Você está aqui: start » projetos » apspcs

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anteriorRevisão anterior
Próxima revisão		Revisão anterior
projetos:apspcs [2008/08/25 09:16] – joelprojetos:apspcs [2009/01/02 11:19] (atual) – joel
Linha 1: Linha 1:
 ===== Participantes ===== ===== Participantes =====
-  - [[pessoais:kelly|Kelly Cristina Cancela]], Mestranda (UFPR)+  - [[pessoais:kelly|Kelly Cristina Cancela]], Mestre(UFPR)
   - Antonio Rioyei Higa, Prof. Phd    - Antonio Rioyei Higa, Prof. Phd 
   - [[pessoais:joel|Joel Maurício Corrêa da Rosa]] , Prof. Dr. (UFPR)   - [[pessoais:joel|Joel Maurício Corrêa da Rosa]] , Prof. Dr. (UFPR)
   - [[pessoais:lucianads|Luciana Duque Silva]] ,Doutoranda (UFPR)   - [[pessoais:lucianads|Luciana Duque Silva]] ,Doutoranda (UFPR)
 +  - [[pessoais:valdeci|Valdeci Constantino]] ,Mestrando (UFPR)
  
 ===== Objetivo ===== ===== Objetivo =====
Linha 57: Linha 58:
 {{:pessoais:lduque:dadoslucianaduqueinclinacao.csv|Dados do Dendrômetro}} {{: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  +
-95 percent confidence interval: +
- 0.02653859 0.10312808  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-       0.3349167        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  +
-95 percent confidence interval: +
- -0.1215350  0.1835350  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.505            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  +
-95 percent confidence interval: +
- -0.08179697  0.23379697  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.347            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  
-95 percent confidence interval: 
- -0.07349969  0.21149969  
-sample estimates: 
-mean in group 11 mean in group 24  
-           0.298            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 ?
-95 percent confidence interval: +
- -0.02796802  0.20796802  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.301            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  +
-95 percent confidence interval: +
- -0.09336618  0.17336618  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.327            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  +
-95 percent confidence interval: +
- -0.03188598  0.24388598  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.422            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  +
-95 percent confidence interval: +
- -0.04252069  0.17052069  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.342            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  +
-95 percent confidence interval: +
- 0.003334605 0.222665395  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.375            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  +
-95 percent confidence interval: +
- 0.02729578 0.20870422  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.207            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  +
-95 percent confidence interval: +
- -0.0939401  0.1139401  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.331            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  +
-95 percent confidence interval: +
- -0.07972366  0.13972366  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.246            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  +
-95 percent confidence interval: +
- -0.09717278  0.15917278  +
-sample estimates: +
-mean in group 11 mean in group 24  +
-           0.318            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>+
  
-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.+  * 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 , 
  
  
-===== Experimento - Valdeci Constantino =====+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.
  
-Dados sobre crescimento de Pinus Taeda de acordo com diferentes tipos de tratamentos.+Uma possibilidade (mais pobre) é aplicar testes não paramétricos para a nota em cada ângulo fotografado.
  
-{{:projetos:apspcs:croqui_experimento_v1.xls|Croqui do Experimento}}+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.
  
-===== Plano Amostral para Estudo das Raízes ===== 
  
-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.+<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)
  
-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 gráfico de interacao é fundamental pois vai ser um instrumento para verificar 
 +# a sua possivel existencia
  
-O que chamamos de amostragem aqui, na verdade é uma sub-amostragem feita em cima de árvores localizadas numa área experimental.+interaction.plot(metodo,plantio,soma) 
 +interaction.plot(plantio,metodo,soma)
  
-Planos amostrais sugeridos :  +# Alguns graficos exploratorios para entender melhor as interacoes 
-  * Seleção de todas as árvores do primeiro bloco para análise de raízes finas e grossas. +boxplot(soma[plantio=="empresa"]~metodo[plantio=="empresa"]) 
-  * Seleção de duas árvores por parcela, em toda área do experimento, para análise de raízes finas e grossas.+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"])
  
  
 +# Testes para verificar diferenças nos plantios dentro dos métodos
 +# Observação : como são dois niveis de plantio, o teste U de Mann-Whitney é um caso
 +# particular do kruskall-wallis e , portanto, não precisa fazer comparação multipla aqui
  
-==== Algumas Questões sobre o Experimento ====+# Nomes dos metodos 
 +m<-levels(metodo)
  
-  * O padrão de mortes é aleatório no espaço ? +# loop que troca de metodos e testa diferencas entre os plantios 
-  * As mortes estão relacionadas aos fatores ? +for (i in 1:4) 
-  * Variáveis de raízes finas tem associação com variáveis de raízes grossas ?+{ 
 +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)
  
-==== Dissertação do Valdeci ====+# 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%
  
-Divisão da dissertação do Valdeci em capítulos. +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)) 
 +}
  
-==== Capítulo 1 ==== 
  
-O objetivo é verificar a influência dos fatores no desenvolvimento geral da árvore, caracterizado pelo diâmetro e altura.+</code>
  
-   * Variáveis resposta: Diâmetro, altura e volume, sendo volume uma função de diâmetro e altura.+ ==== To Do List ====
  
-   * 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). +   * Criar e preencher as planilhas para os Capítulos 1 e 2 (Valdeci)
- +
-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 +
- +
-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. +
- +
-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. +
- +
-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. +
- +
- ==== Capítulo 2 ==== +
- +
-  +
-   +
-     +
- +
- ==== Capítulo 3  ====+
  
 ===== Artigos de Interesse ===== ===== Artigos de Interesse =====

QR Code
QR Code projetos:apspcs (generated for current page)