Curso de Estatística com R para Experimentação Agrícola

Autor

Marlenildo Melo

Data de Publicação

21 de agosto de 2025

Apresentação do Curso

Este material serve como guia para o curso Estatística com R para Experimentação Agrícola.
Cada aula contém explicações teóricas resumidas e códigos práticos para serem executados no RStudio.

Módulo 1 – Introdução ao R e Organização de Dados (Semanas 1-2)

Objetivo: Familiarizar o aluno com R, RStudio e a preparação correta dos dados.

Aula 1: Apresentação do curso + Instalação do R e RStudio

  • O que é R e RStudio
  • Instalação passo a passo
  • Estrutura do RStudio (console, script, environment, plots, packages)

Aula 2: Primeiros passos no R

  • Comandos básicos
  • Operadores aritméticos e lógicos
  • Criando e manipulando objetos

Aula 3: Instalação e uso de pacotes

  • install.packages(), library()
  • Pacotes úteis: tidyverse, readxl, agricolae, emmeans, broom, ggplot2
  • Como procurar ajuda e documentação

Aula 4: Organização de dados

  • Como estruturar dados no Excel (linhas = observações, colunas = variáveis)
  • Importação de arquivos (.csv, .xlsx, .txt)
  • Uso de read.csv(), readxl::read_excel(), read.table()
  • Verificação e limpeza dos dados (head(), str(), summary())

Módulo 2 – Manipulação e Exploração de Dados (Semanas 3-4)

Objetivo: Aprender a organizar, transformar e explorar dados antes da análise.

Aula 5: tidyverse para manipulação

  • dplyr: select(), filter(), mutate(), summarise(), group_by()
  • tidyr: pivot_longer(), pivot_wider()

Aula 6: Estatística descritiva

  • Médias, desvios-padrão, erro-padrão
  • Tabelas resumo com dplyr
  • Visualizações iniciais: histogramas, boxplots, gráficos de barras

Aula 7: Gráficos com ggplot2

  • Estrutura do ggplot2
  • Gráficos básicos aplicados a dados de experimentação agrícola
  • Personalização de gráficos

Aula 8: Introdução aos delineamentos experimentais

  • Delineamentos básicos: DIC, DBC
  • Estrutura dos dados em experimentação agrícola
  • Preparação dos dados no Excel para cada delineamento

Módulo 3 – Análise de Variância (ANOVA) (Semanas 5-8)

Objetivo: Ensinar a rodar ANOVA, verificar pressupostos e interpretar resultados, utilizando diferentes pacotes.

Aula 9: ANOVA em DIC

  • Funções base: aov()
  • ANOVA com ExpDes.pt (dic())
  • ANOVA com easyanova

Aula 10: ANOVA em DBC

  • Funções base: aov()
  • ANOVA com ExpDes.pt (dbc())
  • Comparação da saída entre pacotes

Aula 11: Testes de pressupostos

  • Normalidade dos resíduos: shapiro.test(), rstatix::shapiro_test()
  • Homogeneidade: bartlett.test(), car::leveneTest(), rstatix::levene_test()
  • Interpretação prática

Aula 12: Testes de comparação de médias

  • TukeyHSD() (base R)
  • ExpDes.pt (já integrado à ANOVA)
  • emmeans + cld()
  • rstatix::t_test() e rstatix::anova_test()

Aula 13: ANOVA em esquemas fatoriais

  • Dois fatores com aov()
  • Dois fatores com ExpDes.pt::fat2.dic() e fat2.dbc()
  • Interpretação das interações

Aula 14: ANOVA em parcela subdividida

  • Estrutura de dados
  • ExpDes.pt::psub2.dbc() (ou funções equivalentes)
  • Modelos mistos com lme4::lmer()

Aula 15: Como reportar resultados da ANOVA

  • broom::tidy() para organizar tabelas
  • Exportação de resultados com rstatix (get_anova_table())
  • Apresentação de médias e letras com agricolae, emmeans e ExpDes.pt

Aula 16: Exercícios práticos comparando pacotes

  • Mesmos dados analisados em aov(), ExpDes.pt, easyanova e rstatix
  • Discussão: qual usar em cada situação

Módulo 4 – Regressão e Modelos (Semanas 9-11)

Objetivo: Introduzir regressão e aplicações em experimentação agrícola.

Aula 17: Introdução à regressão linear

  • Conceito, ajuste com lm()
  • Gráficos de regressão no ggplot2

Aula 18: Regressão polinomial

  • lm(y ~ poly(x, 2))
  • Aplicações em curvas de dose, tempo, crescimento

Aula 19: Seleção de modelos

  • Critérios AIC e BIC
  • Comparação de modelos

Aula 20: Regressão não linear

  • nls()
  • Ajuste de curvas de resposta à dose

Aula 21: Regressão logística (ex.: dados de presença/ausência)

  • glm(family = binomial)
  • Exemplos em fitossanidade e sobrevivência

Aula 22: Exercícios práticos de regressão com dados agrícolas

Módulo 5 – Encerramento e Projeto Final (Semana 12)

Objetivo: Consolidar o aprendizado com aplicações práticas.

Aula 23: Como estruturar um relatório científico no R

  • Uso do RMarkdown
  • Exportar para Word e PDF
  • Organização dos resultados

Aula 24: Projeto final

Cada aluno analisa um banco de dados de experimentação agrícola.

Entrega de relatório com:

  • Estrutura dos dados
  • ANOVA + testes de médias ou regressão
  • Gráficos e tabelas
  • Interpretação

📅 Cronograma Resumido (Atualizado)

  • Semanas 1-2: R, RStudio, pacotes, organização/importação de dados
  • Semanas 3-4: Manipulação de dados, gráficos, delineamentos
  • Semanas 5-8: ANOVA com base R, ExpDes.pt, easyanova e rstatix
  • Semanas 9-11: Regressão (linear, polinomial, não linear, logística)
  • Semana 12: Relatórios e Projeto Final