FIT5306 - Bioestatística e Experimentação Agrícola

Bem-vindo ao material de apoio da disciplina FIT5306 (Bioestatística e Experimentação Agrícola)! Esta página contém os dados e scripts R necessários para aplicação prática dos conteúdos vistos na disciplina.

Cronograma (2024/02)

Clique aqui e veja como o calendário foi feito!

library(calendR)
# tutorial calendR
# https://r-coder.com/calendar-plot-r/

events <- rep(NA, 153)
segundas <- seq(26, 138, by = 7)
tercas <- seq(27, 139, by = 7)
events[segundas] <- "1: Aulas teóricas\nCCA/ZDR 201\nA/B/C: 13:30-16:00"
events[tercas] <- "2: Aulas práticas (campo)\nRessacada\nC: 10:10-11:50\nA: 13:30-15:10\nB: 15:20-17:00"

# Aulas práticas no CCA
events[c(48, 69, 76, 90, 111, 125, 132)] <- "3: Aulas práticas (análises)\nCCA\nC: 10:10-11:50\nA: 13:30-15:10\nB: 15:20-17:00"

# Provas
events[c(82, 138)] <- "3: Avaliações"

# Seminário
events[139] <- "4: Apresentação\ndo projeto"

# # Feriados
events[c(96, 97)] <- "4: Semana Acadêmica"



# Creating the calendar
calendR(year = 2024,
        from ="2024-08-01",
        to = "2024-12-31",
        special.days = events,
        special.col = metan::ggplot_color(length(unique(na.omit(events)))),
        title = "FIT5306 - Bioestatística e Experimentação Agrícola", 
        subtitle = "Cronograma de aulas - 2024/02",
        subtitle.size = 15,
        mbg.col = "forestgreen",
        months.col = "white",
        legend.pos = "bottom",
        day.size = 4,
        months.size = 14,
        orientation = "portrait")

Clique aqui e veja como o calendário foi feito!

ggplot2::ggsave("calendario.jpg",
                width = 8,
                height = 8)

Pacotes necessários

Para começar, é sugerido que os seguintes pacotes sejam instalados (confira como fazer isso no vídeo abaixo).

library(tidyverse)  # manipulação de dados
library(metan)      # estatísticas descritivas
library(rio)        # importação/exportação de dados
library(emmeans)    # comparação de médias
library(AgroR)      # casualização e ANOVA
library(ggstatsplot)# Gráficos com inferência estatística

Dados de exemplo

O conjunto de dados dados_biost.xlsx contém dados que podem ser utilizados para aplicação prática dos conteúdos trabalhados na disciplina. Para baixar o arquivo .xlsx, utilize o botão abaixo.

Planilhas específicas podem ser baixadas diretamente no software R, utilizando o argumento sheet da função import() do pacote rio.

url <- "https://bit.ly/df_biostat"
df_biostat <- import(url, sheet = "DIC-DBC")
glimpse(df_biostat)

Rows: 12
Columns: 5
$ RAD   <dbl> 50, 50, 50, 50, 70, 70, 70, 70, 100, 100, 100, 100
$ REP   <dbl> 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4
$ AF_M2 <dbl> 5.02, 3.65, 3.93, 4.71, 6.12, 5.61, 5.11, 4.98, 5.46, 5.55, 5.72…
$ AF    <dbl> 5016.429, 3648.359, 3925.333, 4705.269, 6118.425, 5614.233, 5109…
$ MST   <dbl> 12.30785, 10.73315, 10.86140, 10.97850, 15.75180, 13.30495, 13.8…

O arquivo contém as seguintes planilhas, que podem ser reunidas nas seguintes classes:

Regressão

REG_DATA: dados sem repetição (hipotéticos) do RG observados em diferentes doses de Nitrogênio.
REG_ANALISE: Análise de regressão linear de primeiro grau dos dados REG_DATA.
REG_DEL_DATA: dados com repetições do rendimento de grãos observados em diferentes doses de Nitrogênio.
REG_DEL_ANALISE: Análise de regressão dos dados REG_DEL_DATA.
REG_PRATICA: dados referente a uma amostra de tamanho n = 11, na qual se aplicou CO2 em diferentes concentrações em folhas de trigo (X). A quantidade de C02 absorvida (Y) em cm3 / dm2 / hora foi avaliada. Esse exemplo foi apresentado por Ferreira (2009)[^1].
REG_PRATICA_ANALISE: Análise de regressão dos dados REG_PRATICA.

Correlação

COR_DATA_DENSIDADE: Dois métodos de mensurar a densidade média da madeira (g /cm$^3$) em Eucalyptus grandis foram aplicados a uma amostra de n = 13 árvores. O primeiro método (X) é determinado utilizando um paquímetro e uma sonda Pressler de 0,5 cm na região da árvore determinada no diâmetro à altura do peito (DAP). A segunda, variável (Y) também foi mensurada no DAP utilizando cortes transversais no tronco. Esse exemplo foi apresentado por ¹.
CORRELACAO_DATA: dados de altura de planta (AP) e altura da espiga (AE) observados em 10 plantas de milho.
CORRELACAO_ANALISE: Análise de correlação para os dados CORRELACAO_DATA.

Experimentos unifatoriais

Note

Os dados COBERTURA_N_MASSA e COBERTURA_N_SOJA foram obtidos em um trabalho conduzido em grupo no Centro Universitário Unideau, tendo como participantes os alunos Bernardo Pinheiro Busatta, Tiago Jonatan Fochesatto, Diogo Andre Ody, Gustavo Peretti e Paulo Sérgio Trevisol.

COBERTURA_N_MASSA: dados de um experimento bifatorial com dois níveis de nitrogênio (com e sem) e quatro níveis de plantas de cobertura (aveia preta, centeio, triticale e pousio), conduzido em um DBC com quatro repetições. Foram avaliados a matéria verde (MV) e matéria seca (MS) das plantas, bem como a matéria seca de raiz (MSR).
COBERTURA_N_SOJA: Com os mesmos tratamentos apresentados em COBERTURA_N_MASSA, o experimento avaliou caracteres morfológicos e o rendimento de grãos de soja cultivada na resteva das respectivas coberturas de solo. Foram avaliados o número de legumes por planta (NL), número de grãos por legume (NGL), massa de mil grãos (MMG) e o rendimento de grãos (RG).
DIC-DBC: dados de área foliar (AF) e matéria seca de planta (MST) de plantas de chicória avaliadas em diferentes níveis de radiação solar (50%, 70% e 100%). O experimento foi conduzido em delineamento de blocos completos casualizados, com quatro repetições.
EFEITOS: Os efeitos de tratamento e erro (delineamento inteiramente casualizado) para os dados da planilha DIC-DBC.
DIC-DBC-ANOVA: análise de variância nos delineamentos DIC e DBC, para efeitos de comparação, dos dados da planilha DIC-DBC.
QUALI: Dados do rendimento de grãos (RG) de 10 híbridos de milho avaliados em um delineamento de blocos completos casualizados, com quatro repetições.
QUANTI_LINEAR: Dados do rendimento de grãos (RG) de um híbrido de milho sob diferentes doses de nitrogênio, avaliados em um delineamento de blocos completos casualizados, com quatro repetições. O conjunto apresenta um comportamento linear.
QUANTI_LINEAR: Dados do rendimento de grãos (RG) de um híbrido de milho sob diferentes doses de nitrogênio, avaliados em um delineamento de blocos completos casualizados, com quatro repetições. O conjunto apresenta um comportamento linear.
QUANTI_QUADRÁTICA: Dados do rendimento de grãos (RG) de um híbrido de milho sob diferentes doses de nitrogênio, avaliados em um delineamento de blocos completos casualizados, com quatro repetições. O conjunto apresenta um comportamento quadrático.
maize: Dados de um ensaio multi-ambientes onde 13 híbridos de milho foram avaliados em quatro localidades, sendo que em cada localidade um delineamento de blocos completos casualizados com três repetições foi utilizado. São apresentados dados de sete caracteres quantitativos avaliados em cinco plantas aleatoriamente escolhidas em cada parcela.

Experimentos bifatoriais

As seguintes planilhas contém dados de experimentos bifatoriais com diferentes combinações de fatores qualitativos e quantitativos na presença de interação significativa e não significativa. Em todos os exemplos, é utilizado o delineamento de blocos completos casualizados.

FAT1_SI: Fator 1 qualitativo (fontes de nitrogênio), com três níveis; Fator 2 qualitativo (híbridos), com três níveis, com interação significativa.
FAT1_CI: Fator 1 qualitativo (dias de avaliação), com três níveis; Fator 2 qualitativo (radiação solar), com três níveis, sem interação significativa.
FAT1_C2I²: Fator 1 Qualitativo (enxofre), com dois níveis; Fator 2 qualitativo (parcelamento de N), com três níveis, com interação significativa.
FAT2_SI: Fator 1 qualitativo (híbridos), com dois níveis; Fator 2 quantitativo (doses de N), com cinco níveis, sem interação significativa.
FAT2_CI: Fator 1 qualitativo (híbridos), com dois níveis; Fator 2 quantitativo (doses de N), com cinco níveis, com interação significativa.
FAT3: Fator 1 quantitativo (doses de N), com quatro níveis; Fator 2 quantitativo (doses de K), com cinco níveis, com interação significativa.

Free website hit counter

Footnotes

Ferreira, D.F. 2009. Estatística Básica. 2nd ed. UFLA, Viçosa, MG.↩︎
Olivoto, T., I.R. Carvalho, M. Nardino, M. Ferrari, A.J. de Pelegrin, et al. 2016. Sulfur and nitrogen effects on industrial quality and grain yield of wheat Efeitos. Rev. Ciências Agroveterinárias 15(1): 24–33. doi: 10.5965/223811711512016024.↩︎

--- title: "FIT5306 - Bioestatística e Experimentação Agrícola" --- ![](figs/bem-vindo.png) Bem-vindo ao material de apoio da disciplina FIT5306 (Bioestatística e Experimentação Agrícola)! Esta página contém os dados e scripts R necessários para aplicação prática dos conteúdos vistos na disciplina. # Cronograma (2024/02) ```{r } #| code-fold: true #| code-summary: "Clique aqui e veja como o calendário foi feito!" #| out-width: "100%" #| fig-width: 8 #| fig-height: 7 #| warning: false #| message: false library(calendR) # tutorial calendR # https://r-coder.com/calendar-plot-r/ events <- rep(NA, 153) segundas <- seq(26, 138, by = 7) tercas <- seq(27, 139, by = 7) events[segundas] <- "1: Aulas teóricas\nCCA/ZDR 201\nA/B/C: 13:30-16:00" events[tercas] <- "2: Aulas práticas (campo)\nRessacada\nC: 10:10-11:50\nA: 13:30-15:10\nB: 15:20-17:00" # Aulas práticas no CCA events[c(48, 69, 76, 90, 111, 125, 132)] <- "3: Aulas práticas (análises)\nCCA\nC: 10:10-11:50\nA: 13:30-15:10\nB: 15:20-17:00" # Provas events[c(82, 138)] <- "3: Avaliações" # Seminário events[139] <- "4: Apresentação\ndo projeto" # # Feriados events[c(96, 97)] <- "4: Semana Acadêmica" # Creating the calendar calendR(year = 2024, from ="2024-08-01", to = "2024-12-31", special.days = events, special.col = metan::ggplot_color(length(unique(na.omit(events)))), title = "FIT5306 - Bioestatística e Experimentação Agrícola", subtitle = "Cronograma de aulas - 2024/02", subtitle.size = 15, mbg.col = "forestgreen", months.col = "white", legend.pos = "bottom", day.size = 4, months.size = 14, orientation = "portrait") ggplot2::ggsave("calendario.jpg", width = 8, height = 8) ``` # Pacotes necessários Para começar, é sugerido que os seguintes pacotes sejam instalados (confira como fazer isso no vídeo abaixo). {{< video https://www.youtube.com/embed/8B8QDZnDhtY >}} ```{r warning=FALSE, message = FALSE} library(tidyverse) # manipulação de dados library(metan) # estatísticas descritivas library(rio) # importação/exportação de dados library(emmeans) # comparação de médias library(AgroR) # casualização e ANOVA library(ggstatsplot)# Gráficos com inferência estatística ``` # Dados de exemplo ------------------------------------------------------------------------ O conjunto de dados `dados_biost.xlsx` contém dados que podem ser utilizados para aplicação prática dos conteúdos trabalhados na disciplina. Para baixar o arquivo `.xlsx`, utilize o botão abaixo. <a href="https://bit.ly/df_biostat" target="_blank" rel="noopener"> <button class="btn btn-success"><i class="fa fa-save"></i> Download dados_biost_exp.xlsx</button> </a> Planilhas específicas podem ser baixadas diretamente no software R, utilizando o argumento `sheet` da função `import()` do pacote `rio`. ```{r} url <- "https://bit.ly/df_biostat" df_biostat <- import(url, sheet = "DIC-DBC") glimpse(df_biostat) ``` O arquivo contém as seguintes planilhas, que podem ser reunidas nas seguintes classes: ## Regressão - `REG_DATA`: dados sem repetição (**hipotéticos**) do RG observados em diferentes doses de Nitrogênio. - `REG_ANALISE`: Análise de regressão linear de primeiro grau dos dados `REG_DATA`. - `REG_DEL_DATA`: dados com repetições do rendimento de grãos observados em diferentes doses de Nitrogênio. - `REG_DEL_ANALISE`: Análise de regressão dos dados `REG_DEL_DATA`. - `REG_PRATICA`: dados referente a uma amostra de tamanho n = 11, na qual se aplicou CO2 em diferentes concentrações em folhas de trigo (X). A quantidade de C02 absorvida (Y) em cm3 / dm2 / hora foi avaliada. Esse exemplo foi apresentado por Ferreira (2009)\[\^1\]. - `REG_PRATICA_ANALISE`: Análise de regressão dos dados `REG_PRATICA`. ## Correlação - `COR_DATA_DENSIDADE`: Dois métodos de mensurar a densidade média da madeira (g /cm$^3$) em *Eucalyptus grandis* foram aplicados a uma amostra de n = 13 árvores. O primeiro método (X) é determinado utilizando um paquímetro e uma sonda Pressler de 0,5 cm na região da árvore determinada no diâmetro à altura do peito (DAP). A segunda, variável (Y) também foi mensurada no DAP utilizando cortes transversais no tronco. Esse exemplo foi apresentado por [^1]. - `CORRELACAO_DATA`: dados de altura de planta (AP) e altura da espiga (AE) observados em 10 plantas de milho. - `CORRELACAO_ANALISE`: Análise de correlação para os dados `CORRELACAO_DATA`. [^1]: Ferreira, D.F. 2009. Estatística Básica. 2nd ed. UFLA, Viçosa, MG. ## Experimentos unifatoriais ::: callout-note Os dados `COBERTURA_N_MASSA` e `COBERTURA_N_SOJA` foram obtidos em um trabalho conduzido em grupo no Centro Universitário Unideau, tendo como participantes os alunos Bernardo Pinheiro Busatta, Tiago Jonatan Fochesatto, Diogo Andre Ody, Gustavo Peretti e Paulo Sérgio Trevisol. ::: - `COBERTURA_N_MASSA`: dados de um experimento bifatorial com dois níveis de nitrogênio (com e sem) e quatro níveis de plantas de cobertura (aveia preta, centeio, triticale e pousio), conduzido em um DBC com quatro repetições. Foram avaliados a matéria verde (MV) e matéria seca (MS) das plantas, bem como a matéria seca de raiz (MSR). - `COBERTURA_N_SOJA`: Com os mesmos tratamentos apresentados em `COBERTURA_N_MASSA`, o experimento avaliou caracteres morfológicos e o rendimento de grãos de soja cultivada na resteva das respectivas coberturas de solo. Foram avaliados o número de legumes por planta (NL), número de grãos por legume (NGL), massa de mil grãos (MMG) e o rendimento de grãos (RG). - `DIC-DBC`: dados de área foliar (AF) e matéria seca de planta (MST) de plantas de chicória avaliadas em diferentes níveis de radiação solar (50%, 70% e 100%). O experimento foi conduzido em delineamento de blocos completos casualizados, com quatro repetições. - `EFEITOS`: Os efeitos de tratamento e erro (delineamento inteiramente casualizado) para os dados da planilha `DIC-DBC`. - `DIC-DBC-ANOVA`: análise de variância nos delineamentos DIC e DBC, para efeitos de comparação, dos dados da planilha `DIC-DBC`. - `QUALI`: Dados do rendimento de grãos (RG) de 10 híbridos de milho avaliados em um delineamento de blocos completos casualizados, com quatro repetições. - `QUANTI_LINEAR`: Dados do rendimento de grãos (RG) de um híbrido de milho sob diferentes doses de nitrogênio, avaliados em um delineamento de blocos completos casualizados, com quatro repetições. O conjunto apresenta um comportamento linear. - `QUANTI_LINEAR`: Dados do rendimento de grãos (RG) de um híbrido de milho sob diferentes doses de nitrogênio, avaliados em um delineamento de blocos completos casualizados, com quatro repetições. O conjunto apresenta um comportamento linear. - `QUANTI_QUADRÁTICA`: Dados do rendimento de grãos (RG) de um híbrido de milho sob diferentes doses de nitrogênio, avaliados em um delineamento de blocos completos casualizados, com quatro repetições. O conjunto apresenta um comportamento quadrático. - `maize`: Dados de um ensaio multi-ambientes onde 13 híbridos de milho foram avaliados em quatro localidades, sendo que em cada localidade um delineamento de blocos completos casualizados com três repetições foi utilizado. São apresentados dados de sete caracteres quantitativos avaliados em cinco plantas aleatoriamente escolhidas em cada parcela. ## Experimentos bifatoriais As seguintes planilhas contém dados de experimentos bifatoriais com diferentes combinações de fatores qualitativos e quantitativos na presença de interação significativa e não significativa. Em todos os exemplos, é utilizado o delineamento de blocos completos casualizados. - `FAT1_SI`: Fator 1 **qualitativo** (fontes de nitrogênio), com três níveis; Fator 2 **qualitativo** (híbridos), com três níveis, **com interação significativa**. - `FAT1_CI`: Fator 1 **qualitativo** (dias de avaliação), com três níveis; Fator 2 **qualitativo** (radiação solar), com três níveis, **sem interação significativa**. - `FAT1_C2I`[^2]: Fator 1 **Qualitativo** (enxofre), com dois níveis; Fator 2 **qualitativo** (parcelamento de N), com três níveis, **com interação significativa**. - `FAT2_SI`: Fator 1 **qualitativo** (híbridos), com dois níveis; Fator 2 **quantitativo** (doses de N), com cinco níveis, **sem interação significativa**. - `FAT2_CI`: Fator 1 **qualitativo** (híbridos), com dois níveis; Fator 2 **quantitativo** (doses de N), com cinco níveis, **com interação significativa**. - `FAT3`: Fator 1 **quantitativo** (doses de N), com quatro níveis; Fator 2 **quantitativo** (doses de K), com cinco níveis, **com interação significativa**. [^2]: Olivoto, T., I.R. Carvalho, M. Nardino, M. Ferrari, A.J. de Pelegrin, et al. 2016. Sulfur and nitrogen effects on industrial quality and grain yield of wheat Efeitos. Rev. Ciências Agroveterinárias 15(1): 24--33. doi: 10.5965/223811711512016024. ------------------------------------------------------------------------ ```{=html} <div align='center'><a href='https://www.free-website-hit-counter.com'><img src='https://www.free-website-hit-counter.com/c.php?d=9&id=138590&s=2' border='0' alt='Free Website Hit Counter'></a><br / ><small><a href='https://www.free-website-hit-counter.com' title="Free Website Hit Counter">Free website hit counter</a></small></div> ```