Estatística Computacional
Código: PGGM1012
Curso: Mestrado Acadêmico em Genética e Melhoramento
Créditos: 4
Carga horária: 60
Ementa: Revisão de Estatística Geral. Análises Descritivas dos dados. Planejamento de experimentos. Delineamentos Completamente Casualizados. Teste F . Métodos de Comparações Múltiplas. Transformação de Dados. Delineamentos em Blocos Casualizados. Experimentos Fatoriais. Experimentos em Parcelas Subdivididas. Análise de regressão simples e múltipla. Estudo e aplicação de softwares livres em experimentação.
CONTEÚDO PROGRAMÁTICO (Título e descriminação das Unidades)
1. Uso de softwares para análise estatística de dados experimentais.
1.1. Entrada de dados.
1.2. Gerenciamento e manejo de arquivos.
1.3. Importação e exportação de arquivos.
1.4. Procedimentos estatísticos.
1.5. Saída de resultados.
2. Obtenção de estatísticas descritivas.
2.1. Utilização para obtenção de: médias, erro padrão da média, desvio padrão, variância, somas de quadrados corrigidas e não corrigidas, coeficientes de variação, assimetria, curtose, correlação de Pearson, correlação de Spearman, Box-Plot, Coeficiente de coincidência e dispersão gráfica.
3. Análise de modelos lineares balanceados e desbalanceados.
3.1. Utilização de softwares estatísticos para: análise de variância dos delineamentos experimentais DIC, DBC e DQL, tratamentos regulares e não regulares; testes para verificação das pressuposições da análise de variância, testes de hipóteses e de comparações múltiplas, experimentos fatoriais simples e mais fatores, modelos hierarquizados e em parcela subdivididas.
4. Análise de modelos de regressão lineares simples e múltiplas.
4.1. Utilização dos principais softwares estatísticos para obtenção de: somas de quadrados, estimativas de parâmetros seqüenciais, testes de hipóteses, análises de resíduo
OBJETIVOS
Possibilitar o aprendizado na utilização de softwares em estatística com o conhecimento básico no gerenciamento da tabulação dos arquivos, entrada de dados, gerenciamento, análise e interpretação das saídas dos resultados.
CRITÉRIOS DE AVALIAÇÃO
MÉTODO:
- Prova escrita. Serão aplicadas três (3) provas abrangendo as aulas ao longo do semestre.
CRITÉRIO: será efetuada a média aritmética entre as notas das três provas com peso igual. E o aluno que obtiver média final igual ou superior a 6,00 (em escala de 1 a 10) será considerado aprovado. E os com notas inferiores a 6,00 (escala de 1 a 10) será considerado reprovado.
## Quanto ao conceito será determinado:
Conceito A média final acima de 9,00 (Aprovado)
Conceito B média final menor que 9,00 a 7,50 (Aprovado)
Conceito C média final menor que 7,50 a 6,00 (Aprovado)
Conceito R média final menor que 6,00 (Reprovado)
Bibliografia: 1. Alcoforado, L.F. Utilizando a linguagem R:conceitos, manipulação, visualização, modelagem e elaboração de relatórios.Editora : Alta Books; ISBN-10 : 8550814423, ISBN-13 : 978-8550814421, 1ª ed., 2021.384P.
2. Anintroductionto R: https://cran.r-project.org/doc/manuals/R-intro.pdf
3. BARBIN, D. Planejamento e Análise Estatística de Experimentos Agronômicos. 2 ed., Editora Mecenas, 2013, 214p.
4. CALADO, V., MONTGOMERY, D. C., Planejamento de Experimentos usando o Statistica, E-papers, RJ, 2003.
5. CALLEGARI, J., SIDIA. Bioestatística Princípios e Aplicações 1ºed. Editora ARTMED, 2003. 256p.
6. COCHRAN, W.G. & COX, M.G. . Experimental design. Segunda Edição. John Wiley& Sons, Inc.. New York. 1957.
7. COX, D.R. . Planning ofexperiments. John Wiley& Sons, Inc. .New York. 1958.
8. Cruz, C.D. Genes Software . extendedandintegratedwiththe R, MatlabandSelegen. Acta Scientiarum. v.38, n.4, p.547-552, 2016
9. DEVELOPMENT CORE TEAM. R: A languageandenvironment for statisticalcomputing. Vienna: R Foundation for StatisticalComputing, 2021. http://www.R-project.org
10. HINKELMANN, k. & KEMPTHORNE, O. Design andAnalysisofExperiments. Vol. 2: Advanced Experimental Design. New York: John Wiley&Sons, 2005. 780p.
11. Introdução à Linguagem R para Pós-Graduandos em Ecologia: http://ecologia.ib.usp.br/bie5782/doku.php?id=start
12. Introdução ao ambiente estatístico R : http://www.leg.ufpr.br/~paulojus/embrapa/Rembrapa/Rembrapa.pdf24)
13. Introdução ao uso do programa R :https://cran.r-project.org/doc/contrib/Landeiro-Introducao.pdf
14. KUHNERT, P., VENABLES, B. AnIntroductionto R: Software for StatisticalModelling&Computing. Australia: CSIRO, 2005. 261p.
15. MONTGOMERY, D.C. . Design andanalysisofexperiments. John Wiley& Sons, Inc.. New York. 2008 645 p. 7ª edição.
16. PETERNELLI, L.A.; MELLO, M.P. de Conhecendo o R . Uma visão mais que Estatística. ed. Editora UFV: Viçosa, 2013. 222p.
17. PIMENTEL-GOMES, FREDERICO. Curso de Estatística Experimental, 15ºed. Editora Fealq. Pimentel-Gomes, 2009.
18. RIBEIRO JÚNIOR, J.I. Análises Estatísticas no Excel . Guia Prático. Viçosa: Editora UFV, 2013. 311 p.
19. RODRIGUES, M. I., IEMMA, A. F. Planejamento de Experimentos e Otimização de Processos, 1ºed. .Campinas .SP, Casa do Pão Editora, 2005.
20. Schmuller, J. Análise estatística com R para leigos,Editora : Alta Books; Tradução da 2ª ed. 2019,456P.
21. STEEL, R. G. D., TORRIE, J. H., DICKEY, D.A. Principlesand Procedures ofStatistics. 3rd ed. New York: McGraw-Hill, 1997. 345p.
22. WU, CHIEN-FU JEFF, Experiments: planning, analysis, andparameter design optimization, John Wiley&Sons, 2000.
23. Wickham,H., Grolemund, G.R para data science.Editora : Alta Books; 1ª edição,ISBN-10 : 8550803243, ISBN-13 : 978-8550803241,2019,528p.
