Formada em Ciências Biológicas pela UNESP, com habilitação em Biologia Marinha e Gerenciamento Costeiro. Área de atuação: Quelônios marinhos.

Linque para a página com os meus exercícios resolvidos exercicio1.r

exercicio2.r

exercicio3.r

exercicio4.r

exercicio_5.txt

aula6.txt

aula7.txt

exercicio_8.txt

Fazer uma função que compare as observações de animais marinhos (em números de observação) com variáveis de parâmetros abióticos (como temperatura, estado do mar, …), retornando qual desses fatores influencia mais no apaecimento desses animais.

Calcular as probabilidades de se morrer em acidentes com os mais diversos tipos de transporte (carro, moto, avião) em São Paulo de acordo com os dados oficiais do governo.

Daniel:

Principal - O número de variáveis, tanto de espécies quanto de parâmetros poderia ser determinado pelo usuário. Sua função poderia servir para avaliar o número de observações em um determinado período (e.g., vários anos), também utilizando as variáveis ambientais abióticas observadas em cada observação. Com estas informações você poderia desenvolver uma função para determinar períodos do ano em que os animais são mais facilmente observados (frequência/atividade).

Plano B - Trabalhe na sua proposta principal.

Ale: Concordo com o Musgo (Daniel.. desculpa! é costume). Precisa definir melhor o que a função irá fazer e quais os parâmetros de entrada. Ou seja, não é apenas uma análise particular, mas uma função para realizar análises similares ou de diferentes maneiras (manipulando os argumentos).

observacaodeanimais <- function (data.frame)
		{

par1 <- lm([,1]~[,2], data=data.frame)
par2 <- lm([,1]~[,2]+[,3], data=data.frame)
par3 <- update(par2,.~.+[,4])
par4 <- update (par3,.~.+[,5])

par(mfrow=c(2,2))
plot([,1]~[,2], data=data.frame)
abline(par1, col="blue")
abline(h=mean([,1]),col="red")

plot([,1]~[,3], data=data.frame)
abline(par2, col="blue")
abline(h=mean([,1]),col="red")

plot([,1]~[,4], data=data.frame)
abline(par3, col="blue")
abline(h=mean([,1]),col="red")

plot([,1]~[,5], data=data.frame)
par(mfrow=c(1,1))

anova (par4)

library(MASS) 
tudo <- lm([,1]~[,2]+[,3]+[,4]+[,5], data=data.frame)
Scope=list(upper=~[,2]+[,3]+[,4]+[,5], lower=~1) 
step <- stepAIC(tudo,Scope,direction="both") 
			}

observacaodeanimais package:unknown R Documentation

This function is to see how different parameters can affect one population observed. And which ones are not important to determinate the population.

Description: Return graphics, with mean to represent each parameter isolated affecting the observation of this population. After that, it´s made ANOVA, and then, it´s made a stepAIC, to make the combination of all parameters. Usage: dados(data.frame)

Arguments: data.frame: each parameter in each column. The first column must be the number of observation.

Details: You must have each parameter in each column, with no empty. The first column must be the number of individuals observed.

Value: It will return one graphic to each relation between individuals observed and one parameter, two parameters, … It will be plotted the mean and a blue line, that is the tendency. After that, it will be done an ANOVA, which represent analysis-of-variance and analysis-of-deviance of the parameters. In the end, the function tests the best model of all of parameters given in the data.frame.

Author(s): Ana Carolina Luchetta anacarolluch@bol.com.br

References: Ferreira, D.F. (2009) Recursos Computacionais Utilizando R http://www.dex.ufla.br/~danielff/RRC0.pdf

See Also: plot and abline to plot the preliminary graphics stepAIC in package MASS

Examples: How can water temperature, air temperature, salinity and state of the sea can affect the number of turtles observed in the sea. data.frame ← matrix(c(5;25;23;15;0; 6;27;25;17;1; 3;23;22;12;0; 7;25;24;10;0; 8;27;25;13;1; 4;28;26;17;0;0;22;20;19;0;3;25;22;12;0), ncol=5, nrow=8)

HELP: ajuda.r FUNÇÃO: funcao_observacao.r