Mestranda pelo programa de pós graduação em Ciência Biológicas (Botânica) pela UNESP.

Atualmente eu estudo uma espécie de Leguminosae do cerrado, Chamaecrista desvauxii, com o intuito de compreender as interações mutualistas e suas possíveis interferências.

exec

Trabalho Final

Ideia A

Como os dados devem estar no R: O objetivo inicial deve ser um data frame.

Objetivo da função: Calcular média e desvio padrão de grupos dentro de um objeto data frame composto somente por variáveis quantitativas continuas. A função definirá grupos (conjuntos de linhas) a partir de uma das colunas do data frame que será tratada como coluna referência e será definida em um argumento na função. O número de grupos que será criado também será um argumento da função e definirá os níveis dentro da coluna referência. Os grupos serão formados a partir da coluna referência em ordem crescente.

Sendo assim: A função irá basicamente “agrupar” os seus dados em níveis (que serão definidos por você) a partir de uma coluna referência (também definida por você) dentro do data frame e automatizar o calculo de média e desvio padrão de cada um dos níveis criados. Essa função irá produzir um novo data frame com as novas colunas criadas a partir da função, que será a coluna dos níveis criados, a coluna de média e de desvio padrão para cada nível. Assim, cada coluna original produzira duas colunas resultado, uma para a média por nível e outra para o desvio padrão por nível.

Justificativa: Essa seria uma função bastante útil caso você queira categorizar seus dados e calcular estatísticas descritivas a partir de uma coluna específica (com dados contínuos), ao invés de somente calcular a média e desvio de todos os dados (elementos) dentro de cada coluna. Sendo assim, você não precisaria criar outros data frames com apenas aqueles valores separadamente e nem calcular isso de forma mecânica (um por um). Além do mais, você poderia definir e variar o número de níveis (categorias) e recalcular os valores instantaneamente, reaplicando a função.

Exemplo baseado em dados fictícios para tornar a função mais explícita: Imaginando que você tenha medidas de altura de várias árvores de uma parcela com 340 indivíduos, e junto tenha outras medidas tomadas no campo, e você queira agrupar os dados e calcular a estatística descritiva dos mesmo em três níveis de altura, e calcular a média e desvio padrão de todas as outras colunas (e.g. diâmetro a altura do peito, índice de área foliar). Sendo assim, essa função irá automatizar a criação dos três níveis, que foi pré-determinado por você, e calcular as médias e desvio padrão dos mesmos níveis. Da mesma forma, você pode mudar de ideia e querer criar mais ou menos níveis depois da primeira rodada, e fará isso rapidamente novamente.

Ideia B

Como os dados devem estar no R: Um data frame onde a primeira coluna se tenha dois ou mais tratamentos, e outras colunas com variáveis contínuas.

Objetivo da função: primeiramente a função vai analisar o dados e determinar se há ou não normalidade nos mesmos, caso sim, a função seguirá para os testes paramétricos, caso os dados não sejam normais, a função irá seguir para os testes não paramétricos.

Justificativa: Automatizar a análise dos seus dados que estarão dispostos em um data frame que tenha uma coluna com diferentes tipos de tratamentos e outras colunas com variáveis contínuas, vai comparar a coluna de tratamentos com cada coluna das variáveis contínuas, e no final devolve uma tabela com os valores do teste estatístico.

Porém, não sei se eu consegui me expressar muito bem ao descrever aqui, acho que a primeira foi onde eu dei o meu melhor pois foi difícil conseguir pensar em duas ideias que fizessem muito sentido e que eu conseguisse me expressar bem.

change.table{unknown}                package:unknown                R Documentation

CRIANDO NIVEIS CATEGORICOS

Description:

Calcular média e desvio padrão de grupos dentro de um objeto data frame 
composto somente por variáveis quantitativas continuas.

Usage:

change.table=function (data, column, group, variable)

Arguments:

data: é o data frame, com todas as tabelas e colunas de interesse
column: coluna referência escolhida para criar os níveis de categoria
group: número de níveis de categoria de interesse
variable: variável dependente de interesse para plotar no gráfico 

Details:

A função irá basicamente “agrupar” os seus dados em níveis (que serão definidos por você) 
a partir de uma coluna referência (também definida por você) dentro do data frame e automatizar 
o calculo de média e desvio padrão de cada um dos níveis criados. 


Value:

A função retorna uma lista com todos os novos data frames criados a partir do número de níveis de categorias escolhidos.

Author(s):
Lorena Bueno Valadao Mendes
lorena.bvmendes@gmail.com

Botucatu, 25 de junho de 2017

Examples:

data=read.table ("example_plant_phenology.csv",header=TRUE, sep=";")
change1=change.table(data, 6,4,5)

 ##FUNÇÃO DISCIPLINA R USP##
###########################

change.table=function (data, column, group, variable)
{
  data2 <- data[order (data[,column]),]     ### ordena os dados em ordem crescente pela coluna de interesse ex. coluna 6-> "plant_size"!
  
  levels<- cut (data2[,column],breaks=group)    ### cria um vetor categorico com 4 niveis de acordo com a variavel de interesse ex. "plant_size".
  
  data3 <- split (data2,levels)						### divide os dados originais ordenados em quatro conjuntos de dados de acordo com os niveis criados para a variavel de interesse ex."plant_size"
  
  m <- data.frame (rbind(sapply(data3[[1]],FUN="mean"),sapply(data3[[2]],FUN="mean"),sapply(data3[[3]],FUN="mean"),sapply(data3[[4]],FUN="mean")) )  ### junta as medias dos 4 grupos
  s <- data.frame (rbind(sapply(data3[[1]],FUN="sd"),sapply(data3[[2]],FUN="sd"),sapply(data3[[3]],FUN="sd"),sapply(data3[[4]],FUN="sd")) )     ### junta os desvios padroes dos 4 grupos
  
  list ("mean"=m,"sd"=s)
  
  par(mfrow=c(1,2))
  name=as.data.frame(dimnames(m))
  
  plot (m[,variable]~m[,column],main="categorized", ylab=name[variable,2], xlab=name[column,2], las=1) ### visualizando como ficou a divisao em quatro grupos (pelas medias)
  
  plot(data[,variable]~data[,column], main = "original dataset",ylab=name[variable,2], xlab=name[column,2], las=1) ### visualizando mesmos dados originais.
return(data3 <- split (data2,levels)) ###retorna uma lista com todos os data frame criados que você definiu previamente na funcao.
}

##FIM##

Arquivos da função

funcao_trabalho_final.r

pagina_help.r

example_plant_phenology.csv