Análisis de datos con R

Homeworks de estadística descriptiva y contraste de hipótesis en R

Nota

Los ejercicios tendréis que entregarlos para la evaluación del curso. Para ello, crea un script de R con RStudio. Ponle el nombre homeworks_t3.R. Dicho script deberá estar organizado con comentarios en castellano (poniendo una almohadilla # delante) y justo detrás el código necesario para realizar el ejercicio (ver ejemplo debajo). Además, si el ejercicio pide reflexionar sobre el resultado use los comentarios (con la #) para indicar sus reflexiones debajo del código. Una vez los tengáis completos deberéis subirlos en la actividad correspondiente de Moodle.

# Ejercicio 1.
# Parte 1
seq(1, 40, by = 2)

# Parte 2
seq(1, 40, by = -2)
# Este código da error porque especifiqué algo mal :)

Parte 1: Gráficos descriptivos

El conjunto de datos Maple data.csv contiene información sobre la localización (Longitud -X-, Latitud -Y- y Elevación) de un conjunto de parcelas donde se han medido varias características abióticas (Temperaturas, Precipitación, pH del suelo, y relación C:N del suelo), así como la presencia/ausencia de la especie Acer campestre.

1. Carga estos datos en la sesión de R y explora los datos. a. ¿Cuantas parcelas de muestreo hay? b. ¿Que porcentaje de parcelas incluyen la especie Acer campestre? c. ¿Hay datos ausentes (NAs) en alguna de las variables? d. ¿Cuantos datos faltan para cada variable?. e. ¿Cuales son los valores mínimos, medios y máximos de cada variable predictora?

Pista

La función is.na() os será de gran ayuda.

2. Dibuja la localización (Coordinadas X e Y) de cada parcela de muestreo. Las parcelas que tienen presente a la especie Acer campestre dibújalas de color rojo y el resto de parcelas de color gris.

3. Utiliza la siguiente línea de código para dividir el área de gráficos en 6 partes par(mfrow=c(2, 3)). A continuación dibuja un histograma para cada una de las variables abióticas (temperaturas, precipitaciones, pH y C:N del suelo).

4. Analizando los gráficos ¿Cuales de las variables presentarían una distribución normal?

5. Ejecuta el código par(mfrow=c(1,1)) para representar un sólo gráfico en el área de dibujo. A continuación, dibuja el histograma de los valores de la variable Temp_jan en los sitios donde no aparece la especie Acer campestre poniendo las barras de color gris. Después, dibuja un nuevo histograma para la misma variable pero en los sitios en los que si aparece Acer campestre, en esta ocasión pon las barras de color rojo y usa el argumento add=T para que dibuje el histograma encima del histograma anterior.

6. Viendo el gráfico ¿Crees que hay diferencias significativas en las condiciones de temperatura de enero entre las parcelas donde vive Acer campestre de las que no?

7. Repite los ejercicios 5 y 6, pero con la variable pH.

Parte 2: Contraste de hipótesis

1. Utiliza la función shapiro.test para comprobar si las distintas variables abióticas realmente cumplen el supuesto de normalidad. Escribe un comentario en el script indicando para cada variable el valor de “p” y como interpretas dicho resultado (i.e. ¿consideras que tiene distribución normal la variable?).

2. Utiliza una función de contraste de hipótesis (i.e. t.test o wilcox.test, dependiendo de la normalidad de las variables) para comprobar si alguna de las variables analizadas podría explicar la presencia/ausencia de Acer campestre. Para ello deberéis indicarle al test los valores de la variable en las parcelas con Acer campestre y sin Acer campestre. Escribe un comentario en el código indicando si aprecias diferencias significativas entre los valores de la variable en los sitios donde está la especie y los que no.

3. Carga el fichero beetles.xslx. Este conjunto de datos lo he extraído del paquete KnowBR y tiene información de observaciones de diferentes especies de escarabajos en la Península Ibérica y Baleares. Además, le he incorporado los valores de 19 variables bioclimáticas en cada una de las observaciones.

1. Selecciona las 3 especies de escarabajos más frecuentes en la Península Ibérica y filtra el data.frame para quedarte sólo con las filas correspondientes a las observaciones de esas tres especies

2. Utiliza una ANOVA para comparar los valores de la variables bio_1 (temperatura média anual) en los sitios en los que se encuentran las tres especies.

¿Hay diferencias en los valores de temperatura media anual en los que viven las tres especies? ¿Son signficativas esas diferencias? ¿Qué especies viven sitios con temperaturas similares y cuales en sitios con temperaturas diferentes?

3. Repite el ejercicio con las variables bio_7 (rango de temperaturas anual) y bio_12 (precipitación anual)

No olvides escribir el código y los comentarios con la explicación de tu interpretación de los resultados.