entrada de dados pelo teclado, por arquivo externo, análise gráfica exploratória;
• Estatística básica: estatísticas descritivas de posição, dispersão, assimetria, curtose, gráficos de distribuição de frequência, teste de normalidade, teste de aderência, geração de números aleatórios, teste de hipótese e intervalos de confiança para médias, proporções, variâncias e correlações.
• Regressão linear: preparação dos dados, definição do modelo e pressuposições, estimação dos parâmetros, interpretação dos parâmetros, análise de resíduos e checagem das pressuposições do modelo, medidas de influência, inferência para os parâmetros (teste de hipótese, intervalos de confiança, regiões de confiança), predição de valores, elaboração de gráficos, procedimento stepwise, critério de AIC e BIC, remoção de outliers, transformação de dados;
• Regressão não linear: definição, exemplos, preparação dos dados, definição do modelo, estimação dos parâmetros, análise de resíduos, inferência para os parâmetros (teste de hipótese, intervalos de confiança, teste da razão de verossimilhança), comparação de curvas ajustadas, ajuste de modelos com restrição na estimação dos parâmetros, predição de valores, elaboração de gráficos;
• Análise de experimentos balanceados: experimento em delineamento inteiramente ao acaso com fator qualitativo (um fator e fatorial duplo), experimento em blocos ao acaso com fator qualitativo (um fator e fatorial duplo), experimento fatorial duplo com tratamentos adicionais (testemunhas), análise de covariância, modelos de regressão polinomial na análise de variância (fatorial qualitativo x quantitativo), fatorial com fatores quantitativos (modelos de superfície de resposta), experimento em parcela subdividida e subsubdividida, análise de resíduos, checagem das pressuposições do modelo, transformação de dados, testes de médias e contrastes;
• Introdução a análise de experimentos com respostas não normais: definição de modelo linear generalizado, estimação de parâmetros, métodos de inferência, análise respostas do tipo proporção, análise de respostas do tipo contagem;
• Elaboração de gráficos: diagramas de dispersão, histogramas, gráficos de barras, boxplots, gráfico de funções, controle dos parâmetros gráficos e customização.

As aulas teóricas serão expositivas e a prática será realizada com estudos de caso.

Avaliação de um relatório de análise de dados. O documento deve descrever a forma de aquisição dos dados (observacionais ou experimentais), delineamento envolvido, fatores em estudo, níveis dos fatores, respostas avaliadas, gráficos exploratórios e medidas descritivas dos dados, o modelo estatístico assumido para os dados bem como o conjunto de pressuposições envolvidas, os resultados das análises e a discussão das conclusões. O código R e os comentários devem estar presentes do documento (enviar aquivo em formato *pdf, script *R com os comandos da análise e o arquivo com os dados usados em *txt). Consulte um exemplo do relatório e do script.

[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}.

• Guia com rotinas em *pdf (download);
• Guia com rotinas em *R (download);
• Dados em planilha eletrônica (*.xls) (download);
• Dados em arquivos de texto (*.txt) compactados (*.zip) (download);

Laboratório de informática do Setor de Ciências Agrárias da UFPR situado no bloco central do mapa abaixo.

<googlemap width="533px" height="400px" lat="-25.410739" lon="-49.249167" type="hybrid" zoom="19"> </googlemap>

• http://www.r-bloggers.com/
• http://br.groups.yahoo.com/group/R_STAT/
• http://www.leg.ufpr.br/doku.php/sofware:material-r
• http://www.dex.ufla.br/~danielff/
• http://r-project.markmail.org/search/?q=