A maioria dos ecólogos não são bons programadores e não gostam/querem aprender como os softwares de estatística que usam durante suas analises pode apresentar um resultado incorreto se não conseguem entender como o processo ocorre. Os algoritmos que usam máxima verossimilhança tem como objetivo encontrar o parâmetro que maximiza a verossimilhança para o dado conjunto de dados.

Vamos ver um gráfico:

Distribuição normal padrão, média zero e desvio padrão um.

O algoritmo faz o produto das verossimilhanças com diversos parâmetros até encontrar um valor que melhor se ajusta aos dados.  Vamos supor que estamos interessados em saber qual a média e o desvio padrão de uma amostra retirada de uma população fictícia. Essa população segue a distribuição normal padrão e vamos retirar uma amostra de 100 elementos. O script usado pode ser encontrado aqui.

Os gráficos abaixo mostram o resultado satisfatório do método:

Linha solida representa a distribuição real e a linha tracejada a distribuição prevista pelas amostras utilizando o método de máxima verossimilhança.

Mudança dos parâmetros (média e desvio padrão) em relação ao número de iterações do algoritmo. As linhas tracejadas representam os valores reais dos parâmetros.

Podemos ver que o método funciona relativamente bem nesse caso. Na vida real não temos certeza das distribuições que governam a população. Isso sempre é motivo de discussão já que estamos expressando nossa ignorância sobre algum fenômeno de forma arbitraria em algum nível. Aqui pode começar todo o problema…podemos acabar escolhendo distribuições a priori que não adequadas para o problema ou o dado real pode ser uma mistura delas. Abaixo um exemplo de como pode ficar difícil realizar uma inferência com dados um pouco mais complexos.

Vamos supor que a distribuição dos dados é uma combinação de distribuições normais. O meu algoritmo faz o possível para conseguir ajustar os parâmetros a toda nova variação.

O pico da distribuição prevista agora é justamente em um “vale” na distribuição real. Para solucionar isso é necessário adicionar mais parâmetros no modelo, aumentando assim sua dimensionalidade e complexibilidade. Devo assumir que meu algoritmo é apenas uma implementação simples, porém é um ótimo exemplo de como podemos acabar fazendo inferências de forma incorreta. É importante fazer uma inspeção visual dos dados primeiro antes de rodar qualquer analise. Um simples histograma já demonstraria o comportamento dos dados e a necessidade de um modelador/estatístico acostumado a trabalhar com distribuições ia ser requisitada.

Outros cuidados importantes são os parâmetros iniciais. Deve verificar como a distribuição se comporta modificando os parâmetros iniciais de forma aleatória. Caso todas as soluções apresentem a tendência de convergir para o mesmo valor sua simulação ocorreu de forma apropriada. Se ocorrer o contrario provavelmente você ficou preso em um local optima. O local optima é um ponto no espaço de parâmetros onde aparentemente você encontrou a verossimilhança máxima e o algoritmo assume que deve parar. Porém como o nome sugere é apenas um pico local, não é o maior pico possível de ser encontrado. Geralmente é um problema comum de problemas com muitas dimensões (grande número de parâmetros) e algoritmos não reativos/self-tuning. Devido ao tamanho desse post irei deixar para o próximo a explicação com exemplos.

Resumo: max L é bom mas tem que ter um bom conhecimento do assunto para usar de forma correta, métodos complexos não fazem mágica. O que deve ter de coisa errada nesse post não é brincadeira

Próximo post local optima ou lei dos grandes numeros e teorema do limite central (tenho um ǵrafico perfeito pra explicar isso).

Cya

Por que estou escrevendo sobre isso? Simples. Li o meu artigo de graduação ainda não publicado e estou achando ridícula a forma como apresentei os dados no resultado. Mesmo a banca me dando 96/100 pelo trabalho me senti terrivelmente incompetente para realizar uma simples apresentação dos dados. Saber comunicar o que fez é mais importante em si do que você fez! Parece absurdo mas faz muito sentido. Do que adiantar fazer um trabalho que é inédito e você considera que mudaria os rumos da ciência se você não consegue fazer a sua mãe entender?

Durante duas disciplinas do INPA percebi essa importância. Bill dizia durante suas aulas que caso você não consegue se comunicar de forma eficiente caso escreva mais do que o necessário. O quanto é necessário em um artigo por exemplo David? Escrever adjetivos e substantivos exóticos e até mesmo frases apenas pra chamar a atenção sem possuir realmente um conteúdo nela. Seu objetivo é que sua mãe entenda o que você fez, se conseguir isso você é um gênio. Você deseja que a informação tenha fácil acesso e seja compreendida rapidamente, por quê insistir em escrever “bonito”? Estamos em uma sociedade que não possui tempo para as pessoas que amam, por quê você quer gastar ainda mais tempo delas apenas pra chamar a atenção pro seu artigo?!

Eu particularmente acho que as pessoas no mundo acadêmico tentam “vender o peixe” de uma forma muito egoísta. “Olha escrevi uma frase super atrativa sem ter muito a ver com o que realmente faço! Os leitores ficaram curiosos e vão acabar lendo e me citando!!!”. Você acha isso bonito? Não gosto de você se a resposta for sim. Não seria mais interessante se a primeira frase do trabalho fosse a conclusão do mesmo? Isso economiza tempo das pessoas e economias de qualquer coisa hoje em dia é motivo de louvor. O leitor vai ler o título do seu trabalho e assim que se deparar com a primeira frase já conhece o que realmente importa: conclusões. O interesse no trabalho ainda pode surgir nessa primeira frase, conclusões interessantes obrigaram o leitor a ler seu trabalho querendo saber como você chegou a tal constatação intrigante. É além disso é uma forma de se perceber perguntas óbvias. Existem mais espécies em reservas maiores? A primeira frase de um trabalho desse é óbvia: existem mais espécies em reservas maiores, devido ao fato que cabem mais seres vivos se possuirmos mais espaço.

Enfim, escrevendo esse post comecei falando de algo terminei com outra coisa que surgiu do “nada”. Ser honesto da menos citações mas permite que as pessoas percam menos tempo com farsas. Te amo Lilian.

Eu não gosto de vocês.

Estou sem postar a algum tempo devido a enorme preguiça e o trabalho de conclusão de curso. Agora tenho um Bacharel em Ciências Biológicas e estou feliz com isso! Agora entrei em uma nova fase da minha vida acadêmica…Mestrando em Ecologia no INPA (Instituto Nacional de Pesquisas da Amazônia). Fiz a prova sem muita esperança e estudo pois tinha acabado de entregar o TCC (Trabalho de Conclusão de Curso). Quando olhei os resultados e estava com meu nome já achei uma grande vitória, algum tempo depois a Coordenadora da Ecologia me envia um e-mail dizendo que a vaga era minha caso tivesse interesse. Obviamente pirei muito com a noticia e hoje estou aqui em Manaus lhes escrevendo. Nesse intervalo também quase virei socio do meu irmão no ramo da fotografia http://www.segredosdafotografia.com/

Enfim, já fiz a maioria das matérias obrigatórias do programa e estou adorando os desafios de tentar dominar tudo isso. Já comecei a incluir algumas coisas interessantes no meus modelos bayesianos como a temida auto-correlação espacial. Existem vários livros dedicados ao assunto e irei explicar o motivo das preocupações disso na pesquisa.

Deu preguiça novamente de escrever uma revisão de literatura. Mas a auto-correlação pode ser imaginada como algo que influencia a independência dos seus dados. Por que as amostras deveriam ser independentes? Oh meu jovem padawan, como vai analisar seu dados com uma estatística que tem como pressuposto fundamental independência das amostras?

Mas como atingar essa independência no campo? A regra que deve ser memorizada sem pensar muito é: amostras distantes umas das outras. Mas com tudo depende da escala isso pode acabar adicionando mais problemas. Exemplo disso são os trabalhos de Biogeografia onde a coleta em enormes escalas pode incluir diversos ambientes e consequemente variações ambientais que podem literalmente FUDER a analise.

Agora imagine que você não precisa mais se preocupar com isso e fazer a coleta divertida (pegar tudo sem se preocupar com independência) como os museus fazem! Isso não seria ótimo?! Já tem gente fazendo isso, o exemplo mais simples que pude encontrar é de Sberze et al 2010. Originalmente seriam apenas três amostras como o editor apontou. Mas como a modelagem bayesiana facilita as coisas e nos evita fazer uma matemática pesada, eles apenas tiveram que se preocupar como quantificar a influencia dos pontos vizinhos no atual. Assim a amostragem aumentou de três pra mais de 20 amostras analisáveis.

Então fica a mensagem: modela a sua dependência devido a preguiça/custo de coleta e seja feliz como os pesquisadores ricos e com muitos escravos! Em breve postarei um modelo que estou desenvolvendo.

Até anônimos.

Pra quem trabalha com desenvolvimento já deve ter esbarrado com a necessidade de possuir algo capaz de verificar dependências, compilar e linkar seu programa de uma forma rápida e eficiente.

O sistema mais popular é com certeza o Autotools que provavelmente acompanha a maioria das distribuições Linux, porem nem tudo é perfeito…Vamos pensar em um projeto grande KDE. Vocês devem estar imaginando “ah com certeza ele usa o autotools pois esta presente na maioria dos sistemas…”, já foi a escolha deles mas atualmente o projeto que esta entre um dos maiores no universo open source usa o CMake. Caso deseje mais informações da mudança de autotools para cmake visiste Why the KDE project switched to CMake — and how (continued).

CMake é um sistema de construção de software que possui a mesma finalidade que o autotools porem prometem velocidade, flexibilidade e menor curva de aprendizado.

Eu, como um curioso da informática e fissurado por testar hipóteses graças a minha paixão a biologia tive a ideia de realizar um Benchmark do tempo de “configure” (procura por dependências e criação do respectivo Makefile) de cada um.

METODOLOGIA

Para realizar tal benchmark é necessário primeiro ter algum programa onde eu possa executar alguns scripts. Escolhi o Garden of Coloured Lights (jogo que precisa de 108% de atenção) já que é um programa que eu mesmo empacotei para o gentoo e conheço bem a estrutura de diretórios. Se usa gentoo aprecie o game dando um emerge garden.

Foi necessário criar o CMakeLists.txt pois o jogo não vem com suporte padrão ao CMake (isso deu dor de cabeça durante 2 dias). Em seguida vinha a parte de coleta de dados, para isso criei dois scripts que executavam tanto um ./configure quanto um cmake . 1000 vezes, sendo que em cada execução era verificado quanto tempo levo e no final dava o devido “clear” nos arquivos gerados e aguardava um segundo e começava a nova execução.

RESULTADOS

Deixei os scripts rodando e fui dormir acordei e comecei a analisar os dados. Os resultados foram compilados no gráfico abaixo.

Gráfico 1 - Tempo de execução de cada programa.

Podemos ver que o CMake (tempo médio: 0,4459 segundos) foi muito mais rápido do que o autotools (tempo médio: 3,534 segundos). Os dois círculos em ambos os programas são outliers que sempre apareceram na primeira vez que executamos um programa.

CONCLUSÃO

CMake é mais rápido do que o velho e famoso autotools. Pretendia mostrar uma análise estatística mas a mesma se faz desnecessária (fiz mesmo assim Mann-Whitney e deu significativo P < 0.001).

Agora a batalha entre os dois sistemas pode ficar ainda pior pois vai entrar em ação o fator preferência e experiência de uso. Espero que minha humilde contribuição ajude  alguns desenvolvedores que ainda possuem a duvida de qual sistema de construção utilziar.

Caso deseje ter acesso aos scripts deixe um comentário com e-mail que ficarei feliz em enviar.

REFERÊNCIAS/VERSÕES

Garden of Coloured Lights: 1.0.6
GCC: 4.4.1
CMake: 2.6-patch 4
GNU Make: 3.81
uname -a: Linux kogan-ryuu 2.6.31-gentoo-dvd #1 SMP PREEMPT Sat Sep 26 00:34:20 BRT 2009 i686 Intel(R) Core(TM)2 Duo CPU E7300 @ 2.66GHz GenuineIntel GNU/Linux

INSTALANDO, TESTANDO E ATUALIZANDO

Obviamente comecei baixando o Gentoo e o kernel através do windows (uso discada), instalei o modem e fiz meu primeiro emerge –sync, demoro horas sem nenhum exagero! Já resolvi a começar a procurar soluções para diminuir esse tempo, uma semana depois resolvi usar o emerge-delta-webrsync. Tive um grande sucesso, não levo mais que 2 minutos nessa conexão de 56k para fazer o sync do sistema apartir da primeira execução. A próxima medida era providenciar uma solução parecida para as atualizações dos pacotes. A solução encontrada foi o getdelta, ele funciona criando patchs dos sources que já possuo diminuindo assim o consumo de banda. Em alguns casos o getdelta chegou a salvar 98% de banda.

Conclusão: Para usuarios de discada como eu o melhor é usar alternativas que visam economizar banda como os utilitários getdelta e emerge-delta-webrsync ambos disponíveis na árvore principal do Gentoo.

WMII – WINDOW MANAGER IMPROVED 2

Precisava de um gerenciador de janelas rapído e com opções de customização avançadas e ao mesmo tempo simples, logo surgiu uma boa opção, o WMII. Escolhi o WMII devido as boas recomendações do Morte e não me arrependo. O WMII é um gerenciador de janelas dinâmico usando o conceito de tiling para organizar as janelas que o usuário abrir de forma a aproveitar todo o espaço disponível e minimizar o processo de posicionamento das mesmas.

Usando o WMII e o URxvt tive a vontade ridícula de ver o URxvt transparente e os problemas começaram. Fiz pesquisas e não encontrei nenhum metodo/script que me agradace nessa tarefa logo pensei se o WMII poderia facilitar minha vida. O cenário do problema era o seguinte.

Só conseguir ter a transparência usando a ferramenta transset que infelizmente precisava ser executada e eu ainda precisava clicar na janela que desejava transparência. Pesquisei mais um pouco no oraculo e encontrei o transset-df uma versão do transset modifica com a possibilidade de passar o ID da janela que deseja tornar transparente. A partir dai comecei a pensar como procurar e passar o ID de cada novo URxvt aberto.

Resolvi analisar o fs (file system) do WMII, pois me recordava de algo com ID dos clients abertos. Monitorando a parte de eventos percebi coisas uteis.

dvd@kogan-ryuu ~ $ wmiir read /event
Key Mod4-Return        # combinação de teclas que aperto para abrir o URxvt
CreateClient 0x1c00009 # Evento CreateClient sendo disparado com o ID da janela do URxvt
...

Com essa informação disponível e com a alta capacidade de customização do WMII eu resolvi o problema editando meu ~/.wmii-3.5/wmiirc na função eventstuff da seguinte maneira:

...
Event CreateClient
if [ $(wmiir read /client/${@}/props | grep ^urxvt) ]; then
transset-df -i $@ .8
fi
...

Não possuo conhecimentos em shell scripting mas essa solução tem funcionado de forma satisfatória.

Conclusão: WMII é um gerenciador de janelas poderoso com suporte a modificações em qualquer linguagem de programação. Uso, gosto e recomendo.

CONTRIBUINDO

Contribuir com o Gentoo a primeira vista não é tão simples quanto no Arch mas posso garantir que seu pacote pode entrar mais rápido na árvore principal que você pode esperar.

Através do Twitter  fiquei sabendo do Garden of Coloured Lights e não encontrei no Gentoo o pacote, resolvi então criar o Ebuild e pedir revisões no #gentoo-sunrise@irc.freenode.net. Minha intenção era enviar o Ebuild para o overlay Sunrise mas meu bug acabo indo acabar diretamente na árvore principal depois de um melhoramento gradual e bastante leitura sobre a escrita de Ebuilds. Mr. Bones verificou meu bug fez uma observação e agora todos os usuários do Gentoo contam com um game realmente diferente para os momentos de tedio.

Conclusão: Difícil contribuir? Apenas se você tiver preguiça de ler. O projeto é aberto a contribuições e conta com uma documentação invejável se comparada a outras distribuições.

CONCLUSÃO

Gentoo é uma distribuição um pouca avançada para iniciamentes mas perfeita para entusiastas com Linux. Estou feliz com o Gentoo e pretendo continuar com ele por muito tempo.

Quantas vezes no dia você para totalmente e fica observando algo? Tenho certeza que raramente, ainda mais nesses tempos agitados que vivemos hoje. Se formos fazer uma analise das grandes descobertas do passado grande parte das mais conhecidas se deu por acaso ou simplesmente porque alguem dedicou seu precioso tempo na terra que nunca mais voltara para aprender mais sobre algo, um grande exemplo é o famoso Darwin.

Darwin fez uma viagem pelo mundo abordo do Beagle, nela ele observou e pensou muito (mesmo sem querer ele faria, mar, água, MUITA, água) de seus pensamentos surgiu uma teoria que mudou a forma de pensar do mundo acadêmico. Alguém conhece um exemplo melhor de conhecimento a partir da observação?

Essa semana ouvi uma explicação do porque temos mais biodiversidade nos trópicos, uma síntese rápida seria assim: todos sabemos que na faixa entre os trópicos os raios solares incidem com um ângulo mais acentuado que no resto do planeta, nossos produtores de energia no planeta são as plantas, elas criam energia a partir do Sol se essa energia produzida é maior menos energia se perde ao longo da cadeia e conseqüentemente mais energia os animais terão para se reproduzirem e isso levara a maior variação genética da comunidade, devemos lembrar que todo animal é oportunista (onde tiver chance ele não deixara passar) se o alimento esta disponível ele não ira pensar duas vezes para se alimentar.

Todas essa informações são coisas que eu sabia mas que combinadas conseguiram explicar algo realmente incrível. O que me faltou para saber a resposta assim que a pergunta foi feita? Certamente pensar, dedicar mais tempo da vida a pensar não é deixar a vida passar é deixar a vida mais interessante.

Depois dessa aula resolvi tentar pensar em coisas que nunca pensei antes. Por que aquela aranha paro de fugir de mim quando encontro uma sombra para se esconder? Por que ela começo a fugir novamente assim que soltei um “bafo” nela?

Esse é um post mais filosófico do que instrutivo, mas considerei mais importante do que qualquer outra coisa que aprendi no momento. Se alguém ler isso espera que seja útil e mude a sua forma de pensar.

Nesta ultima quinta-feira tivemos uma aula sobre Sucessão Primaria e Secundaria com a Professora Andreza de Anatomia vegetal (farei no próximo período) .

Não tenho a capacidade pra falar como a professora com doutorado, mas resumidamente seria:

Sucessão primária : é a primeira colonização de plantas em um local geralmente pode ser visto em pedras que estão sofrendo intemperismo.

Sucessão Secundária: ocorre apenas quando todas as plantas foram removidas do local, desmatamento seria um bom exemplo.

Recentemente ocorreu uma queimada perto da casa de uma amiga e sempre passo por lá de condução eu vejo a terra preta, mas com o tempo comecei a ver uma árvore brotando e agora vejo 7 bem próximas uma das outras. As árvores são embaúbas, suas sementes só germinam na presença de luz (pioneiras), fácil de ser identificada quando se olha uma floresta de cima pelas suas folhas pratas, dando contraste com a paisagem.

O engraçado é ver meus amigos dizendo que eu aprendo outro idioma com a biologia, mas não é aprender outro idioma é aprender o nome de eventos e estruturas que ajudam a universalizar o descrição de modo científico.

É fácil identifica-las pelo contraste que causam (clique na imagem para ampliar):