aula6.qmd

---
title: "Aula6"
author: "ARLAM"
format: html
editor_options: 
  chunk_output_type: console
---

# Os gráficos de dispersão ou Scatter plot são representações gráficas do relacionamento entre duas variáveis numéricas. O Scatter plot utiliza pontos para representar essa relação, cada ponto representa o valor de uma variável no eixo horizontal e o valor de outra variável no eixo vertical.

```{r}
library(readxl)
library(tidyverse)
fungicida <- read_excel("dados-diversos.xlsx", "fungicida_campo")
head(fungicida)

```

```{r}
fungicida |> 
  ggplot(aes(trat, yld))+
  geom_jitter(width = 0.1, 
              color = "gray60")+
  stat_summary(fun.data  = mean_se, 
               color = "red")
```

```{r}
library(ggthemes)
fungicida |> 
  ggplot(aes(sev, yld))+
  geom_point(size = 3, 
             color = "gray50")+
  scale_color_colorblind()+
  geom_smooth(method = "lm",
              se = FALSE,
              color = "black",
              linetype = "solid",
              size = 1)
```

## Experimento fatorial

```{r}
milho <- read_excel("C:dados-diversos.xlsx",
                    "milho")
```

```{r}
milho |> 
  ggplot(aes(method, index,
             color = method))+
  geom_jitter(width = 0.1)+
  facet_grid(~hybrid)
```

## Histograma é um gráfico usado para representar a distribuição de frequência de alguns pontos de dados de uma única variável. Os histogramas geralmente classificam os dados em vários “compartimentos” ou “grupos de intervalo” e contam quantos pontos de dados pertencem a cada um desses compartimentos.

```{r}
y <- milho |> 
  ggplot(aes(x = yield))+
  geom_histogram(bins = 10,
                 color = "black", fill = "green")

i <- milho |> 
  ggplot(aes(x = index))+
  geom_histogram(bins = 10,
                 color = "black", fill = "green")

library(patchwork)
(y + i) +
  plot_annotation(tag_levels = "A")
ggsave("figs/histograms.png", bg = "white")

```

## Gráfico de densidade
#Os gráficos de densidade, também conhecidos como curvas de densidade suavizadas (smooth density), são esteticamente mais atraentes que os histogramas. Abaixo, vemos um gráfico de densidade para nossos dados de altura:

```{r}
milho |> 
  ggplot(aes(x = yield))+
  geom_density()
```

## Formato largo para longo
#No formato amplo (wide format), as respostas de um mesmo indivíduos estarão em uma única linha e cada resposta estará em uma coluna separada.
#No formato longo (long format), cada linha é um ponto de tempo por assunto. Portanto, cada sujeito (condado) terá dados em várias linhas. Todas as variáveis que não mudam ao longo do tempo terão o mesmo valor em todas as linhas.

```{r}

insect <- read_excel("C:dados-diversos.xlsx",
                   "mortalidade")
insect |> 
  pivot_longer(2:3, 
               names_to = "status",
               values_to = "value") |> 
  ggplot(aes(inseticida, value, 
             fill = status))+
  geom_col()
  


```