Curso introdutório sobre o Software R

Transcrição

1 Curso introdutório sobre o Software R Adelmo Inácio Bertolde [email protected] Departamento de Estatística UFES

2 Data:06/09/2014 Turnos: Manhã e tarde Número de Vagas: 20 EMENTA: Serão apresentadas as principais funções do programa R, como copiar e instalar pacotes, funcionamento de comandos e operações básicas, importação e exportação de dados, cálculos de medidas estatísticas de resumo e de dispersão (média, mediana, moda, variância e desvio padrão), construção de gráficos (histograma, boxplot, de colunas e de setores), bem como algumas ferramentas de Inferência Estatística tais como, construção do Teste T, do Teste Qui-quadrado, ANOVA e Regressão Logística com cálculo de OR. Será também apresentado o uso da opção R Commander, que simplifica a operação do R por parte do usuário.

3 O Programação R do curso: como copiar e instalar o programa o R via comandos: operações básicas, importando dados, uso de pacotes. Manuseio de dados estatísticas descritivas e gráficos Uso do R no formato iterativo Uso do R Comando em Inferência Estatística teste T, teste qui-quadrado, regressão Logística, ANOVA, regressão Logística com OR Atividades

4 O Programa R O R é um ambiente integrado de funções que permitem manipular dados, executar cálculos e construir e visualizar gráficos É visto como um programa flexível, pois, permite manipular dados e funções internas

5 O Programa R Página oficial do projeto R: Há espelhos (mirrors) brasileiros da área de downloads do programa chamada de CRAN (Compreensive R Arquive Network):

6 R: um pouco de história Escrito por Ross Ihaka and Robert Gentleman no início dos anos 90.

7 R: um pouco de história Em 1997 criou-se o R Core Team R Foundation: criada em organização sem fins lucrativos de interesse público R é um um projeto incomum:não tem um líder!

8 Além disso... O Programa R É de código aberto É gratuito É, também, um ambiente de programação

9 R Transferência de conhecimento!

10 Como instalar o programa R Acessar o site do projeto R:

11 Como instalar o programa R Acessar o site do projeto R:

12 Como instalar o programa R Acessar o site do projeto R:

13 Como instalar o programa R Acessar o site do projeto R:

14 Como instalar o programa R Acessar o site do projeto R:

15 Arquivo em formato executável

16 Instalando o programa R

17 Como instalar o programa R Acessar o site do projeto R:

18 Como instalar o programa R Acessar o site do projeto R:

19 Como instalar o programa R Acessar o site do projeto R:

20 Como instalar o programa R Acessar o site do projeto R: R está pronto para receber algum comando

21 Lista de s de discussão do R

22 Alguns manuais sobre o R O "An introduction to R" (site CRAN) Gráficos Estadísticos con R (site CRAN)

23 Alguns manuais sobre o R embrapa/ O "An introduction to R" (site CRAN) Gráficos Estadísticos con R (site CRAN)

24 Vários textos, em vários idiomas

25 Vários textos em português

26 Funcionamento do R - PACOTES O R faz uso de pacotes Os pacotes contém as funções, dados e manuais Para funcionar um pacote deve estar: 1) Instalado e 2) Carregado

27 Funcionamento do R - PACOTES Obs.: daqui em diante exemplos de comandos no R estarão em letras vermelhas

28 Funcionamento do R - PACOTES Os principais pacotes são instalados juntos com a execução do R Para obter informação sobre um pacote: >library(help="nomedopacote") O usuário pode ver os pacotes instalados digitando >library()

29 Os pacotes já disponíveis devem ser ativados para se fazer uso: >library( nome do pacote ) Pacotes não disponíveis??????

30 Funcionamento do R - PACOTES Pacotes já instalados ao executar o R: base: funções essenciais; stats: estatística paramétrica e não-paramétrica; graphics: histogramas, boxplots, diagramas de dispersão; utils: pedir ajuda, instalar pacotes e importar dados; datasets: bancos de dados de exemplo; grdevices: visualizar tela e exportar gráficos; e methods: ver classe e fazer coerção de objetos.

31 Funcionamento do R - PACOTES Pacotes NÂO instalados ao executar o R: Exemplos: epibasix: Funções epidemiológicas elementares para introdução à epidemiologia/bioestatística; epir: Funções para analisar dados epidemiológicos; epicalc: Calculadora epidemiológica. Rcmdr: torna amigável o uso do R.

32 Funcionamento do R - PACOTES Após instalados, os pacotes devem ser carregados: O R carrega na instalação apenas alguns dos pacotes >(.packages()) [1] "stats" "graphics" "grdevices" "utils" "datasets" "methods" "base" Para carregar um pacote já instalado: >require(nome do pacote) Os pacotes não instalados dever ser acessados no link do Programa R

33 Instalar pacote(s)

34 Funcionamento do R O usuário também pode criar as suas próprias funções ou programas O R usa. e não, para decimais # o R lê como um comentário + após comando significa comando incompleto

35 Lista de pacotes a instalar

36 Como instalar o programa R Acessar o site do projeto R: Após instalar deve-se carregar o pacote

37 Como instalar o programa R Acessar o site do projeto R: Basta escolher um dos pacotes já instalados que o R irá carregar

38 Para ver lista de pacotes do R

39 Clicar em Packages

40

41 Para ver informações, basta clicar no pacote desejado

42 Pacote epir

43

44 Funcionamento do R - PACOTES Pode-se instalar o pacote a partir.zip locais. Alguns pacotes dependem de outros.

45 Funcionamento do R - PACOTES Para ver a lista arquivos de dados do pacote datasets: >data()

46 Acesso aos dados do R Para acessar um arquivo de dados disponível num pacote já carregado: >data(nomedopacote) Para ver a lista arquivos de dados do pacote datasets: >data()

47 Funcionamento do R - PACOTES Exemplo de acessar dados no pacote datasets (já carregado): >data(women) Buscar informação sobre um conjunto de dados: >help(nomedoarquivo) >help(women)

48 Funcionamento do R - PACOTES Visualizando os dados do conjunto, digitar: women

49 Funcionamento do R - PACOTES Visualizando os dados:(em libras, onde 1lb=0.45g) >women

50 Funcionamento do R - PACOTES Exemplo de acessar dados no pacote datasets (já carregado): data(women) Visualizando os dados do conjunto, digitar: women

51 Funcionamento do R - PACOTES Para editar os dados >edit(women)

52 Funcionamento do R - PACOTES Para editar os dados edit(women) 58

53 Observações importantes O usuário também pode criar as suas próprias funções ou programas O R usa. e não, para decimais # o R lê como um comentário + após comando significa comando incompleto

54 >1+1 [1] 2 >2*3 [1] 6 >1/5 [1] 0.2 >sqrt(16) [1] 4 R como calculadora

55 Funcionamento do R É recomendável criar um diretório de trabalho: >dir.create('c:/users/adelmo/desktop/cursor') Visualizando o diretório criado >getwd() [1] "C:/Users/Adelmo/Desktop/CursoR"

56 Funcionamento do R > summary(women) height weight Min. :58.0 Min. : st Qu. :61.5 1st Qu. :124.5 Median :65.0 Median :135.0 Mean :65.0 Mean : rd Qu. :68.5 3rd Qu. :148.0 Max. :72.0 Max. :164.0

57 Estatística Descritiva: comandos table() Cruzamento de variáveis mean() Média aritmética median() Mediana sum() Soma summary() Sumarização de dados var() Variância sd() Desvio padrão quantile() Quartis IQR() Amplitude inter-quartil cor() Coeficiente de correlação

58 Funcionamento do R É útil um editor para criar as suas funções. Exemplo:Tome o conjunto de women height weight

59 Executando sequência de ações Deseja-se obter algumas medidas descritivas do conjunto women, construindo histograma para cada variável e relacionando idade e peso num gráfico de dispersão

60 Construindo uma simples rotina Uma simples rotina de procedimentos: >summary(women) >par(mfrow = c(1, 3)) hist(women[,1],nclass=10) hist(women[,2],nclass=10) plot(women[,1],women[,2]) É indicado criar um script. Como fazer?

61

62

63 Funcionamento do R

64 Funcionamento do R Uma simples rotina de procedimentos: summary(women) par(mfrow = c(1, 3)) hist(women[,1],nclass=10) hist(women[,2],nclass=10) plot(women[,1],women[,2])

65

66 Outra sequência de ações Deseja-se construir histograma e boxplot para cada variável

67

68 Funcionamento do R Criar diretório Como salvar resultados Como importar e exportar dados Use Ctrl a e Ctrl r

69 Funcionamento do R Criar diretório Como salvar resultados Como importar e exportar dados

70 Funcionamento do R Criar diretório Como salvar resultados Como importar e exportar dados

71 Funcionamento do R Criar diretório Como salvar resultados Como importar e exportar dados >?hist Tela de ajuda para a função hist

72 Importando dados no R Uma maneira: >read.table() Permite importar diversos tipos de arquivos Seja o exemplo de um arquivo texto: idade col acido sexo A A B A B A

73 Importando dados arquivo texto >read.table("c:\\users\\adelmo\\desktop\\teste.txt",header=t) Nome do arquivo Se já tem nome nas colunas

74

75 Importando dados arquivo excel

76 Importando dados no R Salvar em formato.csv

77 Importando dados no R

78 Dados de outras bases >read.epiinfo() para arquivos.rec do Epi-Info >read.spss() para dados do SPSS >read.dta() para dados do STATA

79 Funcionamento do R As entidades criadas e manipuladas no R são chamadas de Objetos. Antes de fechar o R, o mesmo perguntará se você deseja salvar os objetos criados. >save.image("nome.rdata") Caso sim, estará na Área de Trabalho no arquivo.rdata Para remover um objeto use >rm(nome do objeto) >ls()

80 UFA! Vamos pro intervalo?

81 Prática inicial no R Comandos básicos para gerenciamento de dados

82 Prática inicial no R uso de dados criar exemplo: >dados=c(1,8,4,5,3,9,5,6,7,5,4,3,7,6,4,5,6,6) > dados [1] remover arquivos: rm(dados) > dados Erro: objeto 'dados' não encontrado Seta retorna passo anterior comprimento do vetor: length(dados) ordena os valores: sort(dados)

83 Prática inicial no R comandos básicos sair do R: q() Para organizar dados em classe: quantile(dados) table(cut(dados, quantile(dados)))

84 Resultado da operação

85 Prática inicial no R comandos básicos Para verificar arquivos em uso: >ls() Para gerar valores aleatório de uma distribuição Normal: 100 valores com média 5 e variância 9: >dados1=rnorm(100,5,3)

86 Prática inicial no R Gráficos Histograma: hist(dados1) ramos e folhas: stem(dados1) Box-plot: boxplot(dados1) comparação de dois conjuntos via box plot dados2=c(9,8,7,8,11,6,5,2,7,8,9,5,7,8,7,6,7,11,8,7,6) boxplot(dados, dados2)

87 Prática inicial no R Gráficos Setores (pizza): pie(dados) Barras: barplot(dados) Em linha: par(mfrow=c(2,1)) plot(dados) plot(dados,type="l")

88

89 Prática inicial no R Gráficos Importando dados dados=read.table("c:\\arquivos de programas\\r\\r-2.2.1\\dados.txt") Gerar uma curva de frequência x=rnorm(1000,10,5) hist(x,15,prob=t,xlab="classes",ylab="frequência",main="título") lines(density(x,bw="sj")) x=abline(v=10,col="red")

90

91 Criando uma pasta Para criar uma pasta de trabalho save.image("d:\\material de R\\CursoR\\secaoR.Rdata") Para abrir uma pasta de trabalho load("d:\\material de R\\CursoR\\secaoR.Rdata")

92 Prática inicial no R comandos básicos Criando uma pasta de trabalho

93 Prática inicial no R comandos básicos abrindo uma pasta de trabalho

94 Prática inicial no R comandos básicos

95 Trabalhando com os dados - vetor Criando uma matriz de dados. Exemplo: Idade, colesterol e acido úrico de 3 pessoas. >idade=c(25,30,40) >col=c(120,125,130) >acido=c(3,4,5)

96 Trabalhando com os dados >dados=cbind(idade,col,acido) >dados idade col acido [1,] [2,] [3,]

97 Trabalhando com os dados - matriz >dados=c(idade,col,acido) > dados [1] > matrix(dados,ncol=3) [,1] [,2] [,3] [1,] [2,] [3,]

98 Trabalhando com os dados data frame formato data frame : aceita dados de tipos diferentes > sexo=c("f","m","m")

99 Trabalhando com os dados data frame >dadosm=data.frame(idade,col,acido,sexo) idade col acido sexo A A B

100 Trabalhando com os dados data frame Suponha que se queira filtrar dados idade col acido sexo A A B > dadosm$idade [1] > dadosm[dadosm$acido>3,'idade'] [1] 30 40

101 Trabalhando com os dados data frame O comando >edit(data.frame()) abre uma planilha para digitação de dados

102

103 Usando o pacote epir tmp <- rnorm(100000, mean = 0, sd = 1) epi.descriptives(tmp, quantile = c(0.025, 0.975)) n mean var sd q.25 q.50 q.75 q.2.5 q.97.5 min max NAs 1e

104 Usando o pacote epir > epi.empbayes Calcula o estimador empírico Bayesiano data(epi.sclip)

105 Usando o pacote epir Tx. Bruta e Ebayes

106 Abrindo os dados esoph Estudo caso controle Dados sobre consumo de bebida alcoólica, cigarro e câncer de esôfago

107 Visualizando o arquivo no R >?esoph

108

109 Tabela em classe

110 Tabelas de dupla entrada

111 Observações sobre o R Aprendizado lento Esquecimento rápido melhor é fazer uso regular do R

112 Críticas sobre o R Seu uso ainda pouco difundido Sua interface Programa pouco amigável

113 Pouco amigável (?)

114 Iniciando o uso do R no formato menu

115 R Commander: Comando Rcmdr

116

117

118

119

120 Como ativar o R Commander?

121 Uso do R Commander

122

123

124

125 Neste espaço você pode editar suas tarefas

126 Clicar aqui para executar as tarefas

127 Janela output das suas tarefas executadas

128 Aqui são mostrados erros e avisos

129

130

131

132

133

134

135

136

137

138

139 Obtendo algumas estatísticas descritivas

140

141

142

143 Análise por categoria sexo

144

145 Lendo um arquivo do datasets do R Banco chamado infert Estudo caso-controle Casos: mulheres com infertilidade Controles: mulheres não doentes Os fatores de risco a serem avaliados: paridade, os abortos espontâneos e induzidos e a escolaridade.

146

147

148

149 Construindo gráficos no Rcmdr

150 Histograma da variável idade

151 Gráfico de barras de casos e controles

152 Gráfico de dispersão entre idade e no. de filhos

153

154 Teste T para média de uma população O Teste de hipótese estatístico é utilizado quando se deseja avaliar uma determinada afirmação ou hipótese Suponha que se queira fazer um teste para avaliar se a idade média de um particular grupo de mulheres difere de 30 anos de idade Teste T: como fazer usando o R Commander

155 Teste T

156 Teste T

157

158 Teste T: Resultado

159 Teste Qui-quadrado O Teste de Qui-quadrado, no caso particular, pode ser utilizado para avaliar de existe associação significativa entre exposição a um fator e presença de doença Pode ser necessário converter variáveis numéricas para fatores

160

161

162

163

164

165

166

167

168 Teste Qui-quadrado: resultado

169 Regressão Logística A Regressão Logística é um modelo estatístico que busca a explicação para valores tomados por uma variável categórica (dependente) em função de outras variáveis explicativas (independentes) converter dados para fatores

170

171

172

173

174

175 Regressão Logística: resultado

176 Regressão Logística: resultado com OR

177

178 Regressão Logística: resultado com OR

179 Outro exemplo: banco birthwt

180

181

182

183

184

185 ANOVA A ANOVA é um técnica bastante utilizada, em que testa-se se 2 ou mais grupos pertencem a uma mesma população Ou, se as médias dos grupos em comparação podem ser consideradas iguais, segundo o ponto de vista da estatística. Avaliar a idade segundo raça e categoria de fumante

186 ANOVA: Resultado

187 Teste Qui-Quadrado:digitação direta da tabela

188 Teste Qui-Quadrado:digitação direta da tabela

189 Teste Qui-Quadrado:digitação direta da tabela Teste rejeitou a independência entre exposição a comida de gato e síndrome urológica felina

190 ATIVIDADES

191 Atividade 1 Copiar e instalar o programa R Visualizar os manuais na página do Cran a partir do programa instalado Visualizar os pacotes instalados usando comando library()

192 Atividade 2 Criar um arquivo de dados fictícios, com cabeçalho, e juntar numa matriz. Salvar em formato texto (.txt) e formato excel (.csv) Esse arquivo deve conter variáveis numéricas e categóricas Copiar tais arquivos utilizando o R Commander

193 Atividade 3 Instalar e carregar os pacotes: spdep e maptools Ativar tais pacotes: library(maptools) library(spdep) Ativar o arquivo de dados Auckland data(auckland)

194 Atividade 3 - continuação Calcular estatísticas descritivas da população total de crianças < 5 anos. Calcular estatísticas descritivas dos óbitos em crianças <5 anos. Contruir um diagrama de dispersão de taxa bruta versus a população de crianças menores de 5 anos ( auckland )

195 Atividade 4 Acessar o banco infert Construir histograma e box-plot para a variável parity, por caso e controle Usar função par para expor as figuras na mesma página do R

196 Atividade 5 Acessar o banco sleep (dentro do datasets) Realizar um teste T comparando média de tempo de sono extra entre casos e controles

197 Atividade 6 Acessar o banco infert Realizar um teste qui-quadrado para avaliar relação entre as variáveis induced e grupos caso e controle.

198 Atividade 7 Utilizar o banco infert Refazer a regressão logística para explicar os casos (infertilidade) em função das covariáveis disponíveis

199 Referências Bibliográficas: O "An introduction to R" (site CRAN) Gráficos Estadísticos con R (site CRAN) Manuais de contribuições listadas no site do Cran R R aplicado a Epidemiologia (Suzi Alves Camey Luciana Neves Nunes, VII Congresso Brasileiro de Epidemiologia - minicurso disponível na web)

200 Aproveitem a nossa cidade. Bom congresso! Foto:Tadeu Bianconi