Curso de Desenho Experimental

Aula 1 • Terminologia Experimental Central

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

Aula 2 • O Papel das Hipóteses

Aborda as hipóteses nula e alternativa e a sua estrutura lógica. Relaciona a formulação de hipóteses com as escolhas de design efetuadas posteriormente no curso.

Aula 3 • Noções Básicas de Validade e Fiabilidade

Distingue a validade interna da externa e define a fiabilidade da medição. Estes conceitos regem todas as decisões de design abordadas em capítulos posteriores.

Aula 4 • O Que É Uma Experiência

Define experiências em comparação com estudos observacionais e inquéritos. Estabelece a base conceptual do capítulo para todas as decisões de design subsequentes.

Aula 1 • Classificação de Variáveis

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

Aula 2 • Técnicas de Cegueira e Placebo

Explica os controlos de cegueira simples, dupla e placebo para reduzir o enviesamento. Estas técnicas abordam diretamente os efeitos de expectativa do observador e do participante.

Aula 3 • Estratégias de Controlo

Apresenta a manutenção constante, a correspondência e o controlo estatístico como técnicas complementares. Cada estratégia reduz o ruído e fortalece a inferência causal.

Aula 4 • Identificação de Variáveis de Confundimento

Define fatores de confundimento e explica como enviesam as estimativas do tratamento. Reconhecer fatores de confundimento é pré-requisito para as estratégias de aleatorização no Capítulo 3.

Aula 1 • Aleatorização Adaptativa

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

Aula 2 • Documentação e Auditoria da Aleatorização

Estabelece procedimentos para registar, verificar e comunicar a atribuição aleatória. A documentação transparente apoia a reprodutibilidade e a revisão regulamentar.

Aula 3 • Aleatorização Simples e Sistemática

Aborda os métodos de lançamento de moeda, números aleatórios e intervalos sistemáticos. Os alunos aplicam estas técnicas fundamentais antes de avançarem para formas restritas.

Aula 4 • Métodos de Aleatorização Restrita

Apresenta a aleatorização por blocos, estratificada e por clusters para melhorar o equilíbrio. Cada método aborda riscos de desequilíbrio específicos identificados em secções anteriores.

Aula 1 • Visão Geral das Estratégias de Amostragem

Compara a amostragem probabilística e não probabilística e as 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 da Amostra

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

Aula 3 • Fundamentos do Poder Estatístico

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

Aula 4 • Estudos Piloto e Testes de Viabilidade

Utiliza pilotos de pequena escala para refinar as estimativas do tamanho do efeito e a logística. Os resultados dos pilotos alimentam diretamente os cálculos revistos do tamanho da amostra antes da implementação completa.

Aula 1 • Designs Crossover

Atribui cada sujeito a múltiplos tratamentos em sequência para reduzir a variabilidade. Os efeitos de carryover e os períodos de washout são considerações centrais do design.

Aula 2 • Design Completamente Aleatorizado

Aborda a estrutura, os pressupostos e a ligação à análise do CRD de fator único. Este design mais simples serve como ponto de referência para todas as estruturas mais complexas.

Aula 3 • Design de Blocos Completamente Aleatorizados

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

Aula 4 • Design do Quadrado Latino

Controla dois fatores de incómodo simultaneamente usando uma disposição quadrada. Os alunos aplicam quadrados latinos quando duas dimensões de bloqueio são identificáveis.

Aula 1 • Designs Fatoriais Fracionados

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

Aula 2 • Design 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 competência central desenvolvida ao longo deste capítulo.

Aula 3 • Designs Fatoriais de Ordem Superior

Estende a lógica fatorial a três ou mais fatores e a interações de ordem superior. Os alunos gerem a complexidade de estruturas fatoriais de três e quatro vias.

Aula 4 • Designs Fatoriais Completos de Dois Níveis

Foco em designs 2^k para contextos de triagem e otimização. Os níveis de fator codificados e a estimativa de efeitos são competências computacionais centrais.

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

Ajusta modelos polinomiais de segunda ordem e avalia a sua adequação. A validação do modelo garante que as previsões são fiáveis antes de serem tomadas decisões de otimização.

Aula 2 • Passagem da Triagem para a Otimização

Explica a estratégia de experimentação sequencial desde a triagem até ao ajuste fino. Esta secção faz a ponte entre os designs fatoriais do Capítulo 6 e os métodos de superfície de resposta.

Aula 3 • Design Composto Central

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

Aula 4 • Localização e Interpretação de Ótimos

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

Aula 1 • Correspondência da Análise com o Design

Alinha os modelos estatísticos com a estrutura de design usada para recolher os dados. Uma análise desajustada invalida as conclusões independentemente da qualidade do design.

Aula 2 • Normas de Comunicação Transparente

Aplica diretrizes de comunicação estruturadas para documentar as decisões de design e análise. A comunicação transparente permite a revisão por pares e a replicação independente.

Aula 3 • Comparações Múltiplas e Controlo de Erro

Aplica procedimentos de correção para controlar as taxas de erro familiar e de falsa descoberta. Os alunos selecionam as correções adequadas com base no número e tipo de comparações.

Aula 4 • Práticas de Reprodutibilidade e Ciência Aberta

Incorpora a partilha de dados, a documentação de código e os materiais abertos no fluxo de trabalho. Estas práticas abordam a crise de replicação e constroem credibilidade a longo prazo.