Você está aqui: Página Inicial > Mestrado > Disciplinas > Métodos estatísticos em ciência florestal
conteúdo

Notícias

Métodos estatísticos em ciência florestal

Código da disciplina CF103
última modificação: 31/01/2020 14h10

Carga horária

Teórico por semana Prático por semana Créditos Duração Total
3 1 4 16 60 horas

Docente responsável:

Thiago Augusto da Cunha

Objetivo:

A proposta da disciplina é introduzir e capacitar ao discente sobre os aspectos básicos da coleta, organização, tratamento, análise, interpretação e formas de representação de resultados para subsidiar sua pesquisa de mestrado.  Para tal, softwares estatísticos e gráficos são utilizados durante a disciplina bem como ampla discussão de pesquisas que podem ser realizadas com os dados reais utilizados durante as aulas. 

Ementa:

Aborda os aspectos da Amostragem; Elaboração e organização de dados de pesquisa; Interpretação de gráficos estatísticos; Estatística inferencial, Análise de Correlação Linear; Regressão Linear Simples e Múltipla; Regressão Não-Linear; Metodologia da investigação científica e elementos fundamentais da experimentação e métodos para incrementar a precisão dos experimentos; Modelos estatísticos e análise estatística; Delineamento Inteiramente Casualizado e variantes; Princípio elementar da transformação de dados; Considerações e características fundamentais do delineamento; Delineamento em Fila e Coluna: Quadrado Latino, Retangular Latino e outros relacionados; Delineamento com parcelas divididas e suas variações.

Bibliografia

1) Draper, N. R., Smith. Applied Regression Alanisys. New York: John Willey & Sons, 1966. 709  p.

2) Freese, F. Linear Regression Methods for Forest Research. USA: DFAS. 1972. 132 p.

3) Dowdy, S.; Wearden, S. Statistical for research, West Virginia University, John Wiley & Sons, 1991

4) Cochran, W. G.; Cox, G. M. Experimental designs, John Wiley & Sons, 1992

5) Hernandez, S. R. et al Metodologia de la investigación, McGraw-Hill Interamericana, 1999.

6) Snedecor, G. W.; Cochran, W. G. Statistical methods, Iwoa State University, 1993.

7) SAS Institute. SAS Guide for personal computers. SAS Inst, Cary, NC. 2009

8) Littell, R. C. et al. SAS for mixed models. SAS Inst, Cary, NC, 2006. 814 p.