====== Joyce Prado ======

{{:01_curso_atual:alunos:trabalho_final:joyce.prado:dsc04735.jpg?200|}}

Sou bióloga, estudante de doutorado do programa de pós-graduação em Ecologia Aplicada (ESALQ/CENA), e atuo na área de sistemática e taxonomia de pequenos mamíferos.  



[[.:exec]]

====== TRABALHO FINAL ======

Proposta A

Classicamente dados morfológicos são comparados visualmente na forma de diagramas Dice-Leraas, desenvolvido por Simpson (1961), esse procedimento em estudos de variação geográfica, permite avaliar diretamente, na geografia, a existência de descontinuidades significativas ou não, em amostras com distribuição normal. Esses diagramas são construídos com base nos intervalos de confiança de 95% da média, e a média + ou - o desvio padrão. A vantagem deste tipo de diagrama é que ele não só mostra a diferença entre as amostras, mas a regressão da variável medida. Assim minha proposta será elaborar uma função, na qual o objeto de entrada será um data frame, onde na primeira coluna estará as populações e nas colunas seguintes estarão os dados de medidas morfológicas para diferentes variáveis. O objeto de saída será uma composição de gráficos, onde cada variável terá um gráfico mostrando sua média por população, bem como seu intervalo de confiança de 95%, porém antes do cálculo das métricas a função realizará um teste para ver se a distribuição das variáveis é normal, uma vez que essa é uma das premissas dos diagramas Dice-Leraas.

Proposta B

Relações proporcionais entre as diferentes combinações de espécies são frequentemente utilizados nos estudos de taxonomia, e podem ser ilustrados através de diagramas de razão. Minha proposta será uma função que facilitará a construção desses diagramas, onde o objeto de entrada serão medidas morfométricas para diferentes grupos os quais se queiram comparar. Para cada variável serão calculados o valor absoluto da média, e + ou - duas vezes o desvio padrão da média, os quais serão convertidos em logaritmos. Em seguida, o logaritmo da média da amostra padrão (amostra a qual as outras serão comparadas) será subtraído dos logaritmos da média, e  + ou – duas vezes o desvio padrão, da amostra comparativa. As medidas maiores do que da amostra padrão serão, representados por valores positivos, as medidas menores por valores negativos. Linhas contínuas ou tracejadas em cada diagrama irão conectar as médias amostrais e barras horizontais representarão + ou – duas vezes o desvio padrão da média. A amostra que tiver as mesmas proporções que a amostra padrão será representada por valores médios em uma linha paralela à do padrão, independentemente do tamanho absoluto. Além disso, se os valores da amostra que está sendo comparada com o padrão é semelhante em tamanho absoluto, elas estarão juntas no diagrama. Se as proporções entre qualquer das dimensões medidas são semelhantes, as posições dos seus pontos em relação ao outro na escala horizontal será semelhante. O objeto de saída será um diagrama de razão com a comparação entre os diferentes grupos.

<WRAP center round box 60%>
Joyce, a proposta A parece ser muito simples em termos de execução. Acho que você deveria fazer com que ela gerasse mais dados do que apenas os gráficos com as médias das respectivas variáveis morfométricas para cada população. Tenho algumas dúvidas:o que são as regressões geradas? Essas regressões farão parte do resultado final da função? 

A segunda proposta é mais interessante em termos de resultado e execução, eu investiria nela. No entanto, tenho algumas dúvidas sobre os diagramas gerados pela função. Você tem exemplos? Quais seriam os argumentos da função gerada? Entre em contato para maiores esclarecimentos.
----//[[glaudel@globo.com|Glaucia Del-Rio]]//
</WRAP>

Olá Glaucia,
Muito Obrigada pelos comentários, escrevi um email para ti com o anexo do modelo do gráfico que pretendo fazer.

==== RESOLUÇÃO PROPOSTA B ====
====== Página de Ajuda ======

<code rsplus>

ratiodiagram                package:nenhum               R Documentation

~~Diagrama de Proporção~~

Description:

Ilustra as relações proporcionais entre as médias e o erro padrão de diferentes grupos. 

Usage:

    ratiodiagram (x, name="figura.tif", ngrupos, rmNA=TRUE, erro=TRUE) 

Arguments:

x	   matriz ou data frame contento na primeira coluna os grupos que serão comparados, e nas colunas    seguintes as variáveis que serão utilizadas na comparação dos grupos. 
name	   nome no qual a figura será exportada para a área de trabalho.	
ngrupos    número de grupos existentes no objeto x. O número de grupos existentes deve ser maior que um, senão não será executada a computação. 
na.rm      valor lógico que indica se os valores de NA devem ser removidos antes que computação prossiga.
erro       indica se as barras do erro padrão da média devem ser plotadas no gráfico.

Details:

Relações proporcionais entre as médias das variáveis de diferentes combinações de grupos são frequentemente utilizados, e podem ser ilustradas através de diagramas de razão. 
Essa função facilita a construção desses diagramas, sendo o objeto de entrada uma matriz de variáveis contínuas para diferentes grupos os quais se deseja comparar. 
Para cada amostra são calculados o valor absoluto da média de cada variável e o valor destas médias +/- duas vezes o erro padrão da média, e então estes três valores calculados são logaritmizados. 
Em seguida, o logaritmo da média da amostra padrão, ou seja, aquela à qual as outras serão comparadas, é subtraído dos logaritmos da média e dos valores de média +/- duas vezes o erro padrão de cada uma das outras amostras. As medidas maiores do que da amostra padrão são representados por valores positivos, as medidas menores por valores negativos. 
Linhas irão conectar as médias das variáveis de cada amostra e barras horizontais representarão +/- duas vezes o desvio padrão da média. 
A logaritmização dos dados elimina a distorção causada pelas diferenças de escala entre as variáveis, permitindo que todas sejam comparadas simultaneamente e de maneira proporcional entre os grupos. 
Quanto mais próximas as linhas de cada amostra, maior a similaridade entre as médias de suas variáveis. O objeto de saída é um diagrama de razão com a comparação entre os diferentes grupos.

Value:

A função ratiodiagram retorna o seguinte resultado:

Gráfico com as proporções das médias em imagem no formato TIFF
     

Warning:

Os grupos são organizados em ordem alfabética durante a computação e sempre o último grupo da lista será usado como a amostra padrão, à qual os outros grupos serão comparados.


Author(s):

Joyce Rodrigues do Prado

References:

MUSSER, G.G.; CARLETON, M.D.; BROTHERS, E.; GARDNER, A.L. Systematic studies of Oryzomyine rodents (Muridae, Sigmodontinae): diagnoses and distributions of species formerly assigned to Oryzomys “capito”. Bulletin of the American Museum of Natural History, New York, v. 236, p. 1-376, 1998.

SIMPSON, G.G. Large Pleistocene Felines of North America. American Museum Novitates, New York, v. 1136, p.1-27, 1941.


Examples:

#Para rodar os exemplos a seguir é necessário carregar o arquivo teste
dados<- read.table("teste.csv", header = TRUE,sep = ",")
ratiodiagram (teste)
ratiodiagram (teste, ngrupos, na.rm=FALSE)
ratiodiagram (teste, name="plot.tif", erro=FALSE)

</code>
 ====== Código da Função ======
<code rsplus>

# Disciplina: Uso da Linguagem R para Análise de Dados em Ecologia - 2014
# Função: Diagrama de Proporção
# Autor: Joyce Rodrigues do Prado 

ratiodiagram<- function(x,name="figura.tif", ngrupos, rmNA=TRUE, erro=TRUE)
	{	
		dados<-x #Nomeia o objeto de entrada
#Se o número de grupos for menor ou igual a 1 não é possível executar a função e aparece uma mensagem de erro.
		ngrupos<-nlevels(dados[,1])		
		if (ngrupos<=1)
		{
		stop("Atenção! ngrupos deve ser maior que 1.")
		}
#Se o número de grupos for maior que 1  a função executa normalmente.		
		else
		{		
		grupos<-levels(dados[,1]) # mostra quais são os grupos que serão comparados
			if (rmNA==FALSE)
				{
				stop("Atenção! Não é possível executar a função com NAs.")
				}
			else 
				if (erro==TRUE)
				{
				media<- aggregate(dados[,-1], list(grupos=dados[,1]), mean, na.rm=T) #calcula a média de cada variável em cada grupo
				erro<- aggregate(dados[,-1], list(grupos=dados[,1]), function(x, na.rm = T)2* sd(x, na.rm = T)/sqrt(length(x))) # calcula o erro padrão da amostra por variável
				media_pluserro<-media[,-1]+erro[,-1] # soma o erro padrão à média
				media_minorerro<-media[,-1]-erro[,-1]# diminui o erro padrão da média		
				logmedia<- log10(media[,-1]) #logaritmiza a média
				logmedia_pluserro<- log10(media_pluserro) #logaritmiza a soma da média mais erro padrão
				logmedia_minorerro<- log10(media_minorerro)#logaritmiza a diferença da média mais erro padrão
				comb1 <- expand.grid(x1=nrow(logmedia), x2=1:nrow(logmedia))  #Faz uma combinação dos grupos para calcular a diferença entre as médias dos grupos
				XSub1 <- logmedia[comb1$x1,] - logmedia[comb1$x2,] #Calcula a diferença entre as médias dos grupos
				rownames(XSub1) <- paste(comb1$x1, comb1$x2, sep="-") #Muda os nomes das linhas
				transposta1<-t(XSub1) #transpõe a matriz pra fazer o gráfico
				comb2 <- expand.grid(x1=nrow(logmedia_pluserro), x2=1:nrow(logmedia_pluserro))  #Faz uma combinação dos grupos para calcular a diferença entre a soma da média e do erro padrão dos grupos
				XSub2 <- logmedia_pluserro[comb2$x1,] - logmedia_pluserro[comb2$x2,] #Calcula a diferença entre a soma da média e do erro padrão dos grupos
				rownames(XSub2) <- paste(comb2$x1, comb2$x2, sep="-")  #Muda os nomes das linhas
				transposta2<-t(XSub2)#transpõe a matriz pra fazer o gráfico
				comb3 <- expand.grid(x1=nrow(logmedia_minorerro), x2=1:nrow(logmedia_minorerro))#Faz uma combinação dos grupos para calcular a diferença entre a diferença da média e do erro padrão dos grupos
 				XSub3 <- logmedia_minorerro[comb3$x1,] - logmedia_minorerro[comb3$x2,] #Calcula a diferença entre a diferença da média e do erro padrão dos grupos
				rownames(XSub3) <- paste(comb3$x1, comb3$x2, sep="-") #Muda os nomes das linhas
				transposta3<-t(XSub3) #transpõe a matriz pra fazer o gráfico
				nomeslinhas<-rownames(transposta1) #cria um objeto com o nome das variáveis
				i<- length(nomeslinhas) # calcula número de variáveis
				max2<- max(transposta2, na.rm =TRUE)#achando o maior valor da matriz transposta2 para usar no eixo y do gráfico
				max1<- max(transposta1, na.rm =TRUE)#achando o maior valor da matriz transposta1 para usar no eixo y do gráfico				
				max3<- max(transposta3, na.rm =TRUE)#achando o maior valor da matriz transposta3 para usar no eixo y do gráfico
				min1 <- min(transposta1, na.rm =TRUE)#achando o menor valor da matriz transposta1 para usar no eixo y do gráfico
				min2<- min(transposta2, na.rm =TRUE)#achando o menor valor da matriz transposta2 para usar no eixo y do gráfico
				min3 <- min(transposta3, na.rm =TRUE)#achando o menor valor da matriz transposta3 para usar no eixo y do gráfico
				max<-max(c(max2,max1,max3))#achando o maior valor de todas as transpostas para usar no eixo y do gráfico
				min<- min(c(min1,min2,min3))#achando o menor valor de todas as transpostas para usar no eixo y do gráfico
#Abre um dispositivo tiff para salvar o gráfico.
				tiff(file= name, width=40, height=15, unit="cm", res=300)
#Faz o gráfico
				par (family="serif")#fonte
				par(cex= 1)#tamanho dos simbolos
				par (cex.axis=1)#tamanho caracteres dos eixos
				par(cex.lab=1.2)# tamanho legenda dos eixos
				par (tcl=0.3)#posição dos tickmarks
				par(mgp=c(1.3,0.1,0))#distância da legenda em relação ao eixo
				par(bty="l")#tipo de caixa gráfica
				grafico<-matplot(transposta1, lty= c(1,2,3,4,5,6),tcl= -0.2,type="o",xaxt="n", pch=c(0,1,2,3,4,5,6,7,8,9), col="black", xlab="", ylab="", ylim= c(min,max))
				axis (side=1, at= c(1:i),label= nomeslinhas,tck=0)#editando eixo x
				legend("topright", legend = grupos, bty="n", lty= c(1,2,3,4,5,6), pch=c(0,1,2,3,4,5,6,7,8,9))#colocando legenda
				segments (x0=c(1:i), x1=c(1:i), y0= transposta2, y1= transposta3)#colocando barra de erros
				segments (x0= c(1:i-0.1), x1= c(1:i+0.1), transposta2, transposta2)#colocando barra de erros
				segments (x0= c(1:i-0.1), x1= c(1:i+0.1), transposta3, transposta3)#colocando barra de erros
#Fecha o dispositivo tiff.
    				dev.off()#fechando dispositivo
# Retorna o gráfico de proporções
				return("o gráfico foi salvo na pasta de trabalho")	
				}
				else
				{
				media<- aggregate(dados[,-1], list(grupos=dados[,1]), mean, na.rm=T) #calcula a média de cada variável em cada grupo
				logmedia<- log10(media[,-1]) #logaritmiza a média
				comb1 <- expand.grid(x1=nrow(logmedia), x2=1:nrow(logmedia))  #Faz uma combinação dos grupos para calcular a diferença entre as médias dos grupos
				XSub1 <- logmedia[comb1$x1,] - logmedia[comb1$x2,] #Calcula a diferença entre as médias dos grupos
				rownames(XSub1) <- paste(comb1$x1, comb1$x2, sep="-") #Muda os nomes das linhas
				transposta1<-t(XSub1) #transpõe a matriz pra fazer o gráfico
				nomeslinhas<-rownames(transposta1) #cria um objeto com o nome das variáveis
				i<- length(nomeslinhas) # calcula número de variáveis
								
#Abre um dispositivo tiff para salvar o gráfico.
				tiff(file= name, width=40, height=15, unit="cm", res=300)
#Faz o gráfico
				par (family="serif")
				par(cex= 1)
				par (cex.axis=1)
				par(cex.lab=1.2)
				par (tcl=0.3)
				par(mgp=c(1.3,0.1,0))
				par(bty="l")
				grafico<-matplot(transposta1, lty= c(1,2,3,4,5,6),tcl= -0.2,type="o",xaxt="n", pch=c(0,1,2,3,4,5,6,7,8,9), col="black", xlab="", ylab="")
				axis (side=1, at= c(1:i),label= nomeslinhas,tck=0)
				legend("topright", legend = grupos, bty="n", lty= c(1,2,3,4,5,6), pch=c(0,1,2,3,4,5,6,7,8,9))
#Fecha o dispositivo tiff.
    				dev.off()
# Retorna o gráfico de proporções
				return("o gráfico foi salvo na pasta de trabalho")	
				}
		}
	}
</code>

{{:01_curso_atual:alunos:trabalho_final:joyce.prado:codigo_da_funcao.r|}}
{{:01_curso_atual:alunos:trabalho_final:joyce.prado:teste.csv|}}