A inferência estatística sempre foi um aspecto essencial da pesquisa florestal, mas sua importância tem sido crescente à medida que os problemas tratados se tornam mais complexos e uma ampla gama de técnicas estatísticas se tornam disponíveis. Tradicionalmente, o campo da pesquisa floresta era dominado pela Inferência Clássica, mas com o surgimento de computadores de grande capacidade de processamento e de baixo custo (os computadores pessoais), novas abordagens foram sendo introduzidas, com destaque para inferência baseada no Axioma da Verossimilhança (Inferência por Verossimilhança). A formação de um pesquisador florestal demanda atualmente um grau mínimo de conhecimento dessas formas de inferência.

Apresentar e discutir as principais formas de inferência estatística e sua aplicação na pesquisa florestal, dando ênfase às técnicas de teste de hipóteses da Inferência Clássica e da Inferência por Verossimilhança.

• Instrutor: João Luís Ferreira Batista – Laboratório de Biometria e Mensuração Florestal – Centro de Métodos Quantitativos (3447-6641 – batista.jlf@usp.br).
• Programa: Programa de Pós-Graduação em Recursos Florestais, Departamento de Ciências Florestais, Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo.
• Oferecimento: Anualmente no primeiro ou segundo semestre durante 15 semanas.

A. Procedimentos Básicos de Inferência Clássica

1. Teste t de Student: Comparando Médias
2. Teste Qui-Quadrado e Teste F: Estudando as Variâncias
3. Teste Qui-Quadrado: Tabelas de Contigência
4. Teste F: Análise de Variância
5. Regressão Linear Simples

B. Fundamentos da Inferência Científica

1. Conhecimento científico e Conhecimento prático
2. Articulação entre Teoria e Empiria
3. Dados: Levantamentos e Experimentos
4. Causas: fatores fixos e fatores aleatórios
5. Bases da inferência: delineamento e modelo
6. Interpolação e Extrapolação
7. Dados: Observações Empíricas Quantitativas

C. Fundamentos da Inferência Estatística

1. Conceitos básicos de probabilidade
2. Conceito de Modelos Estocásticos
3. Famílias Discretas: Binomial e Poisson
4. Famílias Contínuas: Exponencial e Gaussiana
5. Propriedades dos Modelos Estocásticos
6. Famílias Amostrais: Z, t, Qui-quadrado e F

D. Inferência Clássica

1. Estimação Estatística e o Paradigma da Inferência Clássica
2. Paradigma de Neyman-Pearson
3. Teste Estatístico de Hipótese
4. Teste de Hipótese Fisheriano
5. Modelo Linear Simples

E. Inferência por Verossimilhança

1. Cenário Estocástico e Modelos
2. Modelo Operante e Modelo de Aproximação
3. Axioma da Verossimilhança
4. Função de Verossimilhança e Estimação
5. Seleção de Modelos e Teste de Hipóteses