Walmes Marques Zeviani

"Experiência não é o que acontece com você, mas o que você fez com o que lhe aconteceu." (Aldous Huxley)

"Feliz é aquele que transfere o que sabe e aprende o que ensina." (Cora Coralina)

Engenheiro Agronômo pela Universidade Federal da Grande Dourados (2007) e Mestre em Estatística & Experimentação Agropecuária pela Universidade Federal de Lavras (2009). Doutorando do Programa de Pós-Graduação em Estatística & Experimentação Agropecuária - Professor Assistente I do Departamento de Estatística da Universidade Federal do Paraná (aprovado por Concurso e contratado em Julho 2010) onde atualmente leciona.

==========================================================================
Walmes Marques Zeviani
LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W)
Departamento de Estatística - Universidade Federal do Paraná
Edifício da Administração - 3º andar - Centro Politécnico
Curitiba - PR                               CEP: 81.531-990
Bairro: Jardim das Américas                 Caixa Postal: 19.081
fone: (+55) 41 3361 3573                    VoIP: (3361 3600) 1053 1173
e-mail: walmes@ufpr.br                      twitter: @walmeszeviani
homepage: http://www.leg.ufpr.br/~walmes    linux user number: 531218
==========================================================================

Avaliação de modelos de regressão não linear na cinética de liberação de potássio de resíduos orgânicos

Resumo: O potássio (K) é um elemento químico muito exigido pelas culturas, porém, sua ocorrência e disponibilidade em alguns solos brasileiros são inferiores à demanda pelas plantas. Seu fornecimento também pode ser feito a partir de fontes orgânicas de maneira eficiente, quando se conhece o padrão de liberação do nutriente. Modelos não lineares são adequados nessas situações, uma vez que estimam quantidades de interesse prático e apresentam boa qualidade de ajuste. Embora seu processo inferencial seja baseado em argumentos assintóticos, existem meios de se conhecer a intensidade da não linearidade. Neste trabalho avaliou-se a não linearidade, por meio das curvaturas de Bates & Watts, vício de Box e estudo das propriedades amostrais dos estimadores de mínimos quadrados por simulação, de dois modelos de regressão não linear. Tais modelos estimam o conteúdo de K prontamente liberável, o tempo de meia vida para a sua liberação e a taxa de liberação do K de lenta liberação. Os dados são provenientes do estudo, ao longo do tempo, da liberação de K de 11 resíduos orgânicos incubados em combinação com 3 tipos de solo. O modelo exponencial apresentou estimativas mais precisas para os parâmetros que o quociente e maior aproximação entre os resultados assintóticos e obtidos por simulação. O modelo exponencial foi mais adequado, em termos inferenciais e para aplicação prática, uma vez que, por todas as medidas, apresentou menor não linearidade.

Palavras-chaves: Curvatura de Bates e Watts. Vício de Box. Bootstrap. Tempo de meia vida.

Banca de Defesa:
Prof. Dr. Joel Augusto Muniz (Orientador) - UFLA
Prof. Dr. Carlos Alberto Silva (co-orientador) - UFLA
Profa. Dra. Taciana Villela Savian - UFLA
Prof. Dr. Luiz Alberto Beijo - UNIFAL-MG
Aprovada em 18 de setembro de 2009

Pre-título: Modelagem da curva característica de água para solos com distribuição bimodal de poros

Artigo 1: Modelos de regressão não linear para representar a curva característica de solos com distribuição de poros bimodal. Fazer estudo/elaboração de modelos que tenham dois pontos de inflexão, ou seja, cuja derivada apresente dois pontos de máximo. Estudar a interpretação dos parâmetros desses modelos, o grau de não linearidade e o impacto das inferências em pequenas amostras. Estudar a identificabilidade dos modelos para amostras de tamanho pequeno apontando estratégias para aquisição de dados (delineamento ótimo). Aplicar reparametrizações para tornar o modelo melhor comportado. Aplicar inferência por verossimilhança. Usar os dados do Eduardo.

Artigo 2: Estimação da curva característica de água do solo em função de fatores experimentais. Colocar os parâmetros do modelo de regressão em função dos fatores experimentais e conduzir testes de hipótese. Não observamos os parâmetros do modelo, nos observamos dados. Mas queremos aplicar inferência aos parâmetros e temos estimativas destes. Usar dados do Milson. Dada a quantidade grande de parâmetros estimados aqui, que depende do número de níveis dos fatores experimentais, vale a pena se pensar em escrever o modelos parcialmente linear, identificando os parâmetros que são lineares e deixando apenas os demais presentes do processo de otimização da função objetivo.

Artigo 3: Modelagem da curva característica de água no solo por modelos mistos e inclusão de covariáveis. Estimar a curva considerando o efeito aleatório de amostra, a correlação entre medidas, a inclusão da covariável densidade do solo. Apresentar as expressões da verossimilhança para os modelos, os teste de rezão de verossimilhança e as conclusões a respeito das hipóteses. Usar dados do Eduardo e geoR::wrc.

Artigo 4: Como fazer inferência sobre o parâmetro S. Estimar o parâmetro S dos solos e associar imprecisão. Aplicar inferência clássica com método delta e inferência bayesiana.

Disciplinas já ofertadas e em andamento. Clique na turma para ir para a página da disciplina onde estão disponíveis o histórico das aulas, provas, gabaritos, listas de exercícios e notas.

• Curso para Engenharia de Alimentos e Engenharia Química da UFPR (2010);
  • Apostila do Curso (download);
  • Dados usados durante Curso em planilha eletrônica (*.xls) (download);
  • Dados usados durante Curso em arquivos de texto (*.txt) compactados (*.zip) (download);
  • Questionário do curso (responder);
• Curso para Pós Graduação em Produção Vegetal da UFPR (2011);
• Curso para Faculdade de Ciência Agrárias da UFGD (2011);
• Curso para Embrapa Arroz e Feijão (2011);
• Curso para Epagri-SC (Videira e Caçador), IF Campus de Videira e CIDASC (2012);
• Curso para alunos do Curso de Especialização em Instrumentação Estatística da Unochapeó/SC;

Blog que administro e mantenho com a colaboração de amigos também apaixonados pelo R. Clique na figura ao lado para ir para o blog.

- preencher -

• Revista Brasileira de Fruticultura;
• Revista de Ciências Agrárias / Amazonian Journal of Agricultural and Environmental Sciences;

• SOUZA, F. R., ; FIETZ, C. R. ; ROSA JUNIOR, E. J. ; BERGAMIN, A. C. ; ZEVIANI, W. M. ; SILVA, W. M. . Atributos químicos do solo sob dois sistemas de manejo e efeito residual de gesso após 55 meses de implantação. In: Congresso Brasileiro de Ciência do Solo, 2009, Fortaleza-CE. XXXII Congresso Brasileiro de Ciência do Solo. O solo e a produção de Bioenergia: perspectivas e desafios, 2009.
• CARDUCCI, C. E. ; VITORINO ; ZEVIANI, W. M. ; GARBIATE, M. V. . Análise Macromorfométrica e Atributos Físicos de um Latossolo Vermelho Distroférrico sob Diferentes Sistemas de Manejo na Região de Dourados MS. In: 2 Encontro de Iniciação Científica UFGD/UEMS, 2008, Dourados-MS. 2 Encontro de Iniciação Científica UFGD/UEMS. dourados-MS : Universidade Federal da Grande Dourados, 2008. v. 1. p. 1.
• ZEVIANI, W. M. ; CARDUCCI, C. E. ; TACIANA, V. S. ; MUNIZ, J.A. . Avaliação da dinâmica de secagem de solo em microondas por meio de regressão não-linear.. In: XI Escola de Modelos de Regressão, 2009, Recife PB. Programa e Resumos da XI Escola de Modelos de Regressão. Recife-PB, 2009. * CARDUCCI, C. E. ; VITORINO ; ZEVIANI, W.M. ; SERAFIM, M. E. ; INOCENCIO, M. F. . Análise de imagens de agregados de um Latossolo Vermelho distroférrico sob diferentes manejos. In: XXXII Congresso Brasileiro de Ciências do Solo:o solo e a produção de bioenergia perpectivas e desafios, 2009, Fortaleza-CE. XXXII Congresso Brasileiro de Ciências do Solo:o solo e a produção de bioenergia- perpectivas e desafios RESUMOS. Viçosa - MG : SBCS, 2009. v. 1. p. 81.
• CARDUCCI, C. E. ; VITORINO ; ZEVIANI, W.M. ; INOCENCIO, M. F. . Resistência ao cisalhamento de um solo submetido a diferentes usos e manejos utilizando o método Vane. In: XXXII Congresso Brasileiro de Ciências do Solo: o solo e a produção de bioenergia - perpectivas e desafios, 2009, Fortaleza-CE. XXXII Congresso Brasileiro de Ciências do Solo: o solo e a produção de bioenergia - perpectivas e desafios RESUMOS. Viçosa-MG : SBCS, 2009. v. 1. p. 81.
• ZEVIANI, W.M. ; SERAFIM, M. E. ; CARDUCCI, C. E. ; OLIVEIRA, G. C. ; MUNIZ, J.A. . Avaliação de critérios de seleção das tensões para determinação da curva característica de água no solo por meio do modelo van Genutchten. In: XXXII Congresso Brasileiro de Ciências do Solo: o solo e a produção de bioenergia - perpectivas e desafios, 2009, Fortaleza-CE. XXXII Congresso Brasileiro de Ciências do Solo: o solo e a produção de bioenergia - perpectivas e desafios RESUMOS. VIÇOSA-MG : SBCS, 2009. v. 1. p. 212.
• SERAFIM, M. E. ; ONO, F. B. ; VITORINO ; CARDUCCI, C. E. ; CREMON, C. ; ZEVIANI, W. M. . Caracterização Micromorfométrica De Agregados De Um Latossolo Vermelho Distroférrico sob Pastagem. In: XVII Reunião Brasileira de Maanejo e Conservação do Solo e da Água, 2008, Rio de Janeiro- RJ. XVII Reunião Brasileira de Manejo e Cnservação do Solo e da Água. Rio de Janeiro-RJ, 2008. v. 1.

- preencher -

• Projeto com Larissa (http://lattes.cnpq.br/5306520242222948);
• Projeto com Maristella (http://lattes.cnpq.br/7578795880165011);
• Projeto com Eduardo (http://lattes.cnpq.br/0288146552740769);
• Projeto com Rafael (http://lattes.cnpq.br/3314759970388496);
• Grupo com PJ;

O acesso ao LEG se dá pela escada/rampa localizada na face norte do bloco de Informática. Ao entrar pelo corredor do antigo salão de provas, procure por uma porta sinalizada do lado direito. Clique aqui para abrir a nossa localização em uma nova página com seta de indicação. <googlemap width="533px" height="400px" lat="25.450603" lon="-49.231759" type="hybrid" zoom="19"> </googlemap> —

• Site para produzir expressões matemáticas em latex (http://www.codecogs.com/latex/eqneditor.php). Permite a construção online de expressões matemáticas em código Latex, que podem ser copiadas e coladas no seu editor. O usuário tem opção de usar os menus com expressões prédefinidas, tais como matrizes, sistema de equações, derivadas, somatórios, simbologia de conjuntos, letras gregas, etc. Expressões comuns estão organizadas no botão "exemplos". ==== Playground ==== Faça o download do script abaixo aqui: script.R. <code R> #============================================================================= # Uso dos escores de uma análise de fatorial como variável dependente em um # modelo linear de experimento #============================================================================= #

# lê os dados e remove NA

da ← read.table("http://www.leg.ufpr.br/~walmes/cursoR/cnpaf/mudas2.txt",

               header=TRUE, sep=";")

str(da) da ← da[complete.cases(da),] da$trat ← factor(da$trat) # atualiza os níveis de trat da$bloc ← factor(da$bloc) # passa bloc para fator str(da)

#- # experimento com mudas de caju em função de categorias de subtrato, arranjado # em blocos ao acaso com 20 plantas por unidade experimental. Foram observados # os valores individuais de cada planta que sobreviveram (viab=1). Com isso o # surge desbalanceamento à nível de plantas.

#- # análise de variância para alt segundo o modelo experimental

m0 ← aov(alt~bloc+trat+Error(bloc:trat), data=da) summary(m0)

#- # análise para todas as demais

m00 ← lapply(as.list(da[,c(1:4)]), function(x){ m0 ← aov(x~bloc+trat+Error(bloc:trat), data=da) m0 }) lapply(m00, summary) # trat não significativo para todas as variáveis # # rodando análise fatorial, dados padronizados

X ← scale(as.matrix(da[,5:14])) str(X) pairs(X)

cor(X) ei ← eigen(cor(X)) cumsum(ei$values)/sum(ei$values)

#- # obtenção dos fatores

nfat ← 3 af ← factanal(X, factors=nfat,

             scores="regression", rotation="varimax")

print(af$loadings, cutoff=0.5, sort=TRUE) # fator 1 - do caule: altura, diâmetro, massa seca e fresca # fator 2 - das raízes: massa seca e fresca # fator 3 - das folhas: massa seca e fresca

# comunalidade, 1-variância específica 1-sort(af$uniqueness)

# escores S ← af$scores plot(S)

#- # analisar os scores do 1 ao 3 fator

m00 ← apply(S, 2,

           function(x){
             m0 <- aov(x~bloc+trat+Error(bloc:trat), data=da)
             m0
           })

lapply(m00, summary) # trat significativo para os Fatores 2 e 3

#

# manova aplicada aos dados de *parcela* #

#- # calcula as médias por bloc:trat para todas as variáveis

require(plyr) dam ← ddply(da[,5:14], .(trat=da$trat, bloc=da$bloc), mean) str(dam)

#- # manova, quero a matriz de covariância livre dos efeitos fixos

ma0 ← aov(as.matrix(dam[,3:12])~bloc+trat, data=dam) anova(ma0) str(ma0)

#- # matriz de covariância condicional

R ← residuals(ma0) str(R)

#- # covariância e correlação resídual

cov(R) # é viesada porque tem denominador n-1 que é maior que n-p cor(R)

#- # análise fatorial aplicada aos resíduos

nfat ← 3 af ← factanal(scale(R), factors=nfat,

             scores="Bartlett", rotation="varimax")

print(af$loadings, cutoff=0.5, sort=TRUE) # fator 1 - ?sem sentido # fator 2 - ?sem sentido # fator 3 - ?sem sentido

# comunalidade, 1-variância específica 1-sort(af$uniqueness)

# escores S ← af$scores plot(S)

#- # analisar os scores do 1 ao 3 fator

m00 ← apply(S, 2,

           function(x){
             m0 <- aov(x~bloc+trat, data=dam)
             m0
           })

lapply(m00, summary) # trat significativo para os Fatores 2 e 3

# não tem efeito porque eu removi o efeito antes da análise fatorial # então explorei a relação entre as variâncias condicionais, que são # livres do efeitos fixos. # teria como eu obter os escores dos dados originais, baseados na # covariância dos resíduos?

#- # devolvendo o efeito dos fatores fixos # usando o preditor de mínimos quadrados, Daniel pg 527, equação 11.7.2

Psi ← cov(R) Gamma ← t(af$loadings[,1:nfat]) F ← solve(Gamma%*%solve(Psi)%*%t(Gamma))%*%(Gamma%*%solve(Psi)%*%t(dam[,3:12])) F ← t(F)

m00 ← apply(F, 2,

           function(x){
             m0 <- aov(x~bloc+trat, data=dam)
             m0
           })

lapply(m00, summary) # trat significativo para os Fatores 2 e 3

#- </code>

Lista com links sobre tikz

• ktikz-editor-for-the-tikz-language;
• www.tikzedt.org;
• tikz-3dplot_documentation.pdf;
• 2011-configurable-graph-drawing-algorithms-jannis-pohlmann.pdf;
• PGF-and-TikZ-f3582.html;
• hot;
• 427-stemma-tikz;
• latex;
• problem-in-tikz-figure;
• blog;
• simulating-hand-drawn-lines;
• merge-arrows-with-tikz;
• desenhando-com-tikz.html;
• pgf-tut.pdf;
• tpx.sourceforge.net;
• mertz.pdf;
• resources;
• tutorials.htm;
• Mtikz.pdf;
• a-tikz-tutorial-generating-graphics-in-the-spirit-of-tex-11056310.html;
• watch;
• CG_2007___48_23_0.pdf;
• watch;
• posicionando-figuras-com-tikz.html;
• tikz;
• 3d-graphics-in-latex-with-tikz;
• desenhando-em-tikz-com-ktikz.html
• graphics-with-pgf-and-tikz;
• tikz-nodes;
• mais-manuais-tikz.html;
• tikz.pgf.html;
• tikz_tutorial.html;
• pgf-tikz;
• pgf-and-tikz-wow;
• watch;
• how-to-draw-two-tkiz-pictures-are-parallel-to-each-other;
• tikz;
• pgf-tikz---graphics-for-latex---a-tutorial.html;
• examples-tikz-tutorial;