ATIVIDADE PROPOSTA DO MÓDULO#3 - TURMA 2018.2

Código:

####################################
#Atividade proposta para o módulo 3#
#Giovana                           #
#R para Bio da Conservação         #
####################################


#Estabelecendo a pasta de trabalho:
setwd("C:/Users/Giovana/Documents/Mestrado/Marcos Vital - R para Biologia da conservação/Módulo 3/Scripts e dados M3/atividade")
getwd()
dir()

# ATIVIDADE 1:
#Criar o objeto sanhaco:
sanhaco<-read.table( "sanhacos.txt" , header = T)
ls()  
summary(sanhaco)
View(sanhaco)


#Tabela de contingência com a função table():
Tabela.sanhaco<-table(sanhaco$Sanhaco, sanhaco$Melastomatacea)  
Tabela.sanhaco2<-table(sanhaco$Melastomatacea, sanhaco$Sanhaco)


#Olhando a tabela:
Tabela.sanhaco  
Tabela.sanhaco2

#Obervação em campo: Árvores com pássaros.
#H1: Melastomatacea são mais frequentadas por sanhaços.
#Gráfico de barras mostrando a relação entre as varáveis (forma mais intuitiva de interpretar):
barplot(Tabela.sanhaco, beside = T)
barplot(Tabela.sanhaco2, beside = T)


#O gráfico escolhido em uma versão bacana:
cores<-c("light blue", "light gray")
barplot(Tabela.sanhaco, beside=T, ylim=c(0, 50), las=1, xlab="Espécie de Melastomatacea", ylab="Número de árvores", col=cores)
legend("topleft", legend=levels(sanhaco$Sanhaco), col=cores, pch=15, title="É um Sanhaço?")
box()


# ATIVIDADE 2:
#Criar o objeto agricultura:
agricultura<-read.table( "dados_atividade3.txt", header = T)
ls()  
summary(agricultura)
View(agricultura)


#Gráfico de dispersão entre as variáveis quantitativas:
#Como o adubo (X) afeta a produtividade (Y):
plot(agricultura$Produtividade ~ agricultura$Adubo)


#Gráfico diferenciando os pontos de acordo com a variável "Cultivo":
levels(agricultura$Cultivo)
cores<-c("light green", "brown")
plot(agricultura$Produtividade ~ agricultura$Adubo, las=1, xlab="Quantidade de adubo", ylab="Produtividade", col=cores[agricultura$Cultivo], pch=18)
legend("topleft", legend=levels(agricultura$Cultivo), col=cores, pch=18, title="Tipo de cultivo")



Ricardo Matheus Pires escreveu:

Qual a diferença entre uma sintaxe e outra?
plot(dados$Produtividade ~ dados$Adubo)
plot(dados$Adubo, dados$Produtividade)

Código:

##############################
#Atividade módulo 3          #
#Cleyton Tenório Barros      #
#R para Bio da conservação   #
##############################

#Atividade 1:

#Estabelendo a pasta de trabalho:

setwd("D:/R/Rbio")
getwd() # Verificando se estou na pasta certa.
dir() #Conferindos os arquivos da pasta.

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

#Importando dados:
dados<-read.table("sanhacos.txt", h=T)
summary(dados) # Verificando os dados.

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

#Criando tabelas de contigência com a função table():

tabelinha<-table(dados$Sanhaco, dados$Melastomatacea)

#Vendo a tabela:
tabelinha

#Criando a tabela em outra ordem para comparar:

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

#Vendo a tabela:
tabelinha.2

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

#H1: É que os sanhaços tem um predileção por Melastomatacea.

#Criando gráfico de barras (Obeservando o modo mais, intuitivo de interpretação:
barplot(tabelinha, beside = T)
barplot(tabelinha.2, beside = T)

#Gráfico de barras organizado e com legenda:

cores<-c("green1", "gray")
barplot(tabelinha, beside=T, ylim=c(0, 70), las=1, ylab="Nº de Árvores", xlab="Melastomatacea X Outras", col=cores)

legend("topleft", legend = levels(dados$Sanhaco), col=cores, pch = 15, title="Predileção do Sanhaço")
box()

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

#Atividade 2:

setwd("D:/R/Rbio")
getwd() # Verificando se estou na pasta certa.
dir() #Conferindos os arquivos da pasta.

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

#Importando dados:
producao<-read.table("dados_atividade3.txt", h=T)
summary(producao) # Verificando os dados.

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

#H1: Com uma quatidade adequada de adubo eu tenho uma melhor produtividade.

#Criando o gráfico de dispersão entre as variáveis quantitativas:

plot(producao$Produtividade~producao$Adubo)

#Criando gráfico, diferenciando os pontos de acordo com a variável "Cultivo":

levels(producao$Cultivo)

cores<-c("pink", "purple")

plot(producao$Produtividade~producao$Adubo, las=1, xlab="Quantidade de Adubo", ylab="Produtividade", col=cores[producao$Cultivo], pch=20, ylim=c(12, 26))

legend("topleft", legend=levels(producao$Cultivo), pch=20, col=cores, title="Tipos de Cultivo")