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 18:28] adalardo [Tesourinha e a deriva continental] |
02_tutoriais:tutorial9:start [2023/09/12 10:46] (atual) |
||
---|---|---|---|
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 243: | Linha 243: | ||
===== Tesourinha e a deriva continental ===== | ===== Tesourinha e a deriva continental ===== | ||
- | Para fechar nosso tutorial vamos reproduzir uma análise mais complexa, que foi publicada em um artigo na Nature em 1966 (//Geographical Distribution of the Dermaptera and the Continental Drift Hypothesis//) e descrita no primeiro capítulo do [[03_apostila:08-simulacao#fnt__1|livro do Manly]] sobre permutação. | + | Para fechar nosso tutorial vamos reproduzir uma análise mais complexa, que foi publicada em um artigo na Nature em 1966 (//Geographical Distribution of the Dermaptera and the Continental Drift Hypothesis//) e descrita no primeiro capítulo do livro do Manly (1997 ((Manly B. F. J., 1997 Randomization, bootstrap and Monte Carlo methods in biology. 2nd Ed., Chapman and Hall, London))) sobre permutação. |
A ideia era verificar se a ocorrência de tesourinhas (//Dermaptera//) estava mais correlacionada com a distribuição dos continentes atual ou antes da deriva continental. | A ideia era verificar se a ocorrência de tesourinhas (//Dermaptera//) estava mais correlacionada com a distribuição dos continentes atual ou antes da deriva continental. | ||
A informação de interesse é a correlação da ocorrência de tesourinha entre diferentes regiões biogeográficas: Eurasia, África, Madagascar, Oriente, Austrália, Nova Zelândia, América do Sul e América do Norte. Valores positivos próximos a 1 representam composições de comunidades muito parecidas, valores próximos a -1 representam composição muito distintas. Vamos reconstruir essa matriz no objeto ''data.coef'': | A informação de interesse é a correlação da ocorrência de tesourinha entre diferentes regiões biogeográficas: Eurasia, África, Madagascar, Oriente, Austrália, Nova Zelândia, América do Sul e América do Norte. Valores positivos próximos a 1 representam composições de comunidades muito parecidas, valores próximos a -1 representam composição muito distintas. Vamos reconstruir essa matriz no objeto ''data.coef'': | ||
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 | ||
- | ######################################################## | ||
- | ### Repetir a simulação muitas vezes ################### | ||
- | ####################################################### | ||
- | res.cor=data.frame(sim12=rep(NA, 5000), sim13=rep(NA,5000)) | ||
- | str(res.cor) | ||
- | res.cor[1,]<-c(cor12, cor13) | ||
- | str(res.cor) | ||
- | for(s in 2:5000) | ||
- | { | ||
- | sim.pos<-sample(1:8) | ||
- | data.sim<-data.sim[sim.pos, sim.pos] | ||
- | res.cor[s,1]<-cor(as.vector(data.sim), as.vector(dist.atual), use="pairwise.complete.obs") | ||
- | res.cor[s,2]<-cor(as.vector(data.sim), as.vector(dist.deriva), use="pairwise.complete.obs") | ||
- | } | ||
- | str(res.cor) | ||
- | par(mfrow=c(2,1)) | ||
- | hist(res.cor[,1]) | ||
- | abline(v=res.cor[1,1], col="red") | ||
- | hist(res.cor[,2]) | ||
- | abline(v=res.cor[1,2], col="red") | ||
- | #### calculando o P ########### | ||
- | p12=sum(res.cor[,1]<= res.cor[1,1])/(dim(res.cor)[1]) | ||
- | p12 | ||
- | p13=sum(res.cor[,2]<= res.cor[1,2])/(dim(res.cor)[1]) | ||
- | p13 | ||
- | |||
</code> | </code> | ||