ANÁLISE EXPLORATÓRIA DE DADOS USANDO O R

Transcrição

1 XVII CBPr ANÁLISE EXPLORATÓRIA DE DADOS USANDO O R Ítalo Mourthé

2 Informação importante Este NÃO é um curso de análise estatística!!! Objetivo: introduzir a linguagem R e demonstrar algumas das potencialidades do programa para manipulação e análise gráfica de dados

3 O que é o R? Uma linguagem e ambiente para a programação de estatísticas e construção de gráficos Combina excelente capacidade gráfica com poderosa capacidade de modelagem Poderosa ferramenta para modelagem estatística Permite a exploração de dados (ex., tabelas, gráficos) Programação flexível e geral (permitindo manipulação de grande quantidade de dados)

4 Histórico R Ross Ihaka e Robert Gentleman (University of Auckland) Propósito de ensino Desenvolvido a partir da linguagem S (S-PLUS pacote comercial: $$$$$) Alguns comandos e funções S são aplicáveis no R Códigos R lançados em 1995 (Licença Pública Geral) versão (2000) versão (2015)

5 Crescimento do R R Bloggers 2016 Vários exemplos literatura de análises realizadas com o R Primatologia Mourthé et al. 2007, Am J Primatol Mourthé et al. 2008, Neotrop Primates Campos & Fedigan, 2009, Am J Phys Anthropol Boubli et al. 2010, Ecotropica Hohmann et al. 2010, Am J Phys Anthropol Sylvester et al. 2010, Am J Phys Anthropol Mourthé 2014, Braz J Biol Silva et al. 2015, PLoS one Jung et al. 2015, PLoS one

6

7 Egressos do curso Hilário 2013 (tese doutorado) (2009) Aureli et al. 2013, Am J Anthropol (2013) Hass 2014 (dissertação mestrado) (2014)...

8 Se vc Novo pacote estatístico (Statistica, Systat, SPSS) Desenvolve apenas uma série limitada de análises Não tem pretensões de realizar nada diferente no futuro Parabéns! Nenhuma razão para mudar para o R!!!

9 Outras motivações... Sou viciado no clique-clique do mouse... Adoro fazer minhas análises em programas piratas!!

10 Por que não usar o R? Grande esforço e tempo empregados no aprendizado do programa

11 Por que não usar o R? Você pode passar por algumas situações de estress

12 Só isso???? Trabalhar no R pode facilitar a sua vida no futuro!!

13 Por que usar o R? Grande número de análises (ex. GLM, GAM, GLS e outras espaciais, análises triviais) Número de usuários crescente (incluindo estatísticos de topo) -> garante facilidade e qualidade Desenvolvimento software (R Development Core Team) Suporte técnico (material disponível online e listas de discussão) Grande flexibilidade para usuários comuns e programadores (comandos e funções)

14 Controle total do usuário! Por que usar o R? Cobrança das licenças para uso de pacotes comerciais pelos periódicos Software livre (General Public License; Free Software Foundation)

15 Entender o que está sendo feito... model1 <- lm (dens ~ frag.size + dens.pred)

16 Referências interessantes Chambers, J.M. Statistical modeling in S-Plus Crawley, M.J Statistics An introduction using R. John Wiley & Sons, Ltd. Crawley, M.J The R book. John Wiley & Sons, Ltd. material disponível em vários idiomas grupos de discussão R help (help(par),?chisq.test,??lm)

17 Usando o R Abra o R a partir da área de trabalho do computador; Vá em Arquivos\\ Salvar área de trabalho\\ Meus documentos \\ cursor Não digitar nada no nome do arquivo Fechar o R e iniciá-lo através da sua pasta do curso

18 Faça os exercícios e depois feche o R [q()]

19 > [prompt do R]; é como se o R estivesse te perguntando: O que eu devo fazer agora? +; o comando ainda não está completo #; símbolo usado para inserir comentários no console Executar um comando: Enter ou Ctrl + r

20 R diferencia entre letras maiúsculas [A] e minúsculas [a]! Cuidado! Separador de casas decimais [1.7] Vírgulas são usadas para separar argumentos dentro de um comando ex <- c(1,2,3,4) Uso de acentos não recomendado! Letras ou nomes dentro dos objetos devem ser escritos entre aspas [ M ] ou [ Macho ]

21 Células vazias planilha -> NA Maldição R: Os nomes complexos dificultarão suas vidas! Nomes variáveis Compostos (ruim!!) Numero individuos fragmento Identificaçao mitocondrial Versões simplificadas (bom!!) N_ind id.mt Simplicidade é tudo!

22

23 Usando o help?barplot2??enhanced barplot

24 Entrada de dados Três diferentes formas Digitação direta Download de arquivo com anexo (attach) Edição das planilhas salvas (edit) Download de arquivo sem anexo* (não usa attach; $)

25 Dicas importantes: construção de planilhas Nas linhas: observações Nas colunas: atributos das observações (variáveis) Todos os valores da mesma variável devem ser colocados na mesma coluna Especie sexo peso comp A.belzebuth M A.belzebuth F C.olivaceus F

26 Objetos do R Análises: baseadas em objetos Funções Vetor Matriz Tabela de dados (Data frame) Listas

27 Funções As funções criadas no R também são objetos > dados1 <- c(2,34,23,22,12,45,23)

28 Vetor Sequência de valores numéricos ou de caracteres (letras, palavras) > dados1 <- c(2,34,23,22,12,45,23) > dados1 [1] >

29 Matriz Coleção de vetores em linhas e colunas, mas todos devem ser do mesmo tipo (numérico ou caracteres) > cbind(aa,bb) aa bb [1,] 1 5 [2,] 3 6 [3,] 5 3 [4,] 7 8 [5,] 9 9 >

30 Tabela de dados (data frame) Similar a uma matriz, mas aceita vetores de tipos diferentes > cbind(aa,cc) aa cc [1,] 1 m [2,] 3 m [3,] 5 f [4,] 7 f [5,] 9 f >

31 Listas Conjunto de vetores. Não precisam ter o mesmo comprimento; é a forma que a maioria das funções retorna seus resultados > t.test (b, frut) Welch Two Sample t-test data: b and frut t = , df = , p-value = alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: sample estimates: mean of x mean of y

32 Obrigado!! Ítalo Mourthé Universidade Federal do Pará Agradecimentos: SBPr Dr. Victor Lemes Landeiro (UFMT) PPG Biodiversidade e Conservação UFPA