Para quem serve esse método?

Neste módulo você vai aprender aa primeira etapa do ciclo do experimento que é como definir o objetivo correto para sua realidade de experimentos, ou seja, sempre focar em fatores como recurso humano, recurso financeiro e tempo de execução, entre outros.

Neste módulo vamos iniciar o estudo da segunda etapa do ciclo do experimento e vamos discutir uma das fases mais importantes dentro desta etapa que é a escolha da área experimental. Existem um número muito grande de fatores que devem ser considerados nesta escolha.

Neste módulo vamos discutir sobre os 3 princípios básicos da experimentação que são de extrema importância para a elaboração, condução e análise correta do experimento.

Neste módulo vamos discutir sobre os 3 principais delineamentos experimentais que são delineamento inteiramente casualizado, delineamento em blocos casualizados e delineamento em quadrado latino.

Neste módulo vamos conversar sobre os principais tipos de arranjos experimentais que são: arranjo fatorial, parcela subdividida, experimento hierárquico e análise conjunta.

Neste módulo você vai aprender alguns tipos de experimentos utilizados por grandes empresas tais como experimentos em faixa, experimentos em blocos aumentados e látice.

Neste módulo você vai aprender sobre como escolher os tratamentos certos baseados no seu objetivo.

Este módulo tem o objetivo de iniciar o estudante no maravilhoso e grandioso mundo chamado R que é o software mais utilizado no mundo para análise de dados. Neste módulo o aluno aprenderá noções básicas tais como instalação, criação e identificação de objetivos, importação e exportação de dados, operações básicas, noções de gráficos, noções de estatística experimental, e noções de regressão. Ao final do módulo o aluno estará apto a rodar análises básicas no R tais como ANOVA, teste de comparações de médias e regressão linear.

Neste módulo você vai aprender a como definir o número de repetições de um experimento baseando-se em análise estatística conhecida como power analysis.

Neste módulo vamos discutir sobre como definir as variáveis que devem ser analisadas no experimento baseado no seu objetivo.

Neste módulo vamos iniciar a etapa 3 do ciclo do experimento e você vai aprender vários pontos chave que devemos considerar na condução dos experimentos.

Neste módulo será ensinado tudo sobre coleta de dados e pontos a serem considerados para evitar erros durante esta etapa, visto que qualquer erro nesta etapa impacta negativamente a análise e interpretação dos dados.

Neste módulo vamos estudar a etapa 4 do ciclo do experimento e vamos discutir todas as pré-análises que antecedem a análise dos dados que são: identificação e remoção de outliers, imputação de dados, padronização de dados e seleção de variáveis.

Neste módulo vamos iniciar o estudo da etapa 5 do ciclo do experimento e vamos abordar sobre os principais testes de comparação de médias que são Tukey, Duncan, Scott-Knott, intervalo de confiança, entre outros.

Neste módulo será discutido a base teórica das principais análises abordadas neste curso tais como: Estatística descritiva, DIC, DBC, correlação, regressão, esquemas experimentais, anova para dados desbalanceados e anova conjunta.

Este Módulo visa ensinar o aluno a utilizar o R para rodar análises básicas de experimentação tais como, teste de normalidade e homogeneidade de variâncias, anova, teste de comparação de médias e modelos básicos de regressão. Este é um módulo prático, onde são mostradas as funções do R para rodar as análises mencionadas acima, e como interpretar os resultados obtidos.

Este módulo tem por objetivo ensinar o aluno a rodar e analisar diversos tipos de experimentos complexos utilizando o software R. Os experimentos que serão abordados são: DBC com informação dentro de parcela, fatorial triplo em DIC e DBC, fatorial quadruplo em DIC e DBC, fatorial com 1 testemunha adicional em DIC e DBC, fatorial com k testemunhas adicionais em DIC e DBC, e parcelas subsubdivididas em DIC e DBC.

Este módulo tem por objetivo ensinar o aluno a rodar e analisar diversos tipos de experimentos desbalanceados utilizando o software R. Serão abordados aqui experimentos desbalanceados em DIC, DBC, DQL, DIC com covariável, DBC com covariável, blocos aumentados, fatorial duplo em DIC, DBC e DQL, parcelas subdidviddas em DIC e DBC. Para esse módulo utilizaremos o pacote easyanova do R, um dos pacotes mais completos para rodar análise de variância e teste de comparação de média que o R possui.

Este módulo visa ensinar o aluno a utilizar o R para rodar análises de experimentos com medidas repetidas. O objetivo é passar por todas as etapas da análise de dados com medidas repetidas, desde a criação de um arquivo (simulação de dados), interpretação dos resultados inicias (análise gráfica, teste de normalidade, teste de homogeneidade de variância), utilização de modelos mistos através dos pacotes lme, lmer e glmmTBM, interpretação dos resultados, escolhas de modelos, entre outros assuntos.

Este módulo visa ensinar o participante á rodas análises de modelos mistos utilizando o R. O objetivo é mostrar quais análises devem ser realizadas quando se considera um efeito como fixo (anova, teste de comparação de médias via lsmeans, análise de contraste) ou como aleatório (herdabilidade, diferencial de seleção, ganho de seleção e BLUP). O principal é que você vaia prender a interpretar os resultados obtidos com estas análises.

Neste módulo vamos discutir inúmeras análises relacionadas a modelos de regressão linear. Os seguintes temas serão abordados durante o curso: análise de correlação, linearidade entre variáveis, teste de normalidade, ajuste de resíduo de modelos, modelos de regressão linear simples, modelos de regressão linear múltipla, seleção de modelos e modelos lineares mistos.

Neste módulo vamos discutir inúmeros modelos avançados de regressão linear. Serão discutidos os modelos que utilizamos para analisar variáveis que não possuem distribuição normal tais como variáveis de contagem, probabilidade, proporção, multicategóricas, entre outras.

Esse módulo você vai começar a estudar a última etapa do ciclo do experimento e você vai aprender como elaborar os principais gráficos disponíveis no R. Ao término do módulo, você estará apto a entregar resultados impactantes dentro da empresa que você trabalha ou para o seu cliente.

Este módulo visa ajudar o aluno a desenvolver e aprimorar suas habilidades de escrita cientifica, tornando a escrita mais rápida e simples para que o aluno possa publicar seus artigos em revistas de alto fator de impacto e fazer relatórios de qualidade.

Neste módulo eu vou desenvolver suas habilidades em montar apresentações objetivas e claras para serem apresentadas dentro de reuniões em empresas privadas ou mesmo em seminários e workshops.

Neste módulo você vai aprender sobre como utilizar os resultados do experimento anterior para definir os objetivos do próximo experimento e assim dar seguimento ao ciclo do experimento.