Walmes Marques Zeviani

"Experiência não é o que acontece com você, mas o que você fez com o que lhe aconteceu." (Aldous Huxley)

"Feliz é aquele que transfere o que sabe e aprende o que ensina." (Cora Coralina)

Engenheiro Agronômo pela Universidade Federal da Grande Dourados (2007) e Mestre em Estatística & Experimentação Agropecuária pela Universidade Federal de Lavras (2009). Doutorando do Programa de Pós-Graduação em Estatística & Experimentação Agropecuária - Professor Assistente I do Departamento de Estatística da Universidade Federal do Paraná (aprovado por Concurso e contratado em Julho 2010) onde atualmente leciona.

==========================================================================
Walmes Marques Zeviani
LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W)
Departamento de Estatística - Universidade Federal do Paraná
Edifício da Administração - 3º andar - Centro Politécnico
Curitiba - PR                               CEP: 81.531-990
Bairro: Jardim das Américas                 Caixa Postal: 19.081
fone: (+55) 41 3361 3573                    VoIP: (3361 3600) 1053 1173
e-mail: walmes@ufpr.br                      twitter: @walmeszeviani
homepage: http://www.leg.ufpr.br/~walmes    linux user number: 531218
==========================================================================

Avaliação de modelos de regressão não linear na cinética de liberação de potássio de resíduos orgânicos

Resumo: O potássio (K) é um elemento químico muito exigido pelas culturas, porém, sua ocorrência e disponibilidade em alguns solos brasileiros são inferiores à demanda pelas plantas. Seu fornecimento também pode ser feito a partir de fontes orgânicas de maneira eficiente, quando se conhece o padrão de liberação do nutriente. Modelos não lineares são adequados nessas situações, uma vez que estimam quantidades de interesse prático e apresentam boa qualidade de ajuste. Embora seu processo inferencial seja baseado em argumentos assintóticos, existem meios de se conhecer a intensidade da não linearidade. Neste trabalho avaliou-se a não linearidade, por meio das curvaturas de Bates & Watts, vício de Box e estudo das propriedades amostrais dos estimadores de mínimos quadrados por simulação, de dois modelos de regressão não linear. Tais modelos estimam o conteúdo de K prontamente liberável, o tempo de meia vida para a sua liberação e a taxa de liberação do K de lenta liberação. Os dados são provenientes do estudo, ao longo do tempo, da liberação de K de 11 resíduos orgânicos incubados em combinação com 3 tipos de solo. O modelo exponencial apresentou estimativas mais precisas para os parâmetros que o quociente e maior aproximação entre os resultados assintóticos e obtidos por simulação. O modelo exponencial foi mais adequado, em termos inferenciais e para aplicação prática, uma vez que, por todas as medidas, apresentou menor não linearidade.

Palavras-chaves: Curvatura de Bates e Watts. Vício de Box. Bootstrap. Tempo de meia vida.

Banca de Defesa:
Prof. Dr. Joel Augusto Muniz (Orientador) - UFLA
Prof. Dr. Carlos Alberto Silva (co-orientador) - UFLA
Profa. Dra. Taciana Villela Savian - UFLA
Prof. Dr. Luiz Alberto Beijo - UNIFAL-MG
Aprovada em 18 de setembro de 2009

Pre-título: Modelagem da curva característica de água para solos com distribuição bimodal de poros

Artigo 1: Modelos de regressão não linear para representar a curva característica de solos com distribuição de poros bimodal. Fazer estudo/elaboração de modelos que tenham dois pontos de inflexão, ou seja, cuja derivada apresente dois pontos de máximo. Estudar a interpretação dos parâmetros desses modelos, o grau de não linearidade e o impacto das inferências em pequenas amostras. Estudar a identificabilidade dos modelos para amostras de tamanho pequeno apontando estratégias para aquisição de dados (delineamento ótimo). Aplicar reparametrizações para tornar o modelo melhor comportado. Aplicar inferência por verossimilhança. Usar os dados do Eduardo.

Artigo 2: Estimação da curva característica de água do solo em função de fatores experimentais. Colocar os parâmetros do modelo de regressão em função dos fatores experimentais e conduzir testes de hipótese. Não observamos os parâmetros do modelo, nos observamos dados. Mas queremos aplicar inferência aos parâmetros e temos estimativas destes. Usar dados do Milson. Dada a quantidade grande de parâmetros estimados aqui, que depende do número de níveis dos fatores experimentais, vale a pena se pensar em escrever o modelos parcialmente linear, identificando os parâmetros que são lineares e deixando apenas os demais presentes do processo de otimização da função objetivo.

Artigo 3: Modelagem da curva característica de água no solo por modelos mistos e inclusão de covariáveis. Estimar a curva considerando o efeito aleatório de amostra, a correlação entre medidas, a inclusão da covariável densidade do solo. Apresentar as expressões da verossimilhança para os modelos, os teste de rezão de verossimilhança e as conclusões a respeito das hipóteses. Usar dados do Eduardo e geoR::wrc.

Artigo 4: Como fazer inferência sobre o parâmetro S. Estimar o parâmetro S dos solos e associar imprecisão. Aplicar inferência clássica com método delta e inferência bayesiana.

Disciplinas já ofertadas e em andamento. Clique na turma para ir para a página da disciplina onde estão disponíveis o histórico das aulas, provas, gabaritos, listas de exercícios e notas.

• Curso para Engenharia de Alimentos e Engenharia Química da UFPR (2010);
  • Apostila do Curso (download);
  • Dados usados durante Curso em planilha eletrônica (*.xls) (download);
  • Dados usados durante Curso em arquivos de texto (*.txt) compactados (*.zip) (download);
  • Questionário do curso (responder);
• Curso para Pós Graduação em Produção Vegetal da UFPR (2011);
• Curso para Faculdade de Ciência Agrárias da UFGD (2011);
• Curso para Embrapa Arroz e Feijão (2011);
• Curso para Epagri-SC (Videira e Caçador), IF Campus de Videira e CIDASC (2012);
• Curso para alunos do Curso de Especialização em Instrumentação Estatística da Unochapeó/SC;

Blog que administro e mantenho com a colaboração de amigos também apaixonados pelo R. Clique na figura ao lado para ir para o blog.

- preencher -

• Revista Brasileira de Fruticultura;
• Revista de Ciências Agrárias / Amazonian Journal of Agricultural and Environmental Sciences;

• SOUZA, F. R., ; FIETZ, C. R. ; ROSA JUNIOR, E. J. ; BERGAMIN, A. C. ; ZEVIANI, W. M. ; SILVA, W. M. . Atributos químicos do solo sob dois sistemas de manejo e efeito residual de gesso após 55 meses de implantação. In: Congresso Brasileiro de Ciência do Solo, 2009, Fortaleza-CE. XXXII Congresso Brasileiro de Ciência do Solo. O solo e a produção de Bioenergia: perspectivas e desafios, 2009.
• CARDUCCI, C. E. ; VITORINO ; ZEVIANI, W. M. ; GARBIATE, M. V. . Análise Macromorfométrica e Atributos Físicos de um Latossolo Vermelho Distroférrico sob Diferentes Sistemas de Manejo na Região de Dourados MS. In: 2 Encontro de Iniciação Científica UFGD/UEMS, 2008, Dourados-MS. 2 Encontro de Iniciação Científica UFGD/UEMS. dourados-MS : Universidade Federal da Grande Dourados, 2008. v. 1. p. 1.
• ZEVIANI, W. M. ; CARDUCCI, C. E. ; TACIANA, V. S. ; MUNIZ, J.A. . Avaliação da dinâmica de secagem de solo em microondas por meio de regressão não-linear.. In: XI Escola de Modelos de Regressão, 2009, Recife PB. Programa e Resumos da XI Escola de Modelos de Regressão. Recife-PB, 2009. * CARDUCCI, C. E. ; VITORINO ; ZEVIANI, W.M. ; SERAFIM, M. E. ; INOCENCIO, M. F. . Análise de imagens de agregados de um Latossolo Vermelho distroférrico sob diferentes manejos. In: XXXII Congresso Brasileiro de Ciências do Solo:o solo e a produção de bioenergia perpectivas e desafios, 2009, Fortaleza-CE. XXXII Congresso Brasileiro de Ciências do Solo:o solo e a produção de bioenergia- perpectivas e desafios RESUMOS. Viçosa - MG : SBCS, 2009. v. 1. p. 81.
• CARDUCCI, C. E. ; VITORINO ; ZEVIANI, W.M. ; INOCENCIO, M. F. . Resistência ao cisalhamento de um solo submetido a diferentes usos e manejos utilizando o método Vane. In: XXXII Congresso Brasileiro de Ciências do Solo: o solo e a produção de bioenergia - perpectivas e desafios, 2009, Fortaleza-CE. XXXII Congresso Brasileiro de Ciências do Solo: o solo e a produção de bioenergia - perpectivas e desafios RESUMOS. Viçosa-MG : SBCS, 2009. v. 1. p. 81.
• ZEVIANI, W.M. ; SERAFIM, M. E. ; CARDUCCI, C. E. ; OLIVEIRA, G. C. ; MUNIZ, J.A. . Avaliação de critérios de seleção das tensões para determinação da curva característica de água no solo por meio do modelo van Genutchten. In: XXXII Congresso Brasileiro de Ciências do Solo: o solo e a produção de bioenergia - perpectivas e desafios, 2009, Fortaleza-CE. XXXII Congresso Brasileiro de Ciências do Solo: o solo e a produção de bioenergia - perpectivas e desafios RESUMOS. VIÇOSA-MG : SBCS, 2009. v. 1. p. 212.
• SERAFIM, M. E. ; ONO, F. B. ; VITORINO ; CARDUCCI, C. E. ; CREMON, C. ; ZEVIANI, W. M. . Caracterização Micromorfométrica De Agregados De Um Latossolo Vermelho Distroférrico sob Pastagem. In: XVII Reunião Brasileira de Maanejo e Conservação do Solo e da Água, 2008, Rio de Janeiro- RJ. XVII Reunião Brasileira de Manejo e Cnservação do Solo e da Água. Rio de Janeiro-RJ, 2008. v. 1.

- preencher -

• Projeto com Larissa (http://lattes.cnpq.br/5306520242222948);
• Projeto com Maristella (http://lattes.cnpq.br/7578795880165011);
• Projeto com Eduardo (http://lattes.cnpq.br/0288146552740769);
• Projeto com Rafael (http://lattes.cnpq.br/3314759970388496);
• Grupo com PJ;

O acesso ao LEG se dá pela escada/rampa localizada na face norte do bloco de Informática. Ao entrar pelo corredor do antigo salão de provas, procure por uma porta sinalizada do lado direito. Clique aqui para abrir a nossa localização em uma nova página com seta de indicação. <googlemap width="533px" height="400px" lat="25.450603" lon="-49.231759" type="hybrid" zoom="19"> </googlemap> —

• Site para produzir expressões matemáticas em latex (http://www.codecogs.com/latex/eqneditor.php). Permite a construção online de expressões matemáticas em código Latex, que podem ser copiadas e coladas no seu editor. O usuário tem opção de usar os menus com expressões pré-definidas, tais como matrizes, sistema de equações, derivadas, somatórios, simbologia de conjuntos, letras gregas, etc. Expressões comuns estão organizadas no botão "exemplos". ==== Playground ==== Faça o download do script abaixo aqui: script.R. <code R> #============================================================================= # Uso dos escores de uma análise de fatorial como variável dependente em um # modelo linear de experimento #============================================================================= #

# lê os dados e remove NA

da ← read.table("http://www.leg.ufpr.br/~walmes/cursoR/cnpaf/mudas2.txt",

               header=TRUE, sep=";")

str(da) da ← da[complete.cases(da),] da$trat ← factor(da$trat) # atualiza os níveis de trat da$bloc ← factor(da$bloc) # passa bloc para fator str(da)

#- # experimento com mudas de caju em função de categorias de subtrato, arranjado # em blocos ao acaso com 20 plantas por unidade experimental. Foram observados # os valores individuais de cada planta que sobreviveram (viab=1). Com isso o # surge desbalanceamento à nível de plantas.

#- # análise de variância para alt segundo o modelo experimental

m0 ← aov(alt~bloc+trat+Error(bloc:trat), data=da) summary(m0)

#- # análise para todas as demais

m00 ← lapply(as.list(da[,c(1:4)]), function(x){ m0 ← aov(x~bloc+trat+Error(bloc:trat), data=da) m0 }) lapply(m00, summary) # trat não significativo para todas as variáveis # # rodando análise fatorial, dados padronizados

X ← scale(as.matrix(da[,5:14])) str(X) pairs(X)

cor(X) ei ← eigen(cor(X)) cumsum(ei$values)/sum(ei$values)

#- # obtenção dos fatores

nfat ← 3 af ← factanal(X, factors=nfat,

             scores="regression", rotation="varimax")

print(af$loadings, cutoff=0.5, sort=TRUE) # fator 1 - do caule: altura, diâmetro, massa seca e fresca # fator 2 - das raízes: massa seca e fresca # fator 3 - das folhas: massa seca e fresca

# comunalidade, 1-variância específica 1-sort(af$uniqueness)

# escores S ← af$scores plot(S)

#- # analisar os scores do 1 ao 3 fator

m00 ← apply(S, 2,

           function(x){
             m0 <- aov(x~bloc+trat+Error(bloc:trat), data=da)
             m0
           })

lapply(m00, summary) # trat significativo para os Fatores 2 e 3

#

# manova aplicada aos dados de *parcela* #

#- # calcula as médias por bloc:trat para todas as variáveis

require(plyr) dam ← ddply(da[,5:14], .(trat=da$trat, bloc=da$bloc), mean) str(dam)

#- # manova, quero a matriz de covariância livre dos efeitos fixos

ma0 ← aov(as.matrix(dam[,3:12])~bloc+trat, data=dam) anova(ma0) str(ma0)

#- # matriz de covariância condicional

R ← residuals(ma0) str(R)

#- # covariância e correlação resídual

cov(R) # é viesada porque tem denominador n-1 que é maior que n-p cor(R)

#- # análise fatorial aplicada aos resíduos

nfat ← 3 af ← factanal(scale(R), factors=nfat,

             scores="Bartlett", rotation="varimax")

print(af$loadings, cutoff=0.5, sort=TRUE) # fator 1 - ?sem sentido # fator 2 - ?sem sentido # fator 3 - ?sem sentido

# comunalidade, 1-variância específica 1-sort(af$uniqueness)

# escores S ← af$scores plot(S)

#- # analisar os scores do 1 ao 3 fator

m00 ← apply(S, 2,

           function(x){
             m0 <- aov(x~bloc+trat, data=dam)
             m0
           })

lapply(m00, summary) # trat significativo para os Fatores 2 e 3

# não tem efeito porque eu removi o efeito antes da análise fatorial # então explorei a relação entre as variâncias condicionais, que são # livres do efeitos fixos. # teria como eu obter os escores dos dados originais, baseados na # covariância dos resíduos?

#- # devolvendo o efeito dos fatores fixos # usando o preditor de mínimos quadrados, Daniel pg 527, equação 11.7.2

Psi ← cov(R) Gamma ← t(af$loadings[,1:nfat]) F ← solve(Gamma%*%solve(Psi)%*%t(Gamma))%*%(Gamma%*%solve(Psi)%*%t(dam[,3:12])) F ← t(F)

m00 ← apply(F, 2,

           function(x){
             m0 <- aov(x~bloc+trat, data=dam)
             m0
           })

lapply(m00, summary) # trat significativo para os Fatores 2 e 3

#- </code>

Lista com links sobre tikz

• ktikz-editor-for-the-tikz-language;
• www.tikzedt.org;
• tikz-3dplot_documentation.pdf;
• 2011-configurable-graph-drawing-algorithms-jannis-pohlmann.pdf;
• PGF-and-TikZ-f3582.html;
• hot;
• 427-stemma-tikz;
• latex;
• problem-in-tikz-figure;
• blog;
• simulating-hand-drawn-lines;
• merge-arrows-with-tikz;
• desenhando-com-tikz.html;
• pgf-tut.pdf;
• tpx.sourceforge.net;
• mertz.pdf;
• resources;
• tutorials.htm;
• Mtikz.pdf;
• a-tikz-tutorial-generating-graphics-in-the-spirit-of-tex-11056310.html;
• watch;
• CG_2007___48_23_0.pdf;
• watch;
• posicionando-figuras-com-tikz.html;
• tikz;
• 3d-graphics-in-latex-with-tikz;
• desenhando-em-tikz-com-ktikz.html
• graphics-with-pgf-and-tikz;
• tikz-nodes;
• mais-manuais-tikz.html;
• tikz.pgf.html;
• tikz_tutorial.html;
• pgf-tikz;
• pgf-and-tikz-wow;
• watch;
• how-to-draw-two-tkiz-pictures-are-parallel-to-each-other;
• tikz;
• pgf-tikz---graphics-for-latex---a-tutorial.html;
• examples-tikz-tutorial;