GERAL: Desenvolver nos alunos autonomia para analisar e interpretar dados biológicos.
ESPECÍFICOS:
1.	Fornecer os conceitos e teorias básicos relacionado à estatística e análise de dados;
2.	Discutir criticamente os métodos básicos de obtenção dos dados, ressaltando a importância do planejamento experimental;
3.	Fornecer os princípios básicos e discutir a importância da análise exploratória de dados;
4.	Fornecer os princípios da modelagem linear para testar hipóteses e discutir criticamente a construção e análise diagnóstica dos modelos.

O uso da estatística em Biologia. Perguntas e hipóteses. Tipos de variáveis e coleta de dados. Probabilidade e distribuição de probabilidade. Análise exploratória de dados (medidas de posição e dispersão; visualização dos dados por meio de gráficos). Teste de hipóteses. Modelagem linear (Anova, regressão linear, Ancova) e seus pressupostos. Análise diagnóstica de modelos lineares.

Módulo 1: obtendo dados de forma adequada
Importância da estatística no dia-a-dia e o uso da Estatística em Biologia.
Variáveis mensuráveis e não mensuráveis.
Uso de fluxogramas para planejar o estudo.
Perguntas e hipóteses.
Representação de fenômenos naturais por meio de números.
Tipo de variáveis numéricas e suas características.
Métodos de amostragem.
Suficiência amostral e pseudoamostragem.

Módulo 2: explorando os dados
Probabilidade e distribuição de probabilidade.
Distribuições de probabilidades mais frequentes em dados biológicos.
Teorema central do limite e regressão à média.
Métodos para explorar numericamente os dados (medidas de posição e dispersão dos dados).
Métodos para explorar graficamente os dados (histograma, box-plot, gráfico de dispersão, gráficos de barras).

Módulo 3: botando a mão na massa
Teoria Poperiana
Teste de hipórteses: hipótese nula e hipótese alternativa; erros do tipo I e tipo II
Nível de significância e testes de hipóteses unicaudal e bicaudal.
Modelagem numérica de dados biológicos
Princípio da modelagem linear
Tipos de modelos lineares e a relação entre eles (Anova, Ancova e Regressão linear).
Interação entre variáveis e multicolinearidade.
Conceitos e interpretações das estatísticas de teste (t, F e ²).
Análise diagnóstica dos modelos lineares:
Princípios básicos
Pressuposto da distribuição normal dos resíduos
Medidas de ajuste do modelo: R² e AIC
Detecção de valores discrepantes: valor-chapéu, resíduos padronizados e índice de Cook
Discussão sobre o que fazer quando o modelo linear não é adequado:
Remoção de valores discrepantes mediante análise crítica
Transformação de dados
Utilização de outros modelos (ex. modelos lineares generalizados)