Curso de Design Experimental

Aula 1 • Terminologia Experimental Central

Apresenta variáveis, unidades e tratamentos como termos técnicos precisos. Um vocabulário preciso evita interpretações equivocadas ao longo do curso.

Aula 2 • O Papel das Hipóteses

Aborda as hipóteses nula e alternativa e sua estrutura lógica. Conecta a formulação de hipóteses às escolhas de delineamento feitas posteriormente no curso.

Aula 3 • Fundamentos de Validade e Confiabilidade

Diferencia validade interna de externa e define confiabilidade de medição. Esses conceitos regem todas as decisões de delineamento abordadas em capítulos posteriores.

Aula 4 • O Que É um Experimento

Define experimentos em contraste com estudos observacionais e pesquisas de opinião. Estabelece a linha de base conceitual do capítulo para todas as decisões subsequentes de delineamento.

Aula 1 • Classificando Variáveis

Categoriza variáveis contínuas, discretas, nominais e ordinais. A classificação correta determina quais métodos estatísticos se aplicam em capítulos posteriores.

Aula 2 • Técnicas de Cegamento e Placebo

Explica controles simples-cego, duplo-cego e placebo para reduzir viés. Essas técnicas abordam diretamente os efeitos de expectativa do observador e do participante.

Aula 3 • Estratégias de Controle

Apresenta manutenção constante, emparelhamento e controle estatístico como técnicas complementares. Cada estratégia reduz ruído e fortalece a inferência causal.

Aula 4 • Identificando Variáveis de Confusão

Define confundidores e explica como eles enviesam as estimativas de tratamento. Reconhecer confundidores é pré-requisito para as estratégias de randomização no Capítulo 3.

Aula 1 • Randomização Adaptativa

Apresenta esquemas de alocação adaptativa à resposta e adaptativa à covariável. Esses métodos avançados otimizam o equilíbrio ou os resultados durante ensaios em andamento.

Aula 2 • Documentação e Auditoria da Randomização

Estabelece procedimentos para registrar, verificar e relatar a atribuição aleatória. A documentação transparente apoia a reprodutibilidade e a revisão regulatória.

Aula 3 • Randomização Simples e Sistemática

Aborda métodos de cara ou coroa, número aleatório e intervalo sistemático. Os alunos aplicam essas técnicas fundamentais antes de avançar para formas restritas.

Aula 4 • Métodos de Randomização Restrita

Apresenta a randomização em blocos, estratificada e por conglomerados para melhorar o equilíbrio. Cada método aborda riscos específicos de desequilíbrio identificados nas seções anteriores.

Aula 1 • Visão Geral das Estratégias de Amostragem

Compara a amostragem probabilística e não probabilística e suas implicações inferenciais. A seleção da estratégia de amostragem afeta diretamente a validade externa discutida no Capítulo 1.

Aula 2 • Métodos de Cálculo do Tamanho Amostral

Demonstra a estimativa do tamanho amostral baseada em fórmulas e em simulação. Os alunos aplicam esses métodos a médias, proporções e contextos de regressão.

Aula 3 • Fundamentos do Poder Estatístico

Define poder, erro Tipo I e erro Tipo II e suas inter-relações. Compreender o poder é pré-requisito para todos os cálculos de tamanho amostral neste capítulo.

Aula 4 • Estudos Piloto e Teste de Viabilidade

Usa pilotos em pequena escala para refinar estimativas de tamanho de efeito e logística. As descobertas dos pilotos alimentam diretamente os cálculos revisados de tamanho amostral antes da implantação completa.

Aula 1 • Delineamentos Cruzados

Atribui cada sujeito a múltiplos tratamentos em sequência para reduzir a variabilidade. Efeitos de arraste e períodos de washout são considerações centrais do delineamento.

Aula 2 • Delineamento Inteiramente Casualizado

Aborda a estrutura, as suposições e a vinculação com a análise do CRD de fator único. Este delineamento mais simples serve como ponto de referência para todas as estruturas mais complexas.

Aula 3 • Delineamento em Blocos Casualizados

Apresenta a blocagem para remover a variação incômoda conhecida do erro. O RCBD estende o CRD adicionando o conceito de blocagem introduzido no Capítulo 3.

Aula 4 • Delineamento em Quadrado Latino

Controla dois fatores de incômodo simultaneamente usando um arranjo quadrado. Os alunos aplicam quadrados latinos quando duas dimensões de blocagem são identificáveis.

Aula 1 • Delineamentos Fatoriais Fracionados

Reduz o número de execuções ao confundir interações de alta ordem com efeitos principais. Os alunos constroem e interpretam frações de resolução III, IV e V.

Aula 2 • Delineamento Fatorial de Dois Fatores

Apresenta a estrutura fatorial 2×2 e geral de dois fatores e o conceito de interação. A interpretação da interação é a habilidade central construída ao longo deste capítulo.

Aula 3 • Delineamentos Fatoriais de Ordem Superior

Estende a lógica fatorial para três ou mais fatores e interações de ordem superior. Os alunos gerenciam a complexidade de estruturas fatoriais triplas e quádruplas.

Aula 4 • Delineamentos Fatoriais Completos de Dois Níveis

Foca em delineamentos 2^k para contextos de triagem e otimização. Níveis de fatores codificados e estimativa de efeitos são habilidades computacionais centrais.

Aula 1 • Ajuste e Validação de Modelos de Superfície de Resposta

Ajusta modelos polinomiais de segunda ordem e avalia sua adequação. A validação do modelo garante que as previsões sejam confiáveis antes de tomar decisões de otimização.

Aula 2 • Da Triagem à Otimização

Explica a estratégia de experimentação sequencial, da triagem ao ajuste fino. Esta seção faz a ponte entre os delineamentos fatoriais do Capítulo 6 e os métodos de superfície de resposta.

Aula 3 • Delineamento Composto Central

Constrói o CCD aumentando um fatorial 2^k com pontos axiais e centrais. O CCD é o delineamento de segunda ordem mais utilizado para otimização.

Aula 4 • Localização e Interpretação de Ótimos

Usa análise canônica e gráficos de contorno para encontrar pontos estacionários. Os alunos distinguem máximos, mínimos e pontos de sela na superfície de resposta.

Aula 1 • Alinhando a Análise ao Delineamento

Alinha os modelos estatísticos com a estrutura de delineamento usada para coletar os dados. Uma análise incompatível invalida as conclusões, independentemente da qualidade do delineamento.

Aula 2 • Padrões de Relato Transparente

Aplica diretrizes de relato estruturado para documentar as decisões de delineamento e análise. O relato transparente possibilita a revisão por pares e a replicação independente.

Aula 3 • Comparações Múltiplas e Controle de Erro

Aplica procedimentos de correção para controlar a taxa de erro familiar e a taxa de falsas descobertas. Os alunos selecionam correções apropriadas com base no número e tipo de comparações.

Aula 4 • Práticas de Reprodutibilidade e Ciência Aberta

Insere compartilhamento de dados, documentação de código e materiais abertos no fluxo de trabalho. Essas práticas abordam a crise de replicação e constroem credibilidade de longo prazo.