~~NOTOC~~
\\
====== 2009 - BIE 5781 Modelagem Estatística para Ecologia e Recursos Naturais ======
====== Nosso Mapa Conceitual ======
| {{:mapa-conceitual.png?525|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 variáveis aleatórias, 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======
===== Responsáveis =====
* **Paulo Inácio K. L. Prado** ([[http://ecologia.ib.usp.br/let/|Laboratório de Ecologia Teórica]], Depto de Ecologia, IB - USP)
email <- paste("prado","ib.usp.br",sep="@")
* **João Luís Ferreira Batista** ([[http://cmq.esalq.usp.br|Centro de Métodos Quantitativos]], Depto. de Ciências Florestais, Esalq - USP)
email <- paste("parsival","usp.br",sep="@")
==== Colaboradores ====
* ** Roberto Munguía Steyer ** (Pós-doc do Depto. de Ecologia, IB - USP)
* ** Tiago Montanher ** (Pós-Graduação em Matemática Aplicada, IME-USP)
====== 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.
A [[http://ecologia.ib.usp.br/bie5782| página da disciplina de introdução ao R]] da Pós-Graduação em Ecologia da USP tem apostilas, tutoriais, exercícios e sugestões de leituras para o estudo da linguagem.
====== Conteúdo ======
* [[01-distr|1. Variáveis aleatórias discretas]]
* [[01b-distr2|2. Variáveis aleatórias contínuas]]
* [[02-veros|3. A função de verossimilhança]]
* [[03b-model|4. Modelos com parâmetros constantes: ajustes de distribuições de probabilidade]]
* [[04-selec|5. Seleção de Modelos]]
* [[gaussianos|6. Modelos com parâmetros que são funções: modelos Gaussianos]]
* [[06-model|7. Modelos com parâmetros que são funções: modelos Binomial e Poisson]]
* [[07-otimi|8. Otimização]]
* [[06-teor|9. Fundamentação Teórica]]
====== 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 ====
Haverá uma prova com questões objetivas sobre a matéria de todas as aulas, exceto a última (fundamentação teórica).
=== Discussão da Prova ===
* {{:biometria:verossim:prova_resolvida.pdf|Resolução da prova}}
* [[http://ecologia.ib.usp.br/bie5782/doku.php?id=modelos:blogprova|Blog de Discussão da Prova]]: deixe aqui suas dúvidas e comentários. Os professores farão suas considerações dia 28/06.
==== Trabalho final ====
Um ensaio de no máximo 2.000 palavras, sobre o impacto em sua pesquisa de um dos conceitos e/ou procedimentos abordados na disciplina. O ensaio deve ser escrito para colegas de sua área que não conhecem o assunto, com:
* Uma apresentação clara e didática do conceito ou procedimento;
* Uma discussão bem fundamentada de sua importância para sua pesquisa, e de outras similares.
=== PRAZO ===
O prazo para enviar o ensaio por correio eletrônico aos professores responsáveis é **30 de junho de 2009**.
===== Cálculos =====
==== Pesos ====
* Participação: peso 2
* Prova: peso 1
* Ensaio: peso 7
==== Conceito Final ====
* Menos que 5,0 : D
* Entre 5,0 e menos que 6,5: C
* Entre 6,0 e menos que 8,0 : B
* 8,0 ou mais: A
==== Planilha de notas ====
{{:biometria:verossim:notas_finais_revistas_bie5781.pdf|notas finais}}
====== Local e Horário ======
===== Horário das aulas =====
* Manhã (**M**): 9:00 - 12:30 h
* Tarde (**T**): 14:00 - 17:30 h
===== Salas de Aula =====
As aulas téoricas ocorrerão nas seguintes salas do Instituto de Biologia da USP:
* AG-Bot: auditório do Depto. de Botânica, Edifício //André Dreyfus//
* AG-Zoo: auditório do Depto. de Zoologia, Edifício //Ernesto Marcus//
* CD-5: sala 5 do Centro Didático
* Minas-1 e Minas-3: auditórios 1 e 3 do Edifício //Félix Kurt Rawitscher// ("Minas")
====== Programação ======
^Dia^Período^Atividade^Local^Tema^Leitura^
^01/06|M|Aula Teor.| Minas-3 |Apresentação da disciplina e introdução à modelagem estatística |Hilborn & Mangel cap.1, Johnson & Omland 2004|
^01/06|T|Aula Teor.| Minas-3 |Variáveis aleatórias discretas | Otto & Day pp. 513-536 |
^02/06|M&T|Estudo ind.| |Variáveis aleatórias discretas | |
^03/06|M|Discussão| AG-Bot |Variáveis aleatórias discretas | |
^03/06|T|Aula Teor.| AG-Bot |Variáveis aleatórias contínuas |Otto & Day pp. 536-558 |
^04/06|M&T|Estudo ind.| |Variáveis aleatórias contínuas | |
^05/06|M|Discussão| Minas-1 |Variáveis aleatórias contínuas | |
^05/06|T|Aula Teor.| Minas-1 |Função de Verossimilhança |Batista 2009, Hobbs & Hilborn 2006 apêndice A |
^08/06|M|Discussão| Minas-3 |Função de Verossimilhança | |
^08/06|T|Aula Teor.| Minas-3 |Ajuste de distribuições \\ Seleção de modelos |Bolker pp. 169-176, Vismara 2009 pp. 12-26, opcionais: Anderson 2008 caps.2 e 3 |
^09/06|M&T|Estudo ind.| |Ajuste de distribuições \\ Seleção de modelos | |
^10/06|M|Discussão| CD-5 |Ajuste de distribuições \\ Seleção de modelos | |
^10/06|T|Aula Teor.| CD-5 |Modelos Gaussianos |Bolker pp.298-308, Batista 2008 |
^15/06|M&T|Estudo ind.| |Modelos Gaussianos | |
^16/06|M|Aula Teor.| Minas-3 |Modelos Poisson e Binomial |Bolker pps. 182-184, 201-208, 308-312, Faraway 2006 cap. 2 (opcional) |
^16/06|T|Discussão| Minas-3 |Modelos Gaussianos | |
^17/06|M&T|Estudo ind.| |Modelos Poisson e Binomial | |
^18/06|M|Discussão | AG-Zoo |Modelos Poisson e Binomial | |
^18/06|T|Aula Teor.| AG-Zoo |Fundamentação teórica |Lewin Koh //et al.// 2004, Hilborn & Mangel cap.2, Royall 2007, Hobbs & Hilborn 2006 |
^19/06|M| Prova | AG-Bot |Toda a matéria até aqui, exceto fundamentação teórica | |
^19/06|M|Palestra| AG-Bot |Otimização | Bolker cap. 7 (opcional) |
^19/06|T|Discussão| AG-Bot |Fundamentação Teórica | |
====== Bibliografia ======
===== Leituras Básicas para as Aulas =====
==== Nota ====
A [[http://www.usp.br/leginf/resol/r5213m.htm|Resolução 5213]] da Reitoria da USP permite que professores disponibilizem artigos e partes de livros adotados para uso estrito nas atividades de sua disciplina, apenas pelos alunos regularmente inscritos nela.
* Anderson, D. R. (2008). Model based inference in the life sciences: a primer on evidence. New York, Springer.
* Batista, J.L.F. (2009). Inferência em Recursos Florestais e Ecologia: A Abordagem da Verossimilhança. Resumo de Palestra, Eslaq, Piracicaba.
* Batista, J.L.F. (2009). Verossimilhança e Máxima Verossimilhança (apostila).
* 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://www.zoo.ufl.edu/bolker/emdbook/index.html]] .
* Hilborn, R. & Mangel, M. (1997). The Ecological Detective – Confronting Models with Data. Princeton, Princeton University Press.
* Hobbs, N.T. & Hilborn, R. (2006). Alternatives to statistical hypothesis testing in ecology: A guide to self-teaching. Ecological Applications: 16(1): 5-19. [[http://www.esapubs.org/archive/appl/A016/001|Apendices]]
* Johnson, J. B. & Omland, K. S. (2004). Model selection in ecology and evolution. Trends in Ecology and Evolution 19:101-108.
* Lewin-Koh N., Taper, M. L. & Lele, S. R. (2004). A brief tour of statistical concepts. **In:** The nature of scientific evidence (eds. ML Taper and SR Lele), University of Chicago Press, pp 3 -16.
* Otto, S. P. & Day, T. (2007). A biologist's guide to mathematical modelling in ecology and evolution. Princenton, Princenton University Press.
* Royall, R. M. (2007) The likelihood paradigm for statistical evidence. **In:** The nature of scientific evidence (eds. ML Taper and SR Lele), University of Chicago Press, pp 119–152.
* Vismara, E. S. (2009). Seleção de Modelos Empíricos através do Critério de Informação de Akaike. In: Mensuração da biomassa e seleção de modelos para construção de equações de biomassa. Dissertação de Mestrado, ESALQ-USP, Piracicaba, p.12-26. {{:biometria:verossim:vismara-2009-cap2.pdf|pdf}}
===== Leituras Adicionais =====
* Burnham, K. P., & Anderson, D. R. (2002). Model Selection and Multimodel Inference: A Practical-Theoretic Approach, 2nd ed. New York, Springer-Verlag.
* 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.
* Edwards, A. W. F. 1974. History of Likelihood. Int. Stat. Rev. 42: 9-15.
* Faraway, J. 2006. Extending the Linear Model with R. Chapman & Hall/CRC.
* 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]].
* Royall, R. M. (2000). Statistical Evidence: A Likelihood Paradigm. London, Chapman and Hall.
* 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.