| Metodologia: |
Todas as aulas síncronas ocorrerão através de ambiente virtual, pela plataforma Google Meet (link da videochamada: https://meet.google.com/zud-yonp-pgu). As aulas serão expositivas e dialogadas, com abordagem teórico-prática. Algumas aulas serão disponibilizadas antes do período de realização da disciplina, para facultar aos discentes podem assistir o conteúdo programático com antecedência e maximizar o aprendizado nos momentos síncronos. Todos os estudantes devem acessar a plataforma por meio de computadores, sendo necessária a instalação dos softwares, descritos abaixo. A ordem de instalação deve ser a mesma da ordem de apresentação abaixo, para evitar problemas:
? R, versão 4.0.5, disponível em: https://cran.r-project.org/bin/windows/base/
? R Studio Desktop, versão 1.4.1106, disponível em: https://rstudio.com/products/rstudio/download/
Obs.: Atentar para a versão correta (32 ou 64 bits) dos programas ao realizar o download, de modo que sejam compatíveis com o computador que forem utilizar para as aulas. Caso não sabiam qual o formato do sistema operacional que usam, vejam este vídeo: https://www.youtube.com/watch?v=2MgixVKW1lc&ab_channel=BlueScreenTricks
POLÍTICA DE TOLERÂNCIA ZERO A PLÁGIO: qualquer indício de plágio, em qualquer atividade desenvolvida e entregue pelos discentes, implicará em total anulação da atividade, independentemente, da quantidade de plágio detectado. Por exemplo: em uma avaliação com 10 questões, caso seja detectado plágio na resposta de uma questão, todas as 10 questões serão anuladas, recebendo a avaliação nota final igual a zero (0,0).
|
| Procedimentos de Avaliação da Aprendizagem: |
Em todas as aulas, serão entregues atividades a serem desenvolvidas pelos(as) discentes, objetivando fixação do conteúdo apresentado. Todas as atividades diárias corresponderão a parte de duas notas da disciplina, sendo pontuadas conforme descrito abaixo:
Nota 01:
AT1 ? Apresentação da disciplina, introdução a estatística e delineamento amostral e testes de hipóteses (2 pontos)
AT2 ? Introdução a R (2 pontos)
AT3 ? Introdução a R (2 pontos)
AT4 ? Estatística linear paramétrica e não paramétrica, transformação de dados (2 pontos)
AT5 ? Análises exploratórias de dados (2 pontos)
Nota 02:
AT6 ? Introdução a modelagem ecológica (3 pontos)
? AT7 ? Aplicação de modelagem em estatística (3 pontos)
AT8 ? Dados de diversidade: modelos gerais linearizados - GLM ? Aula 1/2 (2 pontos)
AT9 ? Dados de diversidade: modelos gerais linearizados - GLM ? Aula 2/2 (2 pontos)
Nota 03:
AT10 ? Dados de diversidade: análises de ordenação ? Aula 1/2 (2 pontos)
AT11 ? Dados de diversidade: análises de ordenação ? Aula 2/2 (2 pontos)
AT12 ? Dados de diversidade: estimativa de riqueza (3 pontos)
AT13 ? Revisão e tira-dúvidas (3 pontos)
Nota 04:
AT14 - Apresentações de projetos pelos discentes + discussão sobre delineamento amostral e análise de dados (10 pontos)
|
| Bibliografia:
| Bibliografia básica:
FERREIRA, E.B. & OLIVEIRA, M.S. 2020. Introdução à estatística com R. Alfenas: Editora Universidade Federal de Alfenas. 194 p. Disponível em: https://www.unifal-mg.edu.br/bibliotecas/system/files/imce/EBR_Unifal.pdf
GOTELLI, N.J. & ELLISON, A.M. 2011. Princípios de estatística em ecologia. Porto Alegre: Artmed. 528 p.
MORETTIN, P.A. & BUSSAB, W.O. 2017. Estatística básica. 9. ed. São Paulo: Saraiva. 453 p.
SCHMULLER, J. 2019. Análise estatística com R, para leigos. Rio de Janeiro: Alta Books Editora. 409 p.
ZAR, J.H. 2014. Bioestatistical Analysis. Harlow: Pearson Education Limited. 761.
Bibliografia complementar:
GOOD, P.I. & HARDIN, J.W. 2003. Common errors in statistics (and how to avoid them). Hoboken: John Wiley & Sons, Inc. 235 p.
LANDEIRO, V.L. 2013. Introdução ao uso do programa R. Disponível em: https://files.cercomp.ufg.br/weby/up/320/o/IntroR_VictorLandeiro_version_6.1.pdf
LARSON, R. & FARBER, B. 2016. Estatística aplicada. 6. ed. São Paulo: Pearson Edication do Brasil. 674 p.
MELO, M.P. & PETERNELLI, L.A. 2013. Conhecendo o R: uma visão mais que estatística. Viçosa: Editora UFV. 222 p.
PIMENTEL-GOMES, F. 2009. Curso de Estatística Experimental. 15ª edição. Piracicaba: FEALQ. 451 p.
QUINN, G. & KEOUGH, M. 2002. Experimental design and data analysis for biologists. Cambridge: Cambridge University Press. 537 p.
RITTER, M.N.; THEY, N.H. & KONZEN, E. 2019. Introdução ao software estatístico R. Disponível em: http://professor.ufrgs.br/sites/default/files/matiasritter/files/apostila_introducao_ao_r_-_ritter_they_and_konzen.pdf
RUXTON, G.D. & COLEGRAVE, N. 2011. Experimental design for the life sciences. 3rd ed. Oxford: Oxford University Press. 178p.
SCHUMACKER, R. & TOMER, S. 2013. Understanding Statistics Using R. Nova Iorque: Springer. 297 p.
SOKAL, R.R. & ROHLF, F.J. 2009. Introduction to biostatistics. Mineola: Dover. 374 p.
UNDERWOOD A.J. 1997. Experiments in Ecology. Cambridge: Cambridge University Press, 504p.
VIEIRA, S. 1999. Estatística experimental. 2ª ed. São Paulo: Atlas Editora. 185p.
VITAL, M.V.C. 2015. Introdução ao uso do software R para as Ciências Biológicas. Disponível em: https://cantinhodor.wordpress.com/2015/03/28/a-boa-e-velha-apostila-basica-do-r/
MATERIAL DE APOIO
Uma pasta no Google Drive foi criada para disponibilizar o material de apoio da disciplina. Isto inclui bancos de dados, scripts e bibliografia.
Link: https://drive.google.com/drive/folders/1MVPR324ecW3uKb_CWQ3BIbtRSbq53aNB?usp=sharing
|
