Professor responsável: Matias do Nascimento Ritter (regente) e Fernando Erthal

Carga horária total: 75 horas Carga horária teórica: 45 horas Carga horária teórico-prática: 30

Créditos: 5

Vagas regulares: 12 Vagas especiais: 3

Disciplina oferecida a nível de Mestrado e Doutorado

Disciplina oferecida para alunos de áreas de concentração: Paleontologia, Estratigrafia e Geologia Marinha (PPGGEO-UFRGS)

Pré-requisitos: Não há

Súmula: Métodos lógicos, científicos e estatísticos em Paleontologia. Matemática intuitiva. Desenho amostral e experimental, replicabilidade, suficiência amostral, e noções de probabilidade. Obtenção, organização e curadoria de dados. Testes de hipóteses e tipos de erro. Estatística descritiva e inferencial. Estatística univariada e multivariada. Elaboração e interpretação de gráficos.

Objetivos: Prover uma introdução intuitiva (e matemática) aos métodos empregados em geociências para analisar dados tanto observacionais quanto experimentais. Estimular uma base crítica no planejamento, coleta, transparência e análise de dados. A disciplina irá combinar aulas teóricas e práticas sobre a linguagem de programação R, um software livre amplamente utilizado atualmente em nível mundial. A despeito de sua alta potencialidade e versatilidade, o programa apresenta uma plataforma aparentemente não amigável através de linhas de comando. O objetivo da disciplina é justamente transpor esta barreira inicial, aumentando a potencialidade do usuário em trabalhar exclusivamente no R em suas pesquisas, sempre com ênfase em estudos aplicados à Geociências, especialmente na Paleontologia e suas aplicações.

Conteúdo Programático:

1. Filosofia da ciência. Tipos de Pesquisa em ciências naturais e Paleontologia. Tipos e coletas de dados em ciências naturais.

2. Introdução: População, Amostra, Tipos de dados paleontológicos. Estatísticas e parâmetros. Tendência central, dispersão e variabilidade

3. Probabilidade e dados paleontológicos. Curadoria de dados numéricos

4. Estatística paramétricos em paleontologia: distribuição normal

5. Estatística não-paramétrica em paleontologia

6. Análise multivariada: ordenação, classificação, análise canônica. Testes de hipóteses multivariados.

7. Aplicações usando a linguagem R. Funções e operadores; Pacotes; Scripts; Citação do R e seus pacotes; Criação de objetos; Remoção e listagem de objetos no R; Importação de dados; Manipulação de vetores, dataframes e matrizes; Sequências, numéricas; Introdução a séries temporais; Criando sua própria função.

8. Aplicações na Paleontologia

Sistema de Avaliação: Exercícios em linguagem R e seminários

Bibliografia Básica:

Alin, S.R., and Cohen, A.S., 2004, The live, the dead, and the very dead: taphonomic calibration of the recent record of paleoecological change in Lake Tanganyika, East Africa: Paleobiology, v. 30, p. 44–81.

Blanchet et al., 2008. Forward selection of explanatory variables. Ecology 89:2623-2632.

Borcard, D.; Gillet, F. & Legendre, P. 2018. Numerical Ecology with R. 2nd ed. New York, Springer-Verlag, 306 p.

Bush, A.M., and Brame, R.I., 2010, Multiple paleoecological controls on the composition of marine fossil assemblages from the Frasnian (Late Devonian) of Virginia, with a comparison of ordination methods: Paleobiology, v. 36, p. 573–591.

Conover, W.J., 1999. Pratical nonparametric statistics. 3 ed. John Wiley & Sons, 592p.

Cooper, R.A., Maxwell, P.A., Crampton, J.S., Beu, A.G., Jones, C.M., and Marshall, B.A., 2006, Completeness of the fossil record: Estimating losses due to small body size: Geology 34:241–244.

Cox, T.F. & Cox, M.A.A. 2001. Multidimensional scaling. 2nd ed. Chapman & Hall, 308 p.

Crawley, M.J. 2007. The R Book. John Wiley and Sons, 949 p.

Erthal, F. & Ritter, M.N. 2017. Tafonomia Atualística: conceitos e aplicações. In: R.S. Horodyski & F. Erthal (eds.) Tafonomia: métodos, processos e aplicações, CRV, p. 29–79.

Harries, P.J. (ed.), 2003, High-Resolution Approaches in Stratigraphic Paleontology: Topics in Geobiology, v. 21.

Gotelli, Nicholas J. Princípios de estatística em ecologia. Porto Alegre: Artmed, 2015. ISBN 9788536324326, E-book, https://bit.ly/2RPhhBa

Hammer, O. e Harper, D.A.T., 2006, Paleontological data analysis, 1st edition, Blackwell, Oxford, 351 p.

Holland, S.M., 2010, Additive diversity partitioning in palaeobiology: Revisiting Sepkoski’s question: Palaeontology 53:1237–1254.

Holland, S.M. Non-Metric Multidimensional Scaling (MDS); Dept. of Geology, University of Georgia: Athens, GA, USA, 2008; https://strata.uga.edu/software/pdf/mdsTutorial.pdf

Horodyski, R.S., e Erthal, F. (orgs.), 2017. Tafonomia – Métodos, Processos e Aplicação. Editora CRV.

Klompmaker, A.A.; Kowalewski, M.; Huntley, J.W. & Finnegan, S. 2017. Increase in predator-prey size ratios throughout the Phanerozoic history of marine ecosystems. Science, 356:1178–1180.

Legendre, P. e Legendre, L., 2012. Numerical Ecology, 3rd edition, Elsevier Science BV, Amsterdam, 990 p.

Legendre, P., e Gallagher, E.D., 2001, Ecologically meaningful transformations for ordination of species data. Oecologia, 129:271-280.

Manly, Bryan F., J. e Jorge A. Navarro Alberto. 2019. Métodos Estatísticos Multivariados: Uma Introdução. Disponível em: Minha Biblioteca, (4ª edição). Grupo A. Disponível em https://app.minhabiblioteca.com.br/books/9788582604991

Murrell, P. 2006. R graphics. Chapman & Hall/CRC. 303 p.

Nawrot, R.; Scarponi, D.; Azzarone, M.; Dexter, T.A.; Kusnerik, K.M.; Wittmer, J.M.; Amorosi, A. & Kowalewski, M. 2018. Stratigraphic signatures of mass extinctions: ecological and sedimentary determinants. Proceedings of the Royal Society B, 285:20181191.

Olszewski, T.M. e Kidwell, S.M., 2007, The preservational fidelity of evenness in molluscan death assemblages. Paleobiology, 33:1-23.

Patzkowsky, M.E., and Holland, S.M., 2012, Stratigraphic paleobiology: Under- standing the distribution of fossil taxa in time and space: Chicago, The University of Chicago Press, 257 p.

R Development Core Team, 2021. R: A language and environment for statistical computing. Vienna, R Foundation for Statistical Computing (www.R-project.org).

Ritter, M.N.; They, N.H & Konzen, E. 2019. Introdução ao Software R. Imbé: UFRGS Litoral Norte, 110 p.

Sokal, R.R. e Rohlf, F.J., 2012. Biometry. 4th ed., Freeman, 937p.

Ter Braak, C.J.F. 1986. Canonical correspondence analysis: a new eigenvector technique for multivariate direct gradient analysis. Ecology, 67:1167-1179.

Verzani, J. 2005. Using R for introductory statistics. Chapman & Hall/CRC. 402 p.

Zar. J.H. 2009. Biostatistical Analysis, 5th ed. Prentice Hall, 946 p.

Outras Referências Leituras indicadas pelos professores de artigos didáticos e científicos publicados em diferentes meios de acesso livre ou disponibilizados pela UFRGS através de suas plataformas.

Plano de trabalho de campo: Não há.

Observações: Notebook com o software “R” e/ou “R Studio” instalado é indispensável para participar da disciplina. Não é necessário conhecimento prévio sobre o R. Softwares: R: https://www.r-project.org/; R Studio: https://www.rstudio.com/