Elaboração de escalas diagramáticas

Juan Pablo Edwards Molina

---

pkg <- c("car", "stats","boot", "knitr")
sapply(pkg, require, character.only=TRUE)

##   car stats  boot knitr 
##  TRUE  TRUE  TRUE  TRUE

• Dado o seguinte dataset simulado:

folhas= abs(rnorm(100, 0.3,0.15)); head(folhas)

## [1] 0.3300450 0.1894694 0.1711617 0.5716664
## [5] 0.2843037 0.3949323

min(folhas); max(folhas)

## [1] 0.002968978

## [1] 0.6226728

plot(density(folhas)); rug(folhas)

logit_folhas=logit(folhas)
min(logit_folhas); max(logit_folhas)

## [1] -5.816564

## [1] 0.5009084

amplitude=max(logit_folhas)-min(logit_folhas); amplitude

## [1] 6.317472

incremento=amplitude/5 # escala de 6 clases

Valores inferiores de cada clase

c1=min(logit_folhas)+incremento 
c2=min(logit_folhas)+incremento*2
c3=min(logit_folhas)+incremento*3
c4=min(logit_folhas)+incremento*4
c5=min(logit_folhas)+incremento*5

Antilogito

clase1=inv.logit(c1)
clase2=inv.logit(c2)
clase3=inv.logit(c3)
clase4=inv.logit(c4)
clase5=inv.logit(c5)
clases=c(1:5)

severidade=c(clase1,clase2,clase3,clase4,clase5);severidade

## [1] 0.01042499 0.03593056 0.11649171 0.31808506
## [5] 0.62267278

escala=data.frame(clases,severidade); escala

##   clases severidade
## 1      1 0.01042499
## 2      2 0.03593056
## 3      3 0.11649171
## 4      4 0.31808506
## 5      5 0.62267278

plot(escala, xlab="Clases",ylab="Severidade",pch=19);lines(lowess(escala), col="red")

plot(clases~severidade, ylab="Clases",xlab="Severidade",pch=19); lines((clases~severidade), col="red")