Objetivos Gerais:

1 - Saber efetuar desenho experimental de forma a obter dados para tratamento estatístico
2 - Saber gerir dados e organizá-los de forma eficiente e estandardizada
3 - Ter conhecimento dos principais tipos análises estatísticas e ter proficiência em análise exploratória e estatística básica de dados biológicos
4 - Saber enquadrar problemas biológicos usando ferramentas matemáticas e estatísticas
5 - Saber criar modelos quantitativos com o fim de resolver problemas reais no seu enquadramento apropriado
6 - Saber comunicar de forma eficiente e clara resultados numéricos e estatísticos em biologia

Conteúdos / Programa:

1 - Revisão de gestão de dados com uso de Excel e de princípios básicos de estatítica em biologia
2 - Regressão linear, interações, análise de covariância, modelos GLM
3 - Introdução à análise multivariada e métodos de análise exploratória de dados: ordenação p.ex. PCA e PCO e agregação, utilização de coeficientes de distância (Euclideana, Euclideana modificada, Manhattan entre outros) ou de correlação. Utilização de coeficiente de Jaccard, Simple Matching ou DICE (entre outros)
4 - Introdução à Meta-análise

Bibliografia / Fontes de Informação:

K.A. Aho , 2014 , Foundational and applied statistics for biologists using R , CRC Press
R.A. Irizarry, M.I. Love , 2017 , Data analysis for the life sciences with R , CRC Press
D. Borcard, F. Gillet, P. Legendre , 2018 , Numerical Ecology with R , Springer
F. Husson, S. Lê, J. Pagès , 2017 , Exploratory multivariate analysis by example using R , CRC Press
A.P. Beckerman, O. Petchey, D.Z. Childs , 2017 , Getting started with R: an introduction for biologists , Oxford University Press
G. Schwarzer, J.R. Carpenter, G. Rücker , 2015 , Meta-analysis with R , Springer
A. Agresti, C.A. Franklin, B. Klingenberg , 2017 , Statistics: the art and science of learning from data , Pearson Education
J.J. Faraway , 2016 , Extending the linear model with R: generalized linear, mixed effects and nonparametric regression models , CRC Press
A.F. Zuur, E.N. Ieno, G.M. Smith , 2007 , Analysing ecological data , Springer
W.N. Venables, D.M. Smith, R Development Core Team , 2018 , An Introduction to R - Notes on R: A Programming Environment for Data Analysis and Graphics, version 3.4.4 (2018-03-15) , R Foundation for Statistical Computing
A. Vickers , 2010 , What is a p-value anyway? 34 stories to help you actually understand statistics , Addison-Wesley
J. Pearl, D. Mackenzie , 2018 , The book of why: the new science of cause and effect , Basic Books
B.M. Bolker , 2008 , Ecological models and data in R , Princeton University Press
S.S. Qian , 2016 , Environmental and ecological statistics with R , CRC Press
M.C. Whitlock, D. Schluter , 2015 , The analysis of biological data , Roberts and Company Publishers

Métodos e Critérios de Avaliação:

Tipo de Classificação: Quantitativa (0-20)

Metodologia de Avaliação:
A Unidade Curricular é composta somente de aulas teórico-práticas (TP) em sala de computadores. No início de cada aula é feita uma introdução teórica, seguida da execução de exemplos pelos alunos nos seus PC's. Na maioria das aulas os alunos recebem exercícios sobre a temática dada para praticarem em casa. A maioria dos exemplos e exercícios são baseados em exemplos reais da investigação dos docentes. Avaliação: 2 testes (50% cada)