########################################################### ###########Exercicios 4 - Análises Exploratórias########### ################Anne Elise - 20/05/19###################### ####################CURSO USP############################## ########################################################### ###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") ##Represente este resultado como um gráfico de barras e um dotplot (função dotchart). barplot(sort(table(cervejas), decreasing=T)) dotchart(sort(table(cervejas), decreasing=T)) ##Qual tem maior razão dado/tinta? #####O gráfico Dotchart ####4.3 Caixetais #Neste exercício, use o objeto caixeta, criado no tutorial Exploração de uma Variável Categórica. setwd("C:/Users/annel/Desktop/Doutorado/Disciplinas e Cursos/Curso R - USP") caixeta <- read.table("caixeta.csv", header=T, sep=",", as.is=T) str(caixeta) head(caixeta) names(caixeta$local) #Construa um histograma do dap dos fustes dos caixetais. hist(caixeta$cap[caixeta$fuste]) #Construa histogramas da altura das árvores para os diferentes caixetais ('local'). windows() hist(caixeta$h [caixeta$local == "chauas"]) hist(caixeta$h [caixeta$local == "jureia"]) hist(caixeta$h [caixeta$local == "retiro"]) #Há diferenças entre as estruturas (distribuição de tamanhos) dos caixetais? ###Sim, há diferenças entre as estruturas. ####Em chauas a altura varia de 0 à 500m, mas estão concentrados entre 0 e 200m. ####Em Jureira, a altura aparenta ter uma distribuição normal, com maior concentração em torno dos 100m ####Já em Retiro, os dados variam entre 0 e aproximadamente 150, com os a maioria dos dados de altura concentrados próximos de 50 e próximos de 100. ##4.4 Eucaliptos #Neste exercício, use o conjunto de dados Inventário em Florestas Plantadas de Eucalyptus grandis. dir() egrandis <- read.table("egrandis.csv", header=T, sep=";", as.is=T) str(egrandis) #Utilize o gráfico boxplot para analisar o DAP de árvores de E. grandis em função das variáveis região (regiao) e rotação (rotacao). windows() boxplot(egrandis$dap~egrandis$regiao*egrandis$rotacao) #Avalie a normalidade da altura do conjunto total de árvores com um gráfico quantil-quantil contra a distribuição normal. quantile(egrandis$ht) qqnorm( egrandis$ht ) qqline( egrandis$ht ) #4.5 Mais Caixetais #Analise a relação dap-altura ('dap' e 'h') em função do caixetal (local) com a função plot, mas somente para as árvores de caixeta (Tabebuia cassinoides). caixeta <- read.table("caixeta.csv", header=T, sep=",", as.is=T) head(caixeta) #Somente T. cassinoides t.cass <- caixeta[caixeta$especie == "Tabebuia cassinoides",] #DAP t.cass$dap=(t.cass$cap/pi) plot(dap ~ h, data=t.cass, subset=local=="chauas", main="Chauas", ylab="DAP (cm)", xlab="Altura (cm)") plot(dap ~ h, data=t.cass, subset=local=="jureia", main="Jureia", ylab="DAP (cm)", xlab="Altura (cm)") plot(dap ~ h, data=t.cass, subset=local=="retiro", main="Retiro", ylab="DAP (cm)", xlab="Altura (cm)") #Para a mesma relação do item anterior, verifique linearidade com a função scatter.smooth par(mfrow=c(1,3)) scatter.smooth(t.cass$dap[t.cass$local=="chauas"]~t.cass$h[t.cass$local=="chauas"], xlab="Altura (cm)", ylab="DAP (cm)", main="chauas") scatter.smooth(t.cass$dap[t.cass$local=="jureia"]~t.cass$h[t.cass$local=="jureia"], xlab="Altura (cm)", ylab="DAP (cm)", main="jureia") scatter.smooth(t.cass$dap[t.cass$local=="retiro"]~t.cass$h[t.cass$local=="retiro"], xlab="Altura (cm", ylab="DAP (cm)", main="retiro") #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~h|local, data= t.cass)