2 Índice de dispersão binomial
O índice de dispersão binomial é baseado em dados de quadrat counts. É a razão da variância
observada pela variância teórica. Todos os quadrats analisados devem ter o mesmo número de plantas.
Quando as dimensões da matriz de dados não é múltipla das dimensões do quadrat, os dados
“excedentes” são desconsiderados da análise. Se faltar alguma planta para completar um quadrat
dentro do talhão, este também é desconsiderado da análise.
Argumentos da função:
function (data, dx, dy = dx, counts.return = FALSE, by.evaluations = FALSE,
death = 1, healt = 0, model = c("binomial", "Poisson", "beta-binomial"),
alpha = 0.05, random = FALSE, N = NULL, p.quadrats = 1, p.quadrats.random = FALSE,
complet = TRUE, evaluation = "all", digits = 5, verbose = FALSE,
bb.args = list(ini.p = NULL, ini.theta = NULL, usage = c("fitdistr",
"mle")), ...)
NULL
Fazendo a análise:
> disp.quadrats(gItajobi, dx = 7)
$‘7x7‘
n N nN p obs.var theor.var index p.value pattern
Av1 49 46 2254 0.0071 0.00036 0.00014 2.47 0 Agregate
> disp.quadrats(gItajobi, dx = 10, dy = 10)
$‘10x10‘
n N nN p obs.var theor.var index p.value pattern
Av1 100 23 2300 0.00696 0.00025 7e-05 3.61 0 Agregate
> disp.quadrats(gItajobi, dx = 10, dy = 10, random = TRUE)
$‘10x10‘
n N nN p obs.var theor.var index p.value pattern
Av1 100 36 3600 0.00861 0.00021 9e-05 2.42 1e-05 Agregate
> disp.quadrats(gItajobi, dx = c(2, 2, 5), dy = c(2, 5, 10))
$‘2x2‘
n N nN p obs.var theor.var index p.value pattern
Av1 4 738 2952 0.00644 0.00225 0.0016 1.41 0 Agregate
$‘2x5‘
n N nN p obs.var theor.var index p.value pattern
Av1 10 286 2860 0.00664 0.00118 0.00066 1.79 0 Agregate
$‘5x10‘
n N nN p obs.var theor.var index p.value pattern
Av1 50 50 2500 0.0068 5e-04 0.00014 3.7 0 Agregate
Havendo mais de uma avaliação feita ao longo do tempo no mesmo talhão, podemos
optar a forma da saída: por avaliação ou por tamanhos de quadrats, usando o argumento
by.evaluations.
Carregando um conjunto de dados validados de msc:
Fazendo a análise das três primeiras avaliações:
> disp.quadrats(v303.geo, dx = 2:5, dy = 2 * (2:5), death = 1:3,
+ evaluation = 1:3)
$‘2x4‘
n N nN p obs.var theor.var index p.value pattern
Av1 8 108 864 0.0255 0.00489 0.00310 1.58 0.00013 Agregate
Av2 8 108 864 0.0301 0.00522 0.00365 1.43 0.00233 Agregate
Av3 8 108 864 0.0764 0.01193 0.00882 1.35 0.00893 Agregate
$‘3x6‘
n N nN p obs.var theor.var index p.value pattern
Av1 18 38 684 0.0263 0.00179 0.00142 1.26 0.13484 Random
Av2 18 38 684 0.0322 0.00227 0.00173 1.32 0.09511 Random
Av3 18 38 684 0.0833 0.00797 0.00424 1.88 0.00097 Agregate
$‘4x8‘
n N nN p obs.var theor.var index p.value pattern
Av1 32 20 640 0.0281 0.00194 0.00085 2.27 0.00121 Agregate
Av2 32 20 640 0.0344 0.00174 0.00104 1.67 0.03273 Agregate
Av3 32 20 640 0.0813 0.00539 0.00233 2.31 0.00098 Agregate
$‘5x10‘
n N nN p obs.var theor.var index p.value pattern
Av1 50 9 450 0.0289 0.00051 0.00056 0.911 0.506 Random
Av2 50 9 450 0.0333 0.00070 0.00064 1.086 0.369 Random
Av3 50 9 450 0.0822 0.00234 0.00151 1.553 0.133 Random
> disp.quadrats(v303.geo, dx = 2, dy = 5, by.evaluations = FALSE,
+ death = 1:3)
$‘2x5‘
n N nN p obs.var theor.var index p.value pattern
Av1 10 80 800 0.0262 0.00424 0.00256 1.66 0.00021 Agregate
Av2 10 80 800 0.0300 0.00441 0.00291 1.51 0.00219 Agregate
Av3 10 80 800 0.0737 0.01158 0.00683 1.70 0.00011 Agregate
Av4 10 80 800 0.0925 0.01640 0.00839 1.95 0.00000 Agregate
Av5 10 80 800 0.1025 0.01620 0.00920 1.76 0.00004 Agregate
Av6 10 80 800 0.1588 0.02423 0.01335 1.81 0.00001 Agregate
Av7 10 80 800 0.2575 0.03235 0.01912 1.69 0.00012 Agregate
Av8 10 80 800 0.2600 0.03129 0.01924 1.63 0.00037 Agregate
Av9 10 80 800 0.3187 0.03445 0.02171 1.59 0.00070 Agregate
Av10 10 80 800 0.3362 0.03702 0.02232 1.66 0.00021 Agregate
Av11 10 80 800 0.4925 0.04298 0.02499 1.72 0.00007 Agregate
Av12 10 80 800 0.5550 0.04554 0.02470 1.84 0.00001 Agregate
Av13 10 80 800 0.6188 0.05142 0.02359 2.18 0.00000 Agregate
Av14 10 80 800 0.6312 0.05028 0.02328 2.16 0.00000 Agregate
Av15 10 80 800 0.6650 0.05344 0.02228 2.40 0.00000 Agregate
Av16 10 80 800 0.6837 0.05429 0.02162 2.51 0.00000 Agregate
Av17 10 80 800 0.7712 0.03397 0.01764 1.93 0.00000 Agregate
Av18 10 80 800 0.8337 0.02556 0.01386 1.84 0.00001 Agregate
Av19 10 80 800 0.8387 0.02468 0.01352 1.82 0.00001 Agregate
Av20 10 80 800 0.8788 0.01916 0.01065 1.80 0.00002 Agregate
Av21 10 80 800 0.9337 0.01239 0.00619 2.00 0.00000 Agregate
Av22 10 80 800 0.9337 0.01239 0.00619 2.00 0.00000 Agregate
Av23 10 80 800 0.9337 0.01239 0.00619 2.00 0.00000 Agregate
Av24 10 80 800 0.9800 0.00289 0.00196 1.47 0.00402 Agregate
Av25 10 80 800 0.9800 0.00289 0.00196 1.47 0.00402 Agregate