Introdução às análises multivariadas no R

Nesta versão online ao vivo do curso de análises multivariadas você aprenderá de forma descomplicada a como executar e interpretar as principais abordagens metodológicas multivariadas no R. Para isso, o foco do curso é a execução prática, interpretação de resultados e fundamentação teórica subjacente ao nível conceitual primordial sem necessidade de detalhamento matemático pautado em fórmulas e equações. Dessa forma, você será capaz de entender como escolher diferentes métodos para distintos propósitos analíticos dos seus dados e como aplicá-los.

Carga horária: 8 horas

Data horário: 16/10/2021 (08:00 às 13:00)

Ministrante: Dr. Écio Souza Diniz

Investimento: R$ 75,00 via transferência (Banco do Brasil ou NuBank) ou R$ 80,00 com PagSeguro em parcela única.

Inscriçãohttps://forms.gle/MvW3EANuZTidR9pi6

Pré-requisitos desejáveis: entendimento do uso do software R para Windows (instalá-lo em sua versão atual no PC, instalação e carregamento de pacotes, importação de dados para dentro do software) e noção teórica de estatística básica (ex: média, variância, desvio padrão, distribuições de erro (ex: normal)). O não preenchimento desses pré-requisitos não invalida participação no curso, mas isenta responsabilidade da empresa quanto ao participante conseguir acompanhar de forma bem sucedida os conteúdos abordados.

Conteúdo:

  • Conceitos e pressupostos básicos da estatística multivariada
    • Teste de normalidade multivariada
    • Homogeneidade de variância multivariada (covariância de matrizes) – teste de Bartlett
    • Teste de média e desvio padrão multivariado – teste T² de Hotelling
    • Correlação linear (Pearson e Spearman)
    • Medidas de distância e dissimilaridade
  • Análise de Variância Multivariada
    • Paramétrica (MANOVA) e não paramétrica (PERMANOVA)
  • Análise de agrupamento (clustering)
    • Hierarchical clustering (dendrograma)
    • Non hierarchical clustering (K-means)
  • Ordenação irrestrita
    • Análise de componentes principais (PCA)
    • Análise de coordenadas principais (PCoA)
    • Análise fatorial (FA)
  • Ordenação restrita
    • Análise de correspondência canônica (CCA)
    • Análise de redundância (RDA)

Inventário Florestal: teoria, prática e análises em R

A principal forma de obtenção de dados de uma floresta nativa ou plantada é através de medições de parâmetros das plantas durante a execução de inventários florestais . Assim, dominar os principais conceitos e métodos relacionados ao inventário florestal é de fundamental importância para manejo, exploração ou conservação dos recursos florestais.

Se você é um profissional seja do setor privado ou público, empresarial ou acadêmico, que deseja atuar ou se aperfeiçoar de forma acessível, com fácil e rápido entendimento técnico-prático nos cálculos e interpretação de parâmetros fundamentais dos inventários florestais, esse curso é o que você busca.

Nesse curso, você será capacitado nos principais tópicos, tanto teóricos quanto práticos, do planejamento e execução do inventário florestal, visando maior eficiência dos processos de campo e análise dos dados, tudo através de uma linguagem técnica acessível e fácil assimilação. O grande diferencial do nosso curso é a forma como aprenderemos a calcular os dados obtidos em campo utilizando uma ferramenta gratuita e mundialmente reconhecida, o software R, que, com poucos comandos, nos fornecerá as principais métricas utilizadas no inventário florestal.

Carga horária: 4 horas

Data e Horário: 14/08/2021 das 8:00 às 12:00

Ministrante: Ms: Carlos Schwartz

Investimento: R$ 85,00 via transferência (Banco do Brasil ou NuBank) ou R$ 92,00 com PagSeguro em parcela única. Pague com PagSeguro - é rápido, grátis e seguro!

Inscrição: https://forms.gle/MvW3EANuZTidR9pi6

Conteúdo do curso:

Conceitos e tipo de inventario florestal
Variáveis do inventário florestal
Planejamento do inventário florestal

Teoria da amostragem
Tipos de amostragem

Fitossociologia: conceitos e parâmetros
Índices de diversidade

Cálculos e análises em R
Apresentação dos dados e Plantminer
Censo florestal
Amostragem estratificada
Amostragem aleatória
Amostragem por Bitterlich
Métricas de Fitossociologia
Cálculo de Índices de diversidade
Curva de acumulação de espécies

 

Séries temporais com R

Você deseja ser um profissional diferenciado e capacitado alinhado com as tendências futuras do setor de análise de dados? Quer aprender a analisar séries temporais, prever o futuro com as melhores técnicas de forecast e ainda sair do treinamento com um produto seu, uma aplicação web de séries temporais, publicada e pronta para uso?

Neste curso, você irá aprender a analisar séries temporais e aplicar as principais técnicas de forecast usando a linguagem R. O conteúdo foi planejado para contemplar tudo o que há de mais importante em séries temporais, com embasamento teórico e diversas aplicações práticas, tudo de forma didática e acessível, mesmo para quem tem conhecimentos básicos de R e estatística. No final do curso, nós ainda desenvolveremos uma aplicação web de séries temporais! Ou seja, além de ser capacitado a trabalhar com séries, você sairá do curso com um produto, um aplicativo pronto para ser usado.

Carga horária: 8 horas

Data horário: 31/07/2021 de 8:00 às 12:00 e 14:00 às 18:00

Ministrante: Alexandre Godinho

Inscriçãohttps://forms.gle/MvW3EANuZTidR9pi6

Investimento: R$ 85,00 via transferência (Banco do Brasil ou NuBank) ou R$ 92,00 com PagSeguro em parcela única. Pague com PagSeguro - é rápido, grátis e seguro!

Conteúdo:

Instruções: instalação de pacotes
Instruções: pastas e arquivos
Introdução às séries temporais
Decomposição de séries temporais
Conceitos e medidas
Pressupostos e transformações
Introdução ao Forecast e aos métodos básicos de previsão
Método do Drift
Suavização exponencial: introdução
Suavização exponencial simples
Método de Holt
Método de Holt-Winters
ARIMA (autoregressive integrated moving average)
Auto ARIMA
Modelos de regressão dinâmica
BATS/TBATS – modelos para múltipla sazonalidade
Forecast com Redes Neurais
Avaliação dos algoritmos

Criação de APP de séries temporais no R com Shiny
Apresentação do Shiny
Criando um projeto no Shiny
Criando um APP simples
APP Forecast: desenvolvimento e teste
APP Forecast: adição de gráficos para as previsões
APP Forecast: análise de resíduos e conclusão
Publicação do APP

Ilustração científica

Quer entrar ou se aperfeiçoar na área de ilustração científica, tendo instrução ao vivo de um mentor altamente qualificado no ramo? Neste curso você irá aprender de forma confortável 100% online ao vivo via web conferência uma forma prática e simples de iniciar os seus trabalhos em ilustração científica, traçando assim seu caminho da independência como ilustrador. Aqui teremos não somente detalhamento técnico, mas também um breve panorama do auxílio prestado de abordagens paralelas como fotografia e teoria da cor para maior qualidade e agregação de valor ao resultado final, além de passarmos pela ilustração clássica e vetorial, com diversas técnicas. Ainda, ao final propomos uma discussão sobre como funciona o mercado de trabalho para um ilustrador, desde conseguir clientes até quanto custa um trabalho final, preparando você para uma atuação efetiva nesse ramo. E tudo isso permitindo que você interaja em tempo real com o instrutor de onde estiver.

Carga horária: 8 horas

Data horário: 16/07/2017 (17:00 às 21:00) e 17/07/2021 (09:00 às 13:00)

Ministrante: Raoni Rebouças

Inscriçãohttps://forms.gle/MvW3EANuZTidR9pi6

Investimento: R$ 85,00 via transferência (Banco do Brasil ou NuBank) ou R$ 92,00 com PagSeguro em parcela única

Pague com PagSeguro - é rápido, grátis e seguro!

Conteúdo:

Conceitos de ilustração e definições de cor, fotografia e imagem
O que é ilustração científica?
Como vemos uma imagem e como a fotografia pode ajudar
Introdução à teoria da cor

Desenhos à mão livre
Desenho à mão livre I
Desenho à mão livre II: Introdução ao Adobe Photoshop
Desenho à mão livre III: Pontilhismo
Desenho à mão livre IV: Hachura
Desenho à mão livre V: Sombreamento clássico
Desenho à mão livre VI: Mistura de cores
Desenho à mão livre VII: Produção de texturas
Desenho à mão livre VIII: Introdução ao Krita

Desenhos vetoriais
Introdução ao Adobe Illustrator
Prática I
Prática II
Prática III
Exportar a arte final
Introdução ao InkScape

Aplicações e mercado da ilustração científica
Aplicações da ilustração científica e mercado

Livro ‘Modelos de regressão em R’

O livro Modelos de regressão em R lançado recentemente, tendo Écio Souza Diniz (Diretor da Beta Analítica) como um dos autores idealizadores, se concretiza como ambas a segunda edição estendida do livro e sua primeira versão lançada no Brasil.

O conteúdo do livro aborda os modelos de regressão lineares e não lineares mais utilizados em diversas áreas do conhecimento, principalmente em áreas de Ciências Agrárias e Biológicas. Os autores mostram passo a passo os cuidados e etapas para construção e aplicação de cada modelo, combinando teoria e prática demonstrada pelos códigos de execução no R. Para isso, eles fornecem dados reais de amostragens de vegetação de Mata Atlântica Brasileira e Vegetação Temperada Alemã para embasar as análises demonstradas como exemplificação dos modelos. Assim, o referido livro representa um guia prático que aborda todos os pontos básicos e centrais de todos os modelos e suas abordagens estatísticas subjacentes, utilizando-se de uma linguagem mais simples e acessível para amplos públicos.

A aquisição do livro pode ser feita acessando o link abaixo, no qual também é possível ler as primeiras 25 páginas do livro como uma amostra de sua estruturação de conteúdos: https://clubedeautores.com.br/livro/modelos-de-regressao-em-r

Rotina em R para curvas de rarefação e extrapolação de diversidade de espécies

O capítulo “Rarefaction and extrapolation of species diversity during neotropical forest succession: an R routine using iNEXT package” do livro “Aplicações da Linguagem R em Análises de Vegetação” oferece uma rotina de códigos em script para aprendizado e prática da estimativa de curvas de rarefação e extrapolação de diversidade de espécies usando o pacote iNEXT. O iNEXT ainda faz uso de funções base do pacote ggplot2 para gerar belos gráficos de dispersão para demonstração dessas curvas.

Os autores fazem uso de dados de floresta Amazônica para demonstrar a aplicação do iNEXT para analisar as diferenças em diversidade de espécies lenhosas entre quatro
estágios sucessionais e a floresta sem perturbação (Old Growth Forest) usando abordagens de rarefação e extrapolação baseadas em indivíduos e cobertura baseadas em amostras.

Para acessar e baixar o script com a rotina de códigos para geração de curvas de rarefação e extrapolação exemplificados, confira o link no capítulo: https://www.atenaeditora.com.br/post-artigo/32120

Se você quer baixar o livro completo acesse: https://www.atenaeditora.com.br/post-ebook/3054

Protocolo para aprender e ensinar R

Como parte de capítulo integrante do livro “Aplicações da Linguagem R em Análises de Vegetação”, o protocolo de análises de dados BIOVEG em sua terceira edição como integrante do capítulo “BIOVEG – A protocol to learn and teach statistics in R using vegetation data” traz um amplo conjunto de métodos que vão desde análises estatísticas básicas à machine learning. Através de script com códigos das análises e comentários teóricos centrais sobre cada método estatístico os autores, incluindo Écio Souza Diniz (Diretor executivo da Beta Analítica), se baseiam em exemplos usando dados de vegetação brasileira e alemã que eles forneceram livremente para os usuários praticarem os métodos constituintes do script. Além disso, a transferibilidade de aplicações dos métodos demonstrados e explicados no script abrange amplo contexto interdisciplinar, permitindo que usuários das mais distintas áreas do conhecimento possam transpor seu uso para sua realidade de estudo.

O script também incluem diversas dicas para melhor desempenho de análises estatísticas e sugestões de leitura para aprofundamento. A tabela abaixo mostra todos os métodos que são contemplados com códigos e protocolos para executar e praticar as análises.

ANALYSIS TYPE

STATISTICS APPLIED

R PACKAGES

 

   

Normality test

Shapiro Wilk test and residuals

Built-in Function

Data Transformation

Log, square, inverse and Arcsine square root

Built-in Function

One sample test

Parametric: T-test; Nonparametric: Wilcoxon Signed Rank Test

Built-in Function

 

 

Two sample tests

Independent samples: Nonparametric: Wilcoxon Rank-Sum Test (Mann-Whitney U-test); Parametric: T-test; Dependent sample: Wilcoxon Rank-Sum; Paired T-test

Built-in Function

Analyses of variance

Parametric: ANOVA One Way and Tukey post-hoc; Nonparametric: Kruskal-Wallis and Dunn’s post-hoc test

Built-in Function and dunn.test

Independence test

Chi-squared

Built-in Function and MASS

Correlation analysis

Pearson, Spearman and Variance Inflation Factor (VIF)

Built-in Function and PerformanceAnalytics

 

 

 

 

Regression   modeling

Linear: LM (Linear Model), GLM (Generalized Linear Models, GLMM (Generalized linear mixed models), LME (Linear mixed models), GLS (Generalized Least squares) and post-hoc Tukey HSD and LmerTest tests. Nonlinear: Quadratic Model, Generalized Non-Linear Models (GNM), GAM (Generalized Additive Models) and GAMM (Generalized Additive Mixed Models). Note: There are examples treating spatial and temporal correlation.

Lme4, nlme, gnm, mgcv, multcomp, lmerTest, MASS, car, gmodels and ROCR

Model selection

Akaike information criterion (AIC) and AIC model average

MuMIn

Diagnostic for Linearity

Based on residuals of linear regression models

car

Spatial autocorrelation

Based on Moran’s I statistics applied on linear regression models

lctools, ncf, nlme,

Supervised learning

Random Forest

randomForest

Multivariate analysis

NMDS, ANOSIM, CCA, PCA, PERMANOVA and INDVAL

BiodiversityR, vegan, indicspecies, permute and lattice

Fonte: DINIZ e THIELE (2020)

Para baixar o capítulo que contém os links para baixar o conjunto de protocolos (dados + script) BIOVEG, por favor acesse: https://www.atenaeditora.com.br/post-artigo/33323

Se você quer baixar o livro completo acesse: https://www.atenaeditora.com.br/post-ebook/3054

Livro gratuito com demonstrações analíticas em R

O livro “Aplicações da Linguagem R em Análises de Vegetação”, que teve  Écio Souza Diniz (Diretor da Beta Analítica) como um dos organizadores, traz um compilado de métodos analíticos diversos aplicados no ambiente do software R para análise de vegetação, visando contribuir para o aumento da capacidade técnica de diversos profissionais das áreas de Ciências da Terra ou Naturais no uso dessa poderosa ferramenta analítica. Os métodos aplicados em R demonstrados no livro vão desde estatística básica, multivariada, cálculo de métricas fitossociológicas até aplicações de ferramentas para análise de imagens geoprocessadas por sensoriamento remoto.

O principal diferencial do livro é que os capítulos que o integram vêm acompanhados por links de compartilhamento livre de dados e scripts com códigos para execução das análises que eles abordam no R disponíveis livremente para download em repositórios abertos. Essa iniciativa visa promover a divulgação científica e compartilhamento de conhecimento para ajudar desenvolver em mais profissionais as habilidades analíticas em R. Embora, os métodos demonstrados nos capítulos são exemplificados em cima de dados de vegetação, as suas aplicações são transferíveis em alto contexto interdisciplinar, sendo possíveis de uso em diversas áreas do conhecimento.

Ainda, este livro é o primeiro do gênero com esse tipo de proposta publicado em língua portuguesa.

Acesso e livre download do livro: https://www.atenaeditora.com.br/post-ebook/3054

Bases de modelos não lineares em R

É comum a ocorrência de situações nas quais os seus dados não se ajustam em modelos de  regressão lineares. Nessas situações você precisa ajustar seus dados a curvas de regressão que quantificam por efeitos não lineares entre as variáveis. No entanto, essas aplicações não lineares costumam ser enxergadas como demasiadamente complexas e de difícil aplicação, afastando a busca de aprendizado em diversas pessoas. É para te ajudar a adquirir e usar esse conhecimento de forma indolor e tranquila. Para isso, são mostrados princípios básicos e práticos de modelos generalizados não lineares demonstrados em cima de bancos de dados demonstrativos. Você será capaz de sair desse curso com conhecimento básico de modelos não lineares para aplicar em seus trabalhos e buscar independência no seu aprimoramento nesse tópico. Além disso, são fornecidas dicas e sugestões sobre as formas mais usuais e aceitas de apresentar resultados em publicações científicas e relatórios técnicos.

Carga horária: 5 horas

Data horário: 31/03/2021 (17:00 às 22:00)

Ministrante: Dr. Écio Souza Diniz

Investimento: R$ 70,00 via transferência (Banco do Brasil ou NuBank) ou R$ 76,00 com PagSeguro em parcela única Pague com PagSeguro - é rápido, grátis e seguro!

Para quem se inscrever no curso Modelos lineares generalizados em R haverá 20% de desconto

Inscriçãohttps://forms.gle/MvW3EANuZTidR9pi6

Pré-requisitos desejáveis: entendimento do uso do software R para Windows (instalá-lo em sua versão atual no PC, instalação e carregamento de pacotes, importação de dados para dentro do software) e noção teórica de modelos de regressão lineares. O não preenchimento desses pré-requisitos não invalida participação no curso, mas isenta responsabilidade da empresa quanto ao participante conseguir acompanhar de forma bem sucedida os conteúdos abordados.

Conteúdo do curso:

  1. Introdução teórica aos modelos não lineares
  2. Pré-diagnósticos de linearidade entre variáveis resposta e preditiva
  3. Ajuste de modelo quadrático
  4. Modelos generalizados não lineares (GNM)
  5. Curvas (smooths) de ajuste não linear
  6. Modelos generalizados aditivos (GAM)
  7. Correlação entre variáveis não lineares
  8. Modelos generalizados aditivos mistos (GAMM)
  9. Seleção de melhores modelos não lineares
  10. Formas de apresentação de resultados
  11. Sugestões de aprofundamento

Pesquisa e gestão de referências bibliográficas

Se você é escritor (a), estudante de pós-graduação, pesquisador (a) ou professor (a) acadêmico (a), provavelmente tem a comum necessidade de fazer uma boa pesquisa bibliográfica para o seu trabalho. No entanto, esse processo pode ser lento, dispendioso e entediante. Calma! Há formas mais automatizadas e fáceis que tornam esse processo mais rápido e prazeroso. Neste curso, o participante aprenderá conteúdos úteis que envolvem: os princípios básicos e automatização da pesquisa diversificada de referências bibliográficas; funcionamento dos principais programas gerenciadores de referências e suas funcionalidades; conversão de listas de referência em word em arquivos para importação nos principais programas de gestão e formatação de referências; criação de bibliotecas específicas para seus diferentes trabalhos e projetos nesses gerenciadores; pesquisa de referências por palavras-chave. Além disso, você ainda receberá dicas e cuidados para evitar plágio e fazer publicação citável de seus dados.

Está esperando o quê para facilitar e melhorar a escrita de suas publicações?

Carga horária: 5 horas

Data horário: 04/06/2021

Ministrante: Dr. Écio Souza Diniz

Investimento: R$ 70,00 via transferência (Banco do Brasil ou NuBank) ou R$ 76,00 com PagSeguro em parcela única Pague com PagSeguro - é rápido, grátis e seguro!

Inscriçãohttps://forms.gle/MvW3EANuZTidR9pi6

Conteúdo do curso:

Parte 1: Pesquisa de referências bibliográficas

1-Introdução: referências bibliográficas e literatura científica

2-Principais fontes de pesquisa

2.1-Pesquisa de temas por palavras-chave

2.2-Pesquisa automatizada multicritério (ano, impacto, citações, etc) em diferentes fontes

2.2.1-Exportação de resultados da pesquisa

2.2.2.-Filtragem dos resultados exportados

Parte 2: Normalização e formatação de referências

3-Organizando listas de citações e referências

3.1-Principais gerenciadores e formatadores de referências

3.1.2-Funcionalidades de gerenciadores: EndNote, Mendeley e Zotero

3.2-Formatos de arquivos de (BibeTex, RIS, Xml, etc) dos gerenciadores

3.2.1-Conversão de listas em doc word para os principais formatos de arquivos de referências

3.2.2-Adição e importação de referências ao Mendeley e Zotero

3.2.3-Importação de arquivos entre Mendley e Zotero

3.2.4-Criação de bibliotecas (Desktop e online) no Mendeley e Zotero

3.2.5-Exportação de arquivos de referências dos gerenciadores

3.3-Formtação de referências de acordo com normas específicas

3.3.1-Formatação automatizada de citações e referências no Mendeley e Zotero

3.3.1.1-Edição de citações e referências no Mendeley e Zotero

Parte 3-Gerenciamento de referências

4-Pesquisas de referências no Mendeley, Qiqqa e Zotero

4.1-Anotações, comentários e marcações (tags) em referências (texto e pdf)

4.1.2-Pesquisas de referências por anotações e palavras-chaves

Parte 4- Dicas e cuidados com citações de referências

5-Evitando plágio ou autoplágio

5.1-Política internacional de boa conduta científica

5-1.2-Como citar adequadamente uma ideia referenciada

Parte 5-Bonus: Repositório de dados para citações

6-Adição de dados citáveis com Mendeley Dataset e Research Gate

6.1-Escolhendo licença (Common License) para identificação dos dados

6-2-Como citar referência dos dados