projetos:apspcs - Wiki do LEG

Não foi possível enviar o arquivo. Será algum problema com as permissões?

Você está aqui: start » projetos » apspcs

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- projetos:apspcs [2008/07/28 17:27]
lduque
+++ projetos:apspcs [2009/01/02 11:19]
joel
@@ Linha 1: / Linha 1: @@
 ===== Participantes =====
-  - [[pessoais:kelly|Kelly Cristina Cancela]], Mestranda (UFPR)
+  - [[pessoais:kelly|Kelly Cristina Cancela]], Mestre(UFPR)
   - Antonio Rioyei Higa, Prof. Phd
   - [[pessoais:joel|Joel Maurício Corrêa da Rosa]] , Prof. Dr. (UFPR)
   - [[pessoais:lucianads|Luciana Duque Silva]] ,Doutoranda (UFPR)
+  - [[pessoais:valdeci|Valdeci Constantino]] ,Mestrando (UFPR)
 ===== Objetivo =====
@@ Linha 24: / Linha 25: @@
 {{projetos:apspcs:dissertacao250807.doc|Dissertação em 25-08-07}}
-===== Experimento - Luciana Duque Silva =====
+{{:pessoais:lduque:dadoslucianaduqueinclinacao.csv|}}===== Experimento - Luciana Duque Silva =====
 === Experimentos de Diferentes Espécie ===
@@ Linha 57: / Linha 58: @@
 {{:pessoais:lduque:dadoslucianaduqueinclinacao.csv|Dados do Dendrômetro}}
-<code>
+Joel, estou enviando o arquivo com os dados para determinar as correlações existentes entre as inclinações diárias e os dados meteorológicos do ano de 2007. Neste arquivo tem duas planilhas, uma somente com os dados do ano de 2007 e a outra com os dados de 2007 e algumas informações de dezembro de 2006 para determinar as correlações com os dados meteorológicos dos meses anteriores. Qualquer dúvida me escreva.
-	Welch Two Sample t-test
-data:  Inclinacao by factor(Familia)
+===== Experimento - Valdeci Constantino =====
-t = 3.3352, df = 237.873, p-value = 0.0009887
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
-.02653859 0.10312808
-sample estimates:
-mean in group 11 mean in group 24
-.3349167        0.2700833
- t.test(Inclinacao[meis==1]~Familia[meis==1])
+Dados sobre crescimento de Pinus Taeda de acordo com diferentes tipos de tratamentos.
-	Welch Two Sample t-test
+{{:projetos:apspcs:croqui_experimento_v1.xls|Croqui do Experimento}}
-data:  Inclinacao[meis == 1] by Familia[meis == 1]
+===== Plano Amostral para Estudo das Raízes =====
-t = 0.4278, df = 17.553, p-value = 0.674
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
- -0.1215350  0.1835350
-sample estimates:
-mean in group 11 mean in group 24
-.505            0.474
-> t.test(Inclinacao[meis==2]~Familia[meis==2])
+Este é um problema em que a determinação do plano amostral e do tamanho de amostra estão restritos aos custos monetários e, principalmente, operacionais ligados à coleta de dados. As variáveis sob as quais desejamos retirar informações são características das raízes finas (fine roots) e grossas (coarse roots) de Pinus Taeda plantadas na área experimental da empresa COMFLORESTA. A principal questão operacional vinculada a retirada das amostras é explicada pela dificuldade de locomoção na área com o "trator", equipamento que arranca a árvore do solo e a coloca em suspensão para que seja analisada a arquitetura da raiz grossa.
-	Welch Two Sample t-test
+A importância no levantamento destas informações está no fato de que a absorção de nutrientes é feita pelas raízes finas e a sustentabilidade no crescimento está vinculada à raiz grossa. As características das raízes finas são expressas pelo peso e forma, enquanto a arquitetura da raiz grossa é mais dificil de ser definida ( ver Danjon e Reubens, 2008 ).
-data:  Inclinacao[meis == 2] by Familia[meis == 2]
+O que chamamos de amostragem aqui, na verdade é uma sub-amostragem feita em cima de árvores localizadas numa área experimental.
-t = 1.0119, df = 17.996, p-value = 0.325
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
- -0.08179697  0.23379697
-sample estimates:
-mean in group 11 mean in group 24
-.347            0.271
-> t.test(Inclinacao[meis==3]~Familia[meis==3])
+Planos amostrais sugeridos :
+  * Seleção de todas as árvores do primeiro bloco para análise de raízes finas e grossas.
+  * Seleção de duas árvores por parcela, em toda área do experimento, para análise de raízes finas e grossas.
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 3] by Familia[meis == 3]
-t = 1.021, df = 17.133, p-value = 0.3215
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
- -0.07349969  0.21149969
-sample estimates:
-mean in group 11 mean in group 24
-.298            0.229
-> t.test(Inclinacao[meis==4]~Familia[meis==4])
-	Welch Two Sample t-test
+==== Algumas Questões sobre o Experimento ====
-data:  Inclinacao[meis == 4] by Familia[meis == 4]
+  * O padrão de mortes é aleatório no espaço ?
-t = 1.605, df = 17.661, p-value = 0.1262
+  * As mortes estão relacionadas aos fatores ?
-alternative hypothesis: true difference in means is not equal to 0
+  * Variáveis de raízes finas tem associação com variáveis de raízes grossas ?
-percent confidence interval:
- -0.02796802  0.20796802
-sample estimates:
-mean in group 11 mean in group 24
-.301            0.211
-> t.test(Inclinacao[meis==5]~Familia[meis==5])
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 5] by Familia[meis == 5]
+==== Dissertação do Valdeci ====
-t = 0.6314, df = 17.51, p-value = 0.5359
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
- -0.09336618  0.17336618
-sample estimates:
-mean in group 11 mean in group 24
-.327            0.287
+Divisão da dissertação do Valdeci em capítulos.
-t.test(Inclinacao[meis==6]~Familia[meis==6])
+==== Capítulo 1 ====
-	Welch Two Sample t-test
+O objetivo é verificar a influência dos fatores no desenvolvimento geral da árvore, caracterizado pelo diâmetro e altura.
-data:  Inclinacao[meis == 6] by Familia[meis == 6]
+   * Variáveis resposta: Diâmetro, altura e volume, sendo volume uma função de diâmetro e altura.
-t = 1.6165, df = 17.785, p-value = 0.1236
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
- -0.03188598  0.24388598
-sample estimates:
-mean in group 11 mean in group 24
-.422            0.316
-> t.test(Inclinacao[meis==7]~Familia[meis==7])
+   * Fatores de variação: Responsável pelo plantio (E - Empresa , T - Terceirizado), Sistema de produção de mudas (tubete/55cm3 com 6 meses, tubete/55cm3 com 10 meses, tubete/126cm3 com 6 meses, raiz nua).
-	Welch Two Sample t-test
+Os tratamentos foram aleatorizados em 4 blocos com o objetivo de controlar a variação espacial pois há um leve declive no terreno. No total foram criadas 32 parcelas para receber os 8 tratamentos resultante das possíveis combinações entre os fatores controlados no experimento( Resp.plantio e Sist.prod).
+Metodologia Estatística
-data:  Inclinacao[meis == 7] by Familia[meis == 7]
+Será aplicado o modelo ANOVA para dois fatores em blocos inteiramente casualizados, adotando-se algum procedimento para controlar o número de mortos nas parcelas e seu efeito espacial nos resultados, caso este efeito exista. A hipótese existente para este efeito espacial é a de que parcelas com menor número de plantas oferecem mais espaço para o desenvolvimento da planta.
-t = 1.2701, df = 16.575, p-value = 0.2216
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
- -0.04252069  0.17052069
-sample estimates:
-mean in group 11 mean in group 24
-.342            0.278
-> t.test(Inclinacao[meis==8]~Familia[meis==8])
+Uma primeira abordagem para minimizar o efeito da  mortalidade é considerar o número de mortos na vizinhança (no máximo podem haver 8 mortos na vizinhança) como uma covariável (sugestão PJ). Devemos ter cuidado para declaração do modelo no R.
-	Welch Two Sample t-test
+As análises de variância serão feitas para diâmetro, altura e volume de forma  UNIVARIADA. Como volume é função de diâmetro e altura, devemos discutir se há necessidade  realmente de repetir a análise para esta variável.
-data:  Inclinacao[meis == 8] by Familia[meis == 8]
+Definir alguns contrastes de interesse (Por exemplo: média dos tubetes  x raiz nua)
-t = 2.1657, df = 17.891, p-value = 0.04409
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
-.003334605 0.222665395
-sample estimates:
-mean in group 11 mean in group 24
-.375            0.262
-> t.test(Inclinacao[meis==9]~Familia[meis==9])
+{{:projetos:apspcs:resultadospreliminarescapitulo1.doc|Resultados Preliminares do Capítulo 1 }}
-	Welch Two Sample t-test
+ ==== Capítulo 2 ====
-data:  Inclinacao[meis == 9] by Familia[meis == 9]
+Para o capítulo 2, serão analisadas as características das raízes finas. Para esta finalidade, foi selecionada uma árvore por parcela, totalizando 4 por tratamento. Foi selecionada a árvore no centro da parcela e, quando esta estava morta, selecionou-se a próxima na ordem de numeração crescente de acordo com o croqui do experimento.
-t = 2.7336, df = 17.958, p-value = 0.01366
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
-.02729578 0.20870422
-sample estimates:
-mean in group 11 mean in group 24
-.207            0.089
-> t.test(Inclinacao[meis==10]~Familia[meis==10])
+  * Variáveis resposta: peso em gramas da raízes finas medidas em 4 posições.
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 10] by Familia[meis == 10]
+  * Fatores de variação: Responsável pelo plantio (E - Empresa , T - Terceirizado), Sistema de produção de mudas (tubete/55cm3 com 6 meses, tubete/55cm3 com 10 meses, tubete/126cm3 com 6 meses, raiz nua).
-t = 0.2025, df = 17.497, p-value = 0.8418
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
- -0.0939401  0.1139401
-sample estimates:
-mean in group 11 mean in group 24
-.331            0.321
-> t.test(Inclinacao[meis==11]~Familia[meis==11])
-	Welch Two Sample t-test
+Algumas  hipóteses levantadas neste caso. Fatores ambientais podem levar a diferença entre os pesos das raízes finas nas diferentes posições(p1,p2,p3 e p4). Pode haver diferença nos pesos das raízes finas em função do sistema de produção pois espera-se que a raiz nua>tubete/126>tubete/55 10 meses > tubete 55 6 meses. Por hipótese,  a raiz nua tem a tendência em ter melhor desenvolvimento pelas suas características de desenvolvimento no viveiro. Devemos verificar a interação entre a posição e os tratamentos (Será que existe ?????)
-data:  Inclinacao[meis == 11] by Familia[meis == 11]
+Matrizes de correlação para verificar se os pesos.
-t = 0.5754, df = 17.598, p-value = 0.5723
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
- -0.07972366  0.13972366
-sample estimates:
-mean in group 11 mean in group 24
-.246            0.216
-> t.test(Inclinacao[meis==12]~Familia[meis==12])
+Definir alguns contrastes de interesse (Por exemplo: média dos tubetes  x raiz nua)
-	Welch Two Sample t-test
+Algumas dúvidas: (As observações nas posições são teoricamente correlacionadas espacialmente !!! Como superar isto ???)
-data:  Inclinacao[meis == 12] by Familia[meis == 12]
+ ==== Capítulo 3  ====
-t = 0.5083, df = 17.923, p-value = 0.6175
-alternative hypothesis: true difference in means is not equal to 0
-percent confidence interval:
- -0.09717278  0.15917278
-sample estimates:
-mean in group 11 mean in group 24
-.318            0.287
-> t.test(Inclinacao~factor(Familia))
+No capítulo 3 foram amostradas, de maneira destrutiva, todas as árvores do primeiro bloco e cada ávore foi fotografada de 3 ângulos diferentes. Em cada ângulo, serão avaliadas as características da raiz grossa de acordo com escores pré-determinados. 64 árvores no total.
-</code>
-===== Experimento - Valdeci Constantino =====
+  * A variável resposta é multivariada qualitativa ordinal. A princípio um vetor de dimensão 3 com os 3 escores para os ângulos fotografados.
+  * Fatores de variação: Responsável pelo plantio (E - Empresa , T - Terceirizado), Sistema de produção de mudas (tubete/55cm3 com 6 meses, tubete/55cm3 com 10 meses, tubete/126cm3 com 6 meses, raiz nua). Covariável : Número de mortos na vizinhança, posição do morto na vizinhança ,
-Dados sobre crescimento de Pinus Taeda de acordo com diferentes tipos de tratamentos.
-{{:projetos:apspcs:croqui_experimento_v1.xls|Croqui do Experimento}}
+Verificar junto ao Cesar Taconeli a possibilidade de aplicar árvores de classificação multivariadas com o objetivo de identificar quais fatores levam aos  escores atribuídos as raízes. Com esta metodologia, talvez consigamos encontrar a conjunção dos fatores que levem ao melhor arquitetura de raiz grossa.
-===== Plano Amostral para Estudo das Raízes =====
+Uma possibilidade (mais pobre) é aplicar testes não paramétricos para a nota em cada ângulo fotografado.
-Este é um problema em que a determinação do plano amostral e do tamanho de amostra estão restritos aos custos monetários e, principalmente, operacionais ligados à coleta de dados. As variáveis sob as quais desejamos retirar informações são características das raízes finas (fine roots) e grossas (coarse roots) de Pinus Taeda plantadas na área experimental da empresa COMFLORESTA. A principal questão operacional vinculada a retirada das amostras é explicada pela dificuldade de locomoção na área com o "trator", equipamento que arranca a árvore do solo e a coloca em suspensão para que seja analisada a arquitetura da raiz grossa.
+Neste capítulo, a primeira abordagem estatística consiste de utilizar uma técnica não paramétrica para encontrar alguma evidência de diferença entre os métodos e entre as empresas na constituição da raiz grossa. A justificativa para utilizar técnicas não-paramétricas é a característica da variável resposta que é qualitativa.
-A importância no levantamento destas informações está no fato de que a absorção de nutrientes é feita pelas raízes finas e a sustentabilidade no crescimento está vinculada à raiz grossa. As características das raízes finas são expressas pelo peso e forma, enquanto a arquitetura da raiz grossa é mais dificil de ser definida ( ver Danjon e Reubens, 2008 ).
-O que chamamos de amostragem aqui, na verdade é uma sub-amostragem feita em cima de árvores localizadas numa área experimental.
+<code>
+# Leitura dos dados
+avalia<-read.csv2('http://www.leg.ufpr.br/~joel/dados/grossaclassif.csv')
+# Resumo das variaveis
+summary(avalia)
+# Attachando os dados
+attach(avalia)
+# Nomes das variaveis
+names(avalia)
+# Carrega pacote para comparacoes multiplas nao parametricas
+require(pgirmess)
-Planos amostrais sugeridos :
+# O gráfico de interacao é fundamental pois vai ser um instrumento para verificar
-  * Seleção de todas as árvores do primeiro bloco para análise de raízes finas e grossas.
+# a sua possivel existencia
-  * Seleção de duas árvores por parcela, em toda área do experimento, para análise de raízes finas e grossas.
+interaction.plot(metodo,plantio,soma)
+interaction.plot(plantio,metodo,soma)
+# Alguns graficos exploratorios para entender melhor as interacoes
+boxplot(soma[plantio=="empresa"]~metodo[plantio=="empresa"])
+boxplot(soma[plantio=="terceiro"]~metodo[plantio=="terceiro"])
+boxplot(soma[metodo=="M1"]~plantio[metodo=="M1"])
+boxplot(soma[metodo=="M2"]~plantio[metodo=="M2"])
+boxplot(soma[metodo=="M3"]~plantio[metodo=="M3"])
+boxplot(soma[metodo=="M4"]~plantio[metodo=="M4"])
-==== Algumas Questões sobre o Experimento ====
-  * O padrão de mortes é aleatório no espaço ?
+# Testes para verificar diferenças nos plantios dentro dos métodos
-  * As mortes estão relacionadas aos fatores ?
+# Observação : como são dois niveis de plantio, o teste U de Mann-Whitney é um caso
-  * Variáveis de raízes finas tem associação com variáveis de raízes grossas ?
+# particular do kruskall-wallis e , portanto, não precisa fazer comparação multipla aqui
+# Nomes dos metodos
+m<-levels(metodo)
+# loop que troca de metodos e testa diferencas entre os plantios
+for (i in 1:4)
+{
+s<-soma[metodo==m[i]]
+p<-plantio[metodo==m[i]]
+print(paste("metodo",m[i]))
+print(kruskal.test(s~p))
+}
+# aqui vamos trocar de plantios e verificar as diferenças entre os métodos
+n<-levels(plantio)
+# loop que troca de plantios e testa as diferenças entre os métodos...aqui
+# já aproveito o embalo e faço as comparações multiplas com nível de significância
+# de 10%
+for (i in 1:2)
+{
+s<-soma[plantio==n[i]]
+p<-metodo[plantio==n[i]]
+print(paste("plantio",n[i]))
+print(kruskal.test(s~p))
+print(kruskalmc(s,p,prob=0.1))
+}
+</code>
+ ==== To Do List ====
+   * Criar e preencher as planilhas para os Capítulos 1 e 2 (Valdeci)
 ===== Artigos de Interesse =====
@@ Linha 275: / Linha 232: @@
 {{:projetos:apspcs:soilrespirationfineroots.pdf|Produção de Raízes Finas sob Fertilização com Nitrogênio}}
+{{:projetos:apspcs:praticalregressionr.pdf|Regressão e Anova com o uso do R - Prática}}
 ===== Links de Interesse =====

Diferenças

Navegação

Busca

Ferramentas

QR Code