O mapa conceitual parte de um comando generalizado em linguagem R, que resume a ligação entre modelos e dados, por meio da função de verossimilhança.
Os modelos são variáveis aleatórias, cujos parâmetros são funções de variáveis explicativas. A plausibilidade dos modelos, condicionada aos dados, é expressa pela função de verossimilhança. Os coeficientes mais plausíveis dos modelos são obtidos maximizando-se a função de verossimilhança, com técnicas de otimização numérica.
email <- paste("prado","ib.usp.br",sep="@")
email <- paste("parsival","usp.br",sep="@")
Conhecimento básico da linguagem R.
A página da disciplina de introdução ao R da Pós-Graduação em Ecologia da USP tem apostilas, tutoriais, exercícios e sugestões de leituras para o estudo da linguagem.
O pré-requisito é a presença nas atividades, mas a avaliação é da qualidade de suas contribuições nas aulas teóricas e de discussão. Uma fração importante do tempo da disciplina está reservada para estudo por meio de leitura e tutoriais. Espera-se que você leia os textos, faça os tutoriais e reflita sobre ele antes de cada aula, e que isso resulte em contribuições efetivas às discussões em sala.
Haverá uma prova com questões objetivas sobre a matéria de todas as aulas, exceto a última (fundamentação teórica).
Um ensaio de no máximo 2.000 palavras, sobre o impacto em sua pesquisa de um dos conceitos e/ou procedimentos abordados na disciplina. O ensaio deve ser escrito para colegas de sua área que não conhecem o assunto, com:
O prazo para enviar o ensaio por correio eletrônico aos professores responsáveis é 30 de junho de 2009.
As aulas téoricas ocorrerão nas seguintes salas do Instituto de Biologia da USP:
Dia | Período | Atividade | Local | Tema | Leitura |
---|---|---|---|---|---|
01/06 | M | Aula Teor. | Minas-3 | Apresentação da disciplina e introdução à modelagem estatística | Hilborn & Mangel cap.1, Johnson & Omland 2004 |
01/06 | T | Aula Teor. | Minas-3 | Variáveis aleatórias discretas | Otto & Day pp. 513-536 |
02/06 | M&T | Estudo ind. | Variáveis aleatórias discretas | ||
03/06 | M | Discussão | AG-Bot | Variáveis aleatórias discretas | |
03/06 | T | Aula Teor. | AG-Bot | Variáveis aleatórias contínuas | Otto & Day pp. 536-558 |
04/06 | M&T | Estudo ind. | Variáveis aleatórias contínuas | ||
05/06 | M | Discussão | Minas-1 | Variáveis aleatórias contínuas | |
05/06 | T | Aula Teor. | Minas-1 | Função de Verossimilhança | Batista 2009, Hobbs & Hilborn 2006 apêndice A |
08/06 | M | Discussão | Minas-3 | Função de Verossimilhança | |
08/06 | T | Aula Teor. | Minas-3 | Ajuste de distribuições Seleção de modelos | Bolker pp. 169-176, Vismara 2009 pp. 12-26, opcionais: Anderson 2008 caps.2 e 3 |
09/06 | M&T | Estudo ind. | Ajuste de distribuições Seleção de modelos | ||
10/06 | M | Discussão | CD-5 | Ajuste de distribuições Seleção de modelos | |
10/06 | T | Aula Teor. | CD-5 | Modelos Gaussianos | Bolker pp.298-308, Batista 2008 |
15/06 | M&T | Estudo ind. | Modelos Gaussianos | ||
16/06 | M | Aula Teor. | Minas-3 | Modelos Poisson e Binomial | Bolker pps. 182-184, 201-208, 308-312, Faraway 2006 cap. 2 (opcional) |
16/06 | T | Discussão | Minas-3 | Modelos Gaussianos | |
17/06 | M&T | Estudo ind. | Modelos Poisson e Binomial | ||
18/06 | M | Discussão | AG-Zoo | Modelos Poisson e Binomial | |
18/06 | T | Aula Teor. | AG-Zoo | Fundamentação teórica | Lewin Koh et al. 2004, Hilborn & Mangel cap.2, Royall 2007, Hobbs & Hilborn 2006 |
19/06 | M | Prova | AG-Bot | Toda a matéria até aqui, exceto fundamentação teórica | |
19/06 | M | Palestra | AG-Bot | Otimização | Bolker cap. 7 (opcional) |
19/06 | T | Discussão | AG-Bot | Fundamentação Teórica |
A Resolução 5213 da Reitoria da USP permite que professores disponibilizem artigos e partes de livros adotados para uso estrito nas atividades de sua disciplina, apenas pelos alunos regularmente inscritos nela.