#### MAURÍCIO TAKASHI COUTINHO WATANABE - Exercício 6 #####

getwd()
setwd("C:/Users/Maurício/Documents/aula6")



###### Crie seus dados  ########
# A
invent.a <- rnorm(10, mean=6, sd=3)
invent.a
# B
invent.b <- rnorm(10, mean=7.5, sd=3.2)
invent.b
## Testando se a média das amostras são diferentes.
source("simula.r")
media.a <- mean(invent.a)
media.a
media.b <- mean(invent.b)
media.b
dif <-abs(round(mean(invent.a)-mean(invent.b),1))
simulado.uni <- simula(invent.a,invent.b,teste="uni")
n.maior=sum(round(simulado.uni,1)>=round(dif,1))
n.menor=sum(round(simulado.uni,1)<=round(dif*-1))
prop.bi =(n.maior+n.menor)/length(simulado.uni)
prop.bi
## Testando se a média da segunda amostra é maior do que a da primeira
prop.maior=n.maior/1000
prop.maior
## Utilizando o t.test
t.test(invent.a,invent.b)
t.test(invent.b,invent.a,alternative=c("greater")) ## Os resultados em termos numéricos não são iguais mas são muito próximos.
## Diagnóstico gráfico das premissas: Tanto o "simula.r" quanto o "t.test" tratam as amostras como se fossem de um mesmo grupo, ambas utilizando a distribuição normal para realizarem seus testes..
#Para testar a distribuição normal e a variância seguem os comandos para gerar os gráficos, abaixo.
par(mfrow=c(1,2))
qqnorm(invent.a)
qqline(invent.a)
qqnorm(invent.b)
qqline(invent.b)

par(mfrow=c(1,4))
boxplot(invent.a,prob=TRUE)
hist(invent.a,prob=TRUE)
rug(invent.a)
lines(density(invent.a),add=TRUE)
boxplot(invent.b,prob=TRUE)
hist(invent.b,prob=TRUE)
rrug(invent.b)
lines(density(invent.b),add=TRUE)

bartlett.test(list(invent.a,invent.b))



##### Caixeta de novo?! #########

again <- read.csv("caixeta.csv", header=TRUE, sep=",", as.is=TRUE)
again
# Calculando a área basal
again$area.basal = pi*(((again$cap)/(2*pi))^2)
again

#Calculando por árvore
arv.cal=aggregate(again$area.basal, by=list(again$arvore, again$parcela, again$local),sum)
names(arv.cal)<- c("arv","parc","loc","ab")
arv.cal
head(arv.cal)
# Agregando por localidade e parcela
loc.par = aggregate(arv.cal$ab, list(arv.cal$parc,arv.cal$loc),sum)
loc.par
names(loc.par)<-c("parc","loc","ab")
loc.par


# Gráficos
boxplot(again$area.basal~again$local)


# Anova
# calculando a média geral da área basal
mean.geral <- mean(loc.par$ab)
mean.geral
# Desvio quadrático total
desv.total = sum((loc.par$ab-mean.geral)^2) 
desv.total

# Desvio quadrático intra grupos
mean.chauas = mean(loc.par$ab[loc.par$loc=="chauas"])
mean.jureia = mean(loc.par$ab[loc.par$loc=="jureia"])
mean.retiro = mean(loc.par$ab[loc.par$loc=="retiro"])
desv.chauas = sum((loc.par$ab[loc.par$loc=="chauas"]-mean.chauas)^2)
desv.jureia = sum((loc.par$ab[loc.par$loc=="jureia"]-mean.jureia)^2)
desv.retiro = sum((loc.par$ab[loc.par$loc=="retiro"]-mean.retiro)^2)

desv.intra=desv.chauas+desv.jureia+desv.retiro
desv.intra

# Desvio quadrático entre grupos
desv.entre=desv.total-desv.intra
desv.entre

# Graus de liberdade
gl.total=length(loc.par$ab)-1
gl.total
loc.par$loc <- as.factor(loc.par$loc)
class(loc.par$loc)
gl.entre=length(levels(loc.par$loc))-1
gl.entre
gl.intra=gl.total-gl.entre
gl.intra


# Desvio médio
dm.intra <- desv.intra / gl.intra
dm.entre <- desv.entre / gl.entre
dm.intra
dm.entre

# Razão das variâncias
rv <- dm.entre/dm.intra
rv

# P
pf(rv,gl.entre,gl.intra,lower.tail=FALSE)


## Função anova
anova.func=aov(ab~loc,data=loc.par)
summary(anova.func)

## Qual é a porcentagem de variação explicada pela localidade nesse caso?
variacao <- desv.entre/desv.total*100
variacao