Universidade Federal do Amap

Curso: Cincias Ambientais

Turma: 2016/2
Disciplina: Mtodos Quantitativos II
Prof.: Jos Julio de Toledo
Exerccios dirigidos para avaliao final de 24/03/2017

1) Considere os dados do peso (Kg) de traires (Hoplias lacerdae) capturados em dois rios (Matapi e Vila Nova)
no Amap e construa um histograma de freqncia para cada rio. Calcule as estatsticas descritivas: N, moda, mediana,
mdia aritmtica, desvio mdio absoluto (DMA), varincia, desvio padro, erro padro e covarincia para cada rio.
Responda em qual rio o peso apresentou maior variao em torno da mdia.

Matapi: 2; 1; 1; 1; 7; 2; 5; 3; 1; 3; 4; 2; 4; 1; 8; 4; 10; 10; 6; 8; 12; 4.

Vila Nova: 8; 4; 4; 5; 6; 3; 1; 5; 5; 5; 5; 3; 7; 2; 5; 3; 5; 5 10; 7; 4; 1.

## Comandos: Exerccios dirigidos para prova final

#Salva os dados dos peixes separadamente

Matapi<-c(2,1,1,1,7,2,5,3,1,3,4,2,4,1,8,4,10,10,6,8,12,4)
Vila.Nova<-c(8,4,4,5,6,3,1,5,5,5,5,3,7,2,5,3,5,510,7,4,1)

##Histograma
hist(Matapi)

##Comandos para calcular estatsticas descritivas

##Calcula o mnimo, mdia, mediana e mximo e primeiro e segundo quartils
summary(Matapi)

##Calcula a moda
##Para calcular a moda necessrio ativar a funo abaixo.
##Selecione daqui->
Mode <- function(x) {
ux <- unique(x)
ux[which.max(tabulate(match(x, ux)))]
}
## <- at aqui, e aperte CTRL R.
##agora use a funo Mode para calcular
Mode(Matapi)

##Calcula o desvio mdio absoluto (dma)

##Para calcular o dma necessrio ativar a funo abaixo.
##Selecione daqui->
dma<-function(x) {
deviation<-mean(x)-x
dma<-mean(abs(deviation))
return(dma)
}
## <- at aqui, e aperte CTRL R.
##Agora use a funo dma para calcular
dma(Matapi)

##Calcula a varincia
var(Matapi)

##Calcula o desvio padro

sd(Matapi)

##O erro padro igual ao desvio dividido pela raiz quadrada de N

sd(Matapi)/sqrt(22)

##Calcula a covarincia.
##A covarincia represente a percentagem de variao em relao mdia.
##A covarincia calculada dividindo-se o desvio padro pela mdia, e permite
 ##comparaes a respeito da variao entre diferentes bancos dados.
sd(Matapi)/mean(Matapi)

2) Faa um grfico relacionando o peso dos peixes com os diferentes rios e use o teste t para responder se existe
diferena entre o peso dos peixes relacionada ao rio. Defina primeiramente a hiptese nula (H 0), eleja uma hiptese
alternativa (HA), defina o nvel de significncia com o qual ir rejeitar ou no H 0, realize o teste e determine com base
no valor de P se rejeitar ou no a hiptese nula.

##Grfico para comparar os pesos

##junta os dados de peso dos dois rios
peso<-c(Matapi,Vila.Nova)

##cria um objeto com os dois rios

rio<-rep(c("Matapi","Vila.Nova"),c(22,22))
##Faz o grfico
stripchart(peso~rio,vertical=TRUE,pch=19,cex=1.5,at=c(1,1.8),method="stack",offset=1)

##Antes de realizar o test t lembre-se das premissas: normalidade e homogeneidade de varincias.

##teste de normalidade de Kolmogorov - Smirnov
ks.test(peso,rnorm(44,mean(peso),sd(peso)))
##Os dados so normais?

##teste para comparao das varincias entre rios

bartlett.test(peso ~ rio)
##Se P>0.05 as varincias so homogneas e no h problema para aplicar o test t

##Comando para realizar o teste t

##Identifique o valor de t, graus de liberdade (N-2), P e as mdias.
t.test(peso~rio, var.equal=TRUE)

3) Faa uma amostragem aleatria de cinco indivduos de trairo de cada e repita todos os procedimentos para
aplicao do teste t. Faa o grfico, um teste de normalidade, teste de homogeneidade e o teste t por fim. A anlise com
a amostra menor (5 por rio) forneceu os mesmos resultados da amostra maior (22 por rio)?

###Comando para fazer a amostragem de 5 indivduos para cada rio

sub.amostra.peso<-c(sample(Matapi,5),sample(Vila.Nova,5))

###cria um objeto com 5 nomes repetidos de cada rio

sub.rio<-rep(c("Matapi","Vila.Nova"),c(5,5))

(aplique os comandos do exerccio anterior, modificando os nomes dos dados para sub.amostra.peso e sub.rio
para terminar este exerccio)

4) O governo est interessado em fazer um assentamento em reas de floresta no sul do estado do Amap.
Existem trs reas de interflvios (rea entre rios) e uma das quais dever ser destinada para a agricultura e pecuria.
Todas as reas possuem as mesmas condies de solo. O governo encomendou um inventrio florstico na rea e abaixo
est um mapa mostrando os dados coletados em sete parcelas em cada interflvio. Os smbolos dentro de cada parcela
representam as espcies. Voc foi contratado para tomar a deciso de qual rea poder ser desmatada baseado nos dados
fornecidos abaixo no mapa. Faa um grfico relacionando o nmero de espcies com interflvio. Defina primeiramente
a hiptese nula (H0), eleja uma hiptese alternativa (HA), defina o nvel de significncia com o qual ir rejeitar ou no
H0, realize o teste e determine com base no valor de P se rejeitar ou no a hiptese nula, tome a deciso.
###Comandos para realizar a anlise de varincia
##Cria um objeto com os nomes dos interfluvios repetidos 7 vezes (mesmo nmero de parcelas)
interfluvio<-rep(c("Pedreira","Pirarara","Cajueiro"),c(7,7,7))

####Cria um arquivo com o nmero de espcies por parcela

Pedreira<-c(Digite aqui o nmero de espcies das parcelas separados por vrgula, do interflvio Pedreira)
Pirarara<-c(Digite aqui o nmero de espcies das parcelas separados por vrgula, do interflvio Pirarara)
Cajueiro<-c(Digite aqui o nmero de espcies das parcelas separados por vrgula, do interflvio Cajueiro)

##junta os dados do nmero de espcies de todos os interflvios na ordem

spp<-c(Pedreira,Pirarara,Cajueiro)

###Faz o grfico
stripchart(spp~interfluvio,vertical=TRUE,pch=19,cex=1.5,at=c(1.2,2.2,3.2),method="stack",offset=1)

##Realiza o teste de normalidade de Kolmogorov Smirnov

ks.test(spp,rnorm(length(spp),mean(spp),sd(spp)))
##Os dados so normais?

##Realiza o teste de homogeneidade de Barttlett

bartlett.test(spp~interfluvio)
###Os dados so homogneos?

##Realiza o teste de anlise de varincia

##salva os resultados da ANOVA

resu.aov<-aov(spp~interfluvio)

##resume os resultados da ANOVA

##Identifique as somas e as mdias dos quadrados, graus de liberdade dos tratamentos e do resduo, F e P.
summary(resu.aov)

5) Considere o grfico abaixo da relao entre a biomassa de gramneas em diferentes tipos de vegetao
(fitofisionomias) de Cerrado. Realize uma ANOVA para determinar se existe diferena na quantidade de
biomassa relacionada com o tipo de vegetao.
 7

6
Biomass (toneladas/ha)

1
Campo.limpo

Stricto.sensu
Campo.sujo

Cerrado

Tipo de vegetao

##Digite os dados de biomassa entre parnteses separados por vrgulas e casas decimais por pontos para cada
##tipo de vegetao.
cerradao<-c(Digite os valores de biomassa para o Cerrado, separados por vrgula e ponto para casas decimais )
stricto.sensu<-c(Digite os valores de biomassa para o Stricto Sensu, separados por vrgula e ponto para casas decimais )
campo.limpo<-c(Digite os valores de biomassa para o Campo limpo)
campo.sujo<-c(Digite os valores de biomassa para o Campo sujo)

##junta os dados de bimassa em uma nica coluna

biomassa<-c(cerradao,stricto.sensu,campo.limpo,campo.sujo)

##Cria um objeto com os nomes dos tipos de vegetao

vegetao<-rep(c("Cerrado","Stricto.sensu","Campo.limpo","Campo.sujo"),c(8,7,7,6))

Proceda com os testes de normalidade, homogeneidade e com a ANOVA.

(use os comandos do exerccio anterior, modificando os nomes dos dados para terminar este exerccio)

6) Um professor est interessado em saber se a quantidade de tempo semanal que os pais se dedicam em ensinar
seus filhos em casa influencia no desempenho escolar. O professor fez uma entrevista e com 10 estudantes escolhidos
de maneira aleatria em uma escola e coletou informaes sobre o tempo de ajuda dos pais e as notas desses estudantes
em avaliaes de Portugus. Os dados seguem abaixo. Construa um grfico que mostre a relao entre as notas e o
tempo dedicado pelos pais para ensinar os filhos. Defina a hiptese nula (H 0), eleja uma hiptese alternativa (H A),
defina o nvel de significncia com o qual ir rejeitar ou no H 0, realize um teste de regresso para determinar se a
dedicao dos pais em horas ajuda no desempenho dos filhos na escola.
 Tempo/semana Notas em
(horas) Portugus
1 4
1 3
2 5
2 4
3 6
3 5
4 7
4 6.5
5 7.5
6 8

#Comandos
##Cria objetos para o tempo e notas
tempo<-c(digite aqui os dados de tempo separados por vrgulas)
notas<-c(digite os dados das notas separados por vrgulas)

###Grfico da relao entre notas e tempo

plot(notas~tempo,xlab="Tempo (horas)",ylab="Notas" )

####Teste de normalidade sobre as notas

ks.test(notas,rnorm(length(notas),mean(notas),sd(notas)))

####Anlise de regresso linear simples

###Aplica e salva os resultados da anlise
resu.reg<-lm(notas~tempo)

###Faz anlises grficas com os resduos. Assim que a janela do grfico abrir continue apertando enter.
plot(resu.reg)
##Use os grfico dos resduos (residuals) versus valores esperados (Fitted) para definir se os dados so homogeneos.
##Use o Grfico Q-Q Normal para definir se os dados so normais.

####resume os resultados e mostra os coeficientes a e b

summary(resu.reg)
##Identifique os coeficientes a e b, monte a equao Y = a + B*X com os valores deles.
##Identifique o valor de F, graus de liberdade e P. Defina se a relao signficativa e por qu.
##Quo precisa a relao? Use o valor do r2 (R-Squared) para analiser esse aspecto.

2- Na figura abaixo, considerando que cada smbolo corresponde a uma espcie diferente de planta.
Relacione o nmero de espcies com o tamanho do fragmento e tambm relacione o nmero de
indivduos com o tamanho do fragmento. Determine se o tamanho da rea exerce influncia sobre
ambos o nmero de espcies e sobre o nmero de indivduos. Use uma anlise de regresso como a
realizada no exerccio anterior.
#Comandos
##Cria objetos para o rea do fragmento, nmero de espcies e nmero de indivduos
area<-c(digite aqui os dados da rea separados por vrgulas)
nspp<-c(digite os dados do nmero de espcies separados por vrgulas)
nindividuos<-c(digite os dados do nmero de indivduos separados por vrgulas)

###Grfico da relao entre nmero de espcies e nmero de indivduos com a rea

par(mfrow=c(1,2))
plot(nspp~area,xlab="rea (ha)",ylab="Nmero de espcies" )
plot(nindividuos~area,xlab="rea (ha)",ylab="Nmero de indivduos")

Proceda com o restante das anlises assim como no exerccio anterior.