Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Dados

4,477 views

Published on

Dados

Published in: Education, Technology, Sports
  • Be the first to comment

Dados

  1. 1. Ecologia de Populações Prof. Dr. Harold Gordon Fowler 19-3526-4230 popecologia@hotmail.com
  2. 2. Ecologia de Populações Análise de Dados
  3. 3. Resumo  Organizando um estudo ecológico  Terminologia básica de amostragem  Análise Estatística de Dados – Por que usar estatística? – Descrição de dados  Medidas de tendência  Medidas de dispersão  Distribuição Normal  Usando Excel – Produzindo tabelas – Produzindo gráficos – Análise de dados – Testes Estatísticos  Teste-T  ANOVA  Regressão
  4. 4. Organizando um estudo ecológico Qual é o propósito da pesquisa? Qual é a pergunta principal levantada? Quais são suas hipóteses? Coleta de dados Resumo dos dados em tabelas Apresentação gráfica dos dados Teste estatístico das hipóteses Análise dos resultados estatísticos Apresentação de uma conclusão para a pergunta inicial
  5. 5. Terminologia Básica deAmostragem Elemento Variáveis Populações Amostras Parâmetros Estatísticas
  6. 6. ElementoA unidade sobre qual coletamosinformação.Tipicamente um indivíduo, mas podeser outro grupo social, planta, coloniamicrobiana, etc.
  7. 7. O que é um variável? Variável: qualquer característica definida que varia entre entes biológicas ou físicas. Exemplos: altura de plantas. Peso de aves, cor do olho humano, número de espécies de árvores Se um indivíduo é selecionado aleatoriamente de uma população, pode demonstrar um peso, altura ou outra característica própria. Se vários indivíduos são selecionados, suas características podem ser muito similares ou muito diferentes.
  8. 8. PopulaçãoÉ o grupo sobre qual queremostirar conclusões
  9. 9. O que é uma população? População: a coleção inteira de medidas do variável de interesse. Exemplo: se temos interesse nas alturas de árvores de uma espécie em um parque nacional (Altura da planta é nosso variável) então nossa população consiste de todas as árvores da espécie no parque nacional .
  10. 10. Conceito Estatístico de uma populaçãoContagem, Freqüência , Número Característica
  11. 11. AmostraUm ou mais elementos(indivíduos) da população
  12. 12. O que é uma amostra? Amostra: grupos menores ou sub-conjuntos da população que são usados para estimar a distribuição de um variável dentro da população verdadeira Exemplo: as alturas de 100 árvores de uma espécie num parque nacional podem ser usadas para estimar as alturas das árvores da população intera (que pode ser de milhares de indivíduos)
  13. 13. Amostra com viésMeans that those selected are nottypical or representative of thelarger population from which theyhave been selected
  14. 14. ParâmetroÉ uma descrição resumida de umvariável na população
  15. 15. O que é um parâmetro? Parâmetro: qualquer medida calculada usada para descrever ou caracterizar uma população Exemplo: a altura média de árvores de uma espécie num parque nacional
  16. 16. Propósitos da Replicação Controle de erro aleatório ou estocástico – fatores independentes não testados podem determinar o resultado do experimento Aumenta a precisão do teste Aumenta a capacidade geral do teste – Se examine muitos locais – você pode generalizar com segurança para outros locais
  17. 17. Algumas Definições Replica = Amostra – Maximize essas no desenho experimental – Maior número possível, sob as limitações logísticas – Se você é profissional, use a analise de poder Sub-amostra = Pseudo-replica – Somente valida se as sub-amostras são tratadas erradas como replicas verdadeiras para a analise estatística – Sub-amostras: úteis para aumentar a precisão da estimativa dos dados da replica – Um tipo especial de analise estatística pode ser usado
  18. 18. Pseudo-replicação Definida “Replicação” errada – Replicando amostras e não tratamentos – Replicas não são independentes Problema é a violação das premissas chaves da analise estatística: – Independência das replicas  Aumento da precisão dos estudos se são independentes  Aproxima a “verdade” melhor se independente
  19. 19. Prevalência da Pseudo-replicação 48% de todos os estudos com pseudo- replicação (Hurlbert 1984) 71% dos estudos que usaram ANOVA (um teste estatístico comum) com erros de desenho (Underwood 1981) Mais marcado em estudos com problemas de logística – Animais raros – Limitações de transporte ou financiamento – Quase todo no Brasil!
  20. 20. Exemplos de Pseudo-replicas Muitas amostras de um local único – Formam na verdade sub-amostras Somente uma amostra única para cada tratamento – Atualmente são replicas, mas não podemos fazer estatística com um tamanho amostral de um Amostras solitárias de um local só, mas replicadas no tempo – Seriam amostras verdadeiras se a pergunta experimental é dependente do tempo – Se não, é uma pseudo-replicação
  21. 21. Pseudo-replicação Tratamento A Tratamento B  Pergunta – Qual é o efeito dos tratamentos A e B?  Pseudo-replicaçãoLocal 1 Local 3 = usando estrelas do mesmo cor como replicas  Replicação = inclua somente uma estrela de cada corLocal 2 Local 4
  22. 22. Controle de Pseudo-replicação I Conheça sua pergunta Pergunta determina se o desenho incluía a pseudo-replicação  Nível Taxonômico  Nível hierárquico ecológico Define claramente os variáveis dependentes e independentes
  23. 23. Controle de Pseudo-replicação II O que conceitue uma unidade de dados? – Ramo de arvore? Individuo? População? ....? Identifique qual é a unidade da replicação – Individuo? População? Comunidade? Local? – Replique de forma apropriada – locais freqüentemente formam o nível de replicação na ecologia Randomize seu desenho de amostragem – Ajuda diminuir erros de amostragem
  24. 24. Na Disciplina Usaremos freqüentemente a pseudo- replicação – Limitações de tempo (pantanal!) – Limitações de transporte (ônibus!) – Limitações de esforço (você!) Por isso – Lidaremos as pseudo-replicas como replicas verdadeiras Mas – fique atente deste fato para após criar projetos de pesquisa mais robustos no futuro
  25. 25. O que é uma estatística? Estatística: uma estimativa de qualquer parâmetro populacional Exemplo: a altura média de uma amostra de 100 árvores de uma espécie num parque nacional
  26. 26. Por que usar estatísticas? Não é sempre possível obter medidas e calcular parâmetros de variáveis na população de interesse A estatística permite estimar esses valores para a população intera a base de variáveis aleatórios múltiplos do variável de interesse Quanto maior o número de amostras, mais próxima fica a medida estimada a medida verdadeira da população A estatística permite uma comparação eficiente de populações para determinar as diferencias entre elas As estatística permite determinar relações entre os variáveis
  27. 27. Análise Estatística de Dados Alturas de uma espécie de árvore em 2 locais num parque nacional Local1 Local 2 5 4 7 2 3 8 8 3 6 7 Medidas da tendência central Medidas da dispersão e variabilidade
  28. 28. Medidas da tendência central Onde fica o centro da distribuição? media ( ou μ): media aritmética…… x x n mediano: o valor na media de um conjunto ordenado de dados modo: a valor que ocorre mais freqüentementeExemplo de conjunto de dados : 1, 2, 2, 2, 3, 5, 6, 7, 8, 9, 10Media = (1 + 2 + 2 + 2+ 3 + 5 + 6 + 7 + 8 + 9 + 10)/11 = 55/11 = 5Mediano = 1, 2, 2, 2, 3, 5, 6, 7, 8, 9,10 = 5 1, 2, 2, 2, 3, 5, 6, 7, 8, 9,10,11 = (5+6)/2 = 5.5Modo = 1, 2, 2, 2, 3, 5, 6, 7, 8, 9, 10 = 2
  29. 29. Medidas de dispersão e variabilidade Qual é a dispersão dos dados? amplitude: valor maior menos valor menor variância (s 2   2 ou σ2) ………….…………. ( xi  x ) 2 n 1 desvio padrão (s ou σ)…………………   2 Ampla limitada
  30. 30. Medidas de dispersão evariabilidadeConjunto de dados - exemplo : 0, 1, 3, 3, 5, 5,5, 7, 7, 9, 10 3.5 3Variância = 9.8 Number of Occurences 2.5 2Desvio Padrão = 3.29 1.5Amplitude = 10 1 0.5 0 0 1 3 5 7 9 10 ValueConjunto de dados - exemplo: 0, 10, 30, 30,50, 50, 50, 70, 70, 90, 100 3.5 3 Number of Occurences 2.5Variância = 980 2Desvio Padrão = 270.13 1.5 1Amplitude = 100 0.5 0 0 10 30 50 70 90 100 Value
  31. 31. Distribuição Normal dos Dados Um conjunto de dados no qual quase todos os valores ficam próximos a média, e existem poucas observações nos extremos da amplitude dos dados Existe uma distribuição simétrica ao redor da média
  32. 32. Proporções de uma DistribuiçãoNormal  Uma população normal de 1000 pesos corporais  μ = 70kg σ = 10kg  500 pesos são > 70kg  500 pesos são < 70 kg Massas de antas no Pantanal 450 400 350 Número de antas 300 250 200 150 100 50 0 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 Massa (kg)
  33. 33. Proporções de uma Distribuição Normal Massas de antas no Pantanal 500 400 Número de antas 300 200 100 0 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 Quantos antas pesam > 80kg Massa (kg) μ = 70kg σ = 10kg X = 80kg Usamos uma equação para nos informar quantos desvios padrões doa meia está o valor de X : Z=X–μ = Z = 80 – 70 =1 σ 10 Depois usamos uma tabela para nos informar qual proporção de uma população normal fica além desse valor de Z Essa proporção é igual a probabilidade de escolher aleatoriamente um valor (X) maior do que 80kg
  34. 34. Tabela de valores de Z• Encontre o valor de Z na tabela (1.0)• Encontre o valor de P associado (0.1587)• O valor de P indica que existe uma probabilidade de 15.87% ((0.1587/1)x100) de que o urso escolhido de uma população de 1000 ursos medidos terá um peso maior do que 80kg
  35. 35. Distribuição de Probabilidade  Existem várias tabelas de probabilidade para tipos diferentes de testes estatísticos. exemplos. Tabela Z, Tabela t, Tabela de Χ2  Cada tabela permite a associação do “valor crítico” com um valor de “P”  Esse valor de P é usado para determinar a significância do resultado estatístico
  36. 36. Organizando um estudo ecológico Qual é o propósito da pesquisa? Qual é a pergunta principal levantada? Quais são suas hipóteses? Coleta de dados Resumo dos dados em tabelas Apresentação gráfica dos dados Teste estatístico das hipóteses Análise dos resultados estatísticos Apresentação de uma conclusão para a pergunta inicial

×