Importando arquivo texto

Diretório de trabalho

> getwd()

## [1] "/home/aao/Ale2016/AleCursos/RUSP/R2019/Aulas/Aula3_dados"

> dir()

## [1] "aula3_2017.pdf"          "aula3.html"             
## [3] "aula3.rmd"               "aula3.rmd~"             
## [5] "dados"                   "scritptRAulaDado2016.R" 
## [7] "scritptRAulaDado2017.R"  "scritptRAulaDado2017.R~"

> dir("dados")

##  [1] "gua.clas.txt"     "trapa_nome.txt"   "trapa_nome.xls"  
##  [4] "trapa_nome1.txt"  "trapa.csv"        "trapa.txt"       
##  [7] "trapa.xls"        "trapa1.csv"       "trapaVirgula.csv"
## [10] "trapaVirgula.txt"

Função de leitura de dados

> read.table("dados/trapa.csv", header=TRUE, sep=",")

##   codinome nascimento estado vivo altura
## 1     Didi       1936     CE    s   1.68
## 2     Dede       1936     RJ    s   1.79
## 3   Mussum       1941     RJ    n   1.81
## 4 Zacarias       1934     MG    n   1.61

> ls()

## character(0)

Atribuição a um objeto

> trapa <- read.table("dados/trapa.csv", header=TRUE, sep=",")
> ls()

## [1] "trapa"

> trapa

##   codinome nascimento estado vivo altura
## 1     Didi       1936     CE    s   1.68
## 2     Dede       1936     RJ    s   1.79
## 3   Mussum       1941     RJ    n   1.81
## 4 Zacarias       1934     MG    n   1.61

Mundo Complexo

• Dependência do idioma (locale)
  • decimal (“.” ou “,”)
  • separador de campo (“,”, “;”, “tab” )
• Codificação de fontes
  • caracteres especiais (acentos)
• read.table é flexível
• leitura limpa não pressupoem correção

Leitura: problemas

> (trapa1 <- read.table("dados/trapa.csv", header=TRUE))

##   codinome.nascimento.estado.vivo.altura
## 1                    Didi,1936,CE,s,1.68
## 2                    Dede,1936,RJ,s,1.79
## 3                  Mussum,1941,RJ,n,1.81
## 4                Zacarias,1934,MG,n,1.61

> str(trapa1)

## 'data.frame':    4 obs. of  1 variable:
##  $ codinome.nascimento.estado.vivo.altura: Factor w/ 4 levels "Dede,1936,RJ,s,1.79",..: 2 1 3 4

Leitura: problemas

> (trapa2 <- read.table("dados/trapaVirgula.csv", header=TRUE, sep=","))

##                      codinome.nascimento.estado.vivo.altura
## Didi;1936;CE;s;1                                         68
## Dede;1936;RJ;s;1                                         79
## Mussum;1941;RJ;n;1                                       81
## Zacarias;1934;MG;n;1                                     61

> str(trapa2)

## 'data.frame':    4 obs. of  1 variable:
##  $ codinome.nascimento.estado.vivo.altura: int  68 79 81 61

> (trapa2 <- read.table("dados/trapaVirgula.csv", header=TRUE, sep=";"))

##   codinome nascimento estado vivo altura
## 1     Didi       1936     CE    s   1,68
## 2     Dede       1936     RJ    s   1,79
## 3   Mussum       1941     RJ    n   1,81
## 4 Zacarias       1934     MG    n   1,61

> str(trapa2)

## 'data.frame':    4 obs. of  5 variables:
##  $ codinome  : Factor w/ 4 levels "Dede","Didi",..: 2 1 3 4
##  $ nascimento: int  1936 1936 1941 1934
##  $ estado    : Factor w/ 3 levels "CE","MG","RJ": 1 3 3 2
##  $ vivo      : Factor w/ 2 levels "n","s": 2 2 1 1
##  $ altura    : Factor w/ 4 levels "1,61","1,68",..: 2 3 4 1

> (trapa2 <- read.table("dados/trapaVirgula.csv", header=TRUE, sep=";", dec = ","))

##   codinome nascimento estado vivo altura
## 1     Didi       1936     CE    s   1.68
## 2     Dede       1936     RJ    s   1.79
## 3   Mussum       1941     RJ    n   1.81
## 4 Zacarias       1934     MG    n   1.61

> str(trapa2)

## 'data.frame':    4 obs. of  5 variables:
##  $ codinome  : Factor w/ 4 levels "Dede","Didi",..: 2 1 3 4
##  $ nascimento: int  1936 1936 1941 1934
##  $ estado    : Factor w/ 3 levels "CE","MG","RJ": 1 3 3 2
##  $ vivo      : Factor w/ 2 levels "n","s": 2 2 1 1
##  $ altura    : num  1.68 1.79 1.81 1.61

> (trapa2 <- read.table("dados/trapaVirgula.csv", header=TRUE, sep=";", dec = ",", as.is = TRUE))

##   codinome nascimento estado vivo altura
## 1     Didi       1936     CE    s   1.68
## 2     Dede       1936     RJ    s   1.79
## 3   Mussum       1941     RJ    n   1.81
## 4 Zacarias       1934     MG    n   1.61

> str(trapa2)

## 'data.frame':    4 obs. of  5 variables:
##  $ codinome  : chr  "Didi" "Dede" "Mussum" "Zacarias"
##  $ nascimento: int  1936 1936 1941 1934
##  $ estado    : chr  "CE" "RJ" "RJ" "MG"
##  $ vivo      : chr  "s" "s" "n" "n"
##  $ altura    : num  1.68 1.79 1.81 1.61

Help!

> ?read.table

Evitando transtornos

• separação de campo
• evite usar “,” como decimal
  • mude a configuração do computador
• estude os argumentos do read.table
• cuidado com caracteres especiais (‘, ",’, `)
• use encoding UTF8

Estabeleça um padrão

> trapalhao <- read.table("dados/trapa_nome.txt", header=TRUE, sep= "\t", as.is = TRUE)

Padrão Alê

• nome de variáveis simples
• metadado para explicar a variável
• separador de campo tabulação
• decimal “.” PLEASE!
• leitura de caracteres (as.is)

Dados de outras fontes

• abra no libreOffice
• salve no seu padrão de texto
• use encoding UTF8
• substitua ’ ` ’ " se necessário

Pós leitura

> str(trapalhao)

## 'data.frame':    4 obs. of  6 variables:
##  $ codinome  : chr  "Didi" "Dedé" "Mussum" "Zacarias"
##  $ nascimento: int  1936 1936 1941 1934
##  $ estado    : chr  "CE" "RJ" "RJ" "MG"
##  $ vivo      : chr  "s" "s" "n" "n"
##  $ altura    : num  1.68 1.79 1.81 1.61
##  $ nome      : chr  "Antônio Renato Aragão" "Manfried Sant Anna" "Antônio Carlos Bernardes Gomes" "Mauro Faccio Gonçalves"

> dim(trapa)

## [1] 4 5

Pós leitura

FAÇA UMA ANÁLISE EXPLORATÓRIA DOS DADOS

AULA DE SEXTA-FEIRA!

Vetores

> (v1 <- seq(from = 0, to = 1000, by = 100))

##  [1]    0  100  200  300  400  500  600  700  800  900 1000

> class(v1)

## [1] "numeric"

> length(v1)

## [1] 11

Vetores

> str(v1)

##  num [1:11] 0 100 200 300 400 500 600 700 800 900 ...

> v1/100

##  [1]  0  1  2  3  4  5  6  7  8  9 10

Extração

> v1[5]

## [1] 400

> v1[2:7]

## [1] 100 200 300 400 500 600

> v1[c(1,3,5,7,11)]

## [1]    0  200  400  600 1000

> v1[seq(1, 11, by=2)]

## [1]    0  200  400  600  800 1000

> seq(1, 11, by=2)

## [1]  1  3  5  7  9 11

REGRA DA SUBSTITUIÇÃO

> v1[5]

## [1] 400

> v1[5] <- "quatrocentos"
> v1

##  [1] "0"            "100"          "200"          "300"         
##  [5] "quatrocentos" "500"          "600"          "700"         
##  [9] "800"          "900"          "1000"

> v1[5] <- 400
> v1[5]

## [1] "400"

> v1

##  [1] "0"    "100"  "200"  "300"  "400"  "500"  "600"  "700"  "800"  "900" 
## [11] "1000"

> class(v1)

## [1] "character"

Funções de coerção

> is.numeric(v1)

## [1] FALSE

> v1 <- as.numeric(v1)
> is.numeric(v1)

## [1] TRUE

Linguagem orientada a objetos

> area <- c(303, 379, 961, 295, 332, 47,  122, 11, 53, 2749)
> area

##  [1]  303  379  961  295  332   47  122   11   53 2749

> class(area)

## [1] "numeric"

> summary(area)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   11.00   70.25  299.00  525.20  367.25 2749.00

> riqueza <- c(3, 10, 20, 7, 8, 4,  8, 3,  5, 23)
> modelo1 <- lm(riqueza~area)
> class(modelo1)

## [1] "lm"

> summary(modelo1)

## 
## Call:
## lm(formula = riqueza ~ area)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -4.4614 -2.1245 -0.5101  1.4862  7.6863 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 5.226994   1.352158   3.866 0.004770 ** 
## area        0.007374   0.001431   5.155 0.000869 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 3.555 on 8 degrees of freedom
## Multiple R-squared:  0.7686, Adjusted R-squared:  0.7397 
## F-statistic: 26.57 on 1 and 8 DF,  p-value: 0.0008693

Dataframe

Qual a classe do objeto trapa?

> class(trapa)

## [1] "data.frame"

> str(trapa)

## 'data.frame':    4 obs. of  5 variables:
##  $ codinome  : chr  "Didi" "Dede" "Mussum" "Zacarias"
##  $ nascimento: int  1936 1936 1941 1934
##  $ estado    : chr  "CE" "RJ" "RJ" "MG"
##  $ vivo      : chr  "s" "s" "n" "n"
##  $ altura    : num  1.68 1.79 1.81 1.61

> names(trapa)

## [1] "codinome"   "nascimento" "estado"     "vivo"       "altura"

> colnames(trapa)

## [1] "codinome"   "nascimento" "estado"     "vivo"       "altura"

> names(trapa)[5]

## [1] "altura"

> names(trapa)[5] <- "alt"
> names(trapa)[5]

## [1] "alt"

Indexadores de data.frame

• $ : indexa o nome da coluna
• colchete : linha, coluna

> trapa$codinome

## [1] "Didi"     "Dede"     "Mussum"   "Zacarias"

> trapa$codinome[2]

## [1] "Dede"

> trapa$codinome[c(1,2)]

## [1] "Didi" "Dede"

Duas dimensões

> trapa$codinome[2]

## [1] "Dede"

> trapa$codinome[c(2,1)]

## [1] "Dede" "Didi"

> trapa[2,1]

## [1] "Dede"

Coerção e sobrescrição

> trapa$vivo

## [1] "s" "s" "n" "n"

> trapa$vivo <- c(1,1,0,0)
> str(trapa$vivo)

##  num [1:4] 1 1 0 0

> trapa$vivo <- as.logical(trapa$vivo)
> trapa$vivo

## [1]  TRUE  TRUE FALSE FALSE

Novas variáveis

> trapa$nascimento

## [1] 1936 1936 1941 1934

> 2018 - trapa$nascimento

## [1] 82 82 77 84

> trapa$idade <- 2018 - trapa$nascimento
> trapa$idade

## [1] 82 82 77 84

Dataframe

Classe dataframe

• vetores de mesmo tamanho
• concatenados
• natureza de variáveis diferentes
• UMA PLANILHA DADOS

Matrix

> matrix(1:12, nrow=4, ncol=3) 

##      [,1] [,2] [,3]
## [1,]    1    5    9
## [2,]    2    6   10
## [3,]    3    7   11
## [4,]    4    8   12

Matrix

> matrix(1:12, nrow=4, ncol=3, byrow=TRUE) 

##      [,1] [,2] [,3]
## [1,]    1    2    3
## [2,]    4    5    6
## [3,]    7    8    9
## [4,]   10   11   12

Matrix

> (ilhas = matrix(sample(c(round(runif(20,1,6)), rep(0, 20))),ncol=5))

##      [,1] [,2] [,3] [,4] [,5]
## [1,]    0    4    0    2    3
## [2,]    2    6    0    4    4
## [3,]    4    0    0    5    3
## [4,]    0    0    1    5    0
## [5,]    0    0    0    0    0
## [6,]    1    5    0    0    0
## [7,]    5    4    3    0    0
## [8,]    4    2    0    0    5

Como assim?

> round(c(runif(20,0,6),rep(0,20)))

##  [1] 0 6 4 1 4 4 1 1 6 2 5 3 2 3 0 5 1 4 3 5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
## [36] 0 0 0 0 0

> sample(round(c(runif(36,0,6),rep(0,4))))

##  [1] 3 2 1 3 3 0 0 6 4 0 5 5 1 5 5 5 5 5 6 2 3 2 4 4 4 4 3 2 2 0 5 5 5 0 0
## [36] 1 5 5 0 3

Nomeando linhas

> paste("ilha",1:8, sep="_")

## [1] "ilha_1" "ilha_2" "ilha_3" "ilha_4" "ilha_5" "ilha_6" "ilha_7" "ilha_8"

> rownames(ilhas) <- paste("ilha",1:8, sep="_")

Nomeando colunas

> colnames(ilhas) <- paste("sp",1:5, sep="_")
> ilhas

##        sp_1 sp_2 sp_3 sp_4 sp_5
## ilha_1    0    4    0    2    3
## ilha_2    2    6    0    4    4
## ilha_3    4    0    0    5    3
## ilha_4    0    0    1    5    0
## ilha_5    0    0    0    0    0
## ilha_6    1    5    0    0    0
## ilha_7    5    4    3    0    0
## ilha_8    4    2    0    0    5

Indexando

> ilhas[,1]

## ilha_1 ilha_2 ilha_3 ilha_4 ilha_5 ilha_6 ilha_7 ilha_8 
##      0      2      4      0      0      1      5      4

> ilhas[,"sp_5"]

## ilha_1 ilha_2 ilha_3 ilha_4 ilha_5 ilha_6 ilha_7 ilha_8 
##      3      4      3      0      0      0      0      5

> ilhas[, c(2,4,5)]

##        sp_2 sp_4 sp_5
## ilha_1    4    2    3
## ilha_2    6    4    4
## ilha_3    0    5    3
## ilha_4    0    5    0
## ilha_5    0    0    0
## ilha_6    5    0    0
## ilha_7    4    0    0
## ilha_8    2    0    5

Indexando

> ilhas[c(2,4), c("sp_2", "sp_4", "sp_5")]

##        sp_2 sp_4 sp_5
## ilha_2    6    4    4
## ilha_4    0    5    0

Matrizes

• linhas e colunas concatenados
• vetores de mesma natureza
• algebra linear

Lista

> (a=1:5)

## [1] 1 2 3 4 5

> (b=factor(rep(c("a","b","c"), each=3)))

## [1] a a a b b b c c c
## Levels: a b c

> (c=data.frame(sec=c("XIX", "XX", "XXI"),inicio=c(1801,1901,2001)))

##   sec inicio
## 1 XIX   1801
## 2  XX   1901
## 3 XXI   2001

> ml = list(v1 = a, f1 = b, df1 = c)
> ml

## $v1
## [1] 1 2 3 4 5
## 
## $f1
## [1] a a a b b b c c c
## Levels: a b c
## 
## $df1
##   sec inicio
## 1 XIX   1801
## 2  XX   1901
## 3 XXI   2001

Indexando Listas

> ml$df1$inicio

## [1] 1801 1901 2001

> ml$df1$inicio <- c(1800, 1900, 2000)
> ml$df1$inicio

## [1] 1800 1900 2000

Modificando Listas

> ml$inicio<-"início do século"
> str(ml)

## List of 4
##  $ v1    : int [1:5] 1 2 3 4 5
##  $ f1    : Factor w/ 3 levels "a","b","c": 1 1 1 2 2 2 3 3 3
##  $ df1   :'data.frame':  3 obs. of  2 variables:
##   ..$ sec   : Factor w/ 3 levels "XIX","XX","XXI": 1 2 3
##   ..$ inicio: num [1:3] 1800 1900 2000
##  $ inicio: chr "início do século"

Indexação de listas

> ml$f1

## [1] a a a b b b c c c
## Levels: a b c

> ml[[2]]

## [1] a a a b b b c c c
## Levels: a b c

> ml[["f1"]]

## [1] a a a b b b c c c
## Levels: a b c

Indexação de listas

> ml$f1[4]

## [1] b
## Levels: a b c

> ml[[3]][1,2]

## [1] 1800

> ml[[3]]

##   sec inicio
## 1 XIX   1800
## 2  XX   1900
## 3 XXI   2000

Principais Classes

• vetores [1]
• data.frame [l,c]
• listas[[…]]
• arrays [l, c, p,…]
  • matrizes [l, c]

Indexadores

> alt = c(1.85, 1.78, 1.92, 1.63, 1.81, 1.55)
> alt

## [1] 1.85 1.78 1.92 1.63 1.81 1.55

> sex=factor(rep(c("M","F"),each=3))
> sex

## [1] M M M F F F
## Levels: F M

Ordenadores de posição

> alt

## [1] 1.85 1.78 1.92 1.63 1.81 1.55

> rank(alt)

## [1] 5 3 6 2 4 1

> sort(alt)

## [1] 1.55 1.63 1.78 1.81 1.85 1.92

> order(alt)

## [1] 6 4 2 5 1 3

Indexadores de posição

Ordenar o vetor de altura sem modificá-lo

> alt

## [1] 1.85 1.78 1.92 1.63 1.81 1.55

> sort(alt)

## [1] 1.55 1.63 1.78 1.81 1.85 1.92

> alt[order(alt)]

## [1] 1.55 1.63 1.78 1.81 1.85 1.92

Indexadores de posição

Ordenar o vetor de sexo em função da altura

> alt

## [1] 1.85 1.78 1.92 1.63 1.81 1.55

> sex

## [1] M M M F F F
## Levels: F M

> sex[order(alt)]

## [1] F F M F M M
## Levels: F M

Operadores lógicos

">", "<", ">=", "<=", "==", "!=", "&"

alt; sex

## [1] 1.85 1.78 1.92 1.63 1.81 1.55

## [1] M M M F F F
## Levels: F M

Indexação com Lógica

> haltos <- alt >= 1.80 & sex == "M"
> haltos

## [1]  TRUE FALSE  TRUE FALSE FALSE FALSE

> alt[haltos]

## [1] 1.85 1.92

Quais são homens altos?

alt; sex

## [1] 1.85 1.78 1.92 1.63 1.81 1.55

## [1] M M M F F F
## Levels: F M

> which(haltos)

## [1] 1 3

> cbind(sex, alt)

##      sex  alt
## [1,]   2 1.85
## [2,]   2 1.78
## [3,]   2 1.92
## [4,]   1 1.63
## [5,]   1 1.81
## [6,]   1 1.55

Procurando algum padrão

Onde está o Didi

> trapa[trapa$codinome == "Didi", ]

##   codinome nascimento estado vivo  alt idade
## 1     Didi       1936     CE TRUE 1.68    82

> trapa$codinome == "Didi"

## [1]  TRUE FALSE FALSE FALSE

Buscando padrão em outro vetor

> trapa[trapa$codinome %in% c("Didi", "Dede"),]

##   codinome nascimento estado vivo  alt idade
## 1     Didi       1936     CE TRUE 1.68    82
## 2     Dede       1936     RJ TRUE 1.79    82

> trapa$codinome %in% c("Didi", "Dede")

## [1]  TRUE  TRUE FALSE FALSE

Juntando dados

> trapa

##   codinome nascimento estado  vivo  alt idade
## 1     Didi       1936     CE  TRUE 1.68    82
## 2     Dede       1936     RJ  TRUE 1.79    82
## 3   Mussum       1941     RJ FALSE 1.81    77
## 4 Zacarias       1934     MG FALSE 1.61    84

> trapalhao

##   codinome nascimento estado vivo altura                           nome
## 1     Didi       1936     CE    s   1.68          Antônio Renato Aragão
## 2     Dedé       1936     RJ    s   1.79             Manfried Sant Anna
## 3   Mussum       1941     RJ    n   1.81 Antônio Carlos Bernardes Gomes
## 4 Zacarias       1934     MG    n   1.61         Mauro Faccio Gonçalves

Juntando dados

> merge(x = trapa, y = trapalhao, by = "codinome")

##   codinome nascimento.x estado.x vivo.x  alt idade nascimento.y estado.y
## 1     Didi         1936       CE   TRUE 1.68    82         1936       CE
## 2   Mussum         1941       RJ  FALSE 1.81    77         1941       RJ
## 3 Zacarias         1934       MG  FALSE 1.61    84         1934       MG
##   vivo.y altura                           nome
## 1      s   1.68          Antônio Renato Aragão
## 2      n   1.81 Antônio Carlos Bernardes Gomes
## 3      n   1.61         Mauro Faccio Gonçalves

Familia apply

Média de tamanho por sexo

> alt

## [1] 1.85 1.78 1.92 1.63 1.81 1.55

> sex

## [1] M M M F F F
## Levels: F M

> tapply(X = alt, INDEX = sex, FUN = mean)

##        F        M 
## 1.663333 1.850000

Dados Ilha

> ilhas

##        sp_1 sp_2 sp_3 sp_4 sp_5
## ilha_1    0    4    0    2    3
## ilha_2    2    6    0    4    4
## ilha_3    4    0    0    5    3
## ilha_4    0    0    1    5    0
## ilha_5    0    0    0    0    0
## ilha_6    1    5    0    0    0
## ilha_7    5    4    3    0    0
## ilha_8    4    2    0    0    5

Quantos indivíduos em cada ilha?

> apply(X = ilhas, MARGIN =  2, FUN = sum)

## sp_1 sp_2 sp_3 sp_4 sp_5 
##   16   21    4   16   15

Quantas espécies em cada ilha?

> (ilhasvf <- ilhas > 0)

##         sp_1  sp_2  sp_3  sp_4  sp_5
## ilha_1 FALSE  TRUE FALSE  TRUE  TRUE
## ilha_2  TRUE  TRUE FALSE  TRUE  TRUE
## ilha_3  TRUE FALSE FALSE  TRUE  TRUE
## ilha_4 FALSE FALSE  TRUE  TRUE FALSE
## ilha_5 FALSE FALSE FALSE FALSE FALSE
## ilha_6  TRUE  TRUE FALSE FALSE FALSE
## ilha_7  TRUE  TRUE  TRUE FALSE FALSE
## ilha_8  TRUE  TRUE FALSE FALSE  TRUE

Quantas espécies em cada ilha?

> apply(X = ilhasvf, MARGIN = 1, FUN = sum)

## ilha_1 ilha_2 ilha_3 ilha_4 ilha_5 ilha_6 ilha_7 ilha_8 
##      3      4      3      2      0      2      3      3

Quais ilhas tem abundâncias > 4

> apply(X = ilhas>4, MARGIN = 1, FUN = sum)

## ilha_1 ilha_2 ilha_3 ilha_4 ilha_5 ilha_6 ilha_7 ilha_8 
##      0      1      1      1      0      1      1      1

Quantos ocorrências para cada sp

> apply(X = ilhasvf, MARGIN = 2, FUN = sum)

## sp_1 sp_2 sp_3 sp_4 sp_5 
##    5    5    2    4    4

Guapira opposita

Matrizes de Transição

Dinâmica Populacional

Dinâmica de Guapira

> gua.clas=read.table("dados/gua.clas.txt", header=TRUE,sep="\t", as.is=TRUE)
> str(gua.clas)

## 'data.frame':    2191 obs. of  10 variables:
##  $ obsID          : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ floresta       : chr  "tardia" "tardia" "tardia" "tardia" ...
##  $ especie        : chr  "G" "G" "G" "G" ...
##  $ placa          : int  4 7 8 10 11 12 16 18 21 22 ...
##  $ medida         : chr  "dap" "dap" "dap" "dap" ...
##  $ tamanho2007    : num  60 71.6 19.2 32.7 32.5 ...
##  $ tamanho2008    : num  63.2 72.9 19.5 32.8 34.1 ...
##  $ Reprodutivo2007: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ classe2007     : int  3 3 3 3 3 3 3 3 3 3 ...
##  $ classe2008     : int  3 3 3 3 3 3 3 3 3 3 ...

População: Guapira opossita

> (nivel=unique(gua.clas[,"floresta"]))

## [1] "tardia"  "inicial"

> table(gua.clas$floresta)

## 
## inicial  tardia 
##    1279     912

Estrutura Populacional: Guapira

> (n0=table(gua.clas[,"classe2007"],gua.clas[,"floresta"]))

##    
##     inicial tardia
##   1     136     95
##   2     399    449
##   3     744    368

Dinâmica Populacional: Guapira

> (trans.abs=table(gua.clas$classe2008 ,gua.clas$classe2007, gua.clas$floresta))

## , ,  = inicial
## 
##    
##       1   2   3
##   1 105   0   0
##   2  20 380   0
##   3   0  11 740
## 
## , ,  = tardia
## 
##    
##       1   2   3
##   1  72   0   0
##   2  20 431   0
##   3   0  14 368

Matrizes de Transição

> (inicial=t(t(trans.abs[,,1])/n0[,1]))

##    
##              1          2          3
##   1 0.77205882 0.00000000 0.00000000
##   2 0.14705882 0.95238095 0.00000000
##   3 0.00000000 0.02756892 0.99462366

> (tardia=t(t(trans.abs[,,2])/n0[,2]))

##    
##             1         2         3
##   1 0.7578947 0.0000000 0.0000000
##   2 0.2105263 0.9599109 0.0000000
##   3 0.0000000 0.0311804 1.0000000

Atividade

Módulo 3: Leitura e Manipulação de dados

• Tutorial
• Apostila

Entrega dos exercícios:

• Segunda-feira, 20 de maio até 8h