\documentclass[a4paper, oneside, 10pt]{article}
\usepackage[unicode]{hyperref}
\usepackage[utf8x]{inputenc}
\usepackage[english]{babel}
\usepackage{listings}
\date{\today}
\title{}
\author{}
\begin{document}


\begin{itemize}
  \item Array
  \item Array
\end{itemize}


\subsection{\texorpdfstring{ANÁLISES EXPLORATÓRIAS DE DADOS}{ANALISES EXPLORATORIAS DE DADOS}}
\label{sec:analises_exploratorias_de_dados}


\subsubsection{\texorpdfstring{Preparação dos dados e programa}{Preparaao dos dados e programa}}
\label{sec:preparaao_dos_dados_e_programa}


As análises abaixo serão realizadas em ambiente R e para isso teremos que instalar alguns pacotes, abaixo estão todos os comandos necessários para a realização da atividade.

1) Crie um diretório (pasta), copie os arquivos de dados abaixo para esse diretório e faça a descompactação no mesmo diretório:
\begin{itemize}
  \item \href{media/planeco/roteiro/univar1.csv.zip}{univar.zip}
  \item \href{media/planeco/roteiro/autocorr.csv.zip}{autocorr.zip}
\end{itemize}


2) Abra o R no seu computador e mude o diretório de trabalho para o diretório (\emph{i.e.} a pasta) que você criou, usando o menu \textbf{\emph{Arquivo}} \textgreater  \textbf{\emph{mudar dir...}}. 

3) Instale os pacotes \emph{car} e \emph{lattice}.

Para isso, basta copiar e colar os comandos que estão nas caixas de cor cinza:\lstset{frame=single}
\begin{lstlisting}

install.packages("car")
\end{lstlisting}



Espere finalizar todo o processo de instalação desse pacote para iniciar o próximo: \lstset{frame=single}
\begin{lstlisting}

install.packages("lattice")
\end{lstlisting}



4) Agora carregue os pacotes:\lstset{frame=single}
\begin{lstlisting}

library(car)
library(lattice)
library (graphics)
\end{lstlisting}



\subsubsection{\texorpdfstring{ANALISANDO DADOS UNIVARIADOS}{ANALISANDO DADOS UNIVARIADOS}}
\label{sec:analisando_dados_univariados}


1) importe o conjunto de dados para o R\lstset{frame=single}
\begin{lstlisting}

univar1<-read.csv("univar1.csv")
\end{lstlisting}



2) Use a função \emph{head} para visualizar as 5 primeiras linhas do conjunto de dados\lstset{frame=single}
\begin{lstlisting}

head(univar1)
\end{lstlisting}



3) Inspecione o resumo dos dados\lstset{frame=single}
\begin{lstlisting}

summary(univar1)
\end{lstlisting}



\paragraph{\texorpdfstring{Conhecendo os dados:}{Conhecendo os dados}}
\label{sec:conhecendo_os_dados}


4) Se quiser, visualize o conjunto de dados como uma planilha convencional\lstset{frame=single}
\begin{lstlisting}

edit(univar1)
\end{lstlisting}



\subsubsection{\texorpdfstring{Análises gráficas}{Analises graficas}}
\label{sec:analises_graficas}
\lstset{frame=single}
\begin{lstlisting}
 
par(mfrow = c(2,2)) ##Aqui estamos criando um layout para colocar os quatro gráficos juntos
hist(univar1$COMPRIMENTO_BICO)
hist(univar1$BIOMASSA_AVE)
hist(univar1$BIOMASSA_INSETOS)
hist(univar1$TAMANHO_SEMENTES)
par(mfrow=c(1,1)) ## voltando ao padrão de apresentar apenas 1 gráfico por página 
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

#use o argumento breaks para determinar o número de classes
par(mfrow = c(2,2)) 
hist(univar1$COMPRIMENTO_BICO, breaks = 20)
hist(univar1$BIOMASSA_AVE, breaks = 20)
hist(univar1$BIOMASSA_INSETOS, breaks = 20)
hist(univar1$TAMANHO_SEMENTES, breaks = 20)
par(mfrow=c(1,1))  
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

par(mfrow = c(2,2)) 
hist(univar1$COMPRIMENTO_BICO, breaks = 10)
hist(univar1$BIOMASSA_AVE, breaks = 10)
hist(univar1$BIOMASSA_INSETOS, breaks = 10)
hist(univar1$TAMANHO_SEMENTES, breaks = 10)
par(mfrow=c(1,1))  
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

par(mfrow = c(2,2)) 
plot(density(univar1$COMPRIMENTO_BICO))
plot(density(univar1$BIOMASSA_AVE))
plot(density(univar1$BIOMASSA_INSETOS))
plot(density(univar1$TAMANHO_SEMENTES))
par(mfrow=c(1,1))  
\end{lstlisting}



Podemos juntar esses dois gráficos em um só. Para isso, use o código abaixo:\lstset{frame=single}
\begin{lstlisting}

par(mfrow = c(2,2)) 
hist(univar1$COMPRIMENTO_BICO, prob=T )
lines(density(univar1$COMPRIMENTO_BICO))

hist(univar1$BIOMASSA_AVE, prob=T)
lines(density(univar1$BIOMASSA_AVE))

hist(univar1$BIOMASSA_INSETOS, prob=T)
lines(density(univar1$BIOMASSA_INSETOS))

hist(univar1$TAMANHO_SEMENTES, prob=T)
lines(density(univar1$TAMANHO_SEMENTES))
par(mfrow=c(1,1))  
\end{lstlisting}



Podemos também mostrar, na parte inferior do gráfico de densidade, o número de observações em cada faixa do gráfico. Para isso vamos usar a função \emph{rug()}\lstset{frame=single}
\begin{lstlisting}

par(mfrow = c(2,2)) 
plot(density(univar1$COMPRIMENTO_BICO))
rug(univar1$COMPRIMENTO_BICO, side=1)

plot(density(univar1$BIOMASSA_AVE))
rug(univar1$BIOMASSA_AVE, side=1)

plot(density(univar1$BIOMASSA_INSETOS))
rug(univar1$BIOMASSA_INSETOS, side=1)

plot(density(univar1$TAMANHO_SEMENTES))
rug(univar1$TAMANHO_SEMENTES, side=1)

par(mfrow=c(1,1))  
\end{lstlisting}



Todas essas informações nos auxiliam para identificarmos a quais distribuições teóricas nossos dados se ajustam.\lstset{frame=single}
\begin{lstlisting}

(sort(univar1$COMPRIMENTO_BICO))
\end{lstlisting}



Mas temos uma função que faz isso por nós:\lstset{frame=single}
\begin{lstlisting}

boxplot(univar1$COMPRIMENTO_BICO, range=0) 
\end{lstlisting}



Vamos fazer um boxplot modificado com os nossos dados de COMPRIMENTO\_BICO\lstset{frame=single}
\begin{lstlisting}

boxplot(univar1$COMPRIMENTO_BICO) 
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

boxplot(univar1$BIOMASSA_INSETOS ~ univar1$NIVEL_DISTURBIO)
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

boxplot(univar1$BIOMASSA_INSETOS ~ univar1$NIVEL_DISTURBIO, notch=TRUE)
\end{lstlisting}



\textbf{E agora, você está mais seguro(a) para afirmar se a biomassa de insetos difere ou não entre os dois níveis de distúrbio?}

\subsubsection{\texorpdfstring{CHECANDO O AJUSTE DOS DADOS A UMA DISTRIBUIÇÃO}{CHECANDO O AJUSTE DOS DADOS A UMA DISTRIBUIAO}}
\label{sec:checando_o_ajuste_dos_dados_a_uma_distribuiao}


Vamos então aplicar as funções abaixo aos nossos dados:\lstset{frame=single}
\begin{lstlisting}

par(mfrow = c(2,2)) 

qqnorm(univar1$COMPRIMENTO_BICO)
qqline(univar1$COMPRIMENTO_BICO)

qqnorm(univar1$BIOMASSA_AVE)
qqline(univar1$BIOMASSA_AVE)

qqnorm(univar1$BIOMASSA_INSETOS)
qqline(univar1$BIOMASSA_INSETOS)

qqnorm(univar1$TAMANHO_SEMENTES)
qqline(univar1$TAMANHO_SEMENTES)

par(mfrow=c(1,1))  
\end{lstlisting}



\subsubsection{\texorpdfstring{AVALIANDO AUTOCORRELAÇÃO}{AVALIANDO AUTOCORRELAAO}}
\label{sec:avaliando_autocorrelaao}


Para essa parte do tutorial, importe o conjunto de dados ,,autocorr.csv" para o R e inspecione os dados:\lstset{frame=single}
\begin{lstlisting}

autocorr<-read.csv("autocorr.csv")
head(autocorr)
summary(autocorr)
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

lag.plot(autocorr$x1, do.lines = FALSE, diag=FALSE)

lag.plot(autocorr$x2, do.lines = FALSE, diag=FALSE)
\end{lstlisting}



\subsubsection{\texorpdfstring{ANALISANDO DADOS BIVARIADOS}{ANALISANDO DADOS BIVARIADOS}}
\label{sec:analisando_dados_bivariados}
\lstset{frame=single}
\begin{lstlisting}

bivar<-read.csv("bivar.csv")
head(bivar)
summary (bivar)
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

plot(bivar$y.l ~ bivar$x.l)
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

plot(bivar$y.l ~ bivar$x.l)
lines(lowess(bivar$y.l ~ bivar$x.l))
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

plot(bivar$y.n ~ bivar$x.n)
lines(lowess(bivar$y.n ~ bivar$x.n))
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

#grafico do pacote car
scatterplot (bivar$y.l ~ bivar$x.l)
\end{lstlisting}

\lstset{frame=single}
\begin{lstlisting}

scatterplot (bivar$y.n ~ bivar$x.n)
\end{lstlisting}



\subsubsection{\texorpdfstring{Transformando os dados}{Transformando os dados}}
\label{sec:transformando_os_dados}
\lstset{frame=single}
\begin{lstlisting}

scatterplot(univar1$COMPRIMENTO_BICO ~ univar1$BIOMASSA_AVE)
\end{lstlisting}



Como podemos observar pelos boxplots laterais, nesse caso, aparentemente são os dados da variável Y que parecem estar afetando a linearidade da relação. Então, vamos transformar os dados de Y pelo logaritmo natural e ver se o ajuste melhora.\lstset{frame=single}
\begin{lstlisting}

scatterplot (log(univar1$COMPRIMENTO_BICO) ~ univar1$BIOMASSA_AVE)
\end{lstlisting}



\end{document}