Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- start [2016/04/04 13:36] – [Professores] paulo
+++ start [2024/05/24 02:22] (atual) – [Próximo lecionamento] paulo
@@ Linha 1: / Linha 1: @@
+~~NOTOC~~
+|  {{ :likelihood_13.png?nolink&120 |Superfície de Verossimilhança}}  |  <html><font size=6 face="Times New Roman">BIE 5781 Modelagem Estatística para Ecologia e Recursos Naturais</font></html>  |
+\\
+====== Bem-vindo(a) ======
+Este é o sítio //wiki// de apoio à disciplina de Pós-Graduação [[http://janus.usp.br:8086/di/fexDisciplina?sgldis=BIE5781|BIE5781]]  da [[http://www.usp.br|Universidade de São Paulo]].
+Os roteiros de estudo, tutoriais e exercícios foram planejados para ensino presencial, mas podem ser úteis para estudo individual, acompanhados da bibliografia indicada.
+Fique à vontade para usá-los, e agradecemos qualquer sugestão para melhorá-los.
+====== Nosso Mapa Conceitual ======
+|  {{:mapa-conceitual.png?655|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 funções de densidade probabilística, 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======
+  * **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("batista.jlf","usp.br",sep="@") </code>
+====== 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. {{ :rlogo.jpg?nolink&150|}}
+Tutoriais e exercícios são feitos em R. Visite os links das páginas de cada unidade (barra de menu à esquerda) para avaliar se você poderá acompanhar.
+Caso receie não acompanhar, recomendamos as duas disciplinas que lecionamos sobre a linguagem, oferecidas antes desta. Mesmo que não as tenha cursado, nas páginas delas há apostilas, tutoriais, exercícios e sugestões de leituras para estudo:
+  * [[http://ecologia.ib.usp.br/bie5782| Introdução ao R]] da Pós-Graduação em Ecologia da USP.
+  * [[http://cmq.esalq.usp.br/LCF5876/doku.php?id=start|Computação no Ambiente R]] da Pós-Graduação em Recursos Florestais da USP.
+====== 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 e exercícios ====
+  * Prova com questões objetivas sobre a matéria
+  * Exercícios em R
+==== Trabalho final ====
+Uma análise de dados aplicando os métodos expostos na disciplina. Para detalhes veja o link sobre o trabalho final no menu à esquerda.
+====== Bibliografia ======
+==== Essencial ====
+    * Burnham, K. P., & Anderson, D. R. (2002). Model Selection and Multimodel Inference: A Practical-Theoretic Approach, 2nd ed. New York, Springer-Verlag.
+  * 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://ms.mcmaster.ca/~bolker/emdbook/index.html]].
+  * 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.
+  * Hilborn, R. & Mangel, M. (1997). The Ecological Detective – Confronting Models with Data. Princeton, Princeton University Press.
+  * Royall, R. M. (2000). Statistical Evidence: A Likelihood Paradigm. London, Chapman and Hall.
+====Introdutórias e complementares====
+  * Batista, J.L.F. (2009). Verossimilhança e Máxima Verossimilhança ({{:leituras:verossim.pdf|apostila}}).
+  * Anderson, D. R. (2008). Model based inference in the life sciences: a primer on evidence. New York, Springer.
+  * Edwards, A. W. F. (1974). History of Likelihood.  Int. Stat. Rev. 42: 9-15.
+  * Hobbs, N.T. & Hilborn, R. (2006). Alternatives to statistical hypothesis testing in ecology: A guide to self-teaching. Ecological Applications: 16(1): 5-19.
+  * Johnson, J. B. & Omland, K. S. (2004). Model selection in ecology and evolution. Trends in Ecology and Evolution 19:101-108.
+  * 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]].
+  * Lindsey J. K. (2004) Introduction to applied statistics - a modelling approach. 2nd Ed, Oxford, Oxford University Press.
+  * Otto, S. P. & Day, T. (2007). A biologist's guide to mathematical modelling in ecology and evolution. Princenton, Princenton University Press.
+  * 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.
+====== Próximo lecionamento ======
+De 04 de novembro a 27 de novembro de 2024, em formato presencial. Detalhes [[:historico:2024:syllabus|aqui]]
+\\
+------------------
+\\