Luis easy R

Bom dia 😊!

À medida que aprendemos mais sobre um determinado assunto, novos horizontes no conhecimento se abrem e novos temas das quais nós desconhecemos nos são apresentados. Isso acaba nos dando uma sensação desconfortável de que estamos correndo atrás de alguma coisa, mas ao mesmo tempo não saímos do lugar. Essa situação ocorre também quando estudamos análise de dados. Por isso, eu gosto de criar metáforas como esta “metáfora das furadeiras” para que consigamos perceber que às vezes algo que parece muito completo, pode ser reduzido à uma “simples troca de uma ferramenta”, para que tenhamos um melhor compreensão da parte do processo que precisamos implementar, sem a necessidade de entender como tudo funciona nos mínimos detalhes. Não precisamos saber exatamente como a furadeira funciona, mas precisamos entender para que precisamos usá-la, como usá-la e quais alternativas temos para que esse uso seja o mais eficiente possível.

O processo da modelagem estatística consiste em 4 etapas principais, dentre elas a última, e não menos importante delas, que é a etapa da validação do modelo. Esta etapa consiste na inspeção dos resíduos do modelo na busca da homogeneidade da variância dos mesmos, ou seja, não queremos ver padrões nos resíduos, queremos ver o chamado “céu estrelado”. Neste conteúdo, você irá aprender 4 tipos de resíduos dentre os mais utilizados na validação de modelos GLM e GLMM.

Eu estava tomando uma APA e rascunhando aqui e saiu esse esquema 😁. Comenta ai se você costuma trabalhar com Modelos de Efeitos Misto e se aprender a usar estes modelos não te levou para outro nível em relação à análise de dados.

Quando estou dando aulas sobre análise de dados em linguagem R ou atendendo pessoas em mentorias individuais, busco sempre explicar com muita clareza. Leio as expressões faciais e vou ajustando o curso da explicação até que aquela interrogação na testa das pessoas desapareça. Tenho utilizado a metáfora das furadeiras para tornar mais palpável o processo de escolha da análise de dados mais adequada, para responder a pergunta ou testar a hipótese do projeto científico das pessoas discentes, à luz dos dados que foram medidos e/ou coletados. Tenho obtido resultados bem satisfatórios. Você tem alguma estratégia alternativa para te auxiliar nessa escolha? Compartilhe conosco nos comentários se você se sentir à vontade.

Na postagem anterior eu contei que ao longo dos anos percebi que muitas pessoas as quais eu ensinei ou mentorei em análise de dados no R, tinham dúvidas que pareciam complexas mas que na verdade tinham sua origem nos conceitos base da análise de dados. Uma das análises ou delineamentos que eu considero de base é a Análise de Variância ou ANOVA, provavelmente o teste de hipóteses mais usado na ciência. A ANOVA acaba sendo por muitas vezes a porta de entrada para muitas análises estatísticas, e por isso, é muito importante entender um pouco mais para que tipo de problema ela pode ser aplicada.

Eu ensino análise de dados em linguagem R há cerca de 13 anos, e nos últimos 7 anos, além de ensinar online e em sala de aula, tenho atendido em uma espécie de mentoria individual, diversas pessoas e em sua maioria pessoas discentes de pós-graduação. Comecei a perceber diversos padrões nas dúvidas destas pessoas, mas um padrão me chamou atenção: na grande maioria das vezes que as pessoas tinham dúvidas sobre modelagem ou análise de dados como um todo (do tipo qual análise aplicar), a dúvida estava na base. Comecei a desenvolver uma linguagem própria, uma forma bem particular de explicar para as pessoas com dúvida, e ao longo de muitas conversas, de muitas pessoas mentoradas, desenvolvi um método para ensinar análise de dados e modelagem de uma forma descomplicada. Depois de aplicar centenas de vezes nas mentorias individuais, apliquei de forma coletiva em uma disciplina nova que ofereci aqui na Pós-graduação da Ecologia. O take-home message da disciplina foi a imagem que você está vendo, um grande resumo do conceito e da aplicação do método, a “cereja do bolo” ou melhor “o mirtilo do bolo” já que a caneta era azul :D

Parabéns Cadu pela publicação do artigo resultante do seu mestrado em Ecologia. Fiquei muito feliz com o convite para co-autoria e poder participar deste trabalho tão importante com uma equipe multidisciplinar e de peso.

Os efeitos das ondas de calor marinha e eutrofização em uma espécie de gramínea marinha e na fauna associada (Marine heatwaves and eutrophication jeopardize the seagrass Halodule wrightii and associated infauna: https://doi.org/10.1016/j.marenvres.2025.107441).

O experimento foi realizado com amostras da nossa Lagoa da Conceição, que sofreu em janeiro de 2021 uma eutrofização aguda no ecossistema, decorrente da ruptura de uma lagoa de disposição de esgoto em uma estação de tratamento de águas residuais que liberou aproximadamente 180 milhões de litros de efluente tratado secundariamente.

Este incidente resultou em anoxia, floração de algas, mortalidade em massa de organismos e perda significativa de biodiversidade, incluindo um declínio rápido das pradarias de gramíneas marinhas em algumas regiões da lagoa.

O R é um programa para aplicação de análises estatísticas e produção de gráficos que, desde a sua criação, tem ampliado suas aplicações para as mais diversas áreas do conhecimento. Na parte final desta série de 3 vídeos, você vai aprender o que são os pacotes, como instalá-los e utilizá-los o R, e a aplicar algumas operações matemáticas simples. Além disso, o mais importante que eu vou te ensinar neste vídeo é a organizar seus trabalhos no R, quais são os dois órgão vitais dos seus projetos em R, como salvá-los e evitar uma grande dor de cabeça. Eu criei este conteúdo para apresentar a você o R, as principais características, vantagens em relação à outros programas (muitas vezes pagos). Inscreva-se e ative as notificações para não perder nenhum dos conteúdos do canal.