Doutoranda no Programa de Etnobiologia e Conservação da Natureza - UFRPE

Desenvolve trabalhos na área cognição de primatas não-humanos, particularmente no uso da memória espacial durante o forrageio e nos fatores ecológicos que influenciam essa capacidade. Integrante do Laboratório de Etologia Teórica e Aplicada. LETA

Exerc.

Contextualização: Em estudos de comportamento animal é comum avaliar o tempo que os animais demoram para aprender determinado comportamento ou atividade. Sendo que por vezes é necessário fazer uma comparação desse processo em diferentes contextos (por exemplo, em situações de alta ou baixa disponibilidade de alimento ou na presença de animais com diferentes graus de parentesco). Este cenário pode também ser observado em outras áreas, como por exemplo, na comparação do tempo de crescimento de organismos (vegetais ou animais) em diferentes condições.

Tarefa da função: A função terá como objetivo comparar a taxa de variação média entre dois pontos em duas curvas e medir a probabilidade de estas curvas serem iguais.

Entrada dos dados:

• Data frame com uma coluna categórica e duas colunas numéricas. A coluna categórica conterá um fator com dois níveis (as condições ou cenários que se deseja comparar), e as colunas numéricas terão uma variável medida em tempo e a variável de interesse que será em função da primeira variável numérica.
• Pontos inicial e final em que se pretende comparar a taxa de variação média que devem ser escolhidos pelo utilizador. Os pontos escolhidos terão de ser os mesmos nas duas curvas.

Saída dos dados:

• Gráfico plot com duas curvas plotadas e suas retas secantes, mostrando os ponto final e inicial da taxa de variação média escolhidos pelo utilizador.
• Valor da probabilidade.

Contextualização: Em estudos sobre lateralidade em primatas humanos e não humanos, é comum esta lateralidade ser avaliada através de um uso preferencial de uma mão. Esta avaliação é realizada por meio de um índice simples mas que demanda tempo e é realizada em vários passos, visto que é feito por animal e por cada mão escolhida para realizar determinada ação. Esse índice de lateralidade é calculado através da formula (HI = (D-E) / (D+E)), em que D e E representam a frequência no uso da mão direita e esquerda, respectivamente) e varia de -1 (uso exclusivo da mão esquerda) a +1 (uso exclusivo da mão direita).

Tarefa da função: A função proposta terá como objetivo calcular o índice de lateralidade e avaliar a probabilidade de um dado animal ser destro, canhoto ou ambidestro e a probabilidade da lateralidade observada na população ser atribuída ao acaso (isto é, ter uma preferência geral por uma das mãos).

Entrada dos dados:

• Data frame contendo nas linhas as observações do uso da mão por ID do animal (fator que conterá x níveis de acordo com o número de animais introduzidos) e na coluna a mão usada em cada acção (A – ambidestro, D – direita, E – esquerda).

Saída dos dados:

• Uma lista com os seguintes parametros para cada animal: Frequência do uso de cada mão (A, D, E), resultado do índice de lateralidade, classificação em categorias de acordo com esse índice e o valor da probabilidade.
• Valor da probabilidade para a população.

 
curly<- function (dados, choosepoints=FALSE, xtype="name", ytype="name", ...)
{
  if (!(is.factor(dados[,1]) & is.numeric(dados[,2]) & is.numeric(dados[,3]))) #vê se a primeira coluna do data frame é um fator e a segunda e terceira um vector numérico
  {
    stop("WARNING: The first column has to be a factor and second and third columns numeric vectors") #a função para e retorna um aviso em vermelho
  }
  else (is.factor(dados[,1]) & is.numeric(dados[,2]) & is.numeric(dados[,3])) #vê se a primeira coluna do data frame é um fator e a segunda e terceira um vector numérico
  {  
    dados1 <- na.omit(dados) #remove as linhas do data frame que contenham NA's
    cat("Lines in the data frame with NA's were excluded\n") #mensagem no console dizendo o que foi feito essa exclusão.
    
    nivel <- levels(dados1[,1]) #mostrar quantos níveis tem o fator da primeira coluna
    cat1 <- subset(dados1, dados1[,1]==nivel[1]) #fazer um conjunto de dados em função do 1º nível do fator
    cat2 <- subset(dados1, dados1[,1]==nivel[2]) #fazer um conjunto de dados em função 2º nível do fator
    
    #Neste passo, a ideia é criar um gráfico que possa ser utilizado pelo usuário em qualquer local.
    #O uso do ..., faz com que o utilizador possa modificar os paramêtros do gráfico a seu gosto
    pdf("grafico curva.pdf") #guarda o gráfico em PDF
    par(tck=0.01, cex.axis=1.3, family="serif") #alterando alguns parâmetros do grafico
    plot(cat1[,3]~cat1[,2], xlab=xtype, ylab=ytype, ...) #fazer gráfico de um dos conjuntos de dados e mudar os parâmetros do grafico nos argumentos da função
    lines(lowess(cat1[,2], cat1[,3]), lwd=3) #inserir a linha para fazer a curva de ajuste aos pontos
    par(new=TRUE) #incluir um outro gráfico (a ser realizado posteriormente) na mesma figura
    plot(cat2[,3]~cat2[,2], xlab="", ylab="", xaxt="n", yaxt="n", ...) #fazer gráfico de um dos conjuntos de dados e mudar os parâmetros do grafico nos argumentos da função
    lines(lowess(cat2[,2], cat2[,3]), lty=2, lwd=3) #inserir a linha para fazer a curva de ajuste aos pontos
    
    graphics.off() #apaga todos os gráficos abertos de forma a guardar em pdf o gráfico acima
    
    #Neste caso, a ideia é plotar o grafico apenas para visualização do próprio utilizador para que possa avaliar seus dados
    #e escolher depois os pontos de interesse para fazer a taxa de variação média. Por essa razão não foi incluído ... aqui
    par(tck=0.01, cex.axis=1.3, family="serif") #alterando alguns parâmetros do grafico
    graphic1 <- plot(cat1[,3]~cat1[,2], pch=20, cex=0.7, xlab=xtype, ylab=ytype, cex.lab=1.5) #fazer gráfico de um dos conjuntos de dados
    lines(lowess(cat1[,2], cat1[,3]), lwd=3) #inserir a linha para fazer a curva de ajuste aos pontos
    par(new=TRUE) #incluir um outro gráfico (a ser realizado posteriormente) na mesma figura
    graphic2 <- plot(cat2[,3]~cat2[,2],  cex=0.7, xlab="", ylab="", xaxt="n", yaxt="n") #fazer gráfico de um dos conjuntos de dados
    lines(lowess(cat2[,2], cat2[,3]), lty=2, lwd=3) #inserir a linha para fazer a curva de ajuste aos pontos
  }
  if (choosepoints==FALSE) #caso o argumento seja igual a FALSE a função irá fazer um teste qui-quadrado com todos os dados inseridos
  {
    test1 <- chisq.test(dados1[,2], dados1[,3]) #teste qui-quadrado realizado em todos os dados de cada conjunto
    exit1 <- list(cat1, cat2, test1) #lista dos componentes que a função irá retornar
    names(exit1) <- paste(list("Conjunto de dados do primeiro nível do fator", "Conjunto de dados do segundo nível do fator", "Chi-Squared Test")) #para atribuir um nome a cada componente da lista
    print("ATTENTION: The function compared only the first two levels of your factor!!") #aviso para o utilizador
    return(exit1)   #retorna a lista acima
  }
  else (choosepoints==TRUE) #caso o argumento seja igual a TRUE a função aguarda para que sejam escolhidos os pontos no gráfico
  {
    message("Please choose two points on the x-axis for calculation of median variation rate") #aviso para o utilizador
    xi <- locator(1) #localizar o ponto inicial do eixo x para o calculo da taxa de variação
    xf <- locator(1) #localizar o ponto final do eixo x para o calculo da taxa de variação
    xi <- round(xi[[1]]) #arredondar o valor de x inicial escolhido pelo utilizador 
    xf <- round(xf[[1]]) #arredondar o valor de x final escolhido pelo utilizador
    secante1 <- lowess(cat1[,3]) #saber quais os valores da curva ajustada do primeiro conjunto de dados
    seci1 <- secante1$y[[xi]] #acessar valor do y correspondente ao valor de x inicial escolhido pelo utilizador na curva ajustada (primeiro conjunto de dados)
    secf1 <- secante1$y[[xf]] #acessar valor do y correspondente ao valor de x final escolhido pelo utilizador na curva ajustada (primeiro conjunto de dados)
    secante2 <- lowess(cat2[,3]) #saber quais os valores da curva ajustada do segundo conjunto de dados
    seci2 <- secante2$y[[xi]] #acessar valor do y correspondente ao valor de x inicial escolhido pelo utilizador na curva ajustada (segundo conjunto de dados)
    secf2 <- secante2$y[[xf]] #acessar valor do y correspondente ao valor de x final escolhido pelo utilizador na curva ajustada (segundo conjunto de dados)
    lines(c(xi,xf), c(seci1, secf1), lwd=2, col="red") #traçar recta secante do primeiro conjunto de dados
    lines(c(xi,xf), c(seci2, secf2), lwd=2, col="blue", lty=2) #traçar recta secante do segundo conjunto de dados
    
    y1i <- cat1[cat1[,2]==round(xi),] #seleccionar as linhas do dataframe do primeiro conjunto de dados que correspondem ao valor de x inicial para pegar o valor de y correspondente
    y1f <- cat1[cat1[,2]==round(xf),] #seleccionar as linhas do dataframe do primeiro conjunto de dados que correspondem ao valor de x final para pegar o valor de y correspondente
    y2i <- cat2[cat2[,2]==round(xi),] #seleccionar as linhas do dataframe do segundo conjunto de dados que correspondem ao valor de x inicial para pegar o valor de y correspondente
    y2f <- cat2[cat2[,2]==round(xf),] #seleccionar as linhas do dataframe do segundo conjunto de dados que correspondem ao valor de x final para pegar o valor de y correspondente
    Ax1 <- (y1f[[3]]-y1i[[3]])/(xf-xi) #cálculo da taxa de variação média no primeiro conjunto de dados
    Ax2 <- (y2f[[3]]-y2i[[3]])/(xf-xi) #cálculo da taxa de variação média no segundo conjunto de dados
    
    aa1 <- cat1[cat1[,2]>=xi & cat1[,2]<=xf,] #para ter acesso ao data frame dos valores do primeiro conjunto seleccionados pelo usuário
    aa2 <- cat2[cat2[,2]>=xi & cat2[,2]<=xf,] #para ter acesso ao data frame dos valores do primeiro conjunto seleccionados pelo usuário
    intervalo1 <-aa1[[3]] #valores de y do primeiro conjunto (apenas no intervalo seleccionado pelo usuário)
    intervalo2 <- aa2[[3]] #valores de y do segundo conjunto (apenas no intervalo seleccionado pelo usuário)
    test <- chisq.test(intervalo1, intervalo2) #faz um teste qui-quadrado de forma a comparar os valores das variváveis dependentes no intervalo de tempo(x) escolhido pelo utilizador
    exit <- list(aa1, aa2, Ax1, Ax2, test) #lista dos componentes que a função irá retornar
    names(exit) <- paste(list("Conjunto de dados do primeiro nível do fator no intervalo escolhido", "Conjunto de dados do segundo nível do fator no intervalo escolhido", "Taxa de variação média do primeiro conjunto de dados", "Taxa de variação do segundo conjunto de dados", "Chi-Squared Test"))
    print("ATTENTION: The function compared only the first two levels of your factor!!") #aviso para o utilizador
    return(exit) #retorna a lista acima
  } 
}

curly				package:unknown			R documentation

Teste de comparação de curvas de dois conjuntos de dados.


Description

Faz a comparação estatística entre as proporções ou porcentagens de dois conjuntos de dados ao longo de um determinado período de tempo 
e produz um gráfico de dispersão dos dados e suas curvas ajustadas.


Usage:

curly(dados, choosepoints=FALSE, xtype="name", ytype="name", ...)


Arguments:

dados - data frame com uma coluna categórica com 1 fator de vários níveis e duas colunas numéricas. 
A primeira coluna numérica deve conter a variável independente 
e a segunda coluna numérica deve ser a variável dependente (em proporção ou porcentagem).

choosepoints - se TRUE, devem ser escolhidos dois pontos para uma comparação num determinado intervalo delimitado no eixo X. 
Caso seja FALSE, a comparação será feita em toda a extensão do conjunto de dados.  Default=FALSE. 

xtype - colocar o nome do xlab nos dois gráficos plotados

ytype - colocar o nome do ylab nos dois gráficos plotados

... - argumentos da função plot, por favor veja função plot() e par(). Alguns argumentos que podem ser usados:

	pch - muda o tipo dos pontos do gráfico de dispersão
	col - muda as cores a serem colocadas no plot
	cex - aumenta do tamanho do texto do plot e dos símbolos
	main - muda o título do gráfico


Details:

A função é apenas aplicada para dados que sejam medidos em proporção ou porcentagem. 
O objetivo da função é verificar se duas curvas são iguais em função de uma variável independente (como tempo, peso, etc).
Esta variável independente deve ter o mesmo intervalo nos dois conjuntos de dados.
Se o argumento choosepoints for TRUE, a função irá produzir as linhas secantes da taxa de variação média.
A função permite a entrada de um um fator com vários niveís no entanto apenas os primeiros dois níveis serão usados para a função.


Value:

Terá uma lista como saída com os seguintes componentes:

Se, choosepoints=FALSE

	Tabela com as variáveis do primeiro conjunto de dados
	Tabela com as variáveis do segundo conjunto de dados
	Parâmetros do Teste Qui-quadrado e valor de p associado

Se, choosepoints=TRUE

	Tabela com as variáveis do primeiro conjunto de dados (mostrando apenas as que estão no intervalo escolhido pelo utilizador)
	Tabela com as variáveis do segundo conjunto de dados (mostrando apenas as que estão no intervalo escolhido pelo utilizador)
	Valor da taxa de variação média da primeira curva (entre os pontos escolhidos pelo utilizador)
	Valor da taxa de variação média da segunda curva (entre os pontos escolhidos pelo utilizador)
	Parâmetros do Teste Qui-quadrado e valor d p associado

Warning:

Aceita apenas data frame com uma coluna categórica com 1 fator de vários níveis e duas colunas numéricas.
Se forem colocados mais de 2 níveis no factor a função irá apenas fazer a comparação entre os dois primeiros níveis do data frame.

Author:

Filipa Alexandra de Abreu Paulos

Examples:

#Exemplo

x <- rep(c("Adequatefood","Inadequatefood"), each=15)
y <- rep.int(c(1:15), times=2)
z1 <- c(0.06666667, 0.33333333, 0.86666667, 0.60000000, 0.60000000, 0.66666667, 0.73333333, 0.80000000, 0.86666667, 0.80000000, 1.00000000, 1.00000000, 1.00000000, 0.66666667, 1.00000000)
z2 <- c(0.00000000, 0.66666667, 0.53333333, 0.53333333, 0.93333333, 0.80000000, 0.73333333, 0.93333333, 0.80000000, 0.93333333, 0.93333333, 0.93333333, 0.86666667, 0.86666667, 0.86666667)
z <- c(z1,z2)
dados <- data.frame(x,y,z)

curly(dados)

curly(dados, xtype="Proporção de escolhas correctas", ytype="Sessão", pch=c(1,3)) 
#muda o nome dos eixos x e y e o formato dos pontos do gráfico.

curly(dados, choosepoints=TRUE, cex=2)
#faz com que a função peça para escolher dois pontos do eixo x para que se faça a comparação apenas nesse intervalo. Aumento o tamanho de todos os parâmetros do gráfico

##Exemplo com distribuições exponenciais

x <- rep(c("f","h"), each=60)
y <- rep.int(c(1:60), times=2)
zi <- pexp(1:500, 0.01)
z1 <- sort(sample(zi,60))
z2 <- sort(sample(zi,60))
z <- c(z1,z2)
da <- data.frame(x,y,z)

curly(da)

curly(da, choosepoints=TRUE)
#faz com que a função peça para escolher dois pontos do eixo x para que se faça a comparação apenas nesse intervalo.

curly(da, choosepoints=F, cex.lab=2, col="red")
#Muda alguns parâmetros do gráfico como o tamanho dos eixos x e y e a coloração dos pontos plotados.

Função Curly

Help Curly