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
Mestranda em Ecologia - Instituto de Biociências da USP. Orientada do Prof. Dr. Luciano Martins Verdade com o projeto “Uso do espaço e dieta de felídeos de pequeno porte em paisagem silvicultural do Estado de São Paulo, Brasil”.
Linque para a página com meus exercícios resolvidos exec
Criar uma função chamada dieta que calcule a frequência de ocorrência (FO%) e a porcentagem de ocorrência (PO%) de cada item consumido por cada espécie estudada, assim como a amplitude de nicho (Índice de Levin) para cada espécie e a sobreposição de nicho (Índice de Pianka) entre as espécies.
PO, FO, AMPLITUDE, SOBREPOSIÇÃO → argumentos da função.
ENTRADA: matriz onde as linhas seriam as espécies estudadas e a colunas seriam os itens alimentares (i1,i2,i3,etc) e o número de fezes em que o determinado item foi encontrado (n1,n2,n3,etc).
A função encurtaria as diversas contas que precisariam ser feitas neste tipo de análise, 'entrando' uma matriz com os dados coletados e 'devolvendo' como resultado os cálculos ditos acima, sendo 'devolvidos' também um grafico para FO e PO (espécies x frequência de ocorrencia de cada item) (espécies x porcentagem de ocorrencia de cada item). A sobreposição de nicho poderia, se possível, ser representada também pelo Diagrama de Venn.
SAÍDA:
- FO e GRÁFICO (espécies x frequência de ocorrencia de cada item)
- PO e GRÁFICO (espécies x porcentagem de ocorrencia de cada item)
- AMPLITUDE: B e BA (amplitude e amplitude padronizada)
- SOBREPOSIÇÃO: O (sobreposição) e diagrama de venn (se possível)
CALCULADORA DE BARMAN
Criar uma função que devolva uma lista do que o barman irá precisar para uma noite de trabalho de acordo com o número de convidados (x), a duração da festa (horas) e os drinks escolhidos.
Eu iria criar um banco de dados com as receitas (quantidades) de diversos drinks clássicos. Primeiramente, seria necessário digitar o nome da função para que ela retornasse o banco de dado com as receitas que foi criado para que o barman escolhesse quais drinks gostaria de servir em sua festa.
Na função, através dos argumentos, seria possível escolher quais drinks seriam utilizados e em que proporção. O padrão seria que todos os drinks seriam calculados em iguais proporções. Lembrando que o resultado seriam de drinks clássicos, mas por se tratar de uma função do R, seria possível modificá-la incluindo ou excluindo itens de sua preferência.
Base seria: pessoas costumam beber y drinks em z horas.
No argumento: a ordem do drinks dirá sua preferência. Desta forma, se a divisão for um número quebrado, a função irá ciclar os drinks começando do primeiro para o último.
Dúvida: como criar a base de dados com as receitas.
A proposta A é interessante e factível, e será um bom desafio para implementar como função. Sugiro seguir com ela. Você pode começar implementando a função para o cálculo dos índices para uma espécie somente. Se conseguir criar esta função facilmente você pode generalizar para múltiplas espécies e, finalmente, calcular os índices de sobreposição de nicho. A proposta B parece interessante, mas eu deixaria os drinks para alguma outra ocasião… —- Leonardo
indice.dieta package: nenhum R Documentation Índice de dieta. Description: indice.dieta calcula índices relacionados a dieta, como frequência de ocorrência (FO%), porcentagem de ocorrência (PO%), amplitude de nicho (índice de Levin) e amplitude de nicho padronizada (índice de Hulbert). O índice lê tabelas padrões utilizadas nesse tipo de estudo, onde uma das colunas deve indicar a quantidade de cada item encontrado nas fezes (i1,i2,i3,etc) e a outra coluna deve indicar o numero de vezes que determinado item foi encontrado nas fezes (n1,n2,n3,etc) - é preciso que exista o título "i" e "n" nas colunas. As linhas da matriz contem os diferentes itens alimentares encontrados nas fezes da espécie estudada - se estas linhas estiverem nomeadas, os gráficos de saida serão mais informativos, entretanto, se não estiverem nomeadas, os gráficos irão numerá-las apenas. Usage: indice.dieta(x, indice) Arguments: x tabela de entrada - deve conter uma coluna nomeada com "i" e outra nomeada com "n" indice especificar o índice que deseja calcular - opções: "frequencia", "porcentagem", "amplitude" e "amplitude.padronizada" (os argumentos precisam ser escritos entre aspas " ") Details: É necessário que methods/html/as.html">as colunas da tabela de entrada sejam nomeadas com "n" e "i" independente da ordem e isto deve ser especificado quando a tabela for enviada ao R. Veja o exemplo: objeto<-read.table(file="tabela.csv", sep=";", header=TRUE). É necessário que o argumento seja escrito entre aspas " ". É recomendado (porém não é exigido) que methods/html/as.html">as linhas da matriz sejam nomeadas, pois os gráficos de saída serão mais informativos acerca da dieta da espécie estudada. Veja o exemplo: objeto<-read.table(file="tabela.csv", sep=";", header=TRUE, row.names=1). Value: indice.dieta retorna valores e gráficos com os seguintes componentes: porcentagem porcentagem de ocorrência dos itens consumidos pela espécie estudada - valores em porcentagem - e gráfico do tipo barplot frequencia frequencia de ocorrência dos itens consumidos pela espécie estudada - valores em porcentagem - e gráfico do tipo barplot amplitude amplitude de nicho calculada pelo Índice de Levin amplitude.padronizada amplitude de nicho padronizada calculada pelo Índice de Hulbert - valores de 0 a 1 Author: Myldred Ometto Spinelli myldred.spinelli@gmail.com myldred.spinelli@usp.br References: HURLBERT, S.H. The measurement of niche overlap and some relatives. Ecology, Tempe, v.59, n.1, p.67-77, jan. 1978. KREBS, C.J. Ecological methodoly. New York: Harper Collins Publishers, 1989. 581 p. Examples: # Baixe o arquivo tabela.csv para rodar os exemplos abaixo: tabela<- read.table(file="tabela.csv", sep=";", header=TRUE, row.names=1) # é preciso especificar que a primeira linha é o título das colunas (header=TRUE) e é recomendável que a primeira coluna contenha os nomes das linhas (itens alimentares) (row.names=1). indice.dieta(tabela,"porcentagem") # retorna os valores das porcentagens de ocorrência e o gráfico para os diferentes itens alimentares indice.dieta(tabela, "frequencia") # retorna os valores das frequencias de ocorrência e o gráfico para os diferentes itens alimentares indice.dieta(tabela, "amplitude") # retorna o valor da amplitude de nicho indice.dieta(tabela, "amplitude.padronizada") # retorna o valor da amplitude de nicho padronizada
#A função calcula índices relacionados a dieta da espécie estudada, como frequência de ocorrência (FO%), # porcentagem de ocorrência (PO%), amplitude de nicho (índice de Levin) e amplitude de nicho padronizada #(índice de Hulbert). #A entrada é uma matriz padrão para esse tipo de estudo, onde uma das colunas deve indicar a quantidade #de cada item encontrado nas fezes (i1,i2,i3,etc) e a outra coluna deve indicar o numero de vezes que #determinado item foi encontrado nas fezes (n1,n2,n3,etc) - é preciso que exista o título "i" e "n" nas #colunas. #As linhas da matriz contem os diferentes itens alimentares encontrados nas fezes da espécie estudada - #se estas linhas estiverem nomeadas, os gráficos de saida serão mais informativos, entretanto, se não #estiverem nomeadas, os gráficos irão numerá-las apenas. indice.dieta<-function(dados,indice) { if (indice=="frequencia") { dados$n[is.na(dados$n)] <- 0 #substitui os NA por 0, pois para este tipo de estudo NAs não são valores faltantes, mas sim observações iguais a 0 n<-dados$n #seleciona a coluna onde estão os valores de "n" N<-sum(dados$n) #valor de "N" é a somatória dos valores de "n" F=(n/N)*100 #fórmula que calcula a frequencia de ocorrencia x11() #abre uma janela de grafico midpts <- barplot(1:length(rownames(dados))) #insere o nome das linhas no eixo x de forma central barplot((F),ylab="Frequência de ocorrência", ylim=c(0,100)) #grafico de barras onde é mostrado as frequencias de ocorrencia axis(side=1,labels=rownames(dados), at=midpts, tick=FALSE,las=1) #coloca o nome das linhas (itens alimentares) no eixo x do gráfico. O argumento las=1 diz que o eixo deve ser escrito na horizontal, porém dependendo do número de linhas, é melhor mudar o argumento para las=3 (escrita na vertical) return(F) } if (indice=="porcentagem") { dados$i[is.na(dados$i)] <- 0 ##substituo os NA por 0, pois NAs não são valores faltantes, mas sim observações iguais a 0 i<-dados$i #seleciona a coluna onde estão os valores de "i" I=sum(dados$i) #número de itens alimentares é igual a soma de "i" P=(i/I)*100 #fórmula da porcentagem de ocorrência x11() #abro uma janela de gráfico midpts <- barplot(1:length(rownames(dados))) #insere o nome das linhas no eixo x de forma central barplot((P), xlab="Itens alimentares", ylab="Porcentagem de ocorrência", ylim=c(0,100)) #gráfico de barras onde é mostrado as porcentagens de ocorrencia axis(side=1,labels=rownames(dados), at=midpts, tick=FALSE, las=1) #coloca o nome das linhas (itens alimentares) no eixo x do gráfico. O argumento las=1 diz que o eixo deve ser escrito na horizontal, porém dependendo do número de linhas, é melhor mudar o argumento para las=3 (escrita na vertical) return(P) } if (indice=="amplitude") { dados$i[is.na(dados$i)] <- 0 ##substituo os NA por 0, pois NAs não são valores faltantes, mas sim observações iguais a 0 i<-dados$i #seleciona a coluna onde estão os valores de "i" I=sum(dados$i) #número de itens alimentares é igual a soma de "i" B<-1/(sum((i/I)^2)) # B é a somatória de todos os valores de i/I ao quadrado. return(B) } if (indice=="amplitude.padronizada") { dados$i[is.na(dados$i)] <- 0 ##substituo os NA por 0, pois NAs não são valores faltantes, mas sim observações iguais a 0 i<-dados$i #seleciona a coluna onde estão os valores de "i" I=sum(dados$i) #número de itens alimentares é igual a soma de "i" B<-1/(sum((i/I)^2)) #calcula a amplitude de nicho BA<-(B-1)/(I-1) #calcula a amplitude de nicho padronizada cat("Amplitude de nicho padronizado (valores 0 a 1) \n Valores máximos -> nicho amplo/mínima especialização \n Valores mínimos -> nicho estreito/máxima especialização \n") return(BA) } }