###################################################
### chunk number 1: 
###################################################
bci.20x20 <- read.csv2("bci20x20_indices.csv",row.names=1)


###################################################
### chunk number 2: 
###################################################
## Primeiras linhas do dataframe
head(bci.20x20)


###################################################
### chunk number 3: 
###################################################
## Ultimas linhas do dataframe
tail(bci.20x20)


###################################################
### chunk number 4: 
###################################################
nrow(bci.20x20)


###################################################
### chunk number 5: 
###################################################
mean(bci.20x20$D)
sd(bci.20x20$D)


###################################################
### chunk number 6: 
###################################################
set.seed(42)
##amostra de 10 valores
am <- sample(bci.20x20$D,size=10)
## valores amostrados
am
## media dos valores amostrados
mean(am)


###################################################
### chunk number 7: 
###################################################
##nova amostragem
am <- sample(bci.20x20$D,size=10)
am
mean(am)
## mais uma amostragem
am <- sample(bci.20x20$D,size=10)
am
mean(am)


###################################################
### chunk number 8: 
###################################################
##vetor para guardar os resultados
bci.20x20q10 <- c()
##loop para repetir a amostragem
for(i in 1:2000){
bci.20x20q10[i] <- mean(sample(bci.20x20$D,size=10))
}


###################################################
### chunk number 9: 
###################################################
##distribuição de densidade de valores
plot(density(bci.20x20q10),xlab="Media de D",
     main="Media de D por Quadricula",lwd=2)
## Valor da media parametrica
abline(v=mean(bci.20x20$D),col="darkgrey",lwd=2,lty=2)
## Distribuicao normal esperada
curve(dnorm(x,mean=mean(bci.20x20$D),sd=sd(bci.20x20$D)/sqrt(10)),
      add=T,col="red",lty=2)


###################################################
### chunk number 10: 
###################################################
##vetor para n=25
bci.20x20q25 <- c()
##loop para repetir a amostragem
for(i in 1:2000){
  bci.20x20q25[i] <- mean(sample(bci.20x20$D,size=25))
}
##vetor para n=50
bci.20x20q50 <- c()
##loop para repetir a amostragem
for(i in 1:2000){
bci.20x20q50[i] <- mean(sample(bci.20x20$D,size=50))
}


###################################################
### chunk number 11: 
###################################################
## espaco para ate 4 graficos
par(mfrow=c(2,2))
##Amostra de 10
plot(density(bci.20x20q10),xlab="Media de D", 
     main="Media de D por Quadricula \n N=10",lwd=2,
     xlim=range(c(bci.20x20q10,bci.20x20q25,bci.20x20q50)))
abline(v=mean(bci.20x20$D),col="darkgrey",lwd=2,lty=2)
curve(dnorm(x,mean=mean(bci.20x20$D),sd=sd(bci.20x20$D)/sqrt(10)),
      add=T,col="red",lty=2)
##Amostra de 25
plot(density(bci.20x20q25),xlab="Media de D", 
     main="Media de D por Quadricula \n N=25",lwd=2,
     xlim=range(c(bci.20x20q10,bci.20x20q25,bci.20x20q50)))
abline(v=mean(bci.20x20$D),col="darkgrey",lwd=2,lty=2)
curve(dnorm(x,mean=mean(bci.20x20$D),sd=sd(bci.20x20$D)/sqrt(25)),
      add=T,col="red",lty=2)
##Amostra de 50
plot(density(bci.20x20q50),xlab="Media de D", 
     main="Media de D por Quadricula \n N=50",lwd=2,
     xlim=range(c(bci.20x20q10,bci.20x20q25,bci.20x20q50)))
abline(v=mean(bci.20x20$D),col="darkgrey",lwd=2,lty=2)
curve(dnorm(x,mean=mean(bci.20x20$D),sd=sd(bci.20x20$D)/sqrt(50)),
      add=T,col="red",lty=2)
par(mfrow=c(1,1))


###################################################
### chunk number 12: 
###################################################
peic.20x20 <- read.csv2("peic20x20_indices.csv")


###################################################
### chunk number 13: 
###################################################
##S média/quadr BCI
mean(bci.20x20$S)
##S média/quadr PEIC
mean(peic.20x20$S)


###################################################
### chunk number 14: 
###################################################
set.seed(42)
## Amostra de BCI, n=10
bci.s <- sample(bci.20x20$S,size=10)
##Amostra de PEIC, n=10 
peic.s <- sample(peic.20x20$S,size=10)
## O teste t
t.test(bci.s,peic.s)


###################################################
### chunk number 15: 
###################################################
##vetor para os resultados
ttest.q10 <- c()
##loop repete amostras e testes
for (i in 1:2000){
  s1 <- sample(bci.20x20$S,size=10)
  s2 <- sample(peic.20x20$S,size=10)
  ttest.q10[i] <- t.test(s1,s2)$p.value
}


###################################################
### chunk number 16: 
###################################################
##Percentual de testes significativos
sum(ttest.q10<0.05)/2000*100


###################################################
### chunk number 17: 
###################################################
##Amostras N=50
ttest.q50 <- c()
for (i in 1:2000){
  s1 <- sample(bci.20x20$S,size=50)
  s2 <- sample(peic.20x20$S,size=50)
  ttest.q50[i] <- t.test(s1,s2)$p.value
}
##% de testes significativos
sum(ttest.q50<0.05/2000*100)


###################################################
### chunk number 18: 
###################################################
##Vetores de resultados
t.bci.n10 <- c()
t.bci.n50 <- c()
## N=10
for(i in 1:2000){
  s1 <- sample(bci.20x20$S,size=10)
  s2 <- sample(bci.20x20$S,size=10)
  t.bci.n10[i] <- t.test(s1,s2)$p.value  
}
##N=50
for(i in 1:2000){
  s1 <- sample(bci.20x20$S,size=50)
  s2 <- sample(bci.20x20$S,size=50)
  t.bci.n50[i] <- t.test(s1,s2)$p.value  
}


###################################################
### chunk number 19: 
###################################################
##% de testes significativos
##N=10
sum(t.bci.n10<0.05)/2000*100
##N=50
sum(t.bci.n50<0.05)/2000*100


###################################################
### chunk number 20: 
###################################################
## carregue o pacote
library(vegan)
##Perfis
##Leitura dos dados
bci.tot.10 <- read.csv2("bcitot10.csv")
bci.tot.50 <- read.csv2("bcitot.csv")
peic.tot <- read.csv2("peictot.csv")
##Calculo numeros de Hill
perf.bci10 <- renyi(bci.tot.10,hill=T)
perf.bci50 <- renyi(bci.tot.50,hill=T)
perf.peic <- renyi(peic.tot,hill=T)
## Grafico
plot(as.vector(perf.bci50),type="b",axes=F, xlab="a", ylab="N de Hill")
axis(side=1,at=1:length(as.vector(perf.bci50)),labels=names(perf.bci50))
axis(side=2)
lines(perf.bci10,type="b",col="red")
lines(perf.peic,type="b",col="blue")
legend(x="topright",c("BCI, 50ha","BCI, 10ha","PEIC"),lty=1,col=c("black","red","blue"))