##### Exercícios 4 - Análises Exploratórias ###############################################################3333


##### 4.2 Cervejas ##############################################

##Uma amostra de 30 estudantes foi indagada sobre seu tipo de cerveja preferida,com o seguinte resultado 

cervejas <-c("chope","lata","garrafa","chope","garrafa", "garrafa","lata","lata","nenhuma","lata","garrafa","garrafa", "garrafa","lata","lata","lata","garrafa","lata","chope","nenhuma", "garrafa","garrafa","garrafa","chope","garrafa","garrafa","chope","garrafa","lata","lata")
class(cervejas)

cervejas<-factor(cervejas)
cervejas


##Represente este resultado como um gráfico de barras e um dotplot (função dotchart).

par(mfrow=c(2,2))
barplot(table(cervejas))
dotchart(table(cervejas))
par(mfrow=c(1,1))

##Qual tem maior razão dado/tinta?
#Resposta# O gráfico dotplot tem a maior razão, pois gasta menos tinta.



##### 4.3 Caixetais ########################################

#Neste exercício, use o objeto caixeta, criado no tutorial Exploração de uma Variável Categórica.

caixeta <- read.csv("caixeta.csv", as.is=T)
head(caixeta)
names(caixeta)


#Construa um histograma do DAP dos fustes dos caixetais.

caixeta$dap=caixeta$cap/3.14
caixeta$dap
hist(caixeta$dap, main = "Caixetais DAP", xlab="DAP", ylab = "Frequencia")

#Construa histogramas da altura das árvores para os diferentes caixetais ('local').

library(lattice)
histogram (fuste ~ h | local, data=caixeta, main="Altura Caixetais", xlab="altura", ylab="Frequencia")


#Há diferenças entre as estruturas (distribuição de tamanhos) dos caixetais?
#Resposta#  Sim, na Jureia há maior quantidade de indivíduos altos e menor de indivíduos baixos em relação a Retiro e Chauas.




##### 4.4 Eucaliptos ################################

##Neste exercício, use o conjunto de dados Inventário em Florestas Plantadas de Eucalyptus grandis.

egrandis <- read.csv("egrandis.csv", sep = ";", as.is=T)
egrandis
head(egrandis)

##Utilize o gráfico boxplot para analisar o DAP de árvores de E. grandis em função das variáveis região (regiao) e rotação (rotacao).

library(lattice)

class(egrandis$rotacao)
class(egrandis$regiao)

egrandis$rotacao=factor(egrandis$rotacao)

table(egrandis$rotacao)
table(egrandis$regiao)

bwplot(dap~regiao|rotacao, data=egrandis)
bwplot(dap~regiao|rotacao, data=egrandis, main="DAP Eucalyptus grandis por Rotação (1 e 2) por Região")



##Avalie a normalidade da altura do conjunto total de árvores com um gráfico quantil-quantil contra a distribuição normal.

qqnorm(egrandis$ht); qqline(egrandis$ht)
class(egrandis$ht)





##### 4.5 Mais Caixetais#################################

caixeta <- read.csv("caixeta.csv", as.is=T)
head(caixeta)
names(caixeta)


#Aqui usaremos novamente o objeto caixeta, criado no tutorial Exploração de uma Variável Categórica.

## 1# Analise a relação dap-altura ('dap' e 'h') em função do caixetal (local) 

#Primeiro fazemos um data frame para "Tabebuia cassinoides"
caixeta.Tab<- subset(caixeta, especie == "Tabebuia cassinoides") 
head(caixeta.Tab) 

#Segundo, calculamos a área basal
caixeta.Tab$AB=pi*(((caixeta.Tab$cap/3.14)/2)^2)

#Terceiro, somamos os fustes e criamos um dataframe por arvore e por local e por altura
caixeta.arv <- aggregate(caixeta.Tab$AB, by=list(altura=caixeta.Tab$h, arvore=caixeta.Tab$arvore, local=caixeta.Tab$local), FUN=sum)
head(caixeta.arv)

#Quarto, encontramos o DAP através da AB
caixeta.arv$DAP=2*sqrt(caixeta.arv$x/pi)
head(caixeta.arv)

#Quinto, relação DAP x altura
coplot(DAP~altura|local, data=caixeta.arv, xlab="Altura", ylab="DAP") 


## 2# Para a mesma relação do item anterior, verifique linearidade com a função scatter.smooth


caixeta.arv.chauas=caixeta.arv[caixeta.arv$local=="chauas", ]
caixeta.arv.retiro=caixeta.arv[caixeta.arv$local=="retiro", ]
caixeta.arv.jureia=caixeta.arv[caixeta.arv$local=="jureia", ]

# Gráficos

par(mfrow=c(1,3))
scatter.smooth(caixeta.arv.chauas$DAP, caixeta.arv.chauas$altura, main = "Linearidade Chaua", xlab = "DAP", ylab="Altura")
scatter.smooth(caixeta.arv.retiro$DAP, caixeta.arv.retiro$altura, main = "Linearidade Retiro", xlab = "DAP", ylab="Altura")
scatter.smooth(caixeta.arv.jureia$DAP, caixeta.arv.jureia$altura, main = "Linearidade Juréia", xlab = "DAP", ylab="Altura")
par(mfrow=c(1,1))


## 3# Utilizando o pacote lattice, analise a relação dap-altura ('dap' e 'h') em função do caixetal (local), mas somente para as árvores de caixeta (Tabebuia cassinoides).

library(lattice)

xyplot (DAP ~ altura | local, data=caixeta.arv, main="Relação Altura x DAP", xlab="altura", ylab="DAP")