Os objetivos do programa são: 1- organizar as informações contidas em uma tabela produzida por um computador que registra as informações de uma tarefa envolvendo ratos. Cada linha da tabela representa uma tentativa. As colunas representam: tentativa, lado da apresentação do estímulo 1 (direita ou esquerda), lado da apresentação do estímulo 2 (direita ou esquerda), intervalo entre as apresentações dos estímulos ( 100, 400 e 600ms), tempo de resposta do animal ao estímulo e outras (sem importância para as minhas análises). As combinações entre os lados de apresentação dos estímulos será resumido em válidas (estímulo 1 e 2 aparecem do mesmo lado) e inválidas (estímulos 1 e 2 aparecem em lados opostos) Assim, os dados de saída para cada tabela será a mediana do tempo de reação em: válida 100, inválida 100, válida 400, inválida 400 e válida 600, inválida 600. Cada um dos arquivos de saída pode conter registros de mais de uma sessão; para cada sessão será produzida um conjunto de dados de saída.

Ao final do processo será produzida uma matriz com as medianas (ou média das medianas caso exista mais de uma sessão por rato) de cada animal.

2- em seguida o programa construirá um ou mais gráficos a partir das informações contidas na matriz de saída.

3- finalmente, com a matriz de saida, o programa realizará o teste de análise de variância comparando tempo de reação entre tentativas válidas e inválidas em cada um dos intervalos.

DADOS

1 2 3 4 5 6 7 8 9

analise.geral=function(comprimento, sessao){
	saidafinal=matrix(NA,nrow = length(dir(pattern=".DAT")), ncol = 6, byrow = T)# cria matriz linhas=numero de arquivos 
	compfinal=matrix(NA,nrow = length(dir(pattern=".DAT")), ncol = 6, byrow = T) # idem
	for(i in 1:length(dir(pattern=".DAT"))){						     ## cada uma das iterações lê um dos arquivos
		tabela=read.table(dir(pattern=".DAT")[i], sep="\t", dec=".")	     #"tabela" recebe dados do arquivo lido
		tabela$V12=as.numeric(paste(tabela$V2,tabela$V4, sep=""))              #insere no data.frame combinação de V2(estimulo 1) e V4(estimulo 2) 
		tabela$V13=rep(seq(from=1,to=(length(tabela$V1)/comprimento)), each=comprimento)  # insere em cada linha da tabela a sessao ao qual ela pertence
		saida1=saida2=saida3=saida4=saida5=saida6=NA						    #cria vetores
		comp1=comp2=comp3=comp4=comp5=comp6=NA							    #idem
		for(j in 1 :(length(tabela$V1)/comprimento)){						    ##de 1 a numero de sessoes, calcula as medianas das condicoes: 
			saida1[j]=median(tabela$V10[tabela$V9==10&tabela$V8==100&(tabela$V12==321|tabela$V12==644)&tabela$V13==j])	#tempo de reação(V10)das 
						###tentativas corretas(V9=10)das tentativas validas(V12=321 ou 644) no SOA 100ms (V8=100) da corrente sessao(V13=j)  
			saida2[j]=median(tabela$V10[tabela$V9==10&tabela$V8==100&(tabela$V12==324|tabela$V12==641)&tabela$V13==j])# invalida soa 100 		
			saida3[j]=median(tabela$V10[tabela$V9==10&tabela$V8==400&(tabela$V12==321|tabela$V12==644)&tabela$V13==j])# valida soa 400
			saida4[j]=median(tabela$V10[tabela$V9==10&tabela$V8==400&(tabela$V12==324|tabela$V12==641)&tabela$V13==j])#...		
			saida5[j]=median(tabela$V10[tabela$V9==10&tabela$V8==600&(tabela$V12==321|tabela$V12==644)&tabela$V13==j])
			saida6[j]=median(tabela$V10[tabela$V9==10&tabela$V8==600&(tabela$V12==324|tabela$V12==641)&tabela$V13==j])		
		}
		if(sessao>0){					##calcula uma sessao isoladamente
			saidafinal[i,1]=saida1[sessao]
			saidafinal[i,2]=saida2[sessao]
			saidafinal[i,3]=saida3[sessao]
			saidafinal[i,4]=saida4[sessao]
			saidafinal[i,5]=saida5[sessao]
			saidafinal[i,6]=saida6[sessao]
		}
		else{							##calcula com base na media das sessoes
			saidafinal[i,1]=mean(na.omit(saida1))
			saidafinal[i,2]=mean(na.omit(saida2))
			saidafinal[i,3]=mean(na.omit(saida3))
			saidafinal[i,4]=mean(na.omit(saida4))
			saidafinal[i,5]=mean(na.omit(saida5))
			saidafinal[i,6]=mean(na.omit(saida6))
		}
		for(l in 1 :(length(tabela$V1)/comprimento)){	##calcula o numeros de acertos em cada condicao
			comp1[l]=length(tabela$V10[tabela$V9==10&tabela$V8==100&(tabela$V12==321|tabela$V12==644)&tabela$V13==l])
			comp2[l]=length(tabela$V10[tabela$V9==10&tabela$V8==100&(tabela$V12==324|tabela$V12==641)&tabela$V13==l])		
			comp3[l]=length(tabela$V10[tabela$V9==10&tabela$V8==400&(tabela$V12==321|tabela$V12==644)&tabela$V13==l])
			comp4[l]=length(tabela$V10[tabela$V9==10&tabela$V8==400&(tabela$V12==324|tabela$V12==641)&tabela$V13==l])		
			comp5[l]=length(tabela$V10[tabela$V9==10&tabela$V8==600&(tabela$V12==321|tabela$V12==644)&tabela$V13==l])
			comp6[l]=length(tabela$V10[tabela$V9==10&tabela$V8==600&(tabela$V12==324|tabela$V12==641)&tabela$V13==l])		
		}
		if(sessao>0){					##calcula uma sessao isoladamente
			compfinal[i,1]=comp1[sessao]/length(tabela$V10[tabela$V8==100&(tabela$V12==321|tabela$V12==644)&tabela$V13==l])
			compfinal[i,2]=comp2[sessao]/length(tabela$V10[tabela$V8==100&(tabela$V12==324|tabela$V12==641)&tabela$V13==l])
			compfinal[i,3]=comp3[sessao]/length(tabela$V10[tabela$V8==400&(tabela$V12==321|tabela$V12==644)&tabela$V13==l])
			compfinal[i,4]=comp4[sessao]/length(tabela$V10[tabela$V8==400&(tabela$V12==324|tabela$V12==641)&tabela$V13==l])
			compfinal[i,5]=comp5[sessao]/length(tabela$V10[tabela$V8==600&(tabela$V12==321|tabela$V12==644)&tabela$V13==l])
			compfinal[i,6]=comp6[sessao]/length(tabela$V10[tabela$V8==600&(tabela$V12==324|tabela$V12==641)&tabela$V13==l])
		}
		else{							##calcula com base na media das sessoes
			compfinal[i,1]=mean(na.omit(comp1))/length(tabela$V10[tabela$V8==100&(tabela$V12==321|tabela$V12==644)&tabela$V13==l])
			compfinal[i,2]=mean(na.omit(comp2))/length(tabela$V10[tabela$V8==100&(tabela$V12==324|tabela$V12==641)&tabela$V13==l])
			compfinal[i,3]=mean(na.omit(comp3))/length(tabela$V10[tabela$V8==400&(tabela$V12==321|tabela$V12==644)&tabela$V13==l])
			compfinal[i,4]=mean(na.omit(comp4))/length(tabela$V10[tabela$V8==400&(tabela$V12==324|tabela$V12==641)&tabela$V13==l])
			compfinal[i,5]=mean(na.omit(comp5))/length(tabela$V10[tabela$V8==600&(tabela$V12==321|tabela$V12==644)&tabela$V13==l])
			compfinal[i,6]=mean(na.omit(comp6))/length(tabela$V10[tabela$V8==600&(tabela$V12==324|tabela$V12==641)&tabela$V13==l])
		}
	}
	cont1=col=1 		#contadores
	v=i=vp=ip=soa=NA 	 	#cria vetores
	for(t in 1:3){ 		#3 = numero de SOAs(100, 400, 600)
		for(u in 1:length(dir(pattern=".DAT"))){	# para cada uma das linhas das matrizes "saidafinal" e "compfinal"
			if(compfinal[u,col+1]!="NaN"){	# copia apenas quando ha tentativas invalidas pareando com uma tentativa valida 
				v[cont1]=saidafinal[u,col]   ## grava em vetores separados o tempo de reacao (val e inv) e a porcentagem de acertos e o SOA  
				i[cont1]=saidafinal[u,col+1] 
				vp[cont1]=compfinal[u,col]
				ip[cont1]=compfinal[u,col+1]
				soa[cont1]=col
				cont1=cont1+1     ## soma 1 ao contador que determina a posicao de gravacao dos dados nos vetores
			}
		}
		col=col+2				## soma 2 ao contador para testar apenas as colunas da matriz com tentativas invalidas
	}
	resumo=data.frame(c(v,i),c(vp,ip),c(rep("val", length(v)), rep("inv", length(i))),c(soa,soa)) ## constroi um unico data frame contendo o TR e porcentagem de acertos indexados por validade e pelo SOA
	names(resumo)= c("TR","Porcent", "Validade", "SOA")

### parte grafica

	library(graphics)
	par(mfrow=c(1,2))

#constroi grafico para o tempo de reacao 
	interaction.plot(resumo$SOA,resumo$Validade,resumo$TR,fun=mean,ylab="Média Tempo de Reação", xlab="SOA", trace.label="Validade", ylim=c(250,500))
      
	# o calculo das medias e dos desvios considera a existencia de ate tres soas
	media=c(mean(resumo$TR[resumo$SOA=="1"&resumo$Validade=="val"]),mean(resumo$TR[resumo$SOA=="1"&resumo$Validade=="inv"]),
		mean(resumo$TR[resumo$SOA=="3"&resumo$Validade=="val"]),mean(resumo$TR[resumo$SOA=="3"&resumo$Validade=="inv"]),
		mean(resumo$TR[resumo$SOA=="5"&resumo$Validade=="val"]),mean(resumo$TR[resumo$SOA=="5"&resumo$Validade=="inv"]))
	mediaf=na.omit(media) # remove "NaN caso os dados analisados contenham apenas 2 ou 1 soa
	desv=c(sd(resumo$TR[resumo$SOA=="1"&resumo$Validade=="val"]),sd(resumo$TR[resumo$SOA=="1"&resumo$Validade=="inv"]),
		sd(resumo$TR[resumo$SOA=="3"&resumo$Validade=="val"]),sd(resumo$TR[resumo$SOA=="3"&resumo$Validade=="inv"]),
		sd(resumo$TR[resumo$SOA=="5"&resumo$Validade=="val"]),sd(resumo$TR[resumo$SOA=="5"&resumo$Validade=="inv"]))
	desvf=na.omit(desv)  # remove "NaN caso os dados analisados contenham apenas 2 ou 1 soa
	arrows(rep(1:((length(mediaf))/2), each=2),mediaf[1:length(mediaf)]+desvf[1:length(desvf)], #desenha as barras de desvio no grafico
		rep(1:((length(mediaf))/2), each=2),mediaf[1:length(mediaf)]-desvf[1:length(desvf)],code=3,angle=90)

#constroi grafico para porcentagem de acertos...idem ao anterior
	interaction.plot(resumo$SOA,resumo$Validade,resumo$Porcent,fun=mean,ylab="Média porcentagem de acertos", xlab="SOA", trace.label="Validade",ylim=c(0.2,0.5))
	mediap=c(mean(resumo$Porcent[resumo$SOA=="1"&resumo$Validade=="val"]),mean(resumo$Porcent[resumo$SOA=="1"&resumo$Validade=="inv"]),
		   mean(resumo$Porcent[resumo$SOA=="3"&resumo$Validade=="val"]),mean(resumo$Porcent[resumo$SOA=="3"&resumo$Validade=="inv"]),
		   mean(resumo$Porcent[resumo$SOA=="5"&resumo$Validade=="val"]),mean(resumo$Porcent[resumo$SOA=="5"&resumo$Validade=="inv"]))
	mediafp=na.omit(mediap)
	desvp=c(sd(resumo$Porcent[resumo$SOA=="1"&resumo$Validade=="val"]),sd(resumo$Porcent[resumo$SOA=="1"&resumo$Validade=="inv"]),
		  sd(resumo$Porcent[resumo$SOA=="3"&resumo$Validade=="val"]),sd(resumo$Porcent[resumo$SOA=="3"&resumo$Validade=="inv"]),
		  sd(resumo$Porcent[resumo$SOA=="5"&resumo$Validade=="val"]),sd(resumo$Porcent[resumo$SOA=="5"&resumo$Validade=="inv"]))
	desvfp=na.omit(desvp)
	arrows(rep(1:((length(mediafp))/2), each=2),mediafp[1:length(mediafp)]+desvfp[1:length(desvfp)],
 		 rep(1:((length(mediafp))/2), each=2),mediafp[1:length(mediafp)]-desvfp[1:length(desvfp)],code=3,angle=90)
	
	par(mfrow=c(1,1))

	Anova.TR=summary(aov(resumo$TR~resumo$Validade*resumo$SOA)) 		 #teste anova para tempo de reacao
	Anova.Pc=summary(aov(resumo$Porcent~resumo$Validade*resumo$SOA))	 #teste anova para porcentagem de acertos
	return(resumo, Anova.TR, Anova.Pc)   						 #retorna tabela com as medianas do tempo de reacao nas tentativas com pista valida e invalida, 
													 #a porcentagem de acertos para tentativas validadas e invalidas, um indexador para a validade e outro para o soa	
}

analise.geral                package:unknown                R Documentation

	analise.geral(comprimento, sessao)

Description:

	A funcao retorna a análise dos dados obtidos pelo programa 090327 produzido em nosso laboratorio para coleta de dados
	em uma tarefa para avaliar a atencao em ratos. Lê todos os arquivos gravados em  uma pasta e retorna uma tabela resumida,
	representação gráfica e os resultados de testes estatisticos.

Usage:

	funcao(comprimento, sessao)

Arguments:

	comprimento		inteiro representado numeros total de tentativas por sessao
	sessao		a sessao de interesse para a análise (e.g. 1[1ª sessao], 2[2ª sessao], etc.) sessao=0 retorna a media das sessões

Details:

	Não há argumento para carregar arquivo de dados. Isso é feito automaticamente pelo programa que lê os arquivo com extensão ".DAT"
	ou como parte do nome contidos na mesma pasta onde está salvo a área de trabalho do R. 
	
	Não deve haver uma linha de cabeçalho ou separações entres as sessões(se houver mais de uma sessão).
	o formato do arquivo deve ser: 
	coluna 2 : estímulo 1 (pista) (32 ou 64)
	coluna 4 : estímulo 2 (alvo) (1 ou 4)
	coluna 8 : SOA (100, 400 ou 600)
	coluna 9 : Tipo de erro (1 a 10)
	coluna 10 : Tempo de reação(ms)
	As demais colunas não são utilizadas para fins de análise nesse programa.
 
Value:

	A função retorna:
  
	1: tabela com as medianas do tempo de reação e porcentagem de acertos indexadas por validade ("val" e "inv") e SOA.
	
	2: sumário do teste análise de variancia do tempo de reação em funçaõ de validade e SOA

	3: sumário do teste análise de variancia da porcentagem de acertos em função de validade e SOA
     
Author(s):

	Wataru Sumi

Examples:

    	##utilize setwd(endereço da pasta onde estão os arquivos a serem analisados)
	##para os dados utilizados como exemplo:
	analise.geral(comprimento=480, sessao=0)