#### Exerxícios 4- Análises exploratórias ####

### Exercício 4.2 ###

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")

tabela.cervs <- table(cervejas)
tabela.cervs

# 1 

barplot(tabela.cervs)
dotchart(tabela.cervs)

# 2: comparando...

par(mfrow=c(1,2))
barplot(tabela.cervs)
dotchart(tabela.cervs)

# O dotplot tem a maior razão dados/tinta.
 
### Exercício 4.3 ###

getwd()
setwd("C:/Users/Ramiro/Documents/R dir")


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

str(caixeta)
head(caixeta)
summary(caixeta)


#1 Histograma do dap dos fustes 

#cap= 2*pi(dap/2)
#(dap/2)^2=1/pi
#dap=cap/pi

caixeta$dap <- caixeta$cap/pi

hist(caixeta$dap, xlab="dap")

# 2 Histograma altura das árvores p/ dif caixetais


library(lattice)
search()

caixeta.alt <- data.frame(local=caixeta$local, arvore=caixeta$arvore, altura=caixeta$h)

individuos <- unique(caixeta.alt)

histogram(~altura|local, data=individuos, col="white")

# 3 Diferenças entre as estruturas dos caixetais

# as estruturas dos caixetais são essencialmente as mesmas, com diferenças pouco significantes

### Exercício 4.4 ###

getwd()
dir()

eucaliptal <- read.table("egrandis.csv", header=T, as.is=T, sep=";")
str(eucaliptal)

# boxplot - análise de dap em função de região e rotação

par(mfrow=c(1,2))

boxplot(dap~regiao, data=eucaliptal, xlab="Região", ylab="DAP", main="E. grandis")
boxplot(dap~rotacao, data=eucaliptal, xlab="Rotação", ylab="DAP", main= "E. grandis")

#Avaliando a normalidade...

help(qqnorm)

head(eucaliptal)

qqnorm(eucaliptal$ht,main="gráfico quantil-quantil")
qqline(eucaliptal$ht)


# dados não parecem ajustar-se a uma distribuição normal


### Exercício 4.5 ###

getwd()
setwd("C:/Users/Ramiro/Documents/R dir")

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


### 1 Analisando a relação dap-altura ('dap' e 'h') em função do caixetal (local) com a função plot; somente para Tabebuia cassinoides:

## calculo de área basal e criação de sua coluna


caixeta$dap <- caixeta$cap/pi
caixeta$a.b <-(caixeta$dap/2)^2*pi

head(caixeta)


## Criando um subconjunto de Tabebuias cassinoides no objeto "cassinoides"

#cassinoides <- caixeta[caixeta$especie=="Tabebuia cassinoides",]

cassinoides <- subset(caixeta, caixeta$especie=="Tabebuia cassinoides")

head(cassinoides)


## área basal por indivíduo de T.cassinoides

help(aggregate)

cassinoides.sum.ab <- aggregate(cassinoides$a.b, by= list(local=cassinoides$local, arvore=cassinoides$arvore), sum)

head(cassinoides.sum.ab)

# nomeando colunas

colnames(cassinoides.sum.ab)<- c("local", "arvore", "soma_da_area_basal")
head(cassinoides.sum.ab)

# Incluindo a altura

h.individuos <- aggregate(cassinoides$h, by= list(local=cassinoides$local, arvore=cassinoides$arvore), max)
cassinoides.sum.ab$h.individuos <- h.individuos[,3]
head(cassinoides.sum.ab)

# dap por indivíduo de T.cassinoides

cassinoides.sum.ab$dap.indiv <- 2*sqrt(cassinoides.sum.ab$soma_da_area_basal/pi)

# Plotando relação dap-altura por local

help(plot)

help(par)

par(mfrow=c(1,3))

chauas <- cassinoides.sum.ab$local =="chauas"
jureia <- cassinoides.sum.ab$local =="jureia"
retiro <- cassinoides.sum.ab$local =="retiro"



plot(cassinoides.sum.ab[chauas,5], cassinoides.sum.ab[chauas,4], xlab="dap", ylab="Altura", main= "chauas")
plot(cassinoides.sum.ab[jureia,5], cassinoides.sum.ab[jureia,4], xlab="dap", ylab="Altura", main="jureia")
plot(cassinoides.sum.ab[retiro,5], cassinoides.sum.ab[retiro,4], xlab="dap", ylab="Altura", main="retiro")

par(mfrow=c(1,1))

## relações dap-altura semelhantes

# 2 verificando linearidade com a função scatter.smooth

help(scatter.smooth)

par(mfrow=c(1,3))

chauas <- cassinoides.sum.ab$local =="chauas"
jureia <- cassinoides.sum.ab$local =="jureia"
retiro <- cassinoides.sum.ab$local =="retiro"


scatter.smooth(cassinoides.sum.ab[chauas,5], cassinoides.sum.ab[chauas,4], xlab="dap", ylab="Altura", main= "chauas")
scatter.smooth(cassinoides.sum.ab[jureia,5], cassinoides.sum.ab[jureia,4], xlab="dap", ylab="Altura", main="jureia")
scatter.smooth(cassinoides.sum.ab[retiro,5], cassinoides.sum.ab[retiro,4], xlab="dap", ylab="Altura", main="retiro")

## o comportamento dos dados em " jureia " parece ser ligeiramente distinto dos demais

# 3  Analisando relação dap-altura de T. cassinoides em função do local; pacote lattice

library(lattice)
search()

head(cassinoides.sum.ab)
xyplot(h.individuos~dap.indiv|local, data=cassinoides.sum.ab, xlab="dap", ylab="Altura")

## o comportamento dos dados ainda parece ser bastante semelhante