Disciplina Curricular

Ecologia Numérica ENum

Licenciatura Bolonha em Biologia - 4_Plano 2015/16 a 2022/23

Contextos

Grupo: 4_Plano 2015/16 a 2022/23 > 1º Ciclo > Ramos > Ramo de Biologia Ambiental com Minor em História e Filosofia das Ciências

Período:

Grupo: 4_Plano 2015/16 a 2022/23 > 1º Ciclo > Ramos > Ramo de Biologia Ambiental com Minor em Matemática

Período:

Grupo: 4_Plano 2015/16 a 2022/23 > 1º Ciclo > Ramos > Ramo de Biologia Ambiental com Minor em Geologia

Período:

Grupo: 4_Plano 2015/16 a 2022/23 > 1º Ciclo > Ramos > Ramo de Biologia Ambiental

Período:

Grupo: 4_Plano 2015/16 a 2022/23 > 1º Ciclo > Ramos > Ramo de Biologia Ambiental com Minor em Estatística e Investigação Operacional

Período:

Grupo: 4_Plano 2015/16 a 2022/23 > 1º Ciclo > Ramos > Ramo de Biologia Ambiental com Minor em Tecnologia de Informação Geográfica

Período:

Grupo: 4_Plano 2015/16 a 2022/23 > 1º Ciclo > Ramos > Ramo de Biologia Evolutiva e do Desenvolvimento > Optativas > 3º Ano > 519_Lic. em Biologia - Ramo BED (3º Ano) > 1º Semestre

Período:

Grupo: 4_Plano 2015/16 a 2022/23 > 1º Ciclo > Ramos > Ramo de Biologia Ambiental com Minor em Informática

Período:

Peso

6.0 (para cálculo da média)

Objectivos

A disciplina de Ecologia Numérica tem como principal objectivo o desenvolvimento do conhecimento sobre a análise de dados em ecologia. Pretende-se dar a conhecer técnicas estatísticas variadas, adequadas para diferentes situações comuns nos estudos ecológicos. Outro dos objectivos específicos incidirá sobre o desenvolvimento de competências quantitativas em contexto ecológico, potenciando a capacidade de aprendizagem autónoma ou com acompanhamento tutorial.

Programa

Introdução à Ecologia Numérica. O método científico. Tipos de estudos e de dados em ecologia. Revisões sobre probabilidades. Amostragem e delineamento experimental. Análise exploratória de dados. Testes de hipóteses. Testes de 1 e 2 amostras. Análise de variância simples e testes equivalentes não-paramétricos. Análise de variância multifactorial e com designs complexos. Correlação e Regressão linear Modelos lineares generalizados Modelos aditivos generalizados Análise de dados de frequências em tabelas de contingência. Introdução à análise multivariada. Agrupamento/Classificação hierárquica e não hierárquica. Análise em componentes principais. Breve introdução a outras técnicas multivariadas (Análise de correspondências, Análise canónica de correspondências, Escalamento multidimensional, Análise discriminante)

Métodos de ensino e avaliação

Aulas teóricas (T) de caracter expositivo, com algumas atividades participativas para estimular a interação e a aprendizagem de conceitos fundamentais. Aulas teórico-práticas (TP) realizadas com recurso a computadores, em que alunos aprendem a executar análises de dados em R através de relatórios dinâmicos em RMarkdown. Avaliação: (1) em primeira época: trabalhos + um exame teórico (2) em segunda época ou época especial: exame Teórico-Prático, 20 valores, que avalia T e TP. Para aprovar > 8.5/20 quer no exame teórico quer nos trabalhos. Para aprovar um aluno deverá assistir no mínimo a ¾ das aulas TPs. Será considerada a avaliação contínua, baseada em todas as formas possíveis, como trabalhos de casa, resposta a desafios, participação em sala de aula, participação no moodle, em votações, fóruns, etc, interacções com os professores, presenciais e/ou via email.

Disciplinas Execução

2023/2024 - 1 Semestre

2022/2023 - 1 Semestre

2021/2022 - 1 Semestre

2020/2021 - 1º semestre

2019/2020 - 1 Semestre

2018/2019 - 1 Semestre

2017/2018 - 1 Semestre

2016/2017 - 1 Semestre