Laboratório de Ecologia de Florestas Tropicais

Ferramentas do usuário

Ferramentas do site

cursos:planeco:roteiro:11-lmm_rcmdr

Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anterior Revisão anterior
Próxima revisão 		Revisão anterior
cursos:planeco:roteiro:11-lmm_rcmdr [2024/04/04 15:47]
127.0.0.1 edição externa 		cursos:planeco:roteiro:11-lmm_rcmdr [2024/04/04 16:58] (atual)
Linha 193: Linha 193:
 </​WRAP>​ </​WRAP>​
  
 +</​WRAP>​
 +
 +
 +<WRAP center round help 90%>
 +
 +**PARA ENTREGAR ANTES DA PRÓXIMA AULA**
 +Acesse o [[https://​forms.gle/​Uh7QZvrKmcFFNkHX6|formulário]] e responda às questões propostas referentes aos dados sobre crescimento de árvores. ​
  
  
 </​WRAP>​ </​WRAP>​
 +
 +
 +
 +
  
 ===== Riqueza em praias ===== ===== Riqueza em praias =====
Linha 605: Linha 616:
  
  
-===== Seleção de Modelo Mistos =====+==== Seleção de LMM: riqueza em praias ​====
  
 Uma questão central em planejamento e análise de dados é decidir como compor um conjunto de modelos plausíveis a partir das hipóteses e um conjunto de variáveis. Além disso, a partir deste conjunto de modelos plausíveis,​ é preciso tomar a decisão sobre qual((ou quais)) é o melhor para representar nossos dados. Nesse curso utilizamos a partição da variação para comparar modelos aninhados. Vamos continuar a usar o mesmo procedimento,​ ou seja, fazer o teste de hipótese para comparar modelos dois a dois a partir do modelo cheio para chegar ao mínimo adequado. Esse procedimento se torna mais complexo nos modelos mistos ao envolver a simplificação da estrutura aleatória, além da estrutura fixa, como fizemos nos modelos anteriores.  ​ Uma questão central em planejamento e análise de dados é decidir como compor um conjunto de modelos plausíveis a partir das hipóteses e um conjunto de variáveis. Além disso, a partir deste conjunto de modelos plausíveis,​ é preciso tomar a decisão sobre qual((ou quais)) é o melhor para representar nossos dados. Nesse curso utilizamos a partição da variação para comparar modelos aninhados. Vamos continuar a usar o mesmo procedimento,​ ou seja, fazer o teste de hipótese para comparar modelos dois a dois a partir do modelo cheio para chegar ao mínimo adequado. Esse procedimento se torna mais complexo nos modelos mistos ao envolver a simplificação da estrutura aleatória, além da estrutura fixa, como fizemos nos modelos anteriores.  ​
Linha 614: Linha 625:
  
  
 +<WRAP center round todo 80%>
  
-=== Ajustando os dados ===+=== Ajustando os dados:  riqueza em praias ​===
  
  
- +Os dados que estamos usando estão disponíveis no [[https://​github.com/​jmadin/​zuur/​blob/​master/​data/​RIKZ.txt|github ​do livro do Zuur et al. (2009)]]. A variável ''​Exposure''​ originalmente tem ''​3''​ níveis: ''​8'',​ ''​10''​ e ''​11''​. Como o nível ''​8''​ foi observado apenas em uma praia, reclassificamos esta praia para o nível seguinte, no caso o ''​10''​ (Zuur et al. 2009).  ​
-Os dados que estamos usando estão disponíveis no site do livro do Zuur et al. (2009). A variável ''​Exposure''​ originalmente tem ''​3''​ níveis: ''​8'',​ ''​10''​ e ''​11''​. Como o nível ''​8''​ foi observado apenas em uma praia, reclassificamos esta praia para o nível seguinte, no caso o ''​10''​ (Zuur et al. 2009).  ​+
  
  
Linha 632: Linha 643:
  
  
 +
 +</​WRAP>​
  
  
-===== Escolha ​dos efeitos aleatórios ​=====+==== Seleção ​dos efeitos aleatórios: riqueza em praias ​====
  
 Existem modelos e, portanto, perguntas e delineamentos amostrais que requerem apenas um efeito aleatório para indicar o agrupamento dos dados. Entretanto, como colocado na seção anterior, há também modelos que podem incluir mais de um efeito aleatório. Esse é o caso da interação entre ''​praia''​ e ''​NAP''​ mencionada acima. ​ Existem modelos e, portanto, perguntas e delineamentos amostrais que requerem apenas um efeito aleatório para indicar o agrupamento dos dados. Entretanto, como colocado na seção anterior, há também modelos que podem incluir mais de um efeito aleatório. Esse é o caso da interação entre ''​praia''​ e ''​NAP''​ mencionada acima. ​
Linha 736: Linha 749:
 Note que quando observamos o primeiro gráfico desse tutorial, parecia que a inclusão de diferentes inclinações para cada praia no modelo seria importante. Porém, o resultado desse teste acima nos indica que, apesar de algumas praias terem inclinações aparentemente diferentes, não ganhamos muita informação adicional relevante ao incluir inclinações diferentes para todas as nove praias. Note que quando observamos o primeiro gráfico desse tutorial, parecia que a inclusão de diferentes inclinações para cada praia no modelo seria importante. Porém, o resultado desse teste acima nos indica que, apesar de algumas praias terem inclinações aparentemente diferentes, não ganhamos muita informação adicional relevante ao incluir inclinações diferentes para todas as nove praias.
  
-===== Estrutura fixa do modelo ​=====+==== Estrutura fixa do modelo: riqueza de praias ​====
  
  
Linha 793: Linha 806:
  
 <WRAP center round alert 90%> <WRAP center round alert 90%>
-**OPS!** Olhando o gráfico diagnóstico dos resíduos, parece que os dados não são tão homocedásticos como deveriam, pois vemos algo parecido com um funil se abrindo da esquerda para a direita, o que indica que o modelo viola esta premissa. Isso não deveria ser uma surpresa já que a variável ''​Richness''​ é uma contagem e como tal tem a variância acoplada à média.+**OPS!** Olhando o gráfico diagnóstico dos resíduos, parece que os dados não são tão homocedásticos como deveriam, pois vemos algo parecido com um funil se abrindo da esquerda para a direita, o que indica que o modelo viola esta premissa. Isso não deveria ser um 
 +=== Ajustando os dados === 
 + 
 + 
 +Os dados que estamos usando estão disponíveis no [[https://​github.com/​jmadin/​zuur/​blob/​master/​data/​RIKZ.txt|github do livro do Zuur et al. (2009)]]. A variável ''​Exposure''​ originalmente tem ''​3''​ níveis: ''​8'',​ ''​10''​ e ''​11''​. Como o nível ''​8''​ foi observado apenas em uma praia, reclassificamos esta praia para o nível seguinte, no caso o ''​10''​ (Zuur et al. 2009). ​  
 + 
 + 
 +A partir da variável ''​Exposure'',​ criamos a ''​fExp''​ que contempla apenas os valores **10** e **11** para designar os dois níveis de exposição das praias. Para tornar essa variável mais explicita com relação ao seu significado vamos transformar os valores **10** e **11** de ''​fExp''​ em fatores **low** e **high**, nesta ordem, criando uma nova variável ''​fExposure'':​ 
 + 
 +  * abra o menu ''​Data''​ > ''​Manage variables in active data set''​ > ''​Convert numeric variables to factors...'';​ 
 +  * coloque o nome da nova variável como ''​fExposure''​ no campo ''<​same as variable>'';​ 
 +  * deixe selecionada a opção ''​Supply level names'';​ 
 +  * no quadro que irá se abrir digite ''​low''​ para o valor ''​10''​ e ''​high''​ para o valor ''​11'';​ 
 +  * após criar verifique se a variável foi corretamente criada clicando no botão ''​View data set''​. 
 + 
 + 
 + 
 +a surpresa já que a variável ''​Richness''​ é uma contagem e como tal tem a variância acoplada à média.
  
 **E agora??!** Bem, quase sempre existe um caminho! O problema aqui é que assumimos que a riqueza de espécies, uma variável de contagem, poderia ser modelada como uma distribuição normal. Entretanto, dados de contagem geralmente são melhor modelados usando a distribuição de ''​Poisson''​. Já aprendemos isso no tutorial [[cursos:​planeco:​roteiro:​10-glmpoisson]].  ​ **E agora??!** Bem, quase sempre existe um caminho! O problema aqui é que assumimos que a riqueza de espécies, uma variável de contagem, poderia ser modelada como uma distribuição normal. Entretanto, dados de contagem geralmente são melhor modelados usando a distribuição de ''​Poisson''​. Já aprendemos isso no tutorial [[cursos:​planeco:​roteiro:​10-glmpoisson]].  ​
Linha 829: Linha 859:
  
 **PARA ENTREGAR ANTES DA PRÓXIMA AULA** **PARA ENTREGAR ANTES DA PRÓXIMA AULA**
-Acesse o [[https://​forms.gle/​WBDh238JvtpmuvV9A|formulário]] e responda às questões propostas referentes aos dados sobre a riqueza em praias. ​ +Acesse o [[https://​forms.gle/​AEk1zdTyYzXu2MnV7|formulário]] e responda às questões propostas referentes aos dados sobre a riqueza em praias. ​
- +
- +
-{{url>​https://​forms.gle/​WBDh238JvtpmuvV9A}}+
  
  
Linha 922: Linha 949:
  
 **PARA ENTREGAR ANTES DA PRÓXIMA AULA** **PARA ENTREGAR ANTES DA PRÓXIMA AULA**
-Acesse o [[https://​forms.gle/​ciCcS4ytXDBJyrfn9|formulário]] e responda às questões propostas referentes aos dois exemplos (Praias e Aveia) trabalhados nesse tutorial. ​ +Acesse o [[https://​forms.gle/​T9LpETUubgpq8QN48|formulário]] e responda às questões propostas referentes aos dois exemplos (Praias e Aveia) trabalhados nesse tutorial. ​
- +
  
-{{url>​https://​forms.gle/​ciCcS4ytXDBJyrfn9}} 
 </​WRAP>​ </​WRAP>​
  
cursos/planeco/roteiro/11-lmm_rcmdr.1712256445.txt.gz · Última modificação: 2024/04/04 15:47 por 127.0.0.1

Ferramentas da página

Exceto onde for informado ao contrário, o conteúdo neste wiki está sob a seguinte licença: CC Attribution-Noncommercial-Share Alike 4.0 International
CC Attribution-Noncommercial-Share Alike 4.0 International Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki