Skip to content

Commit

Permalink
Tutoriais adicionados
Browse files Browse the repository at this point in the history
  • Loading branch information
@marmello77
marmello77 committed May 3, 2022
1 parent 56d9b61 commit 22756b9
Show file tree
Hide file tree
Showing 17 changed files with 734 additions and 257 deletions.
Binary file modified PC2 Reproducao/figuras/p2.png
View file
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
Binary file modified PC2 Reproducao/figuras/p6.png
View file
Loading
Sorry, something went wrong. Reload?
Sorry, we cannot display this file.
Sorry, this file is invalid so it cannot be displayed.
74 changes: 4 additions & 70 deletions PC2 Reproducao/caranguejos.R → PC2 Reproducao/reproducao.R
View file
Original file line number Diff line number Diff line change
Expand Up @@ -2,41 +2,29 @@
# Universidade de São Paulo
# Instituto de Biociências
# Departamento de Ecologia
# Topicos Avancados em Ecologia de Animais (BIE0315)
# Profs. Jose Carlos Motta Jr. & Marco A. R. Mello
# Prática de Computador II
# Tema: Reproducao
# Artigo de base: http://dx.doi.org/10.1016/j.anbehav.2014.06.014
# Agradecimentos: Alexandre Palaoro, primeiro autor do artigo de base, cedou-nos
# os dados usados nesta prática.
# Topicos Avançados em Ecologia de Animais (BIE0315)
# Profs. José Carlos Motta Jr. & Marco A. R. Mello
# Prática de Computador II: Reprodução
# README: https://github.com/marmello77/EcoAnimal#readme
################################################################################


# Defina o diretório de trabalho como sendo a origem deste script
setwd(dirname(rstudioapi::getActiveDocumentContext()$path))

# Remova todos os objetos prévios
rm(list= ls())

# Limpe o console
cat("\014")

# Carregue os pacotes necessarios
library(ggplot2)
library(lme4)

# Importe os dados e inspecione-os
dados<- read.delim("dados.txt", header=T)
dim(dados)
head(dados)
tail(dados)

# Transforme a variável "status" em numérica e binária, salvando-a como uma nova
# variável
dados$status2 <- ifelse(dados$status == "perdedor", 0, 1)
head(dados)

# Examine de forma rápida as relações es entre as variáveis
plot(dados$cc~dados$ap)
plot(dados$status2~dados$cc)
plot(dados$status2~dados$ap)
Expand All @@ -45,8 +33,6 @@ plot(dados$status2~dados$ap)
############################## TESTE 1 #########################################


# Plote a relação entre o status e o comprimento cefalotorácico, depois exporte
# o gráfico como um arquivo PNG
png(filename= "figuras/p1.png", res= 300, height= 2000, width= 3000)
p1 = ggplot(dados, aes(x=cc, y=status2)) +
geom_point(colour = "#1855FA", size=4, alpha = 0.5) +
Expand All @@ -61,16 +47,12 @@ p1 = ggplot(dados, aes(x=cc, y=status2)) +
p1
dev.off()

# Teste se a relação é significativa e examine os valores estatísticos, depois
# exporte os resultados como um arquivo TXT
fit1 = glm(dados$status2~dados$cc, family=binomial)
summary(fit1)
res1 = anova(fit1, test="Chisq")
res1
capture.output(res1, file = "resultados/resultados-cc.txt")

# Você tambem pode plotar o gráfico usando apenas o pacote base, com base nos
# resultados do teste que acabou de fazer
plot(dados$status2~dados$cc,
xlab = "Comprimento do corpo",
ylab = "Status")
Expand All @@ -82,8 +64,6 @@ curve (exp(fit1$coefficients[[1]]+fit1$coefficients[[2]]*x)/
############################## TESTE 2 #########################################


# Plote a relação entre o status e a altura do própodo, depois exporte o gráfico
# como um arquivo PNG
png(filename= "figuras/p2.png", res= 300, height= 2000, width= 3000)
p2 = ggplot(dados, aes(x=ap, y=status2)) +
geom_point(colour = "#1855FA", size=4, alpha = 0.5) +
Expand All @@ -98,16 +78,12 @@ p2 = ggplot(dados, aes(x=ap, y=status2)) +
p2
dev.off()

# Teste se a relaçãoo é significativa e examine os valores estatísstivos,
# depois exporte os resultados como um arquivo TXT
fit2 = glm(dados$status2~dados$ap, family=binomial)
summary(fit2)
res2 = anova(fit2, test="Chisq")
res2
capture.output(res2, file = "resultados/resultados-ap.txt")

# Você tambem pode plotar o gráfico usando apenas o pacote base, com base nos
# resultados do teste que acabou de fazer
plot(dados$status2~dados$ap,
xlab = "Comprimento do corpo",
ylab = "Status")
Expand All @@ -119,8 +95,6 @@ curve (exp(fit2$coefficients[[1]]+fit2$coefficients[[2]]*x)/
############################## TESTE 3 #########################################


# Teste como tanto o comprimento cefalotorácico quanto a altura do própodo
# determinam o status, depois exporte os resultados como um arquivo TXT
fit3 = glm(dados$status2~dados$ap+dados$cc, family=binomial)
summary(fit3)
res3 = anova(fit3, test="Chisq")
Expand All @@ -131,9 +105,6 @@ capture.output(res3, file = "resultados/resultados-ap-cc.txt")
############################## TESTE 4 #########################################


#Teste como tanto o comprimento cefalotorácico quanto a altura do própodo
# determinam o status, mas considerando a identidade da dupla como um fator
# aleatório, depois exporte os resultados como um arquivo TXT
fit4 = glmer(status2 ~ ap + cc + (1|dupla), family=binomial, data=dados)
summary(fit4)
res4 = anova(fit4, test="Chisq")
Expand All @@ -145,13 +116,10 @@ isSingular(fit4, tol = 1e-05)
############################## TESTE 5 #########################################


#Teste a relação entre os fatores usados nas análises anteriores, salvando os
# resíduos dessa relação para fazer uma nova análise
fit5 = lm(cc ~ ap, data=dados)
summary(fit5)
fit5.res = resid(fit5)

#Plote a relação entre os fatores, depois exporte o gráfico como um arquivo PNG
png(filename= "figuras/p5.png", res= 300, height= 3000, width= 3000)
p5 = ggplot(dados, aes(x=cc, y=ap), CI = F) +
geom_smooth(method=lm, colour = "#1855FA") +
Expand All @@ -169,9 +137,6 @@ p5 = ggplot(dados, aes(x=cc, y=ap), CI = F) +
p5
dev.off()

# Plote a relaçãoo entre status e os resíduos da relacao entre comprimento
# cefalotorácico e altura do própodo, depois exporte o gráfico como um
# arquivo PNG
p6 = png(filename= "figuras/p6.png", res= 300, height= 2000, width= 3000)
ggplot(dados, aes(x=fit5.res, y=status2)) +
geom_point(colour = "#1855FA", size=4, alpha = 0.5) +
Expand All @@ -186,40 +151,9 @@ ggplot(dados, aes(x=fit5.res, y=status2)) +
p6
dev.off()

# Teste se a relação é significativa e examine os valores estatísticos, depois
# exporte os resultados como um arquivo TXT
fit6 = glmer(status2 ~ fit5.res + (1|dupla), family=binomial, data=dados)
summary(fit6)
res6 = anova(fit6, test="Chisq")
res6
capture.output(res6, file = "resultados/resultados-res-dupla.txt")
isSingular(fit6, tol = 1e-05)


########################### Para saber mais ####################################

# Bolker, B. M., Brooks, M. E., Clark, C. J., Geange, S. W., Poulsen, J. R.,
# Stevens, M. H. H., & White, J.-S. S. (2009). Generalized linear mixed models:
# a practical guide for ecology and evolution. Trends in Ecology & Evolution,
# 24(3), 127–135. https://doi.org/10.1016/j.tree.2008.10.008

# Dobson, A. J., & Barnett, A. J. (2008). An introduction to generalized
# linear models (3rd ed.). CRC Press.

# Ellison, A. M., Gotelli, N. J., Inouye, B. D., & Strong, D. R. (2014).
# P values, hypothesis testing, and model selection: it’s déjà vu all over
# again. Ecology, 95(3), 609–610. https://doi.org/10.1890/13-1911.1

# Zuur, A. F., Ieno, E. N., Walker, N., Saveliev, A. A., & Smith, G. M.
# (2009). Mixed effects models and extensions in ecology with R (1st ed.).
# Springer New York. https://doi.org/10.1007/978-0-387-87458-6

# Zuur, A. F., Ieno, E. N., & Elphick, C. S. (2010). A protocol for data
# exploration to avoid common statistical problems. Methods in Ecology and
# Evolution, 1(1), 3–14. https://doi.org/10.1111/j.2041-210X.2009.00001.x

# Regressão logística na Wikipedia:
#https://pt.wikipedia.org/wiki/Regressão_logística

# GLM na Wikipedia:
# https://en.wikipedia.org/wiki/Generalized_linear_model
Loading

0 comments on commit 22756b9

Please sign in to comment.