Análise Bayesiana em estudos de comportamento agressivo de peixes

• Ano de defesa: 2018
• Autor(a) principal: Noleto Filho, Eurico Mesquita
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Análise Bayesiana; Comportamento Agressivo; Delineamento Longitudinal; Aggressive behavior; Bayesian analysis; Longitudinal design
• Link de acesso: http://hdl.handle.net/11449/153093

Este trabalho tem como objetivo testar se uma abordagem Bayesiana aprimora à análise de modelos longitudinais em estudo de comportamento agressivo em peixes. Discutimos as vantagens da análise Bayesiana ao lidar com variáveis agrupadas, resultados não estatisticamente significativos e número de réplicas utilizando o Acará Bandeira (Pterophyllum scalare), como estudo de caso. Além disso, em um segundo estudo com dados de quatro espécies de ciclídeo (Pterophyllum scalare, Oreochromis niloticus, Astronotus ocellatus e Cichlasoma), verificamos os diferentes tipos de viés que combinar variáveis baseando-se em critérios energéticos, pode causar na análise de dados. Por fim, em um terceiro estudo, nós construímos uma ferramenta estatística usando o pacote Shiny para permitir que modelos Bayesianos se tornem mais acessíveis para estudos longitudinais com agressividade. O delineamento dos dois primeiros estudos foi semelhante. Para cada espécie, 15 grupos de 3 indivíduos foram submetidos a observações diárias durante 10 minutos em 5 dias. Para o primeiro estudo, as variáveis comportamentais foram analisadas parcialmente combinadas de acordo com a intensidade do comportamento (Ataques e Displays), e completamente combinadas (soma de todas variáveis). Para o segundo, as variáveis comportamentais foram analisadas individualmente e parcialmente combinadas de acordo com a intensidade do comportamento (Ataques e Displays). As freqüências de cada registro foram modeladas usando cadeias de Monte Carlo Markov. Os resultados mostram que combinar variáveis, independente do critério, pode levar à conclusões tendenciosas, pois as variáveis que estão sendo combinadas podem apresentar diferentes frequências ou padrões temporais. Além disso, essa diferença de padrão pode acontecer de forma mais clara ou mais sutil. Alterações sutis não podem ser detectadas utilizando os métodos clássicos. Os métodos Bayesianos permitem verificar a viabilidade de combinar variáveis, pois mostram de maneira exata as mudanças na probabilidade de diferença. Outrossim, fornecem uma descrição clara das mudanças mesmo quando os padrões são sutis. Os resultados também mostraram que 12 repetições, para todas as espécies, não altera as conclusões do estudo, bem como que o uso de um pequeno tamanho de amostra poderia ser mais evidente dentro dos dias sobrepostos, que inclui a estabilidade do ranking social. Por fim, a ferramenta BayesBehav é apresentada para facilitar o uso da abordagem Bayesiana em pesquisas com comportamento agressivo de peixes.