O que você vai aprender
Este não é um curso engessado. É uma experiência personalizada de aprendizado aplicada à realidade.
Antes mesmo de começarem as aulas, todas as análises que você aprenderá serão definidas de maneira individualizada, respeitando:
- Seus dados e contexto específico
- Seus objetivos profissionais
- Seu interesse de atuação ecológica ou ambiental
- O pacote de aulas escolhido
Isso significa que você não será mais um aluno repetindo exercícios genéricos. Você aprenderá com seus próprios desafios, dados reais e aplicações práticas que fazem sentido para o que você quer construir.
Temas comuns que costumamos abordar
Fundamentos Estatísticos
- Hipóteses ecológicas e testes estatísticos
- Delineamento experimental
- Testes de normalidade: Shapiro-Wilk, histogramas, QQ plots
- Escolha entre testes paramétricos e não-paramétricos
- Interpretação de resultados para os trabalhos
Comparação de Grupos
- Teste t (independente e pareado)
- ANOVA, Kruskal-Wallis, pós-testes (Tukey, Dunn)
- ANCOVA e controle de variáveis
Modelagem Estatística
- Regressões simples e múltiplas
- GLMs: Poisson, Binomial, Quasi…
- GLMMs e efeitos aleatórios
- AIC, resíduos e ajuste de modelos
Ecologia e Biodiversidade
- Índices: Shannon, Simpson
- Estimadores de riqueza: Jackknife, Chao
- Curvas do coletor, rarefação
- Aplicações em fauna, flora, água, solo
Estatística Multivariada
- PCA, NMDS, PERMANOVA
- Clusters e visualizações de similaridade
Machine Learning e Predição
- Random Forest, árvores de decisão
- Classificações com caret e randomForest
- Importância de variáveis ecológicas
R na prática
- Scripts comentados e organizados
- Visualizações com ggplot2
- Relatórios reprodutíveis com RMarkdown
