Carga Horária
Teórica por semana |
Prática por semana |
Créditos |
Duração |
Total |
5 |
2 |
8 |
15 semanas |
120 horas |
Docentes responsáveis
João Luis Ferreira Batista
Objetivo
Desenvolver proficiência em computação no ambiente R para a implementação de métodos quantitativos na pesquisa em Ecologia e Recursos Florestais.
Conteúdo
1. Introdução: histórico e filosofia de trabalho no ambiente R.
2. Um curso relâmpago no R: rápida apresentação dos elementos básicos do trabalho no R.
3. A estrutura funcional no R: funções matemáticas, lógicas e de distribuição de probabilidade.
4. A estrutura orientada para objeto no R: “tudo é objeto”, tipos de objetos, classes e outros atributos dos objetos.
5. A estrutura SQL para organização de dados: o conceito de tabelas, “link” e buscas.
6. Dados no R: leitura de dados, tipos de variáveis, tipos de objetos de dados.
7. Manipulação de dados: sumarização, agregação e fusão.
8. Análise gráfica exploratória de dados: funções básicas, o pacote “lattice”.
9. Introdução a Modelos Lineares: fórmulas estatísticas, lógica de modelagem no R, regressão e análise de variância.
10. Simulação: simulação com base em distribuições de probabilidade, simulação do modelo linear.
11. Re-amostragem: técnicas de reamostragem para estimação da variância, construção de envelopes de confiança.
12. Manipulação avançada de dados: indexação, sub-amostragem, correção/edição de dados, matrizes e “arrays”.
13. Construção de uma função no R: definição de argumentos, processamento e resultado.
14. Programação em S: controle de fluxo, procedimentos vetoriais, e “assignment”.
15. Programação orientada para objetos na linguagem S4: criação de classes e métodos.
Bibliografia
Bolker, B.M.; Ecological Models and Data in R. Princeton: Princeton Univ. Press, 2008.
Chambers, J.M.; Programming with data. New York: Springer, 1998.
Chambers, J.M.; R Facets. The R Journal, v.1, n.1, p.5-8, 2009.
Chambers, J.M.; Cleveland, W.; Kleiner, B.; Tuckey, P.; Graphical methods for data analysis. Pacific Grove: Wadsworth, 1983.
Cleveland,W.; Elements of graphing data. Pacific Grove: Wadsworth, 1985.
Frost, J. 2013 Regression Analysis: How Do I Interpret R-squared and Assess the Goodness-of-Fit? The Minitab Blog online, http://blog.minitab.com/blog/adventures-in-statistics/regression-analysis-how-do-i-interpret-r-squared-and-assess-the-goodness-of-fit
Kabacoff, R. R in Action. New York: Manning Publication, 2011.
R Development Team. An Introduction to R - Notes on R: A Programming Environment for Data Analysis and Graphics -- Version 3.1.2 (2014-10-31). Manual online, http://brieger.esalq.usp.br/CRAN/doc/manuals/R-intro.pdf
R Development Team. R Data Import/Export—Version 3.1.2 (2014-10-31). Manual online, http://brieger.esalq.usp.br/CRAN/doc/manuals/R-data.pdf
R Development Team. R Language Definition—Version 3.1.2 (2014-10-31). Manual online, http://brieger.esalq.usp.br/CRAN/doc/manuals/R-lang.pdf
Robinson, A.P.; Hamann, J.D. Forest Analytics with R: An Introduction. New York: Springer, 2011.
Venables,W.N.; Smith, D.M.; R Development Team; An Introduction to R—Version 2.9.2 (2009-08-04). Manual online, http://brieger.esalq.usp.br/CRAN/doc/manuals/R-intro.pdf
Venables,W.N.; Ripley, B.D.; Modern Applied Statistics with S. New York: Springer, 2002.
Venables, W.N.; Ripley, B.D.; S Programming. New York: Springer, 2000.