Subfolders added

.gitignore

@@ -2,3 +2,4 @@
 PC5 Forrageio/.DS_Store
 PC5 Forrageio/.Rhistory
 .DS_Store
+.Rhistory

PC2 Reproducao/caranguejos.R

@@ -6,9 +6,9 @@
 # Profs. Jose Carlos Motta Jr. & Marco A. R. Mello
 # Prática de Computador II
 # Tema: Reproducao
-# Agradecimentos: Alexandre Palaoro, primeiro autor do artigo, cedou-nos os
-# dados usados nesta prática
 # 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.
 ################################################################################
 
 
@@ -47,11 +47,11 @@ plot(dados$status2~dados$ap)
 
 # Plote a relação entre o status e o comprimento cefalotorácico, depois exporte
 # o gráfico como um arquivo PNG
-png(filename= "p1.png", res= 300, height= 3000, width= 3000)
+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) + 
   stat_smooth(method="glm", method.args=list(family="binomial"), se=FALSE) +
-  labs(x="Comprimento cefalotoracico", y = "Status") +
+  labs(x="Comprimento cefalotorácico", y = "Status") +
   theme(text = element_text(size=20),
         plot.title = element_text(size=40, hjust=0.5),
         axis.text.x = element_text(size = 20, angle=0, hjust=1),
@@ -67,7 +67,7 @@ fit1 = glm(dados$status2~dados$cc, family=binomial)
 summary(fit1)
 res1 = anova(fit1, test="Chisq")
 res1
-capture.output(res1, file = "resultados-cc.txt")
+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
@@ -84,7 +84,7 @@ curve (exp(fit1$coefficients[[1]]+fit1$coefficients[[2]]*x)/
 
 # Plote a relação entre o status e a altura do própodo, depois exporte o gráfico
 # como um arquivo PNG
-png(filename= "p2.png", res= 300, height= 3000, width= 3000)
+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) + 
   stat_smooth(method="glm", method.args=list(family="binomial"), se=FALSE) +
@@ -104,7 +104,7 @@ fit2 = glm(dados$status2~dados$ap, family=binomial)
 summary(fit2)
 res2 = anova(fit2, test="Chisq")
 res2
-capture.output(res2, file = "resultados-ap.txt")
+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
@@ -125,7 +125,7 @@ fit3 = glm(dados$status2~dados$ap+dados$cc, family=binomial)
 summary(fit3)
 res3 = anova(fit3, test="Chisq")
 res3
-capture.output(res3, file = "resultados-ap-cc.txt")
+capture.output(res3, file = "resultados/resultados-ap-cc.txt")
 
 
 ############################## TESTE 4 #########################################
@@ -138,7 +138,7 @@ fit4 = glmer(status2 ~ ap + cc + (1|dupla), family=binomial, data=dados)
 summary(fit4)
 res4 = anova(fit4, test="Chisq")
 res4
-capture.output(res4, file = "resultados-ap-cc-dupla.txt")
+capture.output(res4, file = "resultados/resultados-ap-cc-dupla.txt")
 isSingular(fit4, tol = 1e-05)
 
 
@@ -152,7 +152,7 @@ summary(fit5)
 fit5.res = resid(fit5)
 
 #Plote a relação entre os fatores, depois exporte o gráfico como um arquivo PNG
-png(filename= "p5.png", res= 300, height= 3000, width= 3000)
+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") +
   geom_point(colour = "#1855FA", size=4, alpha = 0.5) +
@@ -172,7 +172,7 @@ 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= "p6.png", res= 300, height= 3000, width= 3000)
+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) + 
   stat_smooth(method="glm", method.args=list(family="binomial"), se=FALSE) +
@@ -192,5 +192,34 @@ fit6 = glmer(status2 ~ fit5.res + (1|dupla), family=binomial, data=dados)
 summary(fit6)
 res6 = anova(fit6, test="Chisq")
 res6
-capture.output(res6, file = "resultados-res-dupla.txt")
+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 

PC5 Forrageio/lobos.R

@@ -76,7 +76,7 @@ p1 #essa nuvem em torno da reta de tendência é o intervalo de confiança
 
 # Quer exportar o gráfico como uma imagem de alta resolução usando comandos,
 # ao invés da janelinha de export? Experimente esta solução:
-png(filename= "p1.png", res= 300, height= 3000, width= 3500)
+png(filename= "figuras/p1.png", res= 300, height= 3000, width= 3500)
 p1
 dev.off()
 
@@ -93,12 +93,16 @@ resultados1
 
 # Quer exportar os resultados como um arquivo de texto? Use esta solução,
 # por exemplo.
-capture.output(resultados1, file = "res1.txt")
+capture.output(resultados1, file = "resultados/res1.txt")
 
 # Outra forma de testar a significância seria através de uma análise de
 # variância (ANOVA). Experimente essa alternativa.
-res1 = anova(fit1, test="Chisq")
-res1 #E ai? Mudou alguma coisa?
+resultados2 = anova(fit1, test="Chisq")
+resultados2 #E ai? Mudou alguma coisa?
+
+# Quer exportar os resultados como um arquivo de texto? Use esta solução,
+# por exemplo.
+capture.output(resultados2, file = "resultados/res2.txt")
 
 # Você pode tambem calcular a odds ratio, que te informa o quanto o Y muda a
 # cada mudança de 1 unidade do X.
@@ -111,27 +115,61 @@ exp(cbind(coef(fit1), confint(fit1)))
 # modelos: um contendo o fator de interesse (fit1, criado alguns passos atrás)
 # e outro sem ele (nulo). Veja como fazê-lo.
 nulo = glm(preytype~1, family=binomial(link="logit")) 
-anova(nulo, fit1, test="Chisq") #E ai? Mudou alguma coisa?
+resultados3 = anova(nulo, fit1, test="Chisq") 
+resultados3 #E ai? Mudou alguma coisa?
+
+# Quer exportar os resultados como um arquivo de texto? Use esta solução,
+# por exemplo.
+capture.output(resultados3, file = "resultados/res3.txt")
 
 # Não faltam formas de se testar a significância de um GLM. Uma terceira
 # alternativa é por seleção de modelos, usando o AICc: critério de informacao
 # de Akaike corrigido. Escolhe-se o modelo que apresenta menor valor de AICc.
 # Considera-se a diferença (delta) entre dois modelos significativa, apenas se
 # AICc1 - AICc2 > 2.
-AICctab(fit1,nulo)
+resultados4 = AICctab(fit1,nulo)
+resultados4
+
+# Quer exportar os resultados como um arquivo de texto? Use esta solução,
+# por exemplo.
+capture.output(resultados4, file = "resultados/res4.txt")
 
 # Caso você decida que mais de um fator importa neste caso, pode fazer um modelo
 # multifatorial, como neste exemplo. Esses modelos podem incluir a interação
 # entre os fatores, mas vamos deixar essa complicação adicional para outra hora.
 fit2 = glm(preytype~moosedensity+timesincekill, family=binomial(link="logit"))
 
 # Confira o resultado.
-summary(fit2)
+resultados5 = summary(fit2)
+resultados5
 
+# Quer exportar os resultados como um arquivo de texto? Use esta solução,
+# por exemplo.
+capture.output(resultados5, file = "resultados/res5.txt")
 
-################################################################################
 
-#Sugestões de leitura:
+########################### 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

PC5 Forrageio/resultados/res2.txt

@@ -0,0 +1,14 @@
+Analysis of Deviance Table
+
+Model: binomial, link: logit
+
+Response: preytype
+
+Terms added sequentially (first to last)
+
+
+             Df Deviance Resid. Df Resid. Dev Pr(>Chi)  
+NULL                           364     432.48           
+moosedensity  1   5.4235       363     427.05  0.01987 *
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

PC5 Forrageio/resultados/res3.txt

@@ -0,0 +1,9 @@
+Analysis of Deviance Table
+
+Model 1: preytype ~ 1
+Model 2: preytype ~ moosedensity
+  Resid. Df Resid. Dev Df Deviance Pr(>Chi)  
+1       364     432.48                       
+2       363     427.05  1   5.4235  0.01987 *
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

PC5 Forrageio/resultados/res4.txt

@@ -0,0 +1,3 @@
+     dAICc df
+fit1 0.0   2 
+nulo 3.4   1 

PC5 Forrageio/resultados/res5.txt

@@ -0,0 +1,25 @@
+
+Call:
+glm(formula = preytype ~ moosedensity + timesincekill, family = binomial(link = "logit"))
+
+Deviance Residuals: 
+    Min       1Q   Median       3Q      Max  
+-2.0372  -1.4597   0.7733   0.8467   0.9506  
+
+Coefficients:
+              Estimate Std. Error z value Pr(>|z|)  
+(Intercept)    0.56016    0.23143   2.420   0.0155 *
+moosedensity   0.14958    0.08295   1.803   0.0713 .
+timesincekill  0.04052    0.04632   0.875   0.3817  
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+
+(Dispersion parameter for binomial family taken to be 1)
+
+    Null deviance: 406.03  on 341  degrees of freedom
+Residual deviance: 401.86  on 339  degrees of freedom
+  (23 observations deleted due to missingness)
+AIC: 407.86
+
+Number of Fisher Scoring iterations: 4
+

README.md

@@ -1,17 +1,23 @@
 # EcoAnimal
 
-Códigos e dados usados nas práticas da disciplina "Tópicos Avançados em Ecologia de Animais" (BIE0315), Departamento de Ecologia, Instituto de Biociências, Universidade de São Paulo.
+Códigos e dados usados nas práticas do Bloco 2 da disciplina ["Tópicos Avançados em Ecologia de Animais"](https://uspdigital.usp.br/jupiterweb/obterDisciplina?sgldis=BIE0315&verdis=4) (BIE0315), Departamento de Ecologia, Instituto de Biociências, Universidade de São Paulo. A disciplina é ministrada pelos professores José Carlos Motta Jr. e Marco A. R. Mello.
 
-Laboratório de Síntese Ecológica (SintECO): https://marcomellolab.wordpress.com.
+Laboratório de Síntese Ecológica ([SintECO](https://marcomellolab.wordpress.com)).
 
-Autor: Marco Mello.
+Autor: Marco A. R. Mello.
 
-E-mail: [email protected].
+E-mail: [marmello\@usp.br](mailto:[email protected]){.email}.
 
 Publicado originalmente em 02/05/2022 e atualizado constantemente.
 
 Feito em R version 4.1.2 (2021-11-01) -- "Bird Hippie"
 
-Aviso: Você pode usar este software livremente para fins não-comerciais por sua conta e risco, seguindo a licença mencionada no repositório. Não assumimos nenhuma responsabilidade pelo uso deste software, não fornecemos nenhuma licença ou título sob qualquer patente, direito autoral ou trabalho de máscara ao produto. Reservamo-nos o direito de fazer alterações no software sem notificação. Também não fazemos nenhuma declaração ou garantia de que este software seja adequado para o uso especificado sem os devidos testes ou modificações. Se este software ajudar você a produzir qualquer trabalho acadêmico (artigo, livro, capítulo, dissertação, tese, monografia, palestra, defesa, aula etc.), por favor, credite os autores e cite a fonte, usando o DOI ou URL para este repositório.
+## Aviso
 
-Versão antiga: https://github.com/marmello77/EcoAnimal2019
+Você pode usar este software livremente para quaisquer fins por sua conta e risco, seguindo a licença mencionada no repositório. Não assumimos nenhuma responsabilidade pelo uso deste software, não fornecemos nenhuma licença ou título sob qualquer patente, direito autoral ou trabalho de máscara ao produto. Reservamo-nos o direito de fazer alterações no software sem notificação. Também não fazemos nenhuma declaração ou garantia de que este software seja adequado para o uso especificado sem os devidos testes ou modificações. Se este software ajudar você a produzir qualquer trabalho acadêmico (artigo, livro, capítulo, patente, dissertação, tese, monografia, palestra, defesa, aula etc.), por favor, credite os autores e cite a fonte, usando o DOI estável para este repositório.
+
+[Versão antiga](https://github.com/marmello77/EcoAnimal2019).
+
+## Agradecimentos
+
+Agradeço ao Prof. Motta Jr., coordenador da disciplina, e a todos os tutores e monitores, que ao longo dos anos foram me ajudando a melhorar estas práticas e seus respectivos códigos. Um salve especial vai para a comunidade do [StackOverflow](https://stackoverflow.com), onde resolvermos a maioria dos nossos problemas.