Ferramentas do usuário

Ferramentas do site


biometria:verossim:00-apresent

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.


biometria:verossim:00-apresent [2022/11/24 14:21] (atual) – criada - edição externa 127.0.0.1
Linha 1: Linha 1:
 +====== Modelagem Estatística para Ecologia e Recursos Naturais ======
 +
 +{{biometria:verossim:mapa_conceitual.png?525|Nosso Mapa Conceitual}}
 +
 + 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.
 +
 +----
 +
 +
 +
 +
 +=====Professores=====
 +
 +==== Responsáveis ====
 +
 +  * **Paulo Inácio K. L. Prado** ([[http://ecologia.ib.usp.br/let/|Laboratório de Ecologia Teórica]], Depto de Ecologia, IB - USP) 
 +<code>  email <- paste("prado","ib.usp.br",sep="@") </code>
 +
 +  * **João Luís Ferreira Batista** ([[http://cmq.esalq.usp.br|Centro de Métodos Quantitativos]], Depto. de Ciências Florestais, Esalq - USP) 
 +<code> email <- paste("parsival","usp.br",sep="@") </code>
 +
 +==== Colaboradores ====
 +
 +  * ** Roberto Munguía Steyer ** (Pós-doc do Depto. de Ecologia, IB - USP)
 +
 +  * ** Tiago Montanher ** (Pós-Graduação em Matemática Aplicada, IME-USP)
 +
 +
 +===== Objetivos =====
 +
 +  - Compreender os procedimentos para construção de modelos quantitativos por meio do princípio de verossimilhança; 
 +  - Compreender os conceitos teóricos que fundamentam esses procedimentos; 
 +  - Executar esses procedimentos com a linguagem R.
 +
 +===== Pré-Requisitos =====
 +
 +Conhecimento básico da linguagem R.
 +
 +A [[http://ecologia.ib.usp.br/bie5782| 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.
 +
 +
 +===== Conteúdo =====
 +
 +  * [[01-distr|1. Variáveis aleatórias discretas]]
 +  * [[01b-distr2|2. Variáveis aleatórias contínuas]]  
 +  * [[02-veros|3. A função de verossimilhança]] 
 +  * [[03b-model|4. Modelos com parâmetros constantes: ajustes de distribuições de probabilidade]] 
 +  * [[04-selec|5. Seleção de Modelos]]  
 +  * [[gaussianos|6. Modelos com parâmetros que são funções: modelos Gaussianos]] 
 +  * [[06-model|7. Modelos com parâmetros que são funções: modelos Binomial e Poisson]] 
 +  * [[07-otimi|8. Otimização]] 
 +  * [[06-teor|9. Fundamentação Teórica]] 
 +  
 +
 +===== Metodologia de Ensino =====
 +  * Aulas teóricas
 +  * Tutoriais e exercícios com a linguagem R
 +  * Leitura e discussão de textos
 +
 +===== Avaliação =====
 +
 +==== Critérios ====
 +=== Participação nas atividades ===
 +
 +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. 
 +
 +=== Prova ===
 +
 +Haverá uma prova com questões objetivas sobre a matéria de todas as aulas, exceto a última (fundamentação teórica).
 +
 +== Discussão da Prova ==
 +  * {{:biometria:verossim:prova_resolvida.pdf|Resolução da prova}}
 +  * [[http://ecologia.ib.usp.br/bie5782/doku.php?id=modelos:blogprova|Blog de Discussão da Prova]]: deixe aqui suas dúvidas e comentários. Os professores farão suas considerações dia 28/06.
 +
 +=== Trabalho final ===
 + 
 +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:
 +
 +  * Uma apresentação clara e didática do conceito ou procedimento;
 +  * Uma discussão bem fundamentada de sua importância para sua pesquisa, e de outras similares.
 +
 +== PRAZO ==
 +O prazo para enviar o ensaio por correio eletrônico aos professores responsáveis é **30 de junho de 2009**.
 +
 +
 +==== Cálculos ====
 +
 +=== Pesos ===
 +
 +  * Participação: peso 2
 +  * Prova: peso 1
 +  * Ensaio: peso 7
 +
 +=== Conceito Final ===
 +
 +  * Menos que 5,0 : D
 +  * Entre 5,0 e menos que 6,5: C
 +  * Entre 6,0 e menos que 8,0 : B
 +  * 8,0 ou mais: A
 +
 +=== Planilha de notas ===
 +{{:biometria:verossim:notas_finais_revistas_bie5781.pdf|notas finais}}
 +
 +
 +
 +
 +
 +
 +
 +
 +===== Local e Horário =====
 +==== Horário das aulas ====
 +  * Manhã (**M**): 9:00 - 12:30 h
 +  * Tarde (**T**): 14:00 - 17:30 h
 +
 +==== Salas de Aula ====
 +
 +As aulas téoricas ocorrerão nas seguintes salas do Instituto de Biologia da USP:
 +
 +  * AG-Bot: auditório do Depto. de Botânica, Edifício //André Dreyfus//
 +  * AG-Zoo: auditório do Depto. de Zoologia, Edifício //Ernesto Marcus//
 +  * CD-5: sala 5 do Centro Didático
 +  * Minas-1 e Minas-3: auditórios 1 e 3 do Edifício //Félix Kurt Rawitscher// ("Minas"
 +
 +
 +===== Programação =====
 +
 +^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  | |
 +
 +===== Bibliografia  =====
 +
 +==== Leituras Básicas para as Aulas ====
 +
 +=== Nota ===
 +A [[http://www.usp.br/leginf/resol/r5213m.htm|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. 
 +
 +  * Anderson, D. R. (2008). Model based inference in the life sciences: a primer on evidence. New York, Springer. 
 +  * Batista, J.L.F. (2009). Inferência em Recursos Florestais e Ecologia: A Abordagem da Verossimilhança. Resumo de Palestra, Eslaq, Piracicaba. 
 +  * Batista, J.L.F. (2009). Verossimilhança e Máxima Verossimilhança (apostila).  
 +  * Bolker, B. (2008). Ecological Models and Data in R. Princeton, Princeton University Press. Uma versão de trabalho bem similar ao livro publicado está disponível em: [[http://www.zoo.ufl.edu/bolker/emdbook/index.html]] .  
 +  * Hilborn, R. & Mangel, M. (1997). The Ecological Detective – Confronting Models with Data. Princeton, Princeton University Press.
 +  * Hobbs, N.T. & Hilborn, R. (2006). Alternatives to statistical hypothesis testing in ecology: A guide to self-teaching. Ecological Applications: 16(1): 5-19. [[http://www.esapubs.org/archive/appl/A016/001|Apendices]]
 +  * Johnson, J. B. & Omland, K. S. (2004). Model selection in ecology and evolution. Trends in Ecology and Evolution 19:101-108.
 +  * Lewin-Koh N., Taper, M. L. & Lele, S. R. (2004). A brief tour of statistical concepts. **In:**  The nature of scientific evidence (eds. ML Taper and SR Lele),  University  of Chicago Press, pp 3 -16. 
 +  * Otto, S. P. & Day, T. (2007). A biologist's guide to mathematical modelling in ecology and evolution. Princenton, Princenton University Press. 
 +  * Royall, R. M. (2007) The likelihood paradigm for statistical evidence. **In:**  The nature of scientific evidence (eds. ML Taper and SR Lele),  University  of Chicago Press, pp 119–152. 
 +  * Vismara, E. S. (2009). Seleção de Modelos Empíricos através do Critério de Informação de Akaike.  In: Mensuração da biomassa e seleção de modelos para construção de equações de biomassa. Dissertação de Mestrado, ESALQ-USP, Piracicaba, p.12-26. {{:biometria:verossim:vismara-2009-cap2.pdf|pdf}}
 +
 +
 +
 +==== Leituras Adicionais ====
 +
 +  * Burnham, K. P., & Anderson, D. R. (2002). Model Selection and Multimodel Inference: A Practical-Theoretic Approach, 2nd ed. New York, Springer-Verlag.
 +  * Edwards, A. W. F. 1972. Likelihood – An Account of the Statistical Concept of Likelihood and its Application to Scientific Inference. New York, Cambridge University Press.
 +  * Edwards, A. W. F. 1974. History of Likelihood.  Int. Stat. Rev. 42: 9-15.
 +  * Faraway, J. 2006. Extending the Linear Model with R. Chapman & Hall/CRC. 
 +  * Lindsey J. K. (1999) Some statistical heresies. Statistician 48:1–40.  
 +  * Lindsey J. K. (1999) On the construction and comparison of statistical models for scientific discovery. Disponível na [[http://popgen.unimaas.nl/~jlindsey/ms|página do autor]].
 +  * Royall, R. M. (2000). Statistical Evidence: A Likelihood Paradigm. London, Chapman and Hall.
 +  * Royle, J. A. & Dorazio, R. (2008). Hierarchical Modeling And Inference In Ecology: The Analysis Of Data From Populations, Metapopulations And Communities. Oxford, Academic Press.
 +  * Sober, E. 2008. Evidence and Evolution: the logic behind the science. Cambridge, Cambridge University Press.
 +  * Taper, M. L. & Lele, S. R. 2004. The Nature of Scientific Evidence – Statistical, Philosophical and Empirical Considerations. Chicago, Chicago University Press.
 +