{{:bie5782:01_curso_atual:alunos:trabalho_final:mariana_dutra:dsc_0042.jpg?200|}}

Mariana Dutra Fogaça

Doutoranda em Psicologia Experimental, na USP. Desenvolvendo o projeto "Comportamento alimentar e propriedades físicas e nutricionais dos alimentos consumidos por macacos-prego (//Cebus nigritus//), no Parque Estadual Carlos Botelho, SP." orientado pela Profa. Dra Patrícia Izar (IP-USP) e co-orientado pelo Prof. Dr Barth Wright (Kansas City University). 
Sabe-se da relação entre o aparato mastigatório e o tipo de alimento consumido, contudo, esse projeto pretende avaliar a existência de caminhos alternativos para "vencer" a barreira física do alimento e analisar a diferença dos métodos de processamento intra e entre grupos, sempre levando em conta o ganho nutricional. 
Apesar de não ser o objetivo principal desse projeto é instigante levantar perguntas sobre o comportamento alimentar desse gênero que é muito peculiar. Os macacos-prego são animais com grande flexibilidade comportamental; podem usar ferramentas para acessar um recurso alimentar e grupos diferentes da mesma população possuem técnicas diferentes para acessar determinados recursos. Dessa forma: o uso de ferramenta está relacionado com a "dureza" do alimento, ou a outros comportamentos (como display sexual)? Qual o real valor adquirido pelo grupo que possui técnica para acessar determinados recursos? É a "dureza" do alimento que impede que o grupo sem "conhecimento" da técnica o acesse, ou apenas uma diferença "cultural"?

TRABALHO FINAL

PROPOSTA A

Quero fazer uma função de análise fatorial para comparar dois métodos de estimativa de biomassa de fruto disponível. O grupo de estudos de macacos—prego do Parque Estadual Carlos Botelho utiliza-se de pitiful para coletar frutos obtendo o resultado de kg/hac. Um método mais utilizado em diversos estudos é fazer um transecto e estimar a copa e a frutificação das árvores do transecto. 

PROPOSTA B
Primeiro gerar um data.frame onde cada linha será um indivíduo e as colunas as variáveis (toughness,modulus elastic, pré-canino, pós-canino, manipulação, puxar com mãos, puxar com mãos e cabeça, puxar com corpo, número de mordidas e tempo de mastigação), depois criar um gráfico que mostre essas variações por indivíduo ao longo do tempo.

**Comentários**
A proposta B me parece muito simples, mas confesso que não entendi completamente a A. Será concatenada a estimativa de biomassa de fruto e depois uma análise fatorial? Se for isso, parece muito bom.

 --- //[[macfabio@gmail.com|Fabio de A. Machado]] 2011/04/06 19:38//


**Após a entrega:** O help não bate com a função, incluindo falta de correspondência dos argumentos. O propósito da função em si não ficou claro, já que o ''primcomp'' já faz tudo isto, com mais opções. Nada contra uma função que seja uma versão simplificada de outra já existente, desde que não use a já existente.

======
 
[[.:exec]]
 
HELP DA FUNÇÃO
 
fact.analisis                                 package:nenhum                   R Documentation

Description:
Retorna dois gráficos que mostra a distância entre as variáveis, para investigar a dependência de um conjunto de variáveis.
 
Usage:
Fact.analisis(mydata, cor = FALSE, covmat = NULL, …...)

Arguments:

Mydata: matrix com número de colunas (variáveis) menor que número de linhas (observações). 

Cor: valor lógico.

Covmat: matrix de covariância

.......: qualquer argumento a repassar para a função plot.

Details:

Precisa instalar o pacote psych. 

Value:

Dois gráficos são gerados. É exibido um sumário.

Author(s):

Mariana Dutra Fogaça

References:
-------------------------

See Also:

princomp()
biplot()
principal()

Examples:

minha.matrix=matrix(12:23,nrow=12,ncol=2)
minha.matrix

CÓDIGO DA FUNÇÃO

fact.analisis=function(x)
              {
              fit=princomp(x)
		  iqd=summary(fit)
              par(mfrow=c(2,1))	
              plot(fit,type="lines")
              loadings(fit)              
              fit$scores
		  biplot(fit,xlim=c(-10,10),ylim=c(-10,10))
              iqd.2=principal(x, rotate="varimax")
          par(mfrow=c(1,1))
    return(summary(fit))
			}