Curso em Planejamento e Análise de Experimentos com R

Das abordagens tradicionais às soluções artesanais

Informações

Curso UFC

Curso Esalq/USP

  • Curso: Planejamento e Análise de Experimentos com R.
  • Instrutor: Walmes Marques Zeviani, (DEST/LEG).
  • Local: Escola Superior de Agricultura “Luiz de Queiroz” (ESALQ/USP) · Piracicaba/SP.
  • Período: 19 a 21 de Fevereiro de 2020.
  • Público: Alunos do Programa de Pós Graduação em Solos e Nutrição de Plantas.
  • Carga horária: 15 horas.

Ementa prevista

  1. Revisão de R.
  2. Manipulação e visualização de dados experimentais.
    1. Preparo e importação dos dados.
    2. Inspeção, transformação e curadoria.
    3. Medidas descritivas e gráficos.
  3. Análise de experimentos com um fator qualitativo.
    1. Principais delineamentos.
    2. Especificação e análise dos pressupostos.
    3. Estimação e inferência.
    4. Testes de comparação de médias.
    5. Experimentos desbalanceados.
  4. Análise de experimentos com um fator quantitativo.
    1. Regressão linear simples e polinomial.
    2. Regressão múltipla.
    3. Regressão não linear.
    4. Regressões semi-paramétricas.
  5. Análise de experimentos fatoriais.
    1. Especificação e inferência.
    2. Estudo da interação.
    3. Modelos de superfície de resposta.
    4. Técnicas de confundimento e fracionamento.
  6. Análise de experimentos multinível.
    1. Parcela subdividida.
    2. Medidas repetidas.
  7. Análise de experimentos com respostas não Normais.
    1. Abordagens para dados de contagem.
    2. Abordagens para dados de proporção.
    3. Abordagens para dados de sobrevivência.

Atenção: ementa sujeita a alteração conforme andamento do Curso.

Materiais complementares

Requisitos de software

  1. R com versão >= 3.6.0. (CRAN).
  2. A seguinte lista de pacotes:
# Principais pacotes.
pkg <- c("tidyverse", "multcomp", "doBy", "emmeans", "car", "lme4",
         "rmarkdown", "agricolae", "ScottKnott", "devtools")
install.packages(pkg, dependencies =  TRUE)

# Pacote com conjuntos de dados.
devtools::install_github(repo = "pet-estatistica/labestData")

Referências bibliográficas

DEAN, A.; VOSS, D.; DRAGULJIĆ, D. Design and analysis of experiments. Springer International Publishing, 2017.

DEMIDENKO, E. Mixed models: Theory and applications with R. Wiley, 2013.

DOBSON, A.; BARNETT, A. An introduction to generalized linear models. CRC Press, 2018.

DUNN, P.; SMYTH, G. Generalized linear models with examples in R. Springer New York, 2018.

FARAWAY, J. Extending the linear model with R: Generalized linear, mixed effects and nonparametric regression models. CRC Press, 2016.

GAŁECKI, A.; BURZYKOWSKI, T. Linear mixed-effects models using R: A step-by-step approach. Springer New York, 2013.

LAWSON, J. Design and analysis of experiments with R. Taylor & Francis, 2014.

MASON, R.; GUNST, R.; HESS, J. Statistical design and analysis of experiments: With applications to engineering and science. Wiley, 2003.

MEAD, R.; CURNOW, R.; HASTED, A. Statistical methods in agriculture and experimental biology. 3rd ed. Taylor & Francis, 2002.

MEAD, R.; GILMOUR, S.; MEAD, A. Statistical principles for the design of experiments: Applications to real experiments. Cambridge University Press, 2012.

MYERS, R.; MONTGOMERY, D.; ANDERSON-COOK, C. Response surface methodology: Process and product optimization using designed experiments. Wiley, 2009.

PINHEIRO, J.; BATES, D. Mixed-effects models in S and S-plus. Springer, 2009.

RAWLINGS, J.; PANTULA, S.; DICKEY, D. Applied regression analysis: A research tool. Springer New York, 2001.

RITZ, C.; STREIBIG, J. Nonlinear regression with R. Springer New York, 2008.

SEBER, G.; WILD, C. Nonlinear regression. Wiley, 2003.

WEISBERG, S. Applied linear regression. Wiley, 2013.

YANDELL, B. Practical data analysis for designed experiments. CRC Press, 2017.

Curso em Planejamento e Análise de Experimentos com R
leg.ufpr.br/~walmes/ensino/cpaer 		Prof. Walmes M. Zeviani
Departamento de Estatística · UFPR
25px