-

PPGBC003 - ESTATÍSTICA E DELINEAMENTO AMOSTRAL - Turma: 01 (2022.1)

Tópicos Aulas
Apresentação da disciplina, introdução a estatística e delineamento amostral e testes de hipóteses, instalação do R e R Studio (02/05/2022 - 02/05/2022)

Link para a sala da disciplina: https://meet.google.com/exe-ouab-iof

 


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
Variáveis, funções e operadores na linguagem R (03/05/2022 - 03/05/2022)
Filtros e loops na linguagem R (04/05/2022 - 04/05/2022)
Visualização de dados na linguagem R (05/05/2022 - 05/05/2022)
Análise exploratórias de dados (06/05/2022 - 06/05/2022)
Escolhendo testes de hipóteses (09/05/2022 - 09/05/2022)
Modelos gerais linearizados - GLM, distribuição gaussiana (10/05/2022 - 10/05/2022)
Modelos gerais linearizados - GLM, distribuição poisson (11/05/2022 - 11/05/2022)
Revisão (12/05/2022 - 12/05/2022)
Modelos gerais linearizados - GLM, distribuição binomial (13/05/2022 - 13/05/2022)
Parâmetros de diversidade (16/05/2022 - 16/05/2022)
Produção e edição de gráficos e tabelas (17/05/2022 - 17/05/2022)
Apresentações de projetos pelos discentes, discussão sobre delineamento amostral e análise de dados e fechamento da disciplina (18/05/2022 - 18/05/2022)
Apresentações de projetos pelos discentes, discussão sobre delineamento amostral e análise de dados e fechamento da disciplina (19/05/2022 - 19/05/2022)
Apresentações de projetos pelos discentes, discussão sobre delineamento amostral e análise de dados e fechamento da disciplina (20/05/2022 - 20/05/2022)
Frequências da Turma
# Matrícula MAI Total
02 03 04 05 06 09 10 11 12 13 16 17 18 19 20
1 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
5 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
6 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
7 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
8 2022100**** 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 60
9 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
10 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
11 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
12 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
13 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
14 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
15 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
16 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
17 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
18 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
19 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
20 2022100**** 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Notas da Turma
# Matrícula Unid. 1 Unid. 2 Unid. 3 Unid. 4 Prova Final Resultado Faltas Situação
1 2022100**** 8,8 8,1 7,8 5,0 7.4 0 AM
2 2022100**** 10,0 9,7 9,0 8,5 9.3 0 AM
3 2022100**** 9,0 6,6 8,8 9,5 8.5 0 AM
4 2022100**** 9,5 9,7 8,9 9,5 9.4 0 AM
5 2022100**** 9,5 5,7 8,4 5,8 7.4 0 AM
6 2022100**** 8,8 8,1 7,8 8,5 8.3 0 AM
7 2022100**** 8,8 9,7 9,0 8,5 9.0 0 AM
8 2022100**** 8,8 8,3 7,6 6,0 7.7 0 AM
9 2022100**** 9,0 9,2 6,4 8,0 8.2 0 AM
10 2022100**** 9,0 7,1 7,8 5,0 7.2 0 AM
11 2022100**** 9,5 9,7 9,0 8,0 9.1 0 AM
12 2022100**** 9,5 9,9 9,0 9,8 9.6 0 AM
13 2022100**** 0,0 0,0 3,0 0,0 0.8 60 RF
14 2022100**** 9,5 7,1 8,0 7,5 8.0 0 AM
15 2022100**** 9,0 9,2 6,4 4,8 7.4 0 AM
16 2022100**** 9,5 9,1 7,4 9,5 8.9 0 AM
17 2022100**** 9,0 7,1 7,8 7,0 7.7 0 AM
18 2022100**** 10,0 5,6 9,0 8,8 8.4 0 AM
19 2022100**** 9,0 8,4 7,2 5,8 7.6 0 AM
20 2022100**** 9,5 5,7 8,0 9,0 8.1 0 AM

Nenhum item foi encontrado

Plano de Curso

Nesta página é possível visualizar o plano de curso definido pelo docente para esta turma.

Dados da Disciplina
Ementa: Amostragem e delineamento de experimentos. Traduzir hipóteses científicas em modelos estatísticos. Normalidade de dados. Modelos estatísticos lineares e não lineares. Correlações e regressões. Análise de variância. Simplificação de modelos. Introdução à análise multivariada. Medidas de similaridade. Análises de classificação e ordenação. Testes de permutação. Comparação de matrizes. Análises Canônicas.
Objetivos:
Metodologia de Ensino e Avaliação
Metodologia: Todas as aulas síncronas ocorrerão através de ambiente virtual, pela plataforma Google Meet (link da videochamada: https://meet.google.com/exe-ouab-iof). 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 4.2.0, disponível em: https://cran.r-project.org/bin/windows/base/

• R Studio Desktop, versão 1.4.1106, disponível em: https://www.rstudio.com/products/rstudio/download/#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, instalação do R e R Studio (2 pontos)
AT2 - Variáveis, funções e operadores na linguagem R (2 pontos)
AT3 - Filtros e loops na linguagem R (2 pontos)
AT4 - Visualização de dados na linguagem R (2 pontos)
AT5 - Análise exploratórias de dados (2 pontos)

Nota 02:
AT6 - Escolhendo testes de hipóteses (2 pontos)
AT7 - Modelos gerais linearizados - GLM, distribuição gaussiana (3 pontos)
AT8 - Modelos gerais linearizados - GLM, distribuição poisson (3 pontos)
AT9 - Revisão (3 pontos)

Nota 03:
AT10 - Modelos gerais linearizados - GLM, distribuição binomial (3 pontos)
AT11 - Parâmetros de diversidade (4 pontos)
AT12 - Produção e edição de gráficos e tabelas (3 pontos)

Nota 04:
AT13 - Projetos de discentes (10 pontos)
Horário de atendimento: 08:00 - 12:00; 14:00 - 22:00h
Bibliografia: Bibliografia básica:
DA SILVA F.R., GONÇALVES-SOUZA T., PATERNO G.B., PROVETE D.B., VANCINE M.H. 2022. Análises ecológicas no R. Nupeea : Canal 6, Recife, PE : São Paulo. 640 p. ISBN 978-85-7917-564-0. Disponível em: https://analises-ecologicas.netlify.app/
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.

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/
ZAR, J.H. 2014. Bioestatistical Analysis. Harlow: Pearson Education Limited. 761.
Cronograma de Aulas

Início

Fim

 Descrição
02/05/2022
02/05/2022
Apresentação da disciplina, introdução a estatística e delineamento amostral e testes de hipóteses, instalação do R e R Studio
03/05/2022
03/05/2022
Variáveis, funções e operadores na linguagem R
04/05/2022
04/05/2022
Filtros e loops na linguagem R
05/05/2022
05/05/2022
Visualização de dados na linguagem R
06/05/2022
06/05/2022
Análise exploratórias de dados
09/05/2022
09/05/2022
Escolhendo testes de hipóteses
10/05/2022
10/05/2022
Modelos gerais linearizados - GLM, distribuição gaussiana
11/05/2022
11/05/2022
Modelos gerais linearizados - GLM, distribuição poisson
12/05/2022
12/05/2022
Revisão
13/05/2022
13/05/2022
Modelos gerais linearizados - GLM, distribuição binomial
16/05/2022
16/05/2022
Parâmetros de diversidade
17/05/2022
17/05/2022
Produção e edição de gráficos e tabelas
18/05/2022
18/05/2022
Apresentações de projetos pelos discentes, discussão sobre delineamento amostral e análise de dados e fechamento da disciplina
19/05/2022
19/05/2022
Apresentações de projetos pelos discentes, discussão sobre delineamento amostral e análise de dados e fechamento da disciplina
20/05/2022
20/05/2022
Apresentações de projetos pelos discentes, discussão sobre delineamento amostral e análise de dados e fechamento da disciplina
Avaliações
Data Descrição
02/05/2022 1ª Avaliação
04/05/2022 2ª Avaliação
05/05/2022 3ª Avaliação
06/05/2022 4ª Avaliação
: Referência consta na biblioteca
Referências Básicas
Tipo de material Descrição
Referências Complementares
Tipo de material Descrição
Notícias da Turma
: Visualizar

Título

Data
Disciplina consolidada 18/07/2022
URGENTE: atividades Estatística e Delineamento Amostral 04/07/2022
Atividade 1 28/05/2022
Avisos sobre a aula de hoje 09/05/2022
Aula de hoje: testes de hipóteses 09/05/2022
Atividade no Drive 05/05/2022
Arquivos da aula de 05 de maio 05/05/2022
HOJE: Estatística e Delineamento Amostral 02/05/2022
Nova consulta sobre horários de aulas 12/04/2022
Consulta sobre alteração de horário de aulas 08/04/2022

SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | sigjb04.ufpi.br.sigaa vSIGAA_3.12.1074 07/05/2024 13:09