Mestranda em Ecologia, Instituto de Biociências, USP.

Criar uma função que calcule a prioridade dos fragmentos de uma determinada paisagem que irão ser alvos de ações conservacionistas de acordo com alguns critérios: índice de insubstituibilidade, riqueza e índice de dissimilaridade. O valor de insubstituibilidade é calculado para cada espécie, sendo este igual ao inverso do número de fragmentos em que a espécie ocorre (Ix = 1/N, sendo N o número de fragmentos onde a espécie x ocorre)(Metzger et al. 2008). Assim, o primeiro fragmento selecionado como prioritário é aquele com maior índice de insubstituibilidade (Ix=1) e assim por diante. Se houverem fragmentos empatados com o mesmo I, o desempate ocorrerá priorizando aquele que seja mais complementar aos selecionados anteriormente, com uma composição de espécies mais diferente em relação à composição dos fragmentos já selecionados. Para isso, podemos usar um índice de dissimilaridade (1-similaridade).

Jean Paul Metzger, Giordano Ciocheti, Leandro Reverberi Tambosi, Milton Cezar Ribeiro, Adriana Paese, Christiane Dall’Aglio-Holvorcem, Adriano Paglia, Angélica Sugieda, Marco Nalon, Natália Ivanauskas, Ricardo Rodrigues, 2008, Procedimento metodológicos in Rodrigues, R.R. ; Bononi, V.L.R., orgs. Diretrizes para conservação e restauração da biodiversidade no Estado de São Paulo, PP 57-70 246p.

Se esta função recebe uma lista de espécies e faz esta operação é muito legal, embora tabalhoso.

Criar uma função que gere os principais gráficos numa análise exploratória de dados: histograma, boxplot, gráficos quantil-quantil. E que também mostre o sumário de seus dados. Algo mais simples, mas útil…

ou então: uma função para calcular a elasticidade dos elementos de uma matriz de transição. (plano B'!)

A segunda opção (Plano C?) é bem mais desafiadora. Fiacrai com ela se desistisse do principal.

prel.matrizes               package:nenhum                R Documentation



Análise básica de matrizes de transição.


Description:

A função produz três resultados a partir de uma matriz de transição: o autovalor dominante (lambda), o autovetor esquerdo dominante (valor reprodutivo - v) e o autovetor direito dominante (estrutura estágio estável-w).

Usage:

     prel.matrizes(matrix)


Arguments:

matrix:

Details:

Os valores da amostra (x) são ordenados e plotados contra os quantis esperados para uma
distribuição normal com média e desvio padrão iguais aos da amostra. A linha esperada tem
inclinação um e intercepto zero, e difere da obtida com a função 'qqline', que passa pelos
segundo e terceiro quartis.
Para o intervalo de confiança, nrep amostras de mesmo tamanho de x são simuladas de uma
distribuição normal de mesma média e variância de x. Os valores em cada amostra simulada 
são ordenados e o intervalo de confiança é aquele que inclui a proporção dos valores
simulados definida por alfa. Estes intervalos são obtidos aplicando-se a função 'quantile'
aos nrep valores simulados do primeiro, segundo, terceiro, enésimo valor do vetor ordenado.
 

Value:

 Um gráfico é gerado. Um data frame é retornado mas não é exibido na tela, com os 
 seguintes vetores:

Obs : valores da amostra em ordem crescente

Percentis: os percentis correspondentes a cada elemento de x

Quantis: os quantis esperados pela distribuição normal

Lower, Upper: se o argumento ci é verdadeiro, os limites inferior e superior do intervalo 
              de confiança simulado.


Warning:

O intervalo simulado não é uma solução analítica e serve apenas para fins exploratórios.


Author(s):

Fulano de Tal

fulano@fulanonet.com.br


References:
 
 Cleveland, W.S. (1994) The Elements of Graphing Data, Hobart Press ISBN 0-9634884-1-4

 Wilk, M.B., Gnanadesikan, R. (1968) Probability plotting methods for the analysis of data.

 Normal probability plot. http://en.wikipedia.org/wiki/Normal_probability_plot


See Also:

'qqnorm' e 'qqline' do pacote base, para o gráfico de quantil padrão do R, e a função
'ppoints', com a qual os percentis são calculados. 

Para uma função similar a esta mas bem mais completa, veja 'qq.plot', do pacote car.


Examples:

    qqnorm.ci(rnorm(100)) ## Uma amostra de uma normal padronizada.
    
    qqnorm.ci(rexp(100, rate=10)) ## Amostra de uma distribuição exponencial com média =10
      
    valores <- qqnorm(rpois(30,5)) ## Cria um objeto com os valores do gráfico
    



</code>

Foi o que eu consegui até agora do meu plano C…

prel.matrizes= function(matrix)        
	{
	a=eigen(matrix)            # autovalores da matriz
	b=matrix(a$values)         # coloca os valores numa matriz
	eg.dom=b[1,1]              # pegando o autovalor dominante
	lambda1=Re(eg.dom)         # tx. de cresc. pop da matrix de transição  - só a parte REAL do número
        c=t(a$vectors)
	w=Re(c[,1])   # é o autovetor direito (stable stage distribution)
	d=eigen(t(matrix)) #para pegar o autovetor ESQUERDO dominante - 
	e=t(d$vectors)
	v=Re(e[,1])       #v é o autovetor esquerdo (o valor reprodutivo)
	return(lambda1, w,v)
	}