ANÁLISES ESTATÍSTICAS APLICADAS ÀS CIÊNCIAS AMBIENTAIS

Nome da Disciplina: ANÁLISES ESTATÍSTICAS APLICADAS ÀS CIÊNCIAS AMBIENTAIS

Carga Horária: 45

Créditos: 3

Obrigatória: Não

Expressão Numérica: medidas e escalas, algarismos significativos e notação científica; precisão, exatidão e estimativa do valor correto da grandeza medida; análise de erros e propagação de incertezas; funções e gráficos. Estatística Descritiva: distribuição de frequência, representação gráfica das variáveis quantitativas, medidas de posição central e de dispersão. Probabilidade e distribuição binomial. Distribuição normal: curva normal reduzida, soma da amostra, média e desvio padrão de réplicas. Teorema do valor central. Testes de hipóteses significância: testes unilaterais e bilaterais; erros do tipo I e do tipo II; poder de um teste. Amostragem, representatividade e aletoriedade. Pequenas amostras. Distribuição "t". Teste X². Análise da variância: teste "F" com um e dois fatores. Correlação simples: coeficientes de Spearman e Pearson. Regressão linear simples: método dos mínimos quadrados; Métodos de análise, matrizes de dados, normalização de dados. Análise multivariada. Representação: finalidade, objetivos. Matrizes de associação. Análise de aglomerados: introdução, definição do problema, aplicação da técnica, apresentação dos resultados. Medidas de distância e similaridade: distância Euclideana, distância Mahalanobis, outros coeficientes. Formação de aglomerados (clusters): introdução, técnicas hierárquicas, método do centróide, métodos de medidas de distâncias, método do vizinho mais próximo, método do vizinho mais afastado, método de Ward (menor variância). Tópicos especias: seleção das variáveis, escala de variáveis, número de grupos. Métodos de ordenação. Método do Componente Principal (PCA): mudança de eixos, medidas de distância, correlação, efeitos da normalização, interpretação dos resultados. Análise por Cluster Modificado: critérios para utilização, quebra das correlações, efeitos de diluição, multiplicação de matrizes. Interpretação de resultados. Outros métodos de análise multivariada: discriminante, análise fatorial. Recursos computacionais: programas SAS, SPSS, GLUSTAN. Aplicações nas diferentes áreas de pesquisa. Problemas. Modelagem estatística: computação gráfica. Conclusão.

- Fonseca, J.S. & Martins G.A. 1994. Curso de estatística. 5ª Ed. São Paulo, Atlas. - Spiegal, M.R.; Schiller, J.J.; Srinivasan, R.A. 2013. Probabilidade e estatística. 3. Ed. Porto Alegre, Bookman. - Taylor, J.R. 2012. Introdução à análise de erros. 2aEd. Porto Alegre, Bookman. - Tukey, J. W. 1977. Exploratory data analysis. London, Addison Wesley. - Davis, J. C. 1986. Statistics and data analysis in geology. New York, John Willey. - E.C. Pielou, 1984. Interpretation of ecological data. John Wiley & Sons. - John A. Ludwig & James F. 1988. Reynolds. Statistical ecology. John Wiley & Sons. - K.V. Mardia, J.T. Kent & J.M. Bibby, 1982. Multivariate analysis. Academic Press Inc. - W.O Bassab, E.S Miazaki & D.F Andrade, 1990. 9º Simpósio Brasileiro de Probabilidade e Estatística. INE-USP. - W.R. Dillon & M. Goldstein, 1984. Multivariate analysis methods and applications. John Wiley & Sons.