Índice
- O Curso R
-
- Tutoriais
-
- Apostila
-
- 6. Testes de Hipótese (em preparação!)
- Exercícios
-
- Material de Apoio
-
- Área dos Alunos
-
- Cursos Anteriores
-
IBUSP
Outras Insitutições
Linques
Visitantes
Outras Insitutições
Mestrando em Epidemiologia, Faculdade de Saúde Pública, USP. O título de minha dissertação é: “Indicadores ecológicos de mosquitos (Diptera: Culicidae) em parques municipais da cidade de São Paulo”, orientado pelo professor Dr. Mauro Toledo Marrelli.
Plano A
Minha Proposta é criar uma função que descreva e compare comunidades a partir dos dados amostrais, fornecendo a riqueza observada, estimativa da riqueza total (pode ser o Jackknife 1), índice de diversidade de Simpson (1-D) e similaridade entre as comunidades pelo índice qualitativo de Sorensen.. Os dados contendo as unidades amostrais nas linhas e as espécies nas colunas serão lançados no R. Cada comunidade será representada por um objeto e, obviamente, para que a função também forneça o índice de Sorensen será necessário a presença de, pelo menos, uma segunda comunidade. Os índices de riqueza e diversidade aparecerão nas linhas e as comunidades testadas nas colunas, abaixo uma matriz contendo os índices de similaridade. Estou trabalhando com comunidades de Culicideos (mosquitos) e estou analisando 10 áreas. Imagino que inúmeros pacotes do R contenham funções semelhantes para para o estudo de diversidade, mas ainda sim penso que seria interessante e desafiador (para alguém que esta começando a conhecer o R) construir a função proposta, obtendo com um único comando os indicadores de interesse.
Plano B
O segundo plano é obter uma função que com base nos dados amostrais me forneça um gráfico contendo uma curva de rarefação e seu intervalo de confiança de 95%, com uma lógica igual ao “Sobs Mao Tau” obtido no EstimateS. A curva será formada por pontos com seus respectivos intervalos de confiança, sendo o eixo x representado pelas amostras e o y pelo número de espécies. O último ponto plotado no gráfico será um estimador de riqueza total também contendo o intervalo de confiança.
Oi, Antônio.
Se você acha que vai ser legal o exercício de montar essas funções, ele é factível. Você pode também fazer a sua proposta B junto!
Tem realmente pacotes e funções que realizam a tarefa que sugere. Isso não é um problema se vc. fizer a sua função a partir do zero. Faça a A e se tiver confortável e com tempo, inclua B! — Alexandre Adalardo de Oliveira 2013/03/24 11:21
Página de ajuda da função e script
indiv package:sem pacote R Documentation ###Fornece alguns indicadores de diversidade e exibe a curva de rarefação de espécies### Description: A função "indiv" fornece o número de indivíduos, riqueza obeservada, estimador Jackknife 1, índice de Simpson (1-D), matriz de similaridade (índice qualitativo de Sorensen) e curva de rarefação. Tem como objetivo comparar assembléias de um mesmo táxon coletados em diferentes locais com um mesmo esforço amostral, considera-se número de indíviduos. Usage: indiv(x,nsim=300,replace=F) Arguments: x: é um objeto do tipo lista (list) contendo matrizes com dados amostrais (amostragens nas linhas e espécies nas colunas) nsim: número de simulações para cada rodada de reamostragem (default=300) replace: reposição de indivíduos amostrados, se F=falso (não repõe, default), se T=verdadeiro (repõe) Details: o número de colunas (correspondentes às espécies) deve ser o mesmo e a posição das espécies deve corresponder entre as matrizes para permitir a comparação da similaridade (exemplo: sp1 deve ser a mesma para matriz 1, matriz 2, matriz,3...mesmo que o valor correspondente para esta espécie seja zero em alguma destas matrizes). Recomenda-se nomear cada elemento (matriz) da lista com o um nome que defina cada assembléia para melhor visualização dos resultados. Caso hajam valores faltantes (NA's), estes serão desconsiderados. É possível analisar apenas uma assembléia desde que esta também esteja no formato "list" Value: Indicadores de diversidade: contem o numero de indivíduos, espécies, jackknife1 e índice de Simpson (1-D) matriz de similaridade (ind. qual. Sorensen): matriz contendo o índice qualitativo de Sorensen para cada par de assembléia curva de rarefação: curva formada com base em simulações dos dados amostrais contendo número de indivíduos coletados no eixo x e número de espécies no eixo y, fornecendo um indicativo da suficiência amostral. Warning: Quanto maior o número de indivíduos coletados maior o tempo para processamento das simulações, pois aumenta-se o número de amostragens possíveis. neste caso recomenda-se não se elevar o número de simulações (nsim) por amostragem. Note: ######## Author(s): Antônio Ralph Medeiros de Sousa email: aralphms@usp.br References: MAGURRAN, Anne E. Measuring biological diversity. 2004. LEGENDRE, Pierre; LEGENDRE, Louis. Numerical ecology. Elsevier, 2012. See Also: #### Examples: > analise.div=list(ambiente1,ambiente2,ambiente3) > names(analise.div)=c("ambiente 1","ambiente 2","ambiente 3") > analise.div $`ambiente 1` sp 1 sp 2 sp 3 sp 4 sp 5 sp 6 sp 7 sp 8 sp 9 sp 10 am 1 9 0 0 5 0 0 0 5 0 0 am 2 0 0 0 9 0 0 9 0 0 0 am 3 0 0 0 0 1 5 2 6 12 0 am 4 0 0 0 0 0 0 0 0 0 0 am 5 0 0 0 0 0 11 11 0 0 0 $`ambiente 2` sp 1 sp 2 sp 3 sp 4 sp 5 sp 6 sp 7 sp 8 sp 9 sp 10 am 1 11 13 14 11 0 0 0 0 0 0 am 2 0 0 0 12 13 0 0 0 0 18 am 3 0 0 0 11 0 0 0 0 0 0 am 4 10 0 1 14 0 1 0 0 2 0 am 5 0 3 0 0 0 3 0 16 0 0 $`ambiente 3` sp 1 sp 2 sp 3 sp 4 sp 5 sp 6 sp 7 sp 8 sp 9 sp 10 am 1 0 0 0 0 0 0 0 0 11 0 am 2 0 0 0 0 0 0 0 0 13 0 am 3 8 0 12 0 1 0 11 0 14 15 am 4 0 0 0 10 0 15 0 0 9 21 am 5 0 0 0 11 4 0 0 0 0 0 > indiv(analise.div,nsim=500,replace=F)
###################################################################################### Função Indicadores de diversidade (indiv)############################################# ###################################################################################### indiv<-function(x,nsim=300,replace=F) { individ=t(lapply(x,sum,na.rm=T))##somando o número de indivíduos em cada matriz de dados rownames(individ)="Indivíduos" sobs<-function(z)##########função para calcular a riqueza em cada matriz de dados { z1=apply(z,2,sum,na.rm=T) riqueza=length(z1[z1>0]) return(riqueza) } rich<-t(lapply(x,sobs))####calculando a riqueza na lista de comunidades rownames(rich)<-"Riqueza observada" jack1<-function(z)###função para calcular o jackknife 1 em cada matriz de dados { am.x=nrow(z)###calculando número de amostras### am.x2=nrow(z)-1 bin.x=z bin.x[bin.x>1]=1###transformando em dados binários## sumbin.x=apply(bin.x,2,sum,na.rm=T) ap1=length(sumbin.x[sumbin.x==1])###somando número de espécies que aparecem em apenas uma amostra riqobs=length(sumbin.x[sumbin.x>0])###riqueza observda jack=riqobs+(ap1*(am.x2/am.x))###calculando o Jackknife 1#### return(jack) } jackkn1<-t(lapply(x,jack1))###calculando o jackknife nas comunidades rownames(jackkn1)<-"Jackknife1" simpson<-function(z)####função para calcular o índice de Simpson { tot.x=apply(z,2,sum,na.rm=T) tot.ger=sum(tot.x) simp=1-(sum((tot.x/tot.ger)^2))###calculando o índice de simpson return(simp) } ind.simp<-t(lapply(x,simpson))###calculando o índice de Simpson das comunidades rownames(ind.simp)<-"Simpson (1-D)" cont.spp<-function(z)###função para transformar espécies em dados binários { x1=apply(z,2,sum,na.rm=T) x1[x1>0]=1 return(x1) } bin<-as.data.frame(lapply(x,cont.spp))###aplicando a função à lista de transformando os resultados em um data.frame bin.sp<-as.matrix(bin)###transformando em uma matriz de dados binários num.col=ncol(bin.sp) m.similar=matrix(1,ncol=num.col,nrow=num.col)###matriz para abrigar os dados de similaridade for(i in 1:num.col-1)###automatizando a verificação de co-ocorrência de espécies entre as comunidades### { r=i+1 for(r in r:num.col) { co.ocor=sum(bin.sp[,i]>0 & bin.sp[,r]>0) tot.sp=sum(bin.sp[,i])+sum(bin.sp[,r]) m.similar[i,r]=(2*co.ocor)/tot.sp m.similar[r,i]=(2*co.ocor)/tot.sp } mat.similar=round(m.similar,digits=3) rownames(mat.similar)=names(x) colnames(mat.similar)=names(x) } rar=function(z)###função para construir uma curva de rarefação para cada assembléia amostrada### { w1=apply(z,2,sum,na.rm=T)###somando número de indivíduos de cada espécie w2=sum(w1)####somando total de indivíduos coletados w5=rep(1,w2)###criando um vetor que repet o número 1 tantas vezes quanto for o total de indivídous w6=cumsum(w5)##fazendo a soma cumulativa deste vetor(com isto se diz quantos indivíduos serão coletados a cada simulação)## w7=dim(z)[2]##contando o número de colunas de espécies w8=c(1:w7)##criando um vetor que vai de 1 ao total de colunas w9 = as.vector(rep(w8[which(w1 > 0)], times = w1[which(w1 > 0)]))###criando um vetor que repita o número da espécie quantas vezes for o número de indivíduos desta## resultw=rep(NA,times=length(w5))##criando um vetor para abrigar e orientar os dados da simulação aq=rep(NA,times=length(w5))###idem resultsim<- matrix(NA, nrow=nsim, ncol=length(w5), byrow=T)###matriz de Na's para guardar os dados das simulações for(i in 1:nsim)###automatizando o processo de aleatorização de amostragens começando por 1 indiv. nsim vezes até o total de indiv. nsim vezes { for(r in 1:length(w6)) { for(k in 1:length(w6)) { aq[k]=w6[r]###informando quantos indivíduos serão retirados da amostra a cada rodada de simulação } resultw[r]=length(unique(sample(w9, size=aq,replace)))###somando o número de espécies de cada amostra } resultsim[i,]=resultw###guardando o resultado na matriz } meddados=t(t(apply(resultsim,2,mean)))###obtendo a média de espécies para cada valor simulado de tamanho de amostragem vardados=t(t(apply(resultsim,2,var)))###obtendo a variância guardaic=matrix(NA,length(meddados),2,byrow=T)###criando matriz para guardar intervalos de confiança for(d in 1:length(meddados))###automatizando o processo de calculo do intervalo de confiança { calcic=meddados[d,]+qt(c(0.025,0.975),df=length(resultsim[,d])-1)*sqrt(vardados[d,]/length(resultsim[,d]))###calculo do intervalo de confiança (95%) guardaic[d,]=calcic##guardando os valores de IC obtidos } w10=t(t(w6))##transpondo a soma cumulativa de indivíduos para coluna dadosrar=cbind(w10,meddados,guardaic)###reunindo número de indivíduos amostrados, média e IC's colnames(dadosrar)=c("índivíduos","media de espécies","ic 95% inf","ic 95% sup") rownames(dadosrar)=paste("am",c(1:length(dadosrar[,1]))) dadosrare=as.matrix(dadosrar) } individ2=max(as.numeric(individ))##obtendo o maior valor de indivíduos amostrados rich2=max(as.numeric(rich))###obtendo o maior valor de espécies amostrado x11() plot(c(1,individ2),c(1,rich2),xlab="indivíduos amostrados",ylab="nº médio de espécies",type="n",main="curva de rarefação")##plotando gráfico para construção da curva de rarefação resultrare=lapply(x,rar)###aplicando a função rar para as comunidades da lista for(l in 1:length(resultrare))##automatizando a criação da curva de rarefação com média e IC's { tran=resultrare[[l]] tran1=as.numeric(tran[,1])###indivíduos tran2=as.numeric(tran[,2])###espécies tran3=as.numeric(tran[,3])###IC tran4=as.numeric(tran[,4])###IC tran5=max(tran1) tran6=max(tran2) lines(tran1,tran2,type="l") lines(tran1,tran3,col="red",type="l",lty=3) lines(tran1,tran4,col="red",type="l",lty=3) text(tran5,tran6,labels=names(resultrare[l]),pos=3) } index=rbind(individ,rich,jackkn1,ind.simp)##juntando o resultado dos indicadores tudo=list(index,mat.similar)###juntando os indicadores e a matriz de similaridade em uma lista names(tudo)=c("indicadores das comunidades","matriz de similaridade (ind. qual. Sorensen)") return(tudo)###retornando no console todos os valores calculados exceto curva de rarefação que será plotada em uma gráfico aberto automaticamente## }