====== Histórico das aulas do curso ======

==== Ano 2014 ====

=== Semana 1 ===
  * 14/08
    * Manhã: apresentação, informações sobre o curso, percepções sobre geoestatística. Introdução ao programa R e ao pacote ''geoR''. Leitura de dados, formato geodata e análises exploratórias.
    * Tarde: dependência especial: correlogramas e  variogramas. Interpolação espacial (krigagem) e mapas de predição. Outros formados de dados espaciais (dados de área e  de processos pontuais).
    * Atividades:
      - Instalar o programa R e o pacote geoR
      - Refazer o exemplo trabalhado em sala de aula
        - {{:disciplinas:geoesalq:pira2014:dados-intro.txt|Arquivo de dados}} (formato texto)
        - {{:disciplinas:geoesalq:pira2014:comandos-intro-2014.r|Arquivo de comandos}}
      - Verificar outros conjuntos de dados disponíveis no pacote ''geoR'' com o comando <code R> 
data(package="geoR")
</code> e efetuar análises descritivas atentando as características a serem observadas comentadas em aula (distribuição e assimetria, dados atípicos, tendências com coordenadas e covariáveis, possível padrão espacial)
      - Obter outro conjunto de dados geoestatísticos (seu próprio ou em alguma fonte - web etc), carregar no R e efetuar análises
      - Reproduzir e discutir as análises feitas com os comandos a seguir:
        - {{:disciplinas:geoesalq:pira2014:wolfcamp.txt|arquivo de dados}} e {{:disciplinas:geoesalq:pira2014:wolf.r|de comandos}} 

  * 15/08
    * Manhã: atividades computacionas
    * Tarde: modelos com covariaveis - tendências com coordenadas e com covariáveis
      * arquivos utilizados:
        - {{:disciplinas:geoesalq:pira2014:ca20-2014.r|ca20}}
        - {{:disciplinas:geoesalq:pira2014:bordas.r|definição de bordas}}
        - {{:disciplinas:geoesalq:pira2014:wolf.r|wolfcamp revisado}}


=== Semana 2 ===
  * 21/08
   * Discussão sobre variogramas
   * Extensões dos modelos considerando covariáveis e transformações
   * Apresentação e discussão de trabalhos, dados e projetos de participantes
  * 22/08
    * Manhã
      * {{:disciplinas:geoesalq:modelos-pr.r|alguns modelos para dados de precipitação no PR}}
      * {{:disciplinas:geoesalq:modelo-ca20.r|alguns modelos para dados Ca20}}
      * Exemplo de código básico para predição espacial ({{:disciplinas:geoesalq:ex-predicao.r|arquivo de comandos}}), incluindo exportação dos resultados
      * {{:disciplinas:geoesalq:pira2014:krigacamg.r|Um exemplo mais completo de comandos para análise}} 
        * {{:disciplinas:geoesalq:pira2014:regioes.dat|arquivo de dados}} utilizados no arquivo de comandos
    * Tarde
      * além de krigagem: Simulações da preditiva (condicionais)
      * {{:disciplinas:geoesalq:pira2014:comandos-intro-2014.r|arquivo de comandos atualizado}}

=== Semana 3 ===
  * 18/09
    * Manhã: 
      - simulação e funções de correlação
      - estimação por verossimilhança
    * Tarde
      - Predição espacial e efeitos do modelo na predição
      - inferência e predição Bayesiana   
  * 19/09
    * Manhã:
      - {{:disciplinas:geoesalq:pira2014:aula-2014-09-18.r|arquivo com comandos da aula do dia anterior}} - revisão, alterar e expandir os comandos
      - Mais simulações: {{:disciplinas:geoesalq:comandos-simula.r|arquivo 2}} simulações do modelo geoestatístico básico no R, feitas de várias formas
      - {{:disciplinas:geoesalq:pira2012:comandosintro.r|arquivo de comandos}} de uma análise incluindo inferência Bayesiana
    * Tarde:
      - Modelos não gaussianos.
        - {{:disciplinas:geoesalq:simular-glgm.r|arquivo 5}} Simulação de modelos GLM geoestatísticos (Poisson e Binomial)
        -  Análises usando a geoRglm:
          * {{:disciplinas:geoesalq:poisson-sim.r|Análise com o modelo Poisson geoestatístico}} 
          * {{:disciplinas:geoesalq:binario-1d.r|arquivo com código}} para exemplo de simulação e análise de dados binários em 1-D
          * {{:disciplinas:geoesalq:simbin.txt|arquivo de dados binários}} para análise com geoRglm
      - Representação de dados espaciais no R pelo pacote sp. SpatialPolygons e algumas visualizações e análises de dados de áreas
        - {{:disciplinas:geoesalq:pira2014:aucklandnew.r|Arquivo de comandos visto na aula}}
        - Convertendo um objeto de áreas/polígonos em geodata (centroides como coordenadas) 
          * {{:disciplinas:geoesalq:area2geo.r|arquivo de comandos}}
          * Arquivos shapefile {{:disciplinas:cieg:bairros.shp|}} {{:disciplinas:cieg:bairros.shx|}} {{:disciplinas:cieg:bairros.dbf|}}
          * {{:disciplinas:cieg:tabe.csv|Atributos dos bairros}}
        - Montar geodata a partir da importação de dados de centroides de municípios do Paraná
          * shape com o estado do PR ({{:disciplinas:geoesalq:41uf2500g.dbf|arquivo dbf}}, {{:disciplinas:geoesalq:41uf2500g.shp|arquivo shp}}, {{:disciplinas:geoesalq:41uf2500g.shx|arquivo shx}})
          * shape com os municípios do PR ({{:disciplinas:geoesalq:41mu2500g.dbf|arquivo dbf}}, {{:disciplinas:geoesalq:41mu2500g.shp|arquivo shp}}, {{:disciplinas:geoesalq:41mu2500g.shx|arquivo shx}})
          * {{:disciplinas:geoesalq:prodsoja.txt|arquivo de atributos}}
          * {{:disciplinas:geoesalq:rotina.r|Script de análise}}

=== Semana 4 ===
  * 09/10: Estudos de caso, extensões e outras análises (processos pontuais e áreas) 
    * Manhã: 
      * SKATER
      * Análise espacial de experimentos
      * Dados composicionais (frações de solo)
      * {http://www.ij-healthgeographics.com/content/10/1/17|Padrão espacial na resistência a antibióticos - EUREQA}
    * Tarde:
      * Abundância por classes de idade (pescada)
      * Zona de captura
      * Relação de variáveis de solo e ocorrência de espécies (Djair)
      * Processos pontuais (princípios e conceitos básicos)
  * 10/10
    * Tarde:
      * Apresentação e discussão de análises, temas e projetos de participantes do curso
      * Modelo/código para Análise conjunta de diversas áreas

----
----


==== Ano 2012 ====

  * {{:disciplinas:geoesalq:toledo2010.pdf|"Slides" do curso}}

==== Semana 1 ====
  * 13/09
    * Manhã:
      * Instalar o [[http://www.r-project.org|R]] e depois instalar o pacote adicional geoR (''install.packages("geoR", dep=T)'')
      * Fazer o download para um diretório (criar um) de trabalho do {{:disciplinas:geoesalq:pira2012:dadosintro.txt|arquivo de dados}} e do {{:disciplinas:geoesalq:pira2012:comandosintro.r|arquivo de comandos}}
      * Rodar os comandos do arquivo, interpretar e discutir os resultados
      * Discussão dos passos da análise: estrutura e importação dos dados, gráficos exploratórios e sua interpretação
      * Pontos para atenção: dados atípicos (globais e locais), natureza da resposta e eventual necessidade de transformação, tendências no comportamento das variáveis.  
    * Tarde:
      * Discussão dos passos da análise (cont).: variogramas (empíricos) e sua interpretação
      * Ajuste de modelos a variogramas 
      * Interpolação espacial e visualização dos mapas
  * 14/09
    * Manhã: 
      * Estatística espacial: tipos "básicos" de problemas e estruturas de dados (dados de áreas, geoestatísticos e de processos pontuais). Semelhanças e diferenças. Estratégias para análise e modelagem. 
      * Exemplos de dados e problemas "geoestatísticos", estratégias de modelagem.
    * Tarde:
      * Exemplos de dados e problemas "geoestatísticos", estratégias de modelagem. (cont)
      * Formalização e notação para modelagem geoestatística.
  * **Materiais**
      * {{disciplinas:pdf:aula1.pdf|Apresentação da primeira semana de aula}} sobre tipos básicos de problemas de estatística espacial
      * Leitura de revisão: {{:disciplinas:ce714:montreal.pdf|Cap 1 e 2 de Diggle & Ribeiro}}
      * Arquivos de comandos com exemplos de análises (examinar antes da próxima aula)
        - {{:disciplinas:geoesalq:dadosmalha.txt|arquivo de dados usado no script}}
          * {{:disciplinas:geoesalq:porot.r|Comandos vistos em aula}} para porosidade total
          * {{:disciplinas:geoesalq:aula1-2009.r|Outro arquivo de comandos}} para estes dados
        - {{:disciplinas:geoesalq:profund020a.txt|arquivo de dados de teores de elementos}} em camada 0-20{{:disciplinas:geoesalq:pira2012:acacio-artigo1.pdf|}}
        - {{:disciplinas:geoesalq:sal.dat|dados de salinidade de água}}
        - {{:disciplinas:geoesalq:quimicos_c1.txt|arquivo com teores de elementos químicos}} em amostras de solo
      * Sugestão de leitura {{:disciplinas:geoesalq:cap3.pdf|Cap 3 de Diggle & Ribeiro}}


==== Semana 2 ====
  * 20/09
    * Manhã: Caracterização dos modelos geoestatísticos e funções de correlação 
    * Tarde: 
      * Relações entre funções de correlação e trajetória dos processos, 
      * Variograma e função e correlação 
      * Simulação de processos
        * {{:disciplinas:geoesalq:ex-simula.r|Arquivo editado durante a aula}}
        * Arquivos utilizados em anos anteriores (revisar/rodar)  
          * {{:disciplinas:geoesalq:intro-simula.r|Um arquivo de comandos}} com exemplos introdutórios de simulação no R (modelos **não** espaciais)
          * {{:disciplinas:geoesalq:simular.r|arquivo 3}}
          * {{:disciplinas:geoesalq:comandos-simula.r|arquivo 2}} simulações do modelo geoestatístico básico no R, feitas de várias formas
          * {{:disciplinas:geoesalq:grftutorial.r|arquivo de comandos 1}} Um breve tutorial de uso da função ''grf()''
          * {{:disciplinas:geoesalq:simular-glgm.r|arquivo 5}} Simulação de modelos GLM geoestatísticos (Poisson e Binomial)
          * Definir e montar um conjunto de simulações. Montar o seu arquivo de comandos.

  * **Arquivos editados nas aulas**
    * {{:disciplinas:geoesalq:modelos-pr.r|Modelos para dados de precipitação no PR}}
    * {{:disciplinas:geoesalq:modelo-ca20.r|Modelos para dados Ca20}}

  * **Tarefas**
    * Refazer análises do arquivo usado na 1a semana da aulas em outro programa (outro pacote do R ou outro software)
    * Alunos estatística (compulsório) / outros cursos (opcional)
      * Escrever verossimilhança para estimar parâmetros com variâncias diferentes em diferentes áreas
      * Escrever verossimilhança o modelo básico com uma função de correlação de suporte compacto (alcance finito) utilizando algoritmos de matrizes esparsas para operar com a matriz de covariâncias (ver pacote ''sparseM'')
      * Verossimilhança para distribuição t-multivariada
      * Verossimilhança composta (Naimara)


==== Semana 3 ====
  * 04/10
    * Manhã: 
      * Anisotropia e estacionaridade - extensões do modelo
      * Predicões e simulações condicionais
      * Predicao de funcionais
      * {{:disciplinas:geoesalq:pira2012:comandosintro.r|arquivo de comandos}} básico do curso foi atualizado
    * Tarde
      * Discussão e temas variados
      * Aula interrompida devido à falta de energia elétrica

  * 05/10
    * Manhã: Representação e dados espaciais
      - Convertendo um objeto de áreas/polígonos em geodata (centroides como coordenadas) 
        * {{:disciplinas:geoesalq:area2geo.r|arquivo de comandos}}
        * Arquivos shapefile {{:disciplinas:cieg:bairros.shp|}} {{:disciplinas:cieg:bairros.shx|}} {{:disciplinas:cieg:bairros.dbf|}}
        * {{:disciplinas:cieg:tabe.csv|Atributos dos bairros}}
      - Montar geodata a partir da importação de dados de centroides de municípios do Paraná
        * shape com o estado do PR ({{:disciplinas:geoesalq:41uf2500g.dbf|arquivo dbf}}, {{:disciplinas:geoesalq:41uf2500g.shp|arquivo shp}}, {{:disciplinas:geoesalq:41uf2500g.shx|arquivo shx}})
        * shape com os municípios do PR ({{:disciplinas:geoesalq:41mu2500g.dbf|arquivo dbf}}, {{:disciplinas:geoesalq:41mu2500g.shp|arquivo shp}}, {{:disciplinas:geoesalq:41mu2500g.shx|arquivo shx}})
        * {{:disciplinas:geoesalq:prodsoja.txt|arquivo de atributos}}
        * {{:disciplinas:geoesalq:rotina.r|Script de análise}}
    * Tarde: 
      * Inferência e predição Bayesiana
      * {{:disciplinas:geoesalq:pira2012:comandosintro.r|arquivo de comandos}} básico do curso foi atualizado


==== Semana 3 ====
  * 04/10
    * Manhã: 
      * Revisão GLM. Simulações do GLM/GLGM
        * {{:disciplinas:geoesalq:sim-glgm.r|arquivo de comandos}} de simulações
        * {{:disciplinas:geoesalq:simular-glgm.r|Simulação de modelos GLM geoestatísticos}}(Poisson e Binomial)
      * Análises usando a geoRglm:
        * {{:disciplinas:geoesalq:poisson-sim.r|Análise com o modelo Poisson geoestatístico}} 
        * {{:disciplinas:geoesalq:binario-1d.r|arquivo com código}} para exemplo de simulação e análise de dados binários em 1-D
        * {{:disciplinas:geoesalq:simbin.txt|arquivo de dados binários}} para análise com geoRglm


----


==== Ano 2011 ====
==== Semana 1 ====
  * 18/08
    * Manhã: 
      * Apresentação e Introdução ao Sistema Estatístico R. 
      * Motivação para geoestatística: interpolação, alternativas, algoritmos, modelos determinísticos e estocásticos
    * Tarde:
      * {{:disciplinas:geoesalq:dia01-1.r|Exemplo da aula}}: um //script// com os passos básicos de uma análise geoestatística //canônica//
      * Discussão dos resultados do script. Passos da análise: (i) preparação dos dados, (ii) análise exploratória (distribuição, tendências, dados discrepantes globais e locais), (iii) modelos/inferência/estimação, (iv) predição (krigagem) 
  * 19/08
    * Manhã:
      - Lendo e analisando dados (experimentar com os seus dados e/ou com os dados a seguir)
        - {{:disciplinas:geoesalq:dadosmalha.txt|arquivo de dados usado no script}}
          * {{:disciplinas:geoesalq:porot.r|Comandos vistos em aula}} para pororidade total
          * {{:disciplinas:geoesalq:aula1-2009.r|Outro arquivo de comandos}} para estes dados
        - {{:disciplinas:geoesalq:profund020a.txt|arquivo de dados de teores de elementos}} em camada 0-20
        - {{:disciplinas:geoesalq:sal.dat|dados de salinidade de água}}
        - {{:disciplinas:geoesalq:quimicos_c1.txt|arquivo com teores de elementos quimicos}} em amostras de solo
      - Passos da análise de dados: preparação, exploratória, modelagem/estimação, predição
    * Tarde:
      - Lendo dados e análise geoestatística dados
      - Tipos de dados espaciais: variação contínua (geoestatístico), discreta (areas) e processos pontuais
        * {{disciplinas:r:respacial.r|Exemplo de alguns comandos para análise de dados espaciais}} de direrentes tipos
**//Atividades://**
  - Ler {{:disciplinas:ce714:montreal.pdf|Capítulos 1 e 2}} de Diggle e Ribeiro (2007)
  - Selecionar um artigo que utilize métodos geoestatísticos e preparar uma resenha
  - revisar, alterar e experimentar com os //scripts// vistos em aula
  - Montar geodata a partir da importação de dados de centroides de municípios do Paraná
      * shape com o estado do PR ({{:disciplinas:geoesalq:41uf2500g.dbf|arquivo dbf}}, {{:disciplinas:geoesalq:41uf2500g.shp|arquivo shp}}, {{:disciplinas:geoesalq:41uf2500g.shx|arquivo shx}})
      * shape com os municípios do PR ({{:disciplinas:geoesalq:41mu2500g.dbf|arquivo dbf}}, {{:disciplinas:geoesalq:41mu2500g.shp|arquivo shp}}, {{:disciplinas:geoesalq:41mu2500g.shx|arquivo shx}})
      * {{:disciplinas:geoesalq:prodsoja.txt|arquivo de atributos}}
      * {{:disciplinas:geoesalq:rotina.r|Script de análise}}
    * Script de análise 
  - Convertendo um objeto de áreas/polígonos em geodata (centroides como coordenadas) 
    * {{:disciplinas:geoesalq:area2geo.r|arquivo de comandos}}
    * Arquivos shapefile {{:disciplinas:cieg:bairros.shp|}} {{:disciplinas:cieg:bairros.shx|}} {{:disciplinas:cieg:bairros.dbf|}}
    * tabela de atributos {{:disciplinas:cieg:tabe.csv|}}
**//Atividades://**
  * Examinar a página de tutoriais da geoR. Rodar os seguintes tutoriais:

==== Semana 2 ====
  * 25/08
    * Manhã:
      * Montando geodata passo a passo ({{:disciplinas:geoesalq:montageo.r|arquivo de comandos}})
      * Problemas e alternativas de modelagem geoestatística
    * Tarde:
      * Análises de dados
      * Modelo geoestatístico básico e extensões
  * 16/08
    * Manhã:
      * Características e elementos do modelo geoestatístico e funções de correlação
    * Tarde:
      * exemplos
      * Representação de objetos espaciais e fundamentos do pacote ''sp''  

==== Semana 3 ====
  * 15/09
    * Manhã: 
      * Modelos geoestatísticos, características, estacionariedade, anisotropia, simulações
      * Variogramas teóricos e experimentais. Estimação por variograma dos parâmetros do modelo. Características e observações sobre o método de estimação
    * Tarde:
      * Praticando Simulação
        * {{:disciplinas:geoesalq:intro-simula.r|Um arquivo de comandos}} com exemplos introdutórios de simulação no R (modelos **não** espaciais)
        * {{:disciplinas:geoesalq:simular.r|arquivo 3}}
        * {{:disciplinas:geoesalq:comandos-simula.r|arquivo 2}} simulações do modelo geoestatístico básico no R, feitas de várias formas
        * {{:disciplinas:geoesalq:grftutorial.r|arquivo de comandos 1}} Um breve tutorial de uso da função ''grf()''
        * {{:disciplinas:geoesalq:simular-glgm.r|arquivo 5}} Simulação de modelos GLM geoestatísticos (Poisson e Binomial)
        * Definir e montar um conjunto de simulações. Montar o seu arquivo de comandos.
      * Métodos de estimação: máxima verossimilhança 
  * 16/09
    * Manhã: 
      * Modelos geoestatísticos, simulações em alguns modelos estatísticso e geoestatísticos
      * Predição espacial e krigagem. Esperança, variância e simulações condicionais. Estimação de funcionais
    * Tarde:
      * Exemplo de código básico para predição espacial ({{:disciplinas:geoesalq:ex-predicao.r|arquivo de comandos}}), incluindo agora exportação dos resultados
      * Inferência e predição Bayesiana para modelos geoestatísticos Gaussianos
        * Ver e reproduzir os comandos abaixo da aula da [[#semana_31|Semana 3 de 2010]] sobre predição, simulação condicional e análise Bayesiana

==== Semana 4 ====
  * 23/09
    * Manhã: Revisão GLM. Simulações do GLM/GLGM
      * {{:disciplinas:geoesalq:sim-glgm.r|arquivo de comandos}} de simulações
      * {{:disciplinas:geoesalq:simular-glgm.r|Simulação de modelos GLM geoestatísticos}}(Poisson e Binomial)
    * Tarde:
      * {{:disciplinas:geoesalq:poisson-sim.r|Análise com o modelo Poisson geoestatístico}} 
      * {{:disciplinas:geoesalq:binario-1d.r|arquivo com código}} para exemplo de simulação e análise de dados binários em 1-D
      * {{:disciplinas:geoesalq:simbin.txt|arquivo de dados binários}} para análise com geoRglm

==== Semana 5 ====
  * 20/10
    * Manhã e  parte da tarde: 
      - {{disciplinas:r:respacial.r|Exemplo de alguns comandos para análise de dados}}
      - {{:disciplinas:r:aucklandnew.r|Arquivo com análises de dados de área}}
      - {{:disciplinas:cieg:ciegpp.r|Alguns comandos para análises de processos pontuais}}
      - {{:disciplinas:cieg:ciegareas1.r|análises de dados de áreas}}    
      - **[[disciplinas:geoesalq:arquivos|Arquivos usados nos scripts]]**
    * tarde:
      - fundamentos de análise de procesos pontuais
      - apresentação alunos (ver material)
  * 20/10
    * Manhã:
      - fundamentos de análise de dados de áreas  
      - algumas aplicações de geoestatística: análise espacial de experimentos e ánalises conjuntas  
    * tarde:
      -  interpolações não espaciais ({{:disciplinas:geoesalq:interpgeo.r|arquivo de comandos com exemplos e alternativas}}) 
      - apresentação alunos (ver material)


----
----
----

==== Ano 2010 ====
==== Semana 1 ====
  * 16/09
    * Manhã:
      * {{:disciplinas:geoesalq:dia01-1.r|Exemplo da aula}}
    * Tarde:    
      * {{:disciplinas:geoesalq:aula1-2009.r|Arquivo de comandos}}
         - {{:disciplinas:geoesalq:dadosmalha.txt|arquivo de dados usado no script}}
  * 17/09
    * Manhã:
      * {{:disciplinas:geoesalq:profund020a.txt|arquivo de dados de teores de elementos}} em camada 0-20
      * {{:disciplinas:geoesalq:sal.dat|dados de salinidade de água}}
      * {{:disciplinas:geoesalq:aula2-2009.r|arquivo de comandos}} editado na aula da tarde
    * Tarde
      * {{:disciplinas:geoesalq:quimicos.r|Análise de Fosforo}} mostrada na aula
        * {{:disciplinas:geoesalq:quimicos_c1.txt|arquivo com teores de elementos quimicos}} em amostras de solo

==== Semana 2 ====
  * 23/09
    * Scripts de simulação de Processos Gaussianos e de Dados geoestatísticos  
      * [[http://www.est.ufpr.br/geoR/tutorials/sim2D.html|simulações com animação]]
      * [[http://www.est.ufpr.br/geoR/tutorials/grfTutorial.R|simulação de dados Gaussianos]]
      * [[http://www.est.ufpr.br/geoR/tutorials/glmsim.R|Simulação de dados não Gaussianos]] (modelo linear generalizado geoestatístico
      * [[http://www.est.ufpr.br/geoR/tutorials/multivar.R|simulação do modelo bivariado]]
  * 24/09
      * {{:disciplinas:geoesalq:dia04-1.r|script modificado}} do dia 24/09 (atualizado, **atualizar também a instalação da geoR**)
      * **Tarde** : Exemplos de Importação de Dados(Ricardo Olinda)
        - **Tarefa 1 **: montar geodata a partir da importação de dados de centroides de municípios do Paraná
          * Arquivos de dados:
          * shape com o estado do PR ({{:disciplinas:geoesalq:41uf2500g.dbf|arquivo dbf}}, {{:disciplinas:geoesalq:41uf2500g.shp|arquivo shp}}, {{:disciplinas:geoesalq:41uf2500g.shx|arquivo shx}})
          * shape com os municípios do PR ({{:disciplinas:geoesalq:41mu2500g.dbf|arquivo dbf}}, {{:disciplinas:geoesalq:41mu2500g.shp|arquivo shp}}, {{:disciplinas:geoesalq:41mu2500g.shx|arquivo shx}})
          * {{:disciplinas:geoesalq:prodsoja.txt|arquivo de atributos}}
          * {{:disciplinas:geoesalq:rotina.r|Script de análise}}

/*  - **Tarefa 1**: montar geodata a partir da importação de dados de estações meteorológicas do Paraná 
    * Arquivos de dados:
     * {{:disciplinas:geoesalq:estacao1.txt|arquivo com coordenadas das estações}}      
      * {{:disciplinas:geoesalq:precipitacao.txt|arquivo de atributos}}
      * shape com o estado do PR ({{:disciplinas:geoesalq:41uf2500g.dbf|arquivo dbf}}, /* {{:disciplinas:geoesalq:41uf2500g.shp|arquivo shp}}, {{:disciplinas:geoesalq:41uf2500g.shx|arquivo shx}})
    * Script de análise */

\\

==== Semana 3 ====
  * 14/10
    * Simulações condicionais e predição de funcionais <code R> 
require(geoR)
ml <- likfit(s100, ini=c(1, 0.3))
gr <- expand.grid(seq(0,1,len=50), seq(0,1, l=50))
args(output.control)
## definindo simulacoes nos resultados (output)
OC <- output.control(n.pred=1000, simulations.pred=T)
kc <- krige.conv(s100, loc=gr, krige=krige.control(obj.m=ml), out=OC)
## vendo o que tem nos resultados 
names(kc)
str(kc)
## os simulacoes ficam armazenadas aqui
dim(kc$simulations)
## calculando (predizendo) FUNCIONAIS
## FUNCIONAL 1: mapa de probabilidade do atributo estar acima de 1,8 
p1.8 <- apply(kc$simulations, 1, function(x) mean(x>1.8))
length(p1.8)
image(kc, val=p1.8)
## adicionando legenda
args(legend.krige)
legend.krige(x.leg=c(1.05, 1.1), val=p1.8, y.leg=c(0.2, 0.8), vert=T)
## mudando os limites da image para incluir a legenda 
image(kc, val=p1.8, xlim=c(0, 1.2))
legend.krige(x.leg=c(1.05, 1.1), val=p1.8, y.leg=c(0.2, 0.8), vert=T)
## Outro funcional: proposção da área com valores acima de 1,8
A1.8 <- apply(kc$simulations, 2, function(x) mean(x>1.8))
length(A1.8)
hist(A1.8, prob=T)
lines(density(A1.8))
rug(A1.8)
summary(A1.8)
## outro funcional : distribuição dos máximos sobre a área
MAX <- apply(kc$simulations, 2, function(x) max(x))
length(MAX)
hist(MAX, prob=T)
lines(density(MAX))
rug(MAX)
## probabilidade do MAX está acima de 4
mean(MAX > 4)
## idem para minimo
MIN <- apply(kc$simulations, 2, function(x) min(x))
summary(MIN)
hist(MIN, prob=T)
lines(density(MIN))
rug(MIN)
##
## um outro funcional diferente do anterior seria um mapa de maximos POR PIXEL
MAX.map <- apply(kc$simulations, 1, function(x) max(x))
length(MAX.map)
image(kc, val=MAX.map)
</code>

  * 15/10
    * Analise Bayesiana <code R> 
## 
require(geoR)
sata(s100)
args(krige.bayes)
args(model.control)
MC <- model.control()
args(prior.control()
##
## definindo prior para beta e fixando os valores dos demais parâmetros
##
PC <- prior.control(beta="flat", sigmasq.pr="fixed", 
                    sigmasq=1, phi.prior="fixed", phi=0.3)
## definindo grid de predição
gr <- as.matrix(expand.grid(seq(0,1,len=50), seq(0,1,len=50)))
## obtendo posterioris e preditivas
s100.kb <- krige.bayes(s100, loc=gr, model=MC, prior=PC)
## inspecionando o output
names(s100.kb)
names(s100.kb$posterior)
## vendo os resultados da posterioris
s100.kb$posterior
## e as predicoes na preditiva...
names(s100.kb$predict)
s100.kb$predict$mean[1:10]
s100.kb$predict$var[1:10]
s100.kb$predict$dist
image(s100.kb, col=terrain.colors(21))
image(s100.kb, val=sqrt(s100.kb$predict$var), col=terrain.colors(21))
## mapa de um funcional: probabilidade de estar acima de 2.0
## calculando as probabilidades
p2.0 <- pnorm(2.0, s100.kb$predictive$mean, sqrt(s100.kb$predictive$variance), low=F)
## e colocando no mapa
image(s100.kb, val=p2.0, xlim=c(0, 1.2))
args(legend.krige)
legend.krige(x.leg=c(1.05, 1.15), y.leg=c(0.2, 0.8), p2.0, vert=T, off=0.3)
image(s100.kb, val=p2.0, xlim=c(0, 1.2), col=terrain.colors(5))
##
## priori para beta e sigmasq
##
args(prior.control)
PCsig <- prior.control(beta="flat", sigmasq.pr="rec", phi.prior="fixed", phi=0.3)
s100.kb.sig <- krige.bayes(s100, loc=gr, model=MC, prior=PCsig)
names(s100.kb.sig)
s100.kb.sig$posterior
names(s100.kb.sig$predictive)
## pribalilidade na t (tem que corrigir o comando abaixo!!!!!
p2.0 <- pt(2.0, s100.kb$predictive$mean, sqrt(s100.kb$predictive$variance), low=F) 
s100.kb.sig$predictive$dist
##
## prioris em beta, sigmasq e phi
##
args(prior.control)
PCphi <- prior.control(beta="flat", sigmasq.pr="rec", phi.prior="rec", 
                       phi.disc=seq(0, 1.5, by=0.1))
## a chamada seria como abaixo (mas pode demorar muito para fazer predicao
## em um grid muito fino
s100.kb.phi <- krige.bayes(s100, loc=gr, model=MC, prior=PCphi)
## definindo um grid mais "grosseiro" para teste
gr <- as.matrix(expand.grid(seq(0,1,len=30), seq(0,1,len=30)))
s100.kb.phi <- krige.bayes(s100, loc=gr, model=MC, prior=PCphi)
names(s100.kb.names)
names(s100.kb.phi)
s100.kb.sig$posterior
s100.kb.phi$posterior
names(s100.kb.phi$posterior)
s100.kb.phi$posterior$beta
s100.kb.phi$posterior$sigmasq
s100.kb.phi$posterior$phi
names(s100.kb.phi$posterior)
s100.kb.phi$posterior$sample
## visualizando as posterioris (marginais)
## beta|y
hist(s100.kb.phi$posterior$sample[,1], prob=T)
density(s100.kb.phi$posterior$sample[,1])
lines(density(s100.kb.phi$posterior$sample[,1]))
rug(s100.kb.phi$posterior$sample[,1])
## sigmasq|y
hist(s100.kb.phi$posterior$sample[,2], prob=T, main=expression(sigma^2))
lines(density(s100.kb.phi$posterior$sample[,2]))
rug(s100.kb.phi$posterior$sample[,2])
## phi|y
barplot(table(s100.kb.phi$posterior$sample[,3]))
## grafico "automatico" da geoiR com priori e posteriori
plot(s100.kb.phi)

## experimentando com diferentes prioris
## note que aqui nao vamos fazer predição!!!
PCphi <- prior.control(beta="flat", sigmasq.pr="rec", phi.prior="unif", 
                       phi.disc=seq(0, 1.5, by=0.05))
s100.kb.phi <- krige.bayes(s100, model=MC, prior=PCphi)
plot(s100.kb.phi)

##
PCphi <- prior.control(beta="flat", sigmasq.pr="rec", phi.prior="squar", 
                       phi.disc=seq(0, 1.5, by=0.05))
s100.kb.phi <- krige.bayes(s100, model=MC, prior=PCphi)
plot(s100.kb.phi)

## priori com amis pontos na discretizacao
PCphi <- prior.control(beta="flat", sigmasq.pr="rec", phi.prior="unif", 
                       phi.disc=seq(0, 1.5, by=0.05))
s100.kb.phi <- krige.bayes(s100, model=MC, prior=PCphi)
plot(s100.kb.phi)

## especificando uma priori particular do usuário
args(dgamma)
curve(dgamma(x, 2, sc=0.05), from=0, to=1.5)
curve(dgamma(x, 2, sc=0.1), from=0, to=1.5)
curve(dgamma(x, 2, sc=0.15), from=0, to=1.5)
## discretizando
PRIORphi <- dgamma(seq(0, 1.5, by=0.05), 2, sc=0.15)
## .. e garantindo que soma 1 na discreta
PRIORphi <- PRIORphi/sum(PRIORphi)
PCphi <- prior.control(beta="flat", sigmasq.pr="rec", phi.prior=PRIORphi, 
                       phi.disc=seq(0, 1.5, by=0.05))
s100.kb.phi <- krige.bayes(s100, model=MC, prior=PCphi)
plot(s100.kb.phi)
</code>

\\

==== Semana 4 ====
  * 28/10
    * **Manhã:**
      * {{:disciplinas:geoesalq:geopira20101028.r|Simulando do GLGM}} 
    * **Tarde:** 
      * {{:disciplinas:geoesalq:scriptglgm.r|Análise do GLGM}} (dados binários e Poisson)
  * 29/10
    * {{:disciplinas:geoesalq:modelobivar.r|Modelo Bivariado}} script da aula
    * Tutoriais geoR:
      * [[http://www.leg.ufpr.br/geoR/tutorials/multivar.R|simulação de dados sob modelo bivariado]]
      * [[http://www.leg.ufpr.br/geoR/tutorials/CCM.R|analise de dados]]

----
----
----
\\

==== Ano 2009 ====
==== Semana 1 ====
  * 17/09
    * Manhã:
      * {{:disciplinas:geoesalq:aula1-2009.r|Arquivo de comandos}}
    * Tarde:    
      * {{:disciplinas:geoesalq:profund020a.txt|arquivo de dados de teores de elementos}} em camada 0-20
      * {{:disciplinas:geoesalq:quimicos_c1.txt|arquivo com teores de elementos quimicos}} em amostras de solo
      * {{:disciplinas:geoesalq:sal.dat|dados de salinidade de água}}
      * {{:disciplinas:geoesalq:aula2-2009.r|arquivo de comandos}} editado na aula da tarde
  * 18/08 
    * Manhã: 
      - Efetuar análises com variáveis dos dados dos arquivos acima. Escolher alguns arquivos e variáveis procurando fazer análises adequadas. 
      - Depois de ter tentado efetuar as análises mencionadas acima, experimente reproduzir os comandos dos arquivos a seguir. Reflita sobre os comandos utilizados e discuta os resultados.
        * {{:disciplinas:geoesalq:profund020.r|Arquivo de comandos}} (análise do fósforo (P) de ''profund020a.txt''
        * {{disciplinas:ce714:r:aula2.r|Arquivo com comandos do R}} com análise geoestatística utilizados na aula

==== Semana 2 ====
  * 24/09
    * Manhã: Propriedades dos modelos geoestatísticos e funções de correlação
    * Tarde: Propriedades dos modelos e simulação de campos aleatórios Gaussianos
      - {{:disciplinas:geoesalq:comandos-simula.r|}}
  * 25/09
    * Manhã: Estimação de parâmetros: variogramas e verossimilhança
    * Tarde: Predição espacial (krigagem)   

==== Semana 3 ====
  * 22/10
    * Manhã: prática e Explorando a predição espacial: simulação condicional  e predição de funcionais genéricos.
      * {{:disciplinas:geoesalq:krigacamg.r|arquivo de comandos}}: análise de ctc40
      * Dados: 
        * {{:disciplinas:geoesalq:regioes.dat|}}
        * bordas das sub-áreas: {{:disciplinas:geoesalq:regiao1.dat|}}, {{:disciplinas:geoesalq:regiao2.dat|}}, {{:disciplinas:geoesalq:regiao3.dat|}}
    * Tarde: prática e {{:disciplinas:geoesalq:experimento.r|Análise espacial de experimentos}}

  * 23/10
    * Manhã: Inferência Bayesiana para modelos geoestatísticos
    * Tarde: Integração com ambientes de SIG e p pacote [[http://www.leg.ufpr.br/aRT|aRT]]   

==== Semana 4 ====
  * 29/10
    * Manhã: Revisão de análise Bayesiana do modelo geoestatístico
      * {{:disciplinas:geoesaq:sal.dat|dados de salinidade de água}} e o {{:disciplinas:geoesalq:sal.r|arquivo de comandos}}
    * Tarde: Modelos Multivariados e Modelos para dados composicionais
      * [[http://www.est.ufpr.br/geoR/tutorials/multivar.R|simulação]] de dados bivariados
      * [[http://www.est.ufpr.br/geoR/tutorials/multivar.R|estimação e predição]] de dados bivariados
      * {{:disciplinas:geoesalq:geocomp.zip|pacote geoComp versao preliminar}} 
      * {{:disciplinas:geoesalq:scriptana.r|arquivo com comandos}} para análise dos dados composicionais
  * 30/10: Modelo Linear Generalizado Geoestatístico
      * {{:disciplinas:geoesalq:binario-1d.r|arquivo com código}} para exemplo de simulação e análise de dados binários em 1-D
      * {{:disciplinas:geoesalq:poisson-sim.r|arquivo com código}} para exemplo de simulação e análise de dados de contagem (Poisson)

\\
----
\\

==== Ano 2008 ====

==== Semana 1 ====
  - **Aula 1** (01/09/2008):
    * Manhã: introdução a estatística espacial. Análise espacial, estatística espacial e geoestatística
    * Transparências do curso, Session 1 {{disciplinas:pdf:aula1.pdf|Apresentação da primeira semana}} 
    * [[http://www.leg.ufpr.br/~paulojus/envepi/labs/lab1/|página com comandos]] ilustrando algumas funcionalidades de estatística espacial
    * {{disciplinas:r:respacial.r|Uma versão expandida dos exemplos no link anterior}} 
    * tarde: tipos de problemas e estruturas de dados em geoestatística 
      * Transparências do curso, Session 2
  - **Aula 2** (02/09/2008): introdução à análise geoestatística de dados
    * {{:disciplinas:geoesalq:profund020a.txt|Arquivo de dados usado na aula}} (manhã)
    * {{:disciplinas:geoesalq:profund020.r|Arquivo de comandos}} (análise do fósforo (P) de ''profund020a.txt''
    * {{disciplinas:ce714:r:aula2.r|Arquivo com comandos do R}} com análise geoestatística utilizados na aula (2007)

==== Semana 2 ====
  - **Aula 3** (08/09/2008)
    * Uma visão de geoestatística baseada em modelos -- tranparências do curso, Session 3
    * {{:disciplinas:geoesalq:quimicos_c1.txt|Dados camada 1}}
    * subregioes: {{:disciplinas:geoesalq:area1.txt|área 1}}, {{:disciplinas:geoesalq:area2.txt|área 2}}, {{:disciplinas:geoesalq:area3.txt|área 3}} 
    * {{:disciplinas:geoesalq:borda.txt|borda de toda a área}}
    * {{:disciplinas:geoesalq:pira08gui.r|arquivo de comandos}}
  - **Aula 4** (09/09/2008)
    - Manhã: propriedades do modelo geostatístico e extensões. Simulação de dados -- transparâncias do curso Session 4 & 5
      * {{:disciplinas:geoesalq:simular.r|Exemplo de simulação de dados}}
    - Tarde: 
      * extensões do modelo básico -- transparâncias do curso Session  5 (cont.)
      * Estimação: variogramas e verossimilhança. Cross-validação. Escolha de modelos e critérios. Estudos de caso. -- transparências do curso Session  6. 
\\
    * ** Atividade: ** para próxima aula deve-se:  
      - entregar o artigo e a resenha sobre ele. pode ser impresso ou eletrônico
      - é **altamente** desejável que já tenham o banco de dados com análises feitas. Não compulsória a entrega ainda mas será para próxima aula. Na próxima aula devem discutir qq dúvida referente aos dados comigo e colegas.

==== Semana 3 ====
  - **Aula 5** (29/09/2008): predição espacial - krigagem. Propriedades, algorítmos e exemplos
    * Transparências do curso, Session 7: Fundamentos da interpolação espacial (krigagem)
    * {{:disciplinas:geoesalq:krigar.r|arquivo de comandos}} utilizado na aula
  - **Aula 6** (30/09/2008)
    * Dados: {{:disciplinas:geoesalq:regioes.dat|}} Estendendo a predição espacial -- simulações condicionais e predição de funcionais genéricos. Predição Bayesiana e Análise espacial de experimentos
    * bordas das sub-áreas: {{:disciplinas:geoesalq:regiao1.dat|}}, {{:disciplinas:geoesalq:regiao2.dat|}}, {{:disciplinas:geoesalq:regiao3.dat|}}
    * {{:disciplinas:geoesalq:krigacamg.r|arquivo de comandos}}: análise de ctc40
    * {{:disciplinas:geoesalq:experimento.r|analise espacial de experimentos}}

==== Semana 4 ====
  - **Aula 7** (20/10/2008): GLGM
    * Transparências do curso, Session 9: GLGM
    * {{:disciplinas:geoesalq:simular-glgm.r|arquivo de comandos}} para simulação de GLGM
  - **Aula 8** (20/10/2008): GLGM
    * Transparências do curso, Session 10: GLGM - estudos de caso
    - Simular dados nas coordenadas as estações meteorológicas do Paraná (geoR: ''data(parana)'') segundo o GLGM Poisson de média <latex>\mu=1</latex>, <latex>\sigma^2=0.8</latex>, <latex>\phi=60</latex> e offset pelos dados no arquivo (mesma ordem das coordenadas das estações):
      * {{:disciplinas:geoesalq:offset.txt|arquivo com valores de offset}} para simulação
    - Analisar os o conjunto de dados simulados usando a **geoRglm** obtendo inferências sobre os parâmetros e predição da intensidade no estado
      * {{:disciplinas:geoesalq:glgm.r|arquivo com comandos}}
\\

==== Semana 5 ====
  - **Aula 9** (03/11/2008): GLGM e extensões do modelo geoestatístico
    * Transparências do curso, Session 9: GLGM - comentários adicionais sobre implementação do algorítimo MCMC na geoRglm
    * Estudos de caso, RAPLOA: Transparências do curso, Sessão 10
    * Extensões do GLGM: variogramas e processo pontual Log-Cox Gaussiano, Transparências do curso, Sessão 11
    * Processos pontuais marcados e amostragem preferencial, Transparências do curso, Sessão 11
      * [[http://www3.interscience.wiley.com/journal/118808445/abstract|artigo de Schlather, Ribeiro e Diggle]]  sobre teste de independência entre marcas e pontos 
      * [[http://www3.interscience.wiley.com/journal/118626501/abstract?CRETRY=1&SRETRY=0|artigo de Yongtao  Guan]]  sobre o mesmo tema
    * Delineamentos geoestatísticos, Transparências do curso, Sessão 11
      * [[http://www3.interscience.wiley.com/journal/118610757/abstract|artigo: Bayesian Geostatistical design]]
  - Simular processos pontuais: ''(a)'' Poisson homogêneo, ''(b)'' Poisson não homogêneo, ''(c)'' Log-Cox Gaussiano. No ultimo caso verificar o efeito dos parâmetros do modelo.
  - Simular processos pontuais marcados: ''(a)'' com marcas e pontos independentes, ''(b)'' marcas e pontos dependentes
  - **Aula 10** (04/11/2008): Extensões do modelo geoestatístico
    * modelos espaço temporais - opções e abordagem utilizando funções de covariância espaço temporais. Um exemplo de aplicação
    * combinando geoestatística e análise de dados composicionais -- um exemplo na avaliação de estoque de peixes
    * Modelos geoestatísticos multivariados. Construção de modelos, opções e o //BGCCM//
      * {{:disciplinas:geoesalq:bognola-etal-2008.pdf|Um artigo com uma aplicação do BGCCM}}
    * Classes para dados espaciais no pacote sp 
      * [[http://leg.ufpr.br/~paulojus/embrapa/Rembrapa/Rembrapase32.html|notas introdutórias]]
      * [[http://www.asdar-book.org/|ver página do livro ASDAR]]
\\

==== Outros conjuntos de dados e arquivos de comandos====
  * dados de características de solo ({{disciplinas:geoesalq:bassoi.dat|arquivo de dados}})
  * precipitação no PR em 1993 ({{disciplinas:geoesalq:chuvah1.dat|arquivo de dados}})
  * propriedades físicas do solo ({{disciplinas:geoesalq:solos.txt|arquivo de dados}})
  * porosidade e outras características do solo a 30 cm ({{disciplinas:geoesalq:poro30.dat|arquivo de dados}})
  * {{disciplinas:ce714:r:aula3pira.r|Arquivo com comandos do R}} com análise geoestatística utilizados durante aula
  * outro {{disciplinas:ce714:r:aula4pira.r|arquivo com comandos do R}} com análise geoestatística utilizados durante aula