| [[http://cmq.esalq.usp.br|{{:publico:tree-of-life.gif?100|CMQ: Centro de Métodos Quantitativos}}]] ^ **__Centro de Métodos Quantitativos__** \\ Departamento de Ciências Florestais \\ Escola Superior de Agricultura "Luiz de Queiroz" \\ **UNIVERSIDADE DE SÃO PAULO** | [[publico:tutoriais:uso-r:start|{{:publico:tutoriais:r-relampago:r-logo.png?90}}]] |
^ |
Uso do R no Processamento de Dados
^ |
| ^ Módulo 1: Introdução | |
\\
TUTORIAL: Uma Sessão Comentada no R
\\
====== Gerando Amostras de Distribuições de Probabilidade ======
===== Tamanho da amostra: =====
> > n = 1000
===== Distribuição Gaussiana =====
> > z = rnorm(n)
> > hist(z, probability=T)
> > lines(density(z), col="red")
===== Distribuição Exponencial =====
> > y = rexp(n, rate=1/25) # Dist. exponencial
> > hist(y, probability=T)
> > lines(density(y), col="red")
===== Distribuição Weibull =====
> > w = rweibull(n, shape=5.7, scale=30)
> > hist(w, probability=T)
> > lines(density(w), col="red")
===== Distribuição Poisson =====
> > x = rpois(n, 10)
> > tab = table(x)
> > plot(tab/sum(tab))
> > lines(density(x), col="red")
====== Explorando a Relação entre Variávies ======
===== Duas amostras independentes da distribuição Gaussiana =====
50 observações da dist. Gaussiana padronizada (x e y)
> x = rnorm(50)
> y = rnorm(x)
Gráfico de dispersão e coeficiente de correlação
> plot(x,y)
> cor(x,y)
Quais são os objetos que temos no workspace? Removendo "x" e "y"
> ls()
> rm(x,y)
===== Duas variáveis com relação linear e variância constante. =====
Vetor sequencial e conjunto de dados (dataframe)
> x = 1:30
> meus.dados = data.frame(x=x, y=5.4 + 0.75 * x + rnorm(x, sd=2.5))
Regressão linear simples, gráficos diagnósticos da regressão e sumário da regressão
> regline = lm( y ~ x, data=meus.dados )
> plot(regline)
> summary(regline)
Gráfico de dispersão e a lina de regressão ao gráfico
> plot( y ~ x, data=meus.dados )
> abline(coef(regline), col="red")
===== Duas variáveis com relação linear e heteroscedasticidade. =====
Vetor sequencial, conjunto de dados (dataframe), e regressão linear simples
> > x = 1:30
> > meus.dados2 = data.frame(x=x, y= 3 + 1.5*x + rnorm(x, mean=0, sd=0.5*x^0.8) )
> > regline2 = lm( y ~ x, meus.dados2)
Gráfico de dispersão (com linha de tendência) e linha de regressão adicionada ao gráfico
> > scatter.smooth( meus.dados2$x, meus.dados2$y )
> > abline( coef(regline2), col="orange", lty=2 )
Limpeza geral!
> > rm(x, meus.dados, meus.dados2, regline, regline2)
====== Alguns Gráficos Interessantes ======
Criando duas variáveis (x e y) e uma matrix (z)
> > x = seq(-pi, pi, len=50)
> > y = x
> > z = outer(x, y, function(x,y) cos(y)/(1+x^2))
Preparando a janela gráfica
> > oldpar = par(no.readonly=TRUE)
> > par(pty="s")
Gráfico de perspectiva
> > persp(x,y,z, theta=30, phi=20)
> persp(x,y,z, theta=30, phi=20, col="orange")
Gráfico de contorno (iso-linhas)
> > contour(x,y,z, col="red")
Gráfico de imagens
> > image(x,y,z)
Gráfico de imagens com iso-linhas
> > image(x,y,z)
> > contour(x,y,z, add=TRUE)
\\
\\
| [[publico:tutoriais:uso-r:start|{{:publico:tutoriais:r-relampago:r-logo.png?90}}]] | **[[..:start|HOME: Uso do R no Processamento de Dados]]** |