Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- projetos:apspcs [2008/08/25 09:56] – joel
+++ projetos:apspcs [2009/01/02 11:19] (atual) – 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 56: / Linha 57: @@
 {{:pessoais:lduque:dadoslucianaduqueinclinacao.csv|Dados do Dendrômetro}}
-<code>
-	Welch Two Sample t-test
-data:  Inclinacao by factor(Familia)
-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])
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 1] by Familia[meis == 1]
-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])
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 2] by Familia[meis == 2]
-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])
-	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
-data:  Inclinacao[meis == 4] by Familia[meis == 4]
-t = 1.605, df = 17.661, p-value = 0.1262
-alternative hypothesis: true difference in means is not equal to 0
-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]
-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
-t.test(Inclinacao[meis==6]~Familia[meis==6])
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 6] by Familia[meis == 6]
-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])
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 7] by Familia[meis == 7]
-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])
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 8] by Familia[meis == 8]
-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])
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 9] by Familia[meis == 9]
-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])
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 10] by Familia[meis == 10]
-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
-data:  Inclinacao[meis == 11] by Familia[meis == 11]
-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])
-	Welch Two Sample t-test
-data:  Inclinacao[meis == 12] by Familia[meis == 12]
-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))
-</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.
@@ Linha 283: / Linha 111: @@
 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.
+Definir alguns contrastes de interesse (Por exemplo: média dos tubetes  x raiz nua)
+{{:projetos:apspcs:resultadospreliminarescapitulo1.doc|Resultados Preliminares do Capítulo 1 }}
  ==== Capítulo 2 ====
@@ Linha 288: / Linha 120: @@
 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.
-Variáveis resposta: peso em gramas da raízes finas medidas em 4 posições.
+  * Variáveis resposta: peso em gramas da raízes finas medidas em 4 posições.
+  * 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).
-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).
 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 ?????)
@@ Linha 301: / Linha 135: @@
  ==== Capítulo 3  ====
+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.
+  * 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 ,
+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.
+Uma possibilidade (mais pobre) é aplicar testes não paramétricos para a nota em cada ângulo fotografado.
+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.
+<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)
+# O gráfico de interacao é fundamental pois vai ser um instrumento para verificar
+# a sua possivel existencia
+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"])
+# 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
+# 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 =====

Diferenças

Navegação

Busca

Ferramentas

QR Code