Desenvolver a habilidade de compreender conceitos de planejamento de experimentos e métodos de análise multivariada e de aplica-los para a otimização processos e produtos.
Planejamentos fatoriais em dois níveis, fatoriais fracionários e compostos centrais rotacionais. Análise de Agrupamentos, Análise de Componentes Principais, Análise Fatorial e Análise Discriminante.
Conteúdo Teórico 1. Noções de estatística básica: Medidas de tendência central e dispersão. Teste de hipótese. Testes para comparação entre duas amostras (Teste t), Análise de correlação e Análise de Variância. 2. Planejamento Experimental: Planejamentos fatoriais em dois níveis (2x2). Planejamentos fatoriais fracionários. Planejamento Compostos Centrais Rotacionais e Misturas. 3. Análise Multivariada: Análise de Agrupamentos, Análise de Componentes Principais, Análise Fatorial, Análise de Correspondência e Análise Discriminante. 4. Análise e Plotagem: R e Rstudio. Comandos básicos. Input e Output. Filtragem, formatação e transformação dos dados. Apresentação dos pacotes que serão usados: base, stats, ggplot, heatmap.2, pheatmap, vegan. Agrupamentos e dendogramas, PCA, PCoA, Plotagem: Dendogramas, Gráficos de Dispersão, Heatmaps. Conteúdo Prático Resolução de exercícios pelo uso de planilhas Excel e pacotes estatísticos (R, Statistica,mini Tab, stats, ggplot, heatmap.2, pheatmap, vegan).
BÁSICA: BARROS NETO BB, SCARMINIO IS, BRUNS RE. Planejamento e otimização de experimentos. 2ªed. Campinas, São Paulo. UNICAMP, 2001.401p. FERREIRA DF. Estatística Multivariada. 1a. Ed. Editora UFLA, 2008. 662 p. RODRIGUES MI, IEMMA AF. Planejamento de experimentos & Otimização de Processos. 2ªed. Campinas, São Paulo. Cárita Editora, 2009.358p. COMPLEMENTAR: HAIR JF, ANDERSON RE, TATHAM RL, BLACK WC. Multivariate Data Analysis. 4th Ed. Simon & Schuster Company, 1995. 745 p. JOHNSON RA & WICHERN DW. Applied Multivariate Statistical Analysis. 4th Ed. Prentice-Hall, Inc, 1998. MYERS RH & MONTGOMERY DC. Response Surface Methodology. Process and Product Optimization using Designed Experiments. 2nd Ed. John Wiley &Sons, Inc. 798p. 816 p. R CORE TEAM (2015). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.
