Modelos Estatísticos Avançados com R para as Ciências Biológicas

Informação Geral

• Público alvo: Estudantes de mestrado, doutoramento, investigadores.
• Horário: Das 10h às 14h
• Número mínimo de inscrições: 5
• Número máximo de inscrições: 25
• Idioma: Inglês
• Pré-requisitos: Conhecimento básico da linguagem R
• Os participantes do curso receberão um certificado de frequência.

Inscrições

Taxa de inscrição:

• Membros do CIIMAR/U.Porto/CCMAR/IPMA (anexar comprovativo): 200€
• Participantes externos: 250€

Como inscrever-se:

Inscrições: após o anúncio, até preencher as 25 vagas disponíveis.

• Registo através do formulário neste link.
• Pagamento por transferência bancária para:
  Dados bancários do CIIMAR
  IBAN: PT50007900000826888810276
• Enviar o comprovativo de pagamento para: trainingandcareer@ciimar.up.pt (necessário para garantir a vaga).
• Após o envio do comprovativo, será enviado um e-mail de confirmação da inscrição.

Descrição do curso

A primeira sessão do curso é uma revisão de regressão linear e análise de variância, as duas técnicas estatísticas que constituem a base dos enquadramentos mais importantes de modelos estatísticos. Estes modelos estatísticos (GLM, GLZ e GAM) serão o conteúdo das quatro sessões seguintes.

O GLM (Modelo Linear Generalizado) será abordado na segunda e terceira sessões. Devido à sua robustez e relativa simplicidade, este é o enquadramento de modelo estatístico mais amplamente utilizado. Por esta razão, no curso dedicamos mais tempo ao GLM do que aos outros enquadramentos de modelação (GLZ, GAM). Através de exemplos práticos, serão explicados os seguintes tópicos:
I) Pressupostos do GLM, como testá-los e como resolver problemas quando certos pressupostos não são cumpridos (transformação de dados para não-normalidade, ajustamento alternativo com mínimos quadrados generalizados para heterocedasticidade de variância e autocorrelação dos resíduos);
II) Contraste de hipóteses para os efeitos principais e testes post-hoc para os efeitos simples;
III) Visualização das previsões do modelo.

No GLM, será explicado com particular detalhe a inclusão de fatores aleatórios (modelos de efeitos mistos simples, desenhos hierárquicos e desenhos com inclinações aleatórias).

Os GLZ (Modelos Lineares Generalizados) são uma extensão do GLM para distribuições de erro que podem ser diferentes da Gaussiana. Três exemplos práticos serão apresentados para diferentes distribuições (binomial, Poisson e binomial negativa, para dados sobredispersos), bem como um exemplo simples que inclui fatores aleatórios.

O GAM é um enquadramento de modelo estatístico que pode incorporar qualquer característica do GLM e do GLZ. Além disso, e considerando restrições adicionais, pode incorporar funções suavizadas (não-lineares, mas não paramétricas) para descrever a relação entre a variável resposta e uma ou várias variáveis preditoras. Este enquadramento de modelo estatístico tem ganho popularidade em diferentes áreas da ciência devido ao aumento da capacidade computacional nos últimos 20 anos.

Recomenda-se, pelo menos, um nível básico de conhecimento da linguagem R, bem como alguma familiaridade com técnicas estatísticas básicas (regressão, contraste de hipóteses, ANOVA).

O curso está aberto a todos os níveis, desde estudantes de licenciatura a investigadores seniores. É considerado como a “segunda parte” de outro curso regularmente lecionado no CIIMAR, intitulado Estatística Introdutória para as Ciências Biológicas.

Objetivos específicos do curso

• Compreender os princípios dos enquadramentos de modelos estatísticos para os aplicar de acordo com as características dos dados.
• Testar os pressupostos dos modelos utilizando contraste de hipóteses e gráficos de diagnóstico, e aprender a resolver problemas associados a este processo (transformação de dados, técnicas alternativas de ajustamento, distribuições de erro alternativas, utilização de ajustamentos não lineares ou não paramétricos).
• Compreender a diferença entre fatores aleatórios e fixos e as possíveis formas de incorporar fatores aleatórios no desenho do modelo.
• Aprender sobre os diferentes contrastes de hipóteses que podem ser realizados num modelo estatístico (análise de variância e análise de deviance para os efeitos principais, Tukey, Dunnett, diferenças menos significativas, etc., para os testes post-hoc).
• Aprender os métodos mais comuns para selecionar o melhor modelo entre uma série de candidatos ajustados aos mesmos dados.

Programa do curso

Consulte o programa do curso aqui.

Formador

Aldo Barreiro Felpeto é investigador no Centro Interdisciplinar de Investigação Marinha e Ambiental (CIIMAR), associado à Universidade do Porto (Porto, Portugal). A sua carreira de investigação tem-se focado na ecologia do plâncton. Defendeu a sua dissertação de doutoramento em 2007 no Departamento de Ecologia da Universidade de Vigo (Vigo, Espanha), sobre interações entre o zooplâncton e espécies de fitoplâncton tóxicas da costa atlântica noroeste de Espanha, do mar Báltico sul e da costa sul do Tirreno. Entre 2008 e 2010, realizou um pós-doutoramento no Departamento de Ecologia e Biologia Evolutiva da Universidade de Cornell (Ithaca, Nova Iorque, EUA). Desde 2011, é investigador no CIIMAR.

Desenvolveu uma forte formação em estatísticas e modelagem dinâmica com o software R, tendo frequentado 10 cursos no período de 2006-2018 e, desde 2013, organizado 14 edições de cursos sobre diferentes aspetos da estatística e programação com R, maioritariamente no CIIMAR, mas também na Universidade de Vigo (Espanha) e na Universidade de Magallanes (Chile). É coautor de dois livros sobre estatísticas e programação: Tratamiento de Datos (Ed. Díaz de Santos, Madrid, 2006) e Tratamiento de Datos con R, SPSS y ESTATISTICA (Ed. Díaz de Santos, Madrid, 2010).

Devido à sua experiência em estatísticas e programação, tem desenvolvido colaborações em diferentes áreas da ecologia, mas também nas ciências ambientais e biologia molecular. Publicou 60 artigos, contabilizando um índice h de 27 e um índice i10 de 48.