Atividade Modulo 3- Duvidas e comentários

Olá!

Antes de compartilhar os scripts que montei para a atividade 3, gostaria de tirar uma dúvida que surgiu com o segundo gráfico. Tem algum argumento para que a legenda se posicione fora da caixa do gráfico? Em um gráfico de dispersão, se os dados tiverem muito espalhados, acho que o quadradinho da legenda dentro da caixa do gráfico pode acabar tampando algum ponto.

Sobre o gráfico 1 (de barras), assumo que fiquei bem confusa com as variáveis sendo sim x não e sim x não. Deu um tilt mental na hora de montar...rs, então acabei tirando a barra do eixo y, pois achei que ficaria mais visual, e coloquei como eixo x a variável Melastomatacea. Mas não sei se foi a melhor opção. Dicas e sugestões são bem vindas!

Não sei como inserir o script aqui, então vou colá-lo abaixo. Também aceito dicas sobre isso!

Segue o script. Bom curso a tod@s!


########
### Exercício 1 -> Gráfico de Barras
#####################################
P3a<-read.table("sanhacos.txt", h=T, sep = "\t", dec=".")
summary(P3a)

##Criando tabela de contingência
tab.san<- table(P3a$Sanhaco, P3a$Melastomatacea)
tab.san #aqui com numeros brutos
tab.sanprop<- prop.table (tab.san, margin = 1)
tab.sanprop #aqui a versão porcentagem

##Criando o gráfico
barplot(tab.san, beside = T)
## x = árvore
## y = sanhaço
##Agora para ficar minimamente compreensível:
levels(P3a$Sanhaco)
cores<-c("purple3", "green3")
barplot(tab.san, beside = T, xlab = "Melastomatacea", axes = F, col= cores)
legend("topright", legend= c("Sanhaço", "outras aves"), col=cores, pch=15)


###################################################################


#######################
### Exercício 2 -> Gráfico de dispersão
#######################################
p3b<-read.table("dados_atividade3.txt", header = T, dec=".", sep="\t")
summary(p3b)


##Fazendo os gráficos lado a lado
par(mfrow=(c(1,2)))
plot(p3b$Produtividade[p3b$Cultivo=="Agroflorestal"]~p3b$Adubo[p3b$Cultivo=="Agroflorestal"], xlab= "adubo", ylab= "produtividade", ylim=c(12,22))  
plot(p3b$Produtividade[p3b$Cultivo=="Comum"]~p3b$Adubo[p3b$Cultivo=="Comum"], xlab= "adubo", ylab= "produtividade", ylim=c(12,22))

dev.off()

##Agora com as duas camadas sobrepostas
cores2<-c("yellow4", "blue2")
levels(p3b$Cultivo)
plot(p3b$Produtividade~p3b$Adubo, xlab= "adubo", ylab= "produtividade", ylim=c(12,22), col=cores2, pch=19)
legend("bottomright", legend= levels(p3b$Cultivo), col=cores2, pch=19)

Bia, eu também tive esse tilt mental na prática dos Sanhaços. Só consegui fazer quando utilizei as funções rownames() e colnames() para as tabelas de contingências. E aparentemente, os nomes determinados por essas funções foram utilizados automaticamente na função barplot(), o que facilitou muito a minha vida. Devem haver outras formas de fazer, mas foi a que eu consegui encontrar.

Segue o meu script:

##########################
#Prática Módulo 3        #
#Fabíola Turiel C. Silva #
##########################

###### Tarefa 1 ########

#Importando e conferindo os dados
setwd("C:/R/Curso R/Módulo 3/Scripts e dados M3/atividade")
dir()

#Lendo o arquivo e atribuindo a um objeto
sanhacos<-read.table("sanhacos.txt", header=T)

#Conferindo se o objeto foi criado corretamente e sumário de dados
summary(sanhacos)

#Criando tabelas de contingência e comparar a ordem
as.factor(sanhacos$Sanhaco)
as.factor(sanhacos$Melastomatacea)
table1<-table(sanhacos$Sanhaco,sanhacos$Melastomatacea)
rownames(table1)<-c("Outros pássaros", "Sanhaço")
colnames(table1)<-c("Outras árvores", "Melastomatacea")
table1

table2<-table(sanhacos$Melastomatacea, sanhacos$Sanhaco)
rownames(table2)<-c("Outras árvores", "Melastomatacea")
colnames(table2)<-c("Outros pássaros", "Sanhaço")
table2

#Tabelas de frequência relativa
table1.prop<-prop.table(table1, margin=1)
table1.prop

table2.prop<-prop.table(table2, margin=1)
table2.prop

#Faça um gráfico de barras mostrando a relação entre as variáveis
barplot(table1, beside=T)
barplot(table2, beside = T)
#No caso, o gráfico da tabela 1 (tipo de árvore no eixo x) ficou mais adequado

#Melhorando o gráfico
cores<-c("dark green", "dark red")
barplot(table1, beside=T, ylim=c(0, 80), las=1, xlab="Tipo de árvore", ylab="Número de pássaros", col=cores, main="Sanhaços têm preferência por Melastomataceas?")
legend("topleft", legend=colnames(table2)<-c("Outros pássaros", "Sanhaço"), col=cores, pch=15, title="Tipo de pássaro")
box()

####### Tarefa 2 #######

#Importando e conferindo os dados
setwd("C:/R/Curso R/Módulo 3/Scripts e dados M3/atividade")
dir()

#Lendo o arquivo e atribuindo a um objeto
cultivos<-read.table("dados_atividade3.txt", header=T)

#Conferindo se o objeto foi criado corretamente e sumário de dados
summary(cultivos)

#Crie um gráfico de dispersão entre as variáveis quantitativas
plot(cultivos$Produtividade ~ cultivos$Adubo, ylim=c(10, 25), las=1, ylab="Produtividade", xlab="Adubo", main="Produtividade por quantidade de adubo")

#Agora crie o gráfico novamente, diferenciando os pontos de acordo com a variável “Cultivo”
levels(cultivos$Cultivo)
cores<-c("dark green", "dark red")
plot(cultivos$Produtividade ~ cultivos$Adubo, ylim=c(10, 30), las=1, ylab="Produtividade", xlab="Adubo", col=cores[cultivos$Cultivo], pch=16, main="Produtividade em diferentes cultivos")
legend("topleft", pch=16, col=cores, legend=c("Comum", "Agroflorestal"), title="Tipos de cultivos")

#Em gráficos separados, lado a lado:
par(mfrow=c(1,2))
plot(cultivos$Produtividade[cultivos$Cultivo=="Comum"] ~ cultivos$Adubo[cultivos$Cultivo=="Comum"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo comum", ylim=c(10, 25), col="dark green")
plot(cultivos$Produtividade[cultivos$Cultivo=="Agroflorestal"] ~ cultivos$Adubo[cultivos$Cultivo=="Agroflorestal"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo agroflorestal", ylim=c(10, 25), col="dark red")

#Em gráficos separados, empilhados
par(mfrow=c(2,1))
plot(cultivos$Produtividade[cultivos$Cultivo=="Comum"] ~ cultivos$Adubo[cultivos$Cultivo=="Comum"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo comum", ylim=c(10, 25), col="dark green")
plot(cultivos$Produtividade[cultivos$Cultivo=="Agroflorestal"] ~ cultivos$Adubo[cultivos$Cultivo=="Agroflorestal"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo agroflorestal", ylim=c(10, 25), col="dark red")

dev.off()

Oi Fabíola!
Huuuum...boa ideia também, gostei!
Você definiu quem era linha e quem era coluna pela ordem que você criou o objeto "table1"?
Se for isso, acho que acabei de encontrar um erro no meu script. rs

Olá meninas,

Compartilho do mesmo tilt mental, hahahaha. Ao contrário da Fabiola, fui pelo caminho mais difícil de todos, fiquei comparando as linhas e colunas com os valores do gráfico de barras da aula virtual. Mas o jeito da Fabiola é BEMMMM melhor e acabei modificando meu script, com os comandos rownames() e colnames()

Acrescentando informações sobre a tarefa encaminho minhas interpretações dos dois dados:

###Interpretação gráfico de barras: a presença ou ausência do sanhaço independe da espécie da árvore, ou seja a hipótese que há mais sanhaço na árvore Melastomatacea não parece ser real.

###Interpretação gráfico de dispersão: O tipo do adubo utilizado não parece diferir na produtividade dos dois tipos de cultivo, entretanto a produtividade no cultivo de Agrofloresta tende a ser maior do que em cultivo Comum.

Por acaso fizeram alguma outra interpretação ou conclusão?? Tenho receio em descrever alguns dizeres nessas interpretações gráficas por enquanto.

Segue também meus scripts....

#####################
#   Lição de casa módulo 3       #
# utilizando dados sanhaços      #
#Aula Bioestatistica conservação #
#  Prof Marcos Vital em 03/05    #
##################################

#Importar e conferir dados
setwd("/Users/carol/Documents/MESTRADO/Estatistica/CURSO ESTATISTICA DA CONSERVAÇÃO/MÓDULO 3/Scripts e dados M3/atividade")
dir()
dados<-read.table("sanhacos.txt", h=T)
summary(dados)
View(dados)

#Criando tabelas de contingência e comparar a ordem
as.factor(dados$Sanhaco)
as.factor(dados$Melastomatacea)
tabela<-table(dados$Sanhaco, dados$Melastomatacea)
rownames(tabela)<-c("Outros pássaros", "Sanhaço")
colnames(tabela)<-c("Outras árvores", "Melastomatacea")
tabela

tabela2<-table(dados$Melastomatacea, dados$Sanhaco)
rownames(tabela2)<-c("Outras árvores", "Melastomatacea")
colnames(tabela2)<-c("Outros pássaros", "Sanhaço")

#Criando tabela de contingência
levels(dados$Sanhaco)
levels(dados$Melastomatacea)

#Frequencia relativa :
prop.table(tabela, margin=1)
tabela.prop<-prop.table(tabela, margin=1)

prop.table(tabela2, margin=1)
tabela.prop<-prop.table(tabela2, margin=1)
         

#Gráfico de barras da relação espécie da árvore pela ausência ou presença do sanhaço
barplot(tabela, beside = T, ylim = c(0, 60), las=1, xlab = "A espécie de árvore", ylab = "Observação de sanhaço",col=cores)
cores<-c("brown", "green4")
legend("topleft", legend = c("Ausência", "Presença"), col=cores, pch = 15)
box()


#############

#Fazendo ao contrário: relação da presença do sanhaço pelo tipo de árvore
table2
barplot(tabela2, beside = T, ylim = c(0, 60), las=1, xlab = "Presença do sanhaço", ylab="quantidade de árvore", col=cores2)
cores2<-c("black", "green2")
legend("topleft", legend = c("àrvore inespecífica", "Melastomatacea"), col=cores2, pch = 15)


##################################
#   Lição de casa módulo 3       #
# utilizando dados ativiadde_3   #
#Aula Bioestatistica conservação #
#  Prof Marcos Vital em 03/05    #
##################################

#Importar e conferir dados
setwd("/Users/carol/Documents/MESTRADO/Estatistica/CURSO ESTATISTICA DA CONSERVAÇÃO/MÓDULO 3/Scripts e dados M3/atividade")
dir()
dados<-read.table("dados_atividade3.txt", h=T)
summary(dados)
View(dados)

#####Nossa pergunta é como o adubo afeta a produtividade

plot(dados$Produtividade ~ dados$Adubo, xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16)

#Fazendo dois gráficos para interpretação dos dados com a diferenciação do tipo do cultivo
par(mfrow=c(1,2))
#aqui eu pedi para o R fazer dois graficos no mesmo quadrante com a função par() e com o elemento mfrow dividir a janela em quadrantes, 1 linha e 2 colunas
plot(dados$Produtividade[dados$Cultivo=="Agroflorestal"] ~ dados$Adubo[dados$Cultivo=="Agroflorestal"], ylim=c(0, 30), xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16, main="Cultivo na Agrofloresta")
plot(dados$Produtividade[dados$Cultivo=="Comum"] ~ dados$Adubo[dados$Cultivo=="Comum"], ylim=c(0, 30), xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16, main="Cultivo Comum")
dev.off()


##################

#Fazendo apenas um gráfico para interpretação dos dados com a diferenciação do tipo do cultivo:
levels(dados$Cultivo)
cores<-c("green4", "pink4")
plot(dados$Produtividade ~ dados$Adubo, xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16, col=cores[dados$Cultivo])
legend("topleft", pch = 16, col=cores, legend =levels(dados$Cultivo))

Olá pessoal. Eu também penei com a questão de sim e não x sim e não. Eu não tinha pensado na sugestão da Fabíola mas, ainda assim, depois de muito quebrar a cabeça consegui os mesmos resultados. Com certeza do jeito que ela sugeriu facilita muito, e passarei a utilizar desse jeito agora. Show de bola. Valeu pela troca de ideias.

Bia N. escreveu:Oi Fabíola!
Huuuum...boa ideia também, gostei!
Você definiu quem era linha e quem era coluna pela ordem que você criou o objeto "table1"?
Se for isso, acho que acabei de encontrar um erro no meu script. rs

Oi Bia, respondendo a sua pergunta: defini quem era linha ou coluna de acordo com a ordem dos argumentos na função table(). No caso, ela usa a ordem y~x, onde y são as linhas (rownames) e x colunas (colnames). Então você deve obedecer essa ordem ao estabelecer os nomes e ter cuidado para não trocar .
abs

Boa noite pessoal, segue meu script do exercício do módulo III. Acabei empacando um pouco nesse módulo, e também tive problemas no "sim" e "não" e usei a sugestão da colega acima. Quando tentei plotar os gráficos um em cima do outro deu o seguinte erro como consta no final do script, alguém sabe o que significa?


###################################
#Atividade do módulo II           #
#Alan Lacerda                     #
#R para biologia da conservação   #
###################################

#Carregando os dados e visualizando os dados 

dir()
dados<-read.table("sanhacos.txt", header= T)
dados

summary(dados)

View(dados)

# Predição - os sanhaços estarão mais presentes nas melastomataceas 

########################################

#Criando uma tabela de contigência 

as.factor(dados$Sanhaco)
as.factor(dados$Melastomatacea)
tabela<-table(dados$Sanhaco, dados$Melastomatacea)
rownames(tabela)<-c("Outros pássaros", "Sanhaço")
colnames(tabela)<-c("Outras árvores", "Melastomatacea")

tabela

#Criando a tabela em outra ordem 

tabela.2<-table(dados$Melastomatacea, dados$Sanhaco)

rownames(tabela.2)<-c("Outras árvores", "Melastomatacea")
colnames(tabela.2)<-c("Outros pássaros", "Sanhaço")

tabela.2

#Tabela de frequências relativas (tabela e tabela.2)

tabela.prop<-prop.table(tabela, 1)

tabela.prop


tabela.prop2<-prop.table(tabela.2, margin=1)

tabela.prop2
#######

#O gráfico 

barplot(tabela.2, beside=TRUE)

# Gráfico com o nome das árvores no eixo x

cores<-c("green4", "red4")
barplot(tabela, beside=TRUE, ylim=c(0,60), las=1, xlab= "Tipo de árvores avistadas", ylab= "Passaros observados", main = "Observação de Sanhaços em tipos de árvores", col=cores)

legend("topleft", legend=levels(dados$Melastomatacea), col=cores,pch=15)
box()

levels(dados$Melastomatacea)


################################

# Tarefa 2 - gráfico de dispersão 


dir()
dados<-read.table("dados_atividade3.txt", header= T)
dados

summary(dados)

View(dados)

#Como o adubo afeta a produtividade (adubo explicativa e produtividade resposta). Diferenciar os pontos de acordo com a variável "Cultivo"

#Plotando o gráfico 

plot(dados$Produtividade ~ dados$Adubo, xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16)

# Gráficos para comparar 

par(mfrow=c(1,2))
plot(plot(dados$Produtividade[dados$Cultivo=="Comum"] ~ dados$Adubo[dados$Cultivo=="Comum"], xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16, main="Ambiente Comum"))


plot(plot(dados$Produtividade[dados$Cultivo=="Agroflorestal"] ~ dados$Adubo[dados$Cultivo=="Agroflorestal"], xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16, main = "Ambiente Agroflorestal"))

#Separando por cores

levels(dados$Cultivo)

cores<-c("green4", "red4")

plot(dados$Produtividade ~ dados$Adubo, xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16, col=cores)
legend("topleft", pch=16, col=cores, legend=c("Cultivo comum", "Cultivo Agroflorestal"))

box()



######################################
erro ao plotar os gráficos no mfrow()

Error in plot.window(...) : valores finitos são necessários para 'xlim'
Além disso: Warning messages:
1: In min(x) : nenhum argumento não faltante para min; retornando Inf
2: In max(x) : nenhum argumento não faltante para max; retornando -Inf
3: In min(x) : nenhum argumento não faltante para min; retornando Inf
4: In max(x) : nenhum argumento não faltante para max; retornando -Inf