Essa é uma revisão anterior do documento!
Rcitrus
Software para análise estatística de dados de incidência de doenças em plantas.
O Rcitrus é um disponibilizado na forma de um pacote (módulo adicional) para o R , que é uma línguagem e ambiente para computação estatística.
Autores
Elias Teixeira Krainski - Estatístico (UFPR), Mestrando (UFMG) Paulo Justiniano Ribeiro Jr - professor do Departamento de Estatística da UFPR
- Pacotes geoR, splancs e sp, disponíveis a partir do CRAN, em pacotes. Para instalá-los via internet diretamente da linha de comandos do R, pode-se utilizar os comandos:
- > install.packages("geoR")
- > install.packages("splancs")
- > install.packages("sp")
A instalação do Rcitrus pode ser feita seguindo os passos:
- Para Windows, o download pode ser feito do link:
[[http://www.leg.est.ufpr.br/Rcitrus/windows/Rcitrus_0.3-1.zip||Rcitrus_0.3-1.zip]] - arquivo de instalação para ambiente Windows.
O download e a instalação diretamente na linha de comandos é feita com o comando:
> install.packages("Rcitrus", contrib="http://leg.est.ufpr.br/Rcitrus/windows")
- Para Linux, o download pode ser feito do link:
[[http://www.leg.est.ufpr.br/Rcitrus/Rcitrus_0.3-1.tar.gz|Rcitrus_0.3-1.tar.gz]] - código fonte e arquivos para instalação em ambiente Linux.
O download e a instalação diretamente na linha de comandos é feita com o comando:
> install.packages("Rcitrus", contrib="http://www.leg.ufpr.br/Rcitrus")
Manuais
Desenvolvimento
O Rcitrus foi desenvolvido no Laboratório de Estatística e Geoinformação (LEG), da Universidade Federal do Paraná. E parcialmente financiado pelo Fundo de Defesa da Citricultura (FUNDECITRUS).
Statistics
Resumo
Pacote em R para análise de dados de incidência de doenças em plantas. Seu desenvolvimento foi motivado pela necessidade de automatizar a análise estatística de dados de morte súbita dos citrus. Foram implementados alguns procedimentos para análise do padrão espacial da incidência de doenças em um talhão. Para a análise por quadrat counts, foram implementados os modelos de Poisson, binomial e beta-binomial, a lei de Taylor e dois procedimentos de seleção dos quadrats: sistemático ou aleatório. Para a análise por processos pontuais, foram adaptadas a técnica de suavização por kernel (simples e razão), a análise por vizinhos próximos e a função K de Ripley. Para a modelagem, foi implementado o modelo autologístico com inferência utilizando bootstrap via amostrador de Gibbs e o método de Monte Carlo. Também foram implementados cinco métodos para simulação de dados binários com dependência espacial em lattices regulares.