Mestranda em Entomologia pela FFCLRP/USP

Uma função que calcule e compare as medianas e o erro padrão de amostras de vespas polinizadoras com métricas de paisagens distintas, faça um modelo linear e plote gráficos ao final.

Ale: Acho que a proposta é boa e viável. Procure que a função seja o mais generalista possível, para que o usuário possa escolher qual a estatistica que será comparada (media, mediana, erro padrão) e qual a métricas da paisagem entre muitas que pode selecionar.

Função que, por meio de modelos lineares generalizados (erro de Poisson e Binomial), compare o número de polinizadores por inflorescência e a porcentagem de inflorescências não polinizadas entre as amostras de paisagens distintas.

Esta me parece muito específica.

polifrag(bie5782)                                                                                    Documentação R 


Polifrag

Descrição

polifrag pode ser usada para cálculo de medidas de tendência central e medidas de dispersão. Após o cálculo, polifrag correlaciona os resultados com métricas da paisagem. Gera gráficos e tabelas com os resultados. Dá também, ao final, os resultados dos modelos lineares.   

Uso

polifrag(x, y, dp=”TRUE”, ep=”TRUE”, ab=”TRUE”)

Argumentos

x: data.frame cujas colunas contêm observações das amostras e cada linha contêm uma amostra diferente; 

y: data.frame cujas colunas contêm os dados das métricas da paisagem;
 
dp: o padrão calcula os desvios e desenha-os em gráficos de média x métrica da paisagem; se dp=”F”, os desvios são calculados, mas não são desenhados nos gráficos. 

ep: o padrão calcula os erros padrões e desenha-os em gráficos de mediana x métrica da paisagem; se ep=”F”, os erros são calculados, mas não são desenhados nos gráficos.

ab: o padrão faz os modelos lineares e desenha a linha de regressão nos gráficos de medidas de tendência central x métrica da paisagem; se ab=”F”, a linha não é desenhada, mas as informações geradas pelo modelo são mostradas no workspace.

Detalhes

polifrag lê arquivos as.data.frame e considera as colunas de x como observações de uma amostra. Cada linha do data.frame deve conter uma amostra diferente. 
y deve conter os dados das métricas da paisagem. Valores de NA são automaticamente removidos.

Valores

Para cada modelo é gerado um gráfico da métrica da paisagem vs medida de tendência central. Listas contendo os resultados são retornadas ao fim da execução da função.

Autor(es)

Ludmila Maria Rattis Teixeira

ludmilarattis@pg.ffclrp.usp.br

ludmilarattis@yahoo.com.br


Referencias

Exemplo

amostra.1=c(3,3,3,1,0,2,1,1,1,0)

amostra.2=c(0,0,2,3,3,4,7,2,3,2)

amostra.3=c(3,2,4,0,2,1,2,3,1,0)

amostra.4=c(2,3,2,5,0,2,1,2,4,1)

amostra.5=c(1,4,6,0,5,5,1,1,3,2)

teste.x=data.frame(amostra.1, amostra.2, amostra.3, amostra.4, amostra.5)

metrica.1=c(234,321,543,234,123,123,234,321,455,333)

metrica.2=c(221,223,345,432,123,321,654,443,224,221)

metrica.3=c(654,345,676,555,345,567,432,456,665,443)

teste.y=data.frame(metrica.1, metrica.2, metrica.3)


polifrag(teste.x,teste.y)

polifrag(teste.x,teste.y,dp="F") 

polifrag(teste.x,teste.y,dp="T",ep="F") 

polifrag(teste.x,teste.y,dp="T",ep="T"',ab="F")

polifrag=function(x,y,dp="T",ep="T",ab="T")
{
n=apply(x[,2:ncol(x)]!="NA",MARGIN=1,FUN=sum,na.rm=T)
media=apply(x[,2:ncol(x)],FUN=mean,MARGIN=1,na.rm=T)
mediana=apply(x[,2:ncol(x)],FUN=median,MARGIN=1,na.rm=T)
desvio.padrão=apply(x[,2:ncol(x)],FUN=sd,MARGIN=1,na.rm=T)
erro.padrão=desvio.padrão/sqrt(n)
safra=x[,1]
tabela.metrica=y
tabela.ludmila=data.frame(safra,media,desvio.padrão,mediana,erro.padrão)
uppy1=media+desvio.padrão
lowy1=media-desvio.padrão
uppy2=mediana+erro.padrão
lowy2=mediana-erro.padrão



modelos.media=vector("list",ncol(tabela.metrica))
            for(i in 1:ncol(tabela.metrica))
           {
            modelo1=lm(tabela.ludmila$media~tabela.metrica[,i])
	modelos.media[i]=modelo1
            x11()
	plot(tabela.ludmila$media~tabela.metrica[,i],xlab=names(tabela.metrica)[i],ylab=names(tabela.ludmila)[2],yaxp=c(-2,10,10),ylim=c(-2,10),bty="l")
	if (dp=="T") 
	{ 
	arrows(tabela.metrica[,i],uppy1,tabela.metrica[,i],lowy1,length=0.05,angle=90,code=3,col = par("fg"), lty = par("lty"), lwd = par("lwd"))
	}
	if(ab=="T")
	{
	abline((modelo1),col="green")
	}
	}
	modelos.mediana=vector("list",ncol(tabela.metrica))
 	for(i in 1:ncol(tabela.metrica))
           {
            modelo2=lm(tabela.ludmila$mediana~tabela.metrica[,i])
	modelos.mediana[i]=modelo2
            x11()
	plot(tabela.ludmila$mediana~tabela.metrica[,i],xlab=names(tabela.metrica)[i],ylab=names(tabela.ludmila)[4],yaxp=c(-2,10,10),ylim=c(-2,10),bty="l")
	if (ep=="T") 
	{ 
	arrows(tabela.metrica[,i],uppy1,tabela.metrica[,i],lowy1,length=0.05,angle=90,code=3,col = par("fg"), lty = par("lty"), lwd = par("lwd"))
	}
	if(ab=="T")
	{
	abline((modelo2),col="green")
	}
	}
	return(tabela.ludmila,modelos.media, modelos.mediana)
	}	

ludmila_funcao_r.txt