Ferramentas do usuário
02_tutoriais:tutorial9:start
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
| Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior | ||
|
02_tutoriais:tutorial9:start [2022/06/21 18:21] adalardo [Tesourinha e a deriva continental] |
02_tutoriais:tutorial9:start [2023/09/12 10:44] 127.0.0.1 edição externa |
||
|---|---|---|---|
| Linha 44: | Linha 44: | ||
| ===== Revisitando o teste de hipótese ===== | ===== Revisitando o teste de hipótese ===== | ||
| - | Agora vamos revisitar os dados de Chacal Dourado e a pergunta se há diferença no tamanho de mandíbulas entre machos e fêmeas, onde exemplificamos o teste de hipótese no [[02_tutoriais:tutorial6:start|]]. | + | Agora vamos revisitar os dados de Chacal Dourado e a pergunta se há diferença no tamanho de mandíbulas entre machos e fêmeas, onde exemplificamos o teste de hipótese no tutorial [[02_tutoriais:tutorial6:start|]]. |
| <code rsplus> | <code rsplus> | ||
| Linha 133: | Linha 133: | ||
| abline(v = result[1]*-1, col = "red") | abline(v = result[1]*-1, col = "red") | ||
| </code> | </code> | ||
| - | ==== Cálculo do P ==== | + | ==== Cálculo do p-valor ==== |
| Duas perguntas distintas podem ser colocadas nesse teste de hipótese. Se há diferença entre os tamanhos ou se um tamanho é maior (menor) que outro, como já vimos no teste de hipótese. | Duas perguntas distintas podem ser colocadas nesse teste de hipótese. Se há diferença entre os tamanhos ou se um tamanho é maior (menor) que outro, como já vimos no teste de hipótese. | ||
| Linha 270: | Linha 270: | ||
| A primeira parte da análise dos dados é calcular a correlação entre a matriz de similaridade taxonômica e de eventos de dispersão (atual e antes da deriva). | A primeira parte da análise dos dados é calcular a correlação entre a matriz de similaridade taxonômica e de eventos de dispersão (atual e antes da deriva). | ||
| - | Para isso, calculamos o coeficiente de correlação de //Pearson// entre as matrizes. Esse valor irá nos dizer se duas matrizes estão correlacionadas. A correlação pode ser positiva (até +1) se variações nos elementos de uma matriz levam a variações na mesma direção dos elementos correspondentes na outra , negativa quando em direção contrária (até -1), ou podem ser não relacionadas(0). | + | Para isso, calculamos o coeficiente de correlação de //Pearson// entre as matrizes. Esse valor irá nos dizer se duas matrizes estão correlacionadas. A correlação pode ser positiva (até +1) se variações nos elementos de uma matriz levam a variações na mesma direção dos elementos correspondentes na outra , negativa quando em direção contrária (até -1), ou podem ser não relacionadas (≅0). |
| $$ r = \frac{\sum_1^n (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_1^n{(x_i-\bar{x})^2}}\sqrt{\sum_1^n{(y_i-\bar{y})^2}}}$$ | $$ r = \frac{\sum_1^n (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum_1^n{(x_i-\bar{x})^2}}\sqrt{\sum_1^n{(y_i-\bar{y})^2}}}$$ | ||
| Linha 303: | Linha 303: | ||
| cor12 ## correlação observada com a distancia atual | cor12 ## correlação observada com a distancia atual | ||
| cor13 ## correlação observada com a distancia antes da deriva | cor13 ## correlação observada com a distancia antes da deriva | ||
| - | ######################################################## | + | </code> |
| - | ### Repetir a simulação muitas vezes ################### | + | |
| - | ####################################################### | + | Para reproduzir muitas vezes o procedimento acima, vamos colocá-lo dentro de um ciclo de iteração, não sem antes criar o objeto para guardar todos os valores que queremos. |
| + | |||
| + | <code rsplus> | ||
| res.cor=data.frame(sim12=rep(NA, 5000), sim13=rep(NA,5000)) | res.cor=data.frame(sim12=rep(NA, 5000), sim13=rep(NA,5000)) | ||
| str(res.cor) | str(res.cor) | ||
| Linha 317: | Linha 320: | ||
| res.cor[s,2]<-cor(as.vector(data.sim), as.vector(dist.deriva), use="pairwise.complete.obs") | res.cor[s,2]<-cor(as.vector(data.sim), as.vector(dist.deriva), use="pairwise.complete.obs") | ||
| } | } | ||
| + | |||
| + | </code> | ||
| + | |||
| + | |||
| + | Por fim, vamos avaliar os resultados e calcular o p-valor: | ||
| + | |||
| + | <code rsplus> | ||
| str(res.cor) | str(res.cor) | ||
| par(mfrow=c(2,1)) | par(mfrow=c(2,1)) | ||
| Linha 328: | Linha 338: | ||
| p13=sum(res.cor[,2]<= res.cor[1,2])/(dim(res.cor)[1]) | p13=sum(res.cor[,2]<= res.cor[1,2])/(dim(res.cor)[1]) | ||
| p13 | p13 | ||
| - | |||
| </code> | </code> | ||
| + | |||
| + | Um fase muito importante é a interpretação dos resultados de testes como esse, que não está no escopo deste curso. De qualquer forma, consegue imaginar a conclusão do artigo para esse resultado? | ||
| ===== Para saber mais ===== | ===== Para saber mais ===== | ||
| Veja a aba da apostila deste mesmo tópico. Ali apresentamos outros conceitos. Dois livros são muito importantes e lançaram as bases das análises de Monte Carlo na ecologia: | Veja a aba da apostila deste mesmo tópico. Ali apresentamos outros conceitos. Dois livros são muito importantes e lançaram as bases das análises de Monte Carlo na ecologia: | ||
02_tutoriais/tutorial9/start.txt · Última modificação: 2023/09/12 10:46 (edição externa)
Exceto onde for informado ao contrário, o conteúdo neste wiki está sob a seguinte licença: CC Attribution-Noncommercial-Share Alike 4.0 International
