Ferramentas do usuário
02_tutoriais:tutorial8:start
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
| Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Última revisão Ambos lados da revisão seguinte | ||
|
02_tutoriais:tutorial8:start [2020/08/20 16:10] adalardo |
02_tutoriais:tutorial8:start [2022/06/26 13:54] adalardo |
||
|---|---|---|---|
| Linha 1: | Linha 1: | ||
| <WRAP tabs> | <WRAP tabs> | ||
| - | * [[cursos:ecor:02_tutoriais:tutorial8:start|Tutorial]] | + | * [[02_tutoriais:tutorial8:start|Tutorial]] |
| - | * [[cursos:ecor:01_curso_atual:exercicios9| Exercícios]] | + | * [[01_curso_atual:exercicios9| Exercícios]] |
| - | * [[cursos:ecor:03_apostila:programar_ale| Apostila]] | + | * [[03_apostila:programar_ale| Apostila]] |
| </WRAP> | </WRAP> | ||
| - | ====== 9. Tutoriais de Programação ====== | + | ====== 9. Criando Funções Básicas ====== |
| ===== Nossos Personagens ===== | ===== Nossos Personagens ===== | ||
| - | {{:cursos:ecor:02_tutoriais:tutorial8:pink_brain.jpg?300 | }}//Pinky and the Brain//, no Brasil, **Pinky e o Cérebro**, são personagens de uma série animada de televisão norte-americana. São dois ratos brancos de laboratório que utilizam os Laboratórios Acme como base para seus planos mirabolantes para dominar o mundo (sob razão nunca revelada). Pink é um rato totalmente estúpido e ingênuo enquanto o Cérebro é o gênio perverso que comanda os planos de conquista do mundo. | + | |
| + | <WRAP center round box 60%> | ||
| + | **__Pink & Cerebro__** | ||
| + | |||
| + | {{youtube>HRQtNBs8BF8}} | ||
| + | </WRAP> | ||
| + | |||
| + | |||
| + | |||
| + | //Pinky and the Brain//, no Brasil, **Pinky e o Cérebro**, são personagens de uma série animada de televisão norte-americana. São dois ratos brancos de laboratório que utilizam os Laboratórios Acme como base para seus planos mirabolantes para dominar o mundo (sob razão nunca revelada). Pink é um rato totalmente estúpido e ingênuo enquanto o Cérebro é o gênio perverso que comanda os planos de conquista do mundo. | ||
| Cada episódio é caracterizado, tanto no início quanto no final, pela famosa tirada onde Pinky pergunta: "//Cérebro, o que faremos amanhã à noite?//" e Cérebro responde: "//A mesma coisa que fazemos todas as noites, Pinky... Tentar conquistar o mundo!//" | Cada episódio é caracterizado, tanto no início quanto no final, pela famosa tirada onde Pinky pergunta: "//Cérebro, o que faremos amanhã à noite?//" e Cérebro responde: "//A mesma coisa que fazemos todas as noites, Pinky... Tentar conquistar o mundo!//" | ||
| Linha 20: | Linha 30: | ||
| - | {{ :cursos:ecor:02_tutoriais:pink.jpg?200 | }} | + | {{ :02_tutoriais:pink.jpg?200 | }} |
| + | |||
| + | ===== Classe Function ===== | ||
| + | |||
| + | Um objeto de função é uma classe especial de objetos no R que encapsulam algum tarefa. A função ''function()'' recebe algumas informações através dos seus argumentos e usa essas informações internamente para a realização do procedimento desejado. O procedimento ou tarefa realizada por uma função é conduzido por um algoritmo, que nada mais é que um sequência de comandos concatenados. Quando o objeto de função é chamado, ele retorna o que os outros objetos retornam no console do R, o que foi atribuído a ele, ou seja essas linhas de comando no formato de texto. Entretanto, quando o objeto da classe ''function'' é chamada com os parênteses ''( )'' ele realiza a tarefa conduzido pelo conjunto concatenados de comandos que foram atribuídos a ele. Ao final, normalmente, a função retorna um **único** objeto que contém o resultado do procedimento. Para o retorno deste objeto, normalmente usamos uma outra função chamada ''return()''. | ||
| ===== FAZENDO VERSÕES PIORADAS DE FUNÇÕES EXISTENTES!!!! ===== | ===== FAZENDO VERSÕES PIORADAS DE FUNÇÕES EXISTENTES!!!! ===== | ||
| - | Uma funções muito simples | + | Vamos construir algumas funções simples. A primeira é uma função que calcula a média de um conjunto de valores. |
| + | A primeira etapa é definir qual o tipo de objetos que a função irá manipular e designar um nome a esse objeto como um argumento. No caso da média podemos definir esse objeto como um vetor numérico ''x''. Em seguida precisamos definir o algoritmo que será executado. Uma forma de fazer isso é através de um pseudocódigo que é a descrição literal do algoritmo. | ||
| + | No nosso caso: | ||
| + | |||
| + | <WRAP center round box 60%> | ||
| + | **Pseudocodigo ''media'' ** | ||
| + | - recebe um vetor ''x'' | ||
| + | - soma os valores do vetor no objeto ''soma'' | ||
| + | - guarda o tamanho do vetor ''x'' em ''nobs'' | ||
| + | - divide ''soma'' por ''nobs'' e guarda no objeto ''media'' | ||
| + | - retorna o objeto ''med'' | ||
| + | </WRAP> | ||
| + | |||
| + | |||
| + | |||
| + | Depois de definir o que a função conterá, precisamos abrir um bloco de código para conter as linhas de comando que definem o algoritmo com as chaves ''{ }''. Em seguida colocamos as linhas de comando descritas no pseudocodigo e rodamos todo o bloco de código desde a atribuição da função a um nome para construir um objeto da classe ''function'' na nossa área de trabalho. Rodo o código abaixo e cheque se houve a construção do objeto ''media'' e qual a classe desse objeto: | ||
| <code rsplus> | <code rsplus> | ||
| media <-function(x) | media <-function(x) | ||
| { | { | ||
| - | soma=sum(x) | + | soma <- sum(x) |
| - | nobs=length(x) | + | nobs <- length(x) |
| - | media=soma/nobs | + | med <- soma/nobs |
| - | return(media) | + | return(med) |
| } | } | ||
| </code> | </code> | ||
| - | <box red 50%> | + | <WRAP center round tip 60%> |
| - | Note que a função nada mais é do que um conjunto de linhas de comando concatenadas para executar uma tarefa. A principio quem conhece as funções básicas do R já está qualificado a fazer funções mais complexas. | + | Note que a função nada mais é do que um conjunto de linhas de comando concatenadas para executar uma tarefa. A princípio quem usa as funções básicas do R já está qualificado a fazer funções mais complexas a partir delas. |
| - | </box> | + | |
| + | </WRAP> | ||
| ===== Testando a função ===== | ===== Testando a função ===== | ||
| Linha 49: | Linha 80: | ||
| media | media | ||
| media() | media() | ||
| - | dados=rnorm(20,2,1) | + | dados <- rnorm(20, 2, 1) |
| media(dados) | media(dados) | ||
| - | dados1=rnorm(200,2,1) | + | dados1 <- rnorm(200, 2, 1) |
| media(dados1) | media(dados1) | ||
| - | dados2=(rnorm(10000,2,1)) | + | dados2 <- (rnorm(10000, 2, 1)) |
| media(dados2) | media(dados2) | ||
| sd(dados) | sd(dados) | ||
| - | dados3=rnorm(20,2,0.01) | + | dados3 <- rnorm(20, 2, 0.01) |
| media(dados3) | media(dados3) | ||
| - | dados4=rnorm(200,2,0.01) | + | dados4 <- rnorm(200,2,0.01) |
| media(dados4) | media(dados4) | ||
| - | dados[2]<-NA | + | dados[2] <- NA |
| dados | dados | ||
| media(dados) | media(dados) | ||
| Linha 67: | Linha 98: | ||
| ===== Uma função mais elaborada ===== | ===== Uma função mais elaborada ===== | ||
| - | A funcão padrão do R (//mean()//) não calcula a média quando há //NA//'s no vetor de dados, a menos que o usuário utilize o argumento //na.rm=TRUE//. | + | A função padrão do R (''mean()'') não calcula a média quando há ''NA'' no vetor de dados, a menos que o usuário utilize o argumento ''na.rm = TRUE''. |
| - | Vamos construir uma função que diferente da função padrão, calcule a média na presença de //NA//'s, entretanto lance na tela uma mensagem sobre o número de //NA//'s removidos do cálculo. | + | Vamos construir uma função que diferente da função padrão, calcule a média na presença de ''NA'' e imprima na tela uma mensagem sobre o número de ''NA'' removidos do cálculo. |
| - | Note que é uma função com dois argumentos, que permite ao usuário tomar a decisão de remover ou não //NA//'s. Diferente da função //mean()// o padrão é invertido, nossa função remove //NA//'s se nenhum argumento for mencionado. Note que vamos sobrepor o objeto anterior da classe //função//, chamado **media**. | + | Note que é uma função com dois argumentos, que permite ao usuário tomar a decisão de remover ou não ''NA''. Diferente da função ''mean()'' o padrão é invertido, nossa função remove ''NA'' se nenhum argumento for mencionado. Note que vamos sobrepor o objeto anterior da classe ''função'', chamado **media**. |
| <code rsplus> | <code rsplus> | ||
| - | media<-function(x,rmNA=TRUE) | + | media <- function(x, rmNA = TRUE) |
| { | { | ||
| - | if(rmNA==TRUE) | + | if(rmNA == TRUE) |
| { | { | ||
| - | dados=(na.omit(x)) | + | dados <- (na.omit(x)) |
| - | n.NA=length(x)-length(dados) | + | n.NA <- length(x) - length(dados) |
| cat("\t", n.NA," valores NA excluídos\n") | cat("\t", n.NA," valores NA excluídos\n") | ||
| } | } | ||
| else | else | ||
| { | { | ||
| - | dados=x | + | dados <- x |
| } | } | ||
| - | soma=sum(dados) | + | soma <- sum(dados) |
| - | nobs=length(dados) | + | nobs <- length(dados) |
| - | media=soma/nobs | + | media <- soma/nobs |
| return(media) | return(media) | ||
| } | } | ||
| Linha 100: | Linha 131: | ||
| ===== Função para calcular variância ===== | ===== Função para calcular variância ===== | ||
| <code rsplus> | <code rsplus> | ||
| - | var.curso<-function(x) | + | var.curso <- function(x) |
| { | { | ||
| - | media=media(x) | + | media <-media(x) |
| - | dados=na.omit(x) | + | dados <- na.omit(x) |
| - | disvquad=(dados-media)^2 | + | disvquad <- (dados - media)^2 |
| - | var.curso=sum(disvquad)/(length(dados)-1) | + | var.curso <- sum(disvquad)/(length(dados)-1) |
| return(var.curso) | return(var.curso) | ||
| } | } | ||
| Linha 116: | Linha 147: | ||
| var.curso(dados) | var.curso(dados) | ||
| - | var(dados)### dica: veja o help dessa função "help(var)" | + | var(dados) ### dica: veja o help dessa função "help(var)" |
| - | var(dados,na.rm=TRUE) | + | var(dados, na.rm = TRUE) |
| - | var(dados,na.rm=FALSE) | + | var(dados,na.rm = FALSE) |
| ===== Função para calcular o Índice de Dispersão ===== | ===== Função para calcular o Índice de Dispersão ===== | ||
| Linha 127: | Linha 158: | ||
| <code rsplus> | <code rsplus> | ||
| - | ID.curso<-function(x) | + | ID.curso <- function(x) |
| { | { | ||
| - | id=var.curso(x)/media(x) | + | id <- var.curso(x)/media(x) |
| return(id) | return(id) | ||
| } | } | ||
| Linha 146: | Linha 177: | ||
| * Simulando Aleatório | * Simulando Aleatório | ||
| - | + | <code rsplus> | |
| - | aleat=rpois(200,2) | + | aleat <- rpois(200, 2) |
| - | aleat | + | aleat |
| + | </code> | ||
| * Uniforme | * Uniforme | ||
| - | + | <code rsplus> | |
| - | unif=runif(200,0,4) | + | unif <- runif(200, 0, 4) |
| unif | unif | ||
| - | unif=round(unif,0) | + | unif <- round(unif, 0) |
| unif | unif | ||
| + | </code> | ||
| * Agregado | * Agregado | ||
| - | + | <code rsplus> | |
| - | agreg=round(c(runif(100,0,1),runif(100,5,10))) | + | agreg <- round(c(runif(100, 0, 1), runif(100, 5, 10))) |
| agreg | agreg | ||
| + | </code> | ||
| | | ||
| Linha 176: | Linha 207: | ||
| </code> | </code> | ||
| - | <box 50% red> | + | |
| + | <WRAP center round tip 80%> | ||
| Quando o valor é próximo a 1 a distribuição é considerada aleatória. Isto quer dizer que que a ocorrência de cada indivíduo na parcela é indendente da ocorrência das demais. Neste caso, o número de indivíduos por parcela é descrito por uma variável Poisson, que tem exatamente a média igual à variância. | Quando o valor é próximo a 1 a distribuição é considerada aleatória. Isto quer dizer que que a ocorrência de cada indivíduo na parcela é indendente da ocorrência das demais. Neste caso, o número de indivíduos por parcela é descrito por uma variável Poisson, que tem exatamente a média igual à variância. | ||
| - | Podemos então fazer um teste de significância simulando uma distribuição Poisson com a mesma média dos dados. | + | Podemos então fazer um teste de hipótese simulando uma distribuição Poisson com a mesma média dos dados. |
| - | </box> | + | |
| + | </WRAP> | ||
| - | ===== Função para criar o teste de signficância do ID ===== | + | ===== Função para criar o teste de hipótese do ID ===== |
| Linha 187: | Linha 220: | ||
| test.ID <- function(x, nsim=1000) | test.ID <- function(x, nsim=1000) | ||
| { | { | ||
| - | ID.curso=function(x){var(x)/mean(x)}# essa função precisa das funcoes media e ID.curso | + | ID.curso <- function(x){var(x)/mean(x)}# essa função precisa das funcoes media e ID.curso |
| - | dados=na.omit(x) | + | dados <- na.omit(x) |
| - | ndados=length(dados) | + | ndados <- length(dados) |
| - | med=mean(dados) | + | med <- mean(dados) |
| - | id=var(dados)/med | + | id <- var(dados)/med |
| - | simula.aleat=rpois(length(dados)*nsim, lambda=med) | + | simula.aleat <- rpois(length(dados)*nsim, lambda=med) |
| - | sim.dados=matrix(simula.aleat,ncol= ndados) | + | sim.dados <- matrix(simula.aleat,ncol= ndados) |
| - | sim.ID=apply(sim.dados,1,ID.curso) | + | sim.ID <- apply(sim.dados,1,ID.curso) |
| - | quant.ID=quantile(sim.ID, probs=c(0.025,0.975)) | + | quant.ID <- quantile(sim.ID, probs=c(0.025,0.975)) |
| - | if(id>=quant.ID[1] & id<=quant.ID[2]) | + | if(id >= quant.ID[1] & id <= quant.ID[2]) |
| { | { | ||
| - | cat("\n\n\n\t distribuição aleatória para alfa=0.05 \n\t ID= ",id,"\n\n\n") | + | cat("\n\n\n\t distribuição aleatória para alfa = 0.05 \n\t ID= ",id,"\n\n\n") |
| } | } | ||
| if(id < quant.ID[1]) | if(id < quant.ID[1]) | ||
| Linha 295: | Linha 328: | ||
| <code rsplus> | <code rsplus> | ||
| - | x1=rpois(20,1) | + | x1 <- rpois(20, 1) |
| - | x2=rpois(20,2) | + | x2 <- rpois(20, 2) |
| - | x3=rpois(20,3) | + | x3 <- rpois(20, 3) |
| - | x4=rpois(20,1) | + | x4 <- rpois(20, 1) |
| - | sp.oc=matrix(c(x1,x2,x3,x4), ncol=4) | + | sp.oc <- matrix(c(x1, x2, x3, x4), ncol=4) |
| - | colnames(sp.oc)<-c("plot A", "plot B", "plot C", "plot D") | + | colnames(sp.oc) <- c("plot A", "plot B", "plot C", "plot D") |
| - | rownames(sp.oc)<-paste("sp", c(1:20)) | + | rownames(sp.oc) <- paste("sp", c(1:20)) |
| str(sp.oc) | str(sp.oc) | ||
| dim(sp.oc) | dim(sp.oc) | ||
| Linha 311: | Linha 344: | ||
| <code rsplus> | <code rsplus> | ||
| - | n.spp<-function(dados) | + | n.spp <-function(dados) |
| { | { | ||
| - | nplot=dim(dados)[2] | + | nplot <- dim(dados)[2] |
| - | resultados=rep(0,nplot) | + | resultados <- rep(0,nplot) |
| - | names(resultados)<-paste("n.spp", c(1:nplot)) | + | names(resultados) <- paste("n.spp", c(1:nplot)) |
| - | dados[dados>0]=1 | + | dados[dados>0] = 1 |
| for(i in 1:(dim(dados)[2])) | for(i in 1:(dim(dados)[2])) | ||
| { | { | ||
| - | cont.sp=sum(dados[,i]) | + | cont.sp <- sum(dados[,i]) |
| - | resultados[i]=cont.sp | + | resultados[i] <- cont.sp |
| } | } | ||
| return(resultados) | return(resultados) | ||
| Linha 333: | Linha 366: | ||
| - | <box red 80%> | + | |
| + | <WRAP center round tip 80%> | ||
| Uma dica para entender qualquer função é rodar cada uma das linhas separadamente no console do R, na mesma sequência que aparecem e verificar os objetos intermediários criados. Quando chegar a um ciclo, pule a linha do //for()// e rode as linhas subsequentes, porém designe antes algum valor para o contador, no nosso exemplo //i// (tente i=2). A lógica da função //for()// é que o contador (//i//) terá um valor diferente a cada ciclo, no exemplo entre 1 até o número de colunas do objeto //dados//. Além disso, o contador pode ser usado para indexar a posição onde o resultado de cada ciclo será colocado no objeto final (//resultados//) | Uma dica para entender qualquer função é rodar cada uma das linhas separadamente no console do R, na mesma sequência que aparecem e verificar os objetos intermediários criados. Quando chegar a um ciclo, pule a linha do //for()// e rode as linhas subsequentes, porém designe antes algum valor para o contador, no nosso exemplo //i// (tente i=2). A lógica da função //for()// é que o contador (//i//) terá um valor diferente a cada ciclo, no exemplo entre 1 até o número de colunas do objeto //dados//. Além disso, o contador pode ser usado para indexar a posição onde o resultado de cada ciclo será colocado no objeto final (//resultados//) | ||
| - | </box> | + | </WRAP> |
| | | ||
| Linha 343: | Linha 378: | ||
| sim<-function(dados) | sim<-function(dados) | ||
| { | { | ||
| - | nplot=dim(dados)[2] | + | nplot <- dim(dados)[2] |
| - | similar=matrix(1,ncol=nplot,nrow=nplot) | + | similar <- matrix(1,ncol=nplot,nrow=nplot) |
| - | rownames(similar)<-paste("plot", c(1:nplot)) | + | rownames(similar) <- paste("plot", c(1:nplot)) |
| - | colnames(similar)<-paste("plot", c(1:nplot)) | + | colnames(similar) <- paste("plot", c(1:nplot)) |
| - | dados[dados>0]=1 | + | dados[dados>0] = 1 |
| for(i in 1:nplot-1) | for(i in 1:nplot-1) | ||
| { | { | ||
| Linha 353: | Linha 388: | ||
| for(m in m:nplot) | for(m in m:nplot) | ||
| { | { | ||
| - | co.oc=sum(dados[,i]>0 & dados[,m]>0) | + | co.oc <- sum(dados[,i]>0 & dados[,m]>0) |
| - | total.sp=sum(dados[,i])+sum(dados[,m])-co.oc | + | total.sp <- sum(dados[,i]) + sum(dados[,m]) - co.oc |
| - | similar[i,m]=co.oc/total.sp | + | similar[i,m] <- co.oc/total.sp |
| - | similar[m,i]=co.oc/total.sp | + | similar[m,i] <- co.oc/total.sp |
| } | } | ||
| Linha 378: | Linha 413: | ||
| **MUITO BEM VC. JÁ ESTÁ SE TRANSFORMANDO, NÃO PARECE MAIS UM PINK** | **MUITO BEM VC. JÁ ESTÁ SE TRANSFORMANDO, NÃO PARECE MAIS UM PINK** | ||
| - | {{:cursos:ecor:02_tutoriais:cerebro.jpg|}} | + | {{:02_tutoriais:cerebro.jpg|}} |
| - | + | ||
| - | + | ||
| - | //Agora faça os [[cursos:ecor:01_curso_atual:exercicios9|]] para podermos conquistar o MUNDO!!!// | + | |
| - | No linque a seguir você pode baixar o arquivo com o Pink e Cerebro... | + | //Agora faça os [[01_curso_atual:exercicios9|]] para podermos conquistar o MUNDO!!!// |
| - | {{:cursos:ecor:02_tutoriais:pinkycerebro.mpg|}} | + | |
| - | ** The End!** | ||
02_tutoriais/tutorial8/start.txt · Última modificação: 2022/06/26 13:57 por adalardo
Exceto onde for informado ao contrário, o conteúdo neste wiki está sob a seguinte licença: CC Attribution-Noncommercial-Share Alike 4.0 International
