Pacote R Metan para análise de ensaios multi-ambientes

Descrição

O pacote metan (multi-environment trials analysis) foi desenvolvido por Tiago Olivoto e fornece funções úteis para analisar dados de ensaios multi-ambiente usando métodos paramétricos e não paramétricos.

No curso serão abordados aspectos teóricos e exemplos práticos em relação à inspeção de dados, análise de variância individual e conjunta, índices de estabilidade baseado em AMMI, BLUP, análise biplot GGE e muito mais.

Ementa

■ Inspeção de dados (outliers, balanceamento, etc);

■ Estatística descritiva;

■ Correlação, canônica e trilha;

■ ANOVA individual (Modelos mistos);

■ ANOVA conjunta (Modelos mistos);

■ Índices de estabilidade;

■ Análise AMMI;

■ Análise GGE.

Sobre o ministrante

Tiago Olivoto: Técnico Agrícola pela Escola Estadual de Educação Básica Viadutos (2008), Engenheiro agrônomo pela Universidade do Oeste de Santa Catarina (2014), Mestre em Agronomia: Agricultura e Ambiente pela Universidade Federal de Santa Maria (2017) e Doutor em Agronomia com ênfase em Melhoramento Genético Vegetal e Experimentação Agrícola pela Universidade Federal de Santa Maria (2020). Atualmente é Professor Adjunto A1 do Departamento de Fitotecnia da Universidade Federal de Santa Catarina (UFSC), atuando na área de Melhoramento Genético Vegetal e Experimentação Agrícola. Exerce atividades relacionadas ao planejamento, condução e avaliação de experimentos com culturas anuais, com ênfase no desenvolvimento e aperfeiçoamento de métodos estatístico-experimentais para avaliação de ensaios multi-ambientes em melhoramento genético de plantas.

Tem experiência com os softwares Gênes, GEA-R, R, SAS e SPSS. Vem desenvolvendo os pacotes para software R metan (https://tiagoolivoto.github.io/metan/), voltado para a checagem, manipulação, análise e apresentação de dados de ensaios multi-ambientes e pliman (https://tiagoolivoto.github.io/pliman/) voltado para a análise de imagens de plantas.

Para quem é este curso:

Profissionais e estudantes das áreas de: agrárias, biológicas, estatística, análise de dados, ou áreas afins, que tenham interesse em análises que envolvam multi-ambientes.

Requisitos

Conhecimentos básicos em melhoramento genético e software R são desejáveis.