Relatório de INC 2009 Embrapa Solos

Temas de P&D a serem treinados

-Métodos Quantitativos Avançados e pacotes estatísticos (SAS e R): Estatística Multivariada, geoestatística, séries temporais e análise de dados longitudinais.

-Geoprocessamento (ArcGis)

-SR e tratamento de imagens satéite/radar – ENVI

-Office avançado (ênfase Excel)

-Pedologia – técnicas pedométricas e SiBCS

-Métodos Quantitativos Avançados e pacotes estatísticos (SAS e R): Estatística Multivariada, geoestatística, séries temporais e análise de dados longitudinais.

Questões a serem discutidas pelo pessoal interessado (quem?):-SAS ou R? - O pacote R é de uso livre e consistente, podendo ser o pacote utilizado no curso. SAS pacote estatístico da Embrapa. Temos que definir qual pacote será utilizado no curso.

-Definir objetivos gerais e específicos de cada item.

-Definir conjunto de dados – para melhor aproveitamento do curso.

-Auxiliar aos professores para definir conteúdo, carga horária e preço

-Sugestão – fazer o curso em 3 módulos – inicial de nivelamento e depois 2 de estatística multivariada e séries temporais e de geoestatística.

-Definir como será aplicado o curso – dias seguidos, manhã-tarde,...

-Professores contatados (adequação as normas Embrapa)1 – Dr. Sidney Rosa Vieira – IAC – geoestatísticaINTRODUÇÃO Estacionaridade, semivariograma, cross semivariograma.KRIGAGEMOrdinária, simples, indicatriz.COKRIGAGEMOrdinária, simples e colocalizada ordináriaSÉRIES TEMPORAISSéries harmônicas, Séries de Fourier, Autocorrelação, Cross correlação, Periodograma

2 – Profa. Sandra Canton Cardoso e Prof. Cassio Freitas de Almeida.ENCE – condições de realizar todos os itens do curso

3 – outras opções ... - direcionamento

-Análise e estatística multivariada

Ditribuição Normal multivariada: propriedades; amostragem e verossimilhança; verificação da suposição de normalidade.

Análise de componentes principais: método para obtenção de componentes principais; componentes principais de uma distribuição normal multivariada; componentes principais de variáveis padronizadas; componentes principais de uma matriz de correlação; estimação e testes de igualdade de componentes principais.

Análise Fatorial: modelo; variância específica; modelo de fator ortogonal; métodos de Estimação – Fatorial Principal e por Máxima Verossimilhança; Rotação e Escore dos Fatores.

Análise de Correlação Canônica: o problema; o método; estimação; teste de significância para os coeficientes de correlação canônica; correlação entre as variáveis originais e as variáveis canônicas.

Análise discriminante e classificação: o problema de classificação geral; regra de classificação ótima para duas populações; modelo com duas populações normais multivariadas; modelo com várias populações (método de Anderson e método de Fisher).

Análise de “Clustering”: medidas de similaridade; métodos de agrupamento hierárquico (ligação simples, ligação média e ligação completa) e não hierárquico (k-médias).

Análise de Regressão Multivaridada: obtenção do modelo; seleção de variáveis; verificação do ajuste.

GeoestatísticaIntrodução.

Estatística básica – medidas; distribuição normal; covariância e correlação; transformações; análise espacial de dados e visualização; amostragem e estimativas.

Predição e interpolação – interpolação espacial; classificação e predição espacial em mapas de solos.

Caracterizando processos espaciais – covariância e variograma. Estacionaridade, semivariograma, cross semivariograma

Estimando o variograma; modelando o variogramaEstimativa ou predição local - krigagem (Ordinária, simples, indicatriz)Cokrigagem - Ordinária, simples e colocalizada ordinária.

Séries Temporais

Séries harmônicas, Séries de Fourier, Autocorrelação, Cross correlação, Periodograma