Building a New Evolutionary Outline - Results
Edson Nilton de Moura Silva Júnior
16/12/2021
Análises dos Biomorfos
Biomorfo Superior Direito - BSD
Packeges exigidos
library(readxl)
library(ggplot2)
library(tidyverse)## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v tibble 3.1.6 v dplyr 1.0.7
## v tidyr 1.1.4 v stringr 1.4.0
## v readr 2.0.2 v forcats 0.5.1
## v purrr 0.3.4## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()Buscando os dados
setwd("G:/Meu Drive/R")
DADOS.BSD<-read_excel("BSD.xlsx")
printCoefmat(DADOS.BSD)## genes rep
## [1,] 0 1
## [2,] -1 1
## [3,] -1 1
## [4,] 1 1
## [5,] -2 1
## [6,] 1 1
## [7,] -2 1
## [8,] 1 1
## [9,] 6 1
## [10,] -3 2
## [11,] -3 2
## [12,] 0 2
## [13,] -2 2
## [14,] 1 2
## [15,] -2 2
## [16,] 0 2
## [17,] -1 2
## [18,] 6 2
## [19,] -3 3
## [20,] 0 3
## [21,] 2 3
## [22,] -4 3
## [23,] -1 3
## [24,] -1 3
## [25,] -2 3
## [26,] 1 3
## [27,] 6 3
## [28,] -4 4
## [29,] -2 4
## [30,] -2 4
## [31,] -1 4
## [32,] -4 4
## [33,] -1 4
## [34,] -3 4
## [35,] 0 4
## [36,] 6 4
## [37,] -2 5
## [38,] -2 5
## [39,] -2 5
## [40,] 0 5
## [41,] -1 5
## [42,] -1 5
## [43,] -5 5
## [44,] -2 5
## [45,] 6 5Teste ANOVA
ANOVA.BSD<-aov(DADOS.BSD$genes~DADOS.BSD$rep)
summary(ANOVA.BSD)## Df Sum Sq Mean Sq F value Pr(>F)
## DADOS.BSD$rep 4 13.9 3.478 0.428 0.788
## Residuals 40 325.3 8.133FC.BSD<-qf(0.95,df=4,df2=40,)
FC.BSD## [1] 2.605975Fcalc<Fcrit, então não á variações diferentes entre os grupos. Com p=0.788 (p>0.05), não é possível detectar variaçãoentre as repetição com alfa=0.05.
Graficando os resultados
DADOS.BSD %>%
ggplot(aes(rep,genes,fill=rep))+
geom_boxplot(color="black")+
labs(title = "Right Superior Biomorph",
subtitle="p=0,788",
x="repetitions",
y="gens",
fill="repetitions")+
scale_y_continuous(breaks=seq(-6,6,1))+
scale_fill_manual(values =c("red","yellow","green","blue","purple"))+
theme(axis.text=element_text(color="black",size=12),panel.grid.major.y=element_line(color="darkgray"),panel.background = element_rect(fill="white",color="white"),plot.background = element_rect(fill="white",color="white"))
Biomorfo Superior central - BSC
Packeges exigidos
library(readxl)
library(ggplot2)
library(tidyverse)Buscando os dados
setwd("G:/Meu Drive/R")
DADOS.BSC<-read_excel("BSC.xlsx")
printCoefmat(DADOS.BSC)## genes rep
## [1,] -1 1
## [2,] -3 1
## [3,] 0 1
## [4,] -4 1
## [5,] -2 1
## [6,] 1 1
## [7,] -2 1
## [8,] -3 1
## [9,] 6 1
## [10,] -1 2
## [11,] 2 2
## [12,] -1 2
## [13,] 0 2
## [14,] -4 2
## [15,] 0 2
## [16,] 0 2
## [17,] -2 2
## [18,] 6 2
## [19,] -2 3
## [20,] -1 3
## [21,] -2 3
## [22,] -3 3
## [23,] -2 3
## [24,] -2 3
## [25,] -3 3
## [26,] 0 3
## [27,] 6 3
## [28,] -4 4
## [29,] -3 4
## [30,] 1 4
## [31,] -3 4
## [32,] -3 4
## [33,] 0 4
## [34,] 0 4
## [35,] -2 4
## [36,] 6 4
## [37,] 0 5
## [38,] -3 5
## [39,] 3 5
## [40,] 1 5
## [41,] -2 5
## [42,] -1 5
## [43,] -1 5
## [44,] 1 5
## [45,] 6 5Teste ANOVA
ANOVA.BSC<-aov(DADOS.BSC$genes~DADOS.BSC$rep)
summary(ANOVA.BSC)## Df Sum Sq Mean Sq F value Pr(>F)
## DADOS.BSC$rep 4 15.2 3.80 0.455 0.768
## Residuals 40 334.0 8.35FC.BSC<-qf(0.95,df=4,df2=40,)
FC.BSC## [1] 2.605975Fcalc<Fcrit, então não á variações diferentes entre os grupos. Com p=0.768 (p>0.05), não é possível detectar variaçãoentre as repetição com alfa=0.05.
Graficando os resultados
DADOS.BSC %>%
ggplot(aes(rep,genes,fill=rep))+
geom_boxplot(color="black")+
labs(title = "Central Superior Biomorph",
subtitle = "p=0,768",
x="repetitions",
y="gens",
fill="repetitions")+
scale_y_continuous(breaks=seq(-6,6,1))+
scale_fill_manual(values =c("red","yellow","green","blue","purple"))+
theme(axis.text=element_text(color="black",size=12),panel.grid.major.y=element_line(color="darkgray"),panel.background = element_rect(fill="white",color="white"),plot.background = element_rect(fill="white",color="white"))
Biomorfo Superior esquerdo - BSE
Packeges exigidos
library(readxl)
library(ggplot2)
library(tidyverse)Buscando os dados
setwd("G:/Meu Drive/R")
DADOS.BSE<-read_excel("BSE.xlsx")
printCoefmat(DADOS.BSE)## genes rep
## [1,] -1 1
## [2,] 0 1
## [3,] -3 1
## [4,] 0 1
## [5,] 0 1
## [6,] -2 1
## [7,] -2 1
## [8,] -2 1
## [9,] 6 1
## [10,] 1 2
## [11,] 1 2
## [12,] -2 2
## [13,] -1 2
## [14,] -1 2
## [15,] -5 2
## [16,] 0 2
## [17,] -4 2
## [18,] 6 2
## [19,] 0 3
## [20,] 0 3
## [21,] -1 3
## [22,] -3 3
## [23,] -1 3
## [24,] 0 3
## [25,] -3 3
## [26,] 0 3
## [27,] 6 3
## [28,] -2 4
## [29,] 0 4
## [30,] 0 4
## [31,] 1 4
## [32,] -4 4
## [33,] 1 4
## [34,] -1 4
## [35,] 4 4
## [36,] 6 4
## [37,] 0 5
## [38,] 0 5
## [39,] 1 5
## [40,] -5 5
## [41,] -2 5
## [42,] -1 5
## [43,] -1 5
## [44,] -2 5
## [45,] 6 5Teste ANOVA
ANOVA.BSE<-aov(DADOS.BSE$genes~DADOS.BSC$rep)
summary(ANOVA.BSE)## Df Sum Sq Mean Sq F value Pr(>F)
## DADOS.BSC$rep 4 7.3 1.833 0.218 0.927
## Residuals 40 336.4 8.411FC.BSE<-qf(0.95,df=4,df2=40,)
FC.BSE## [1] 2.605975Fcalc<Fcrit, então não á variações diferentes entre os grupos. Com p=0.927 (p>0.05), não é possível detectar variaçãoentre as repetição com alfa=0.05.
Graficando os resultados
DADOS.BSE %>%
ggplot(aes(rep,genes,fill=rep))+
geom_boxplot(color="black")+
labs(title = "Left Superior Biomorph",
subtitle = "p=0,927",
x="repetition",
y="gens",
fill="repetitions")+
scale_y_continuous(breaks=seq(-6,6,1))+
scale_fill_manual(values =c("red","yellow","green","blue","purple"))+
theme(axis.text=element_text(color="black",size=12),panel.grid.major.y=element_line(color="darkgray"),panel.background = element_rect(fill="white",color="white"),plot.background = element_rect(fill="white",color="white"))
Biomorfo Central Direito - BCD
Packeges exigidos
library(readxl)
library(ggplot2)
library(tidyverse)Buscando os dados
setwd("G:/Meu Drive/R")
DADOS.BCD<-read_excel("BCD.xlsx")
printCoefmat(DADOS.BCD)## genes rep
## [1,] -2 1
## [2,] -1 1
## [3,] -2 1
## [4,] -1 1
## [5,] -4 1
## [6,] -5 1
## [7,] 0 1
## [8,] 3 1
## [9,] 6 1
## [10,] 1 2
## [11,] -2 2
## [12,] 0 2
## [13,] 0 2
## [14,] 2 2
## [15,] -2 2
## [16,] -2 2
## [17,] -5 2
## [18,] 6 2
## [19,] 0 3
## [20,] 0 3
## [21,] 2 3
## [22,] 0 3
## [23,] 0 3
## [24,] 3 3
## [25,] -1 3
## [26,] -2 3
## [27,] 6 3
## [28,] 0 4
## [29,] 0 4
## [30,] -1 4
## [31,] -1 4
## [32,] -2 4
## [33,] 1 4
## [34,] 0 4
## [35,] -3 4
## [36,] 6 4
## [37,] 0 5
## [38,] -2 5
## [39,] -2 5
## [40,] 1 5
## [41,] -2 5
## [42,] -2 5
## [43,] -2 5
## [44,] -1 5
## [45,] 6 5Teste ANOVA
ANOVA.BCD<-aov(DADOS.BCD$genes~DADOS.BCD$rep)
summary(ANOVA.BCD)## Df Sum Sq Mean Sq F value Pr(>F)
## DADOS.BCD$rep 4 13.0 3.244 0.4 0.808
## Residuals 40 324.7 8.117FC.BCD<-qf(0.95,df=4,df2=40,)
FC.BCD## [1] 2.605975Fcalc<Fcrit, então não á variações diferentes entre os grupos. Com p=0.808 (p>0.05), não é possível detectar variaçãoentre as repetição com alfa=0.05.
Graficando os resultados
DADOS.BCD %>%
ggplot(aes(rep,genes,fill=rep))+
geom_boxplot(color="black")+
labs(title = "Central Right Biomorph",
subtitle="p=0,808",
x="repetitions",
y="gens",
fill="repetititons")+
scale_y_continuous(breaks=seq(-6,6,1))+
scale_fill_manual(values =c("red","yellow","green","blue","purple"))+
theme(axis.text=element_text(color="black",size=12),panel.grid.major.y=element_line(color="gray"),panel.background = element_rect(fill="white",color="white"),plot.background = element_rect(fill="white",color="white"))
Biomorfo Central Esquerdo - BCE
Packeges exigidos
library(readxl)
library(ggplot2)
library(tidyverse)Buscando os dados
setwd("G:/Meu Drive/R")
DADOS.BCE<-read_excel("BCE.xlsx")
printCoefmat(DADOS.BCE)## genes rep
## [1,] -3 1
## [2,] -1 1
## [3,] -2 1
## [4,] 0 1
## [5,] -2 1
## [6,] -1 1
## [7,] -4 1
## [8,] 2 1
## [9,] 6 1
## [10,] 0 2
## [11,] -2 2
## [12,] -3 2
## [13,] 0 2
## [14,] -3 2
## [15,] -4 2
## [16,] -1 2
## [17,] -4 2
## [18,] 6 2
## [19,] -2 3
## [20,] 2 3
## [21,] -4 3
## [22,] 0 3
## [23,] -1 3
## [24,] 3 3
## [25,] 0 3
## [26,] -4 3
## [27,] 6 3
## [28,] 1 4
## [29,] 0 4
## [30,] 0 4
## [31,] -1 4
## [32,] -8 4
## [33,] 0 4
## [34,] -4 4
## [35,] -1 4
## [36,] 6 4
## [37,] 1 5
## [38,] -1 5
## [39,] -2 5
## [40,] -2 5
## [41,] -3 5
## [42,] 0 5
## [43,] 2 5
## [44,] -1 5
## [45,] 6 5Teste ANOVA
ANOVA.BCE<-aov(DADOS.BCE$genes~DADOS.BCE$rep)
summary(ANOVA.BCE)## Df Sum Sq Mean Sq F value Pr(>F)
## DADOS.BCE$rep 4 9.9 2.478 0.242 0.913
## Residuals 40 409.3 10.233FC.BCE<-qf(0.95,df=4,df2=40,)
FC.BCE## [1] 2.605975Fcalc<Fcrit, então não á variações diferentes entre os grupos. Com p=0.913 (p>0.05), não é possível detectar variaçãoentre as repetição com alfa=0.05.
Graficando os resultados
DADOS.BCE %>%
ggplot(aes(rep,genes,fill=rep))+
geom_boxplot(color="black")+
labs(title = "Central Letf Biomorph",
subtitle = "p=0,913",
x="repetitions",
y="gens",
fill="repetitions")+
scale_y_continuous(breaks=seq(-8,6,1))+
scale_fill_manual(values =c("red","yellow","green","blue","purple"))+
theme(axis.text=element_text(color="black",size=12),panel.grid.major.y=element_line(color="gray"),panel.background = element_rect(fill="white",color="white"),plot.background = element_rect(fill="white",color="white"))
Biomorfo Inferior Direito - BID
Packeges exigidos
library(readxl)
library(ggplot2)
library(tidyverse)Buscando os dados
setwd("G:/Meu Drive/R")
DADOS.BID<-read_excel("BID.xlsx")
printCoefmat(DADOS.BID)## genes rep
## [1,] -1 1
## [2,] -4 1
## [3,] -2 1
## [4,] -3 1
## [5,] -1 1
## [6,] -2 1
## [7,] -1 1
## [8,] 0 1
## [9,] 6 1
## [10,] -1 2
## [11,] -1 2
## [12,] -2 2
## [13,] -1 2
## [14,] 0 2
## [15,] -2 2
## [16,] -4 2
## [17,] 1 2
## [18,] 6 2
## [19,] -4 3
## [20,] -1 3
## [21,] 1 3
## [22,] -3 3
## [23,] -3 3
## [24,] -4 3
## [25,] -3 3
## [26,] 2 3
## [27,] 6 3
## [28,] 1 4
## [29,] -3 4
## [30,] -5 4
## [31,] -3 4
## [32,] -1 4
## [33,] 1 4
## [34,] -4 4
## [35,] -1 4
## [36,] 6 4
## [37,] -1 5
## [38,] -2 5
## [39,] 0 5
## [40,] 1 5
## [41,] -2 5
## [42,] 0 5
## [43,] -1 5
## [44,] 0 5
## [45,] 6 5Teste ANOVA
ANOVA.BID<-aov(DADOS.BID$genes~DADOS.BID$rep)
summary(ANOVA.BID)## Df Sum Sq Mean Sq F value Pr(>F)
## DADOS.BID$rep 4 8.3 2.078 0.233 0.918
## Residuals 40 356.0 8.900FC.BID<-qf(0.95,df=4,df2=40)
FC.BID## [1] 2.605975Fcalc<Fcrit, então não á variações diferentes entre os grupos. Com p=0.918 (p>0.05), não é possível detectar variaçãoentre as repetição com alfa=0.05.
Graficando os resultados
DADOS.BID %>%
ggplot(aes(rep,genes,fill=rep))+
geom_boxplot(color="black")+
labs(title = "Right Inferior Biomorph",
subtitle = "p=0,918",
x="repetition",
y="gens",
fill="repetitions")+
scale_y_continuous(breaks=seq(-6,6,1))+
scale_fill_manual(values =c("red","yellow","green","blue","purple"))+
theme(axis.text=element_text(color="black",size=12),panel.grid.major.y=element_line(color="gray"),panel.background = element_rect(fill="white",color="white"),plot.background = element_rect(fill="white",color="white"))
Biomorfo Inferior Central - BIC
Packeges exigidos
library(readxl)
library(ggplot2)
library(tidyverse)Buscando os dados
setwd("G:/Meu Drive/R")
DADOS.BIC<-read_excel("BIC.xlsx")
printCoefmat(DADOS.BIC)## genes rep
## [1,] 0 1
## [2,] -2 1
## [3,] -4 1
## [4,] -1 1
## [5,] 0 1
## [6,] 1 1
## [7,] 0 1
## [8,] 4 1
## [9,] 6 1
## [10,] 0 2
## [11,] -2 2
## [12,] -1 2
## [13,] 1 2
## [14,] -3 2
## [15,] -1 2
## [16,] -2 2
## [17,] -5 2
## [18,] 6 2
## [19,] -1 3
## [20,] 0 3
## [21,] 1 3
## [22,] -2 3
## [23,] -1 3
## [24,] 1 3
## [25,] -1 3
## [26,] -2 3
## [27,] 6 3
## [28,] -2 4
## [29,] -3 4
## [30,] 0 4
## [31,] -3 4
## [32,] -4 4
## [33,] 0 4
## [34,] -4 4
## [35,] -2 4
## [36,] 6 4
## [37,] -2 5
## [38,] -1 5
## [39,] 0 5
## [40,] 0 5
## [41,] -3 5
## [42,] 1 5
## [43,] 1 5
## [44,] 0 5
## [45,] 6 5Teste ANOVA
ANOVA.BIC<-aov(DADOS.BIC$genes~DADOS.BIC$rep)
summary(ANOVA.BIC)## Df Sum Sq Mean Sq F value Pr(>F)
## DADOS.BIC$rep 4 20.6 5.144 0.631 0.643
## Residuals 40 326.2 8.156FC.BIC<-qf(0.95,df=4,df2=40,)
FC.BIC## [1] 2.605975Fcalc<Fcrit, então não á variações diferentes entre os grupos. Com p=0.643 (p>0.05), não é possível detectar variaçãoentre as repetição com alfa=0.05.
Graficando os resultados
DADOS.BIC %>%
ggplot(aes(rep,genes,fill=rep))+
geom_boxplot(color="black")+
labs(title = "Central Inferior Biomorph",
subtitle = "p=0,643",
x="repetitions",
y="gens",
fill="repetitions")+
scale_y_continuous(breaks=seq(-7,6,1))+
scale_fill_manual(values =c("red","yellow","green","blue","purple"))+
theme(axis.text=element_text(color="black",size=12),panel.grid.major.y=element_line(color="gray"),panel.background = element_rect(fill="white",color="white"),plot.background = element_rect(fill="white",color="white"))
Biomorfo Inferior Esquerdo - BIE
Packeges exigidos
library(readxl)
library(ggplot2)
library(tidyverse)Buscando os dados
setwd("G:/Meu Drive/R")
DADOS.BIE<-read_excel("BIE.xlsx")
printCoefmat(DADOS.BIE)## genes rep
## [1,] 1 1
## [2,] -7 1
## [3,] -2 1
## [4,] -2 1
## [5,] -4 1
## [6,] 1 1
## [7,] 0 1
## [8,] -3 1
## [9,] 6 1
## [10,] 0 2
## [11,] 0 2
## [12,] 0 2
## [13,] -1 2
## [14,] 2 2
## [15,] -5 2
## [16,] -2 2
## [17,] -3 2
## [18,] 6 2
## [19,] -3 3
## [20,] 1 3
## [21,] -3 3
## [22,] -1 3
## [23,] 1 3
## [24,] -4 3
## [25,] 1 3
## [26,] 0 3
## [27,] 6 3
## [28,] -1 4
## [29,] -2 4
## [30,] 0 4
## [31,] -6 4
## [32,] -2 4
## [33,] -6 4
## [34,] 1 4
## [35,] -1 4
## [36,] 6 4
## [37,] 0 5
## [38,] -2 5
## [39,] 0 5
## [40,] -1 5
## [41,] -1 5
## [42,] 1 5
## [43,] -1 5
## [44,] -3 5
## [45,] 6 5Teste ANOVA
ANOVA.BIE<-aov(DADOS.BIE$genes~DADOS.BIE$rep)
summary(ANOVA.BIE)## Df Sum Sq Mean Sq F value Pr(>F)
## DADOS.BIE$rep 4 9.9 2.478 0.237 0.916
## Residuals 40 418.9 10.472FC.BIE<-qf(0.95,df=4,df2=40,)
FC.BIE## [1] 2.605975Fcalc<Fcrit, então não á variações diferentes entre os grupos. Com p=0.916 (p>0.05), não é possível detectar variaçãoentre as repetição com alfa=0.05.
Graficando os resultados
DADOS.BIE %>%
ggplot(aes(rep,genes,fill=rep))+
geom_boxplot(color="black")+
labs(title = "Left Inferior Biomorph",
subtitle = "p=0,916",
x="repetitions",
y="gens",
fill="repetitions")+
scale_y_continuous(breaks=seq(-7,6,1))+
scale_fill_manual(values=c("red","yellow","green","blue","purple"))+
theme(axis.text=element_text(color="black",size=12),panel.grid.major.y=element_line(color="gray"),panel.background = element_rect(fill="white",color="white"),plot.background = element_rect(fill="white",color="white"))
Análise dos valores fractais
Analisando os valores fractais das 8 posições
Packeges exigidos
library(readxl)
library(ggplot2)
library(tidyverse)Buscando os dados
setwd("G:/Meu Drive/R")
DADOS.AF<-read_excel("Análise Fractal.xlsx")
printCoefmat(DADOS.AF)## vf pos
## [1,] 0.5027 7
## [2,] 1.3667 7
## [3,] 1.3773 7
## [4,] 1.2424 7
## [5,] 1.2760 7
## [6,] 1.3400 6
## [7,] 1.4756 6
## [8,] 1.3070 6
## [9,] 1.3070 6
## [10,] 1.1828 6
## [11,] 1.3308 8
## [12,] 1.4666 8
## [13,] 2.1960 8
## [14,] 1.2900 8
## [15,] 0.6127 8
## [16,] 1.2739 1
## [17,] 1.4631 1
## [18,] 1.3869 1
## [19,] 0.8489 1
## [20,] 1.1700 1
## [21,] 1.2136 2
## [22,] 1.2862 2
## [23,] 1.5715 2
## [24,] 1.4283 2
## [25,] 1.4566 2
## [26,] 1.3298 4
## [27,] 1.2075 4
## [28,] 1.3008 4
## [29,] 1.3511 4
## [30,] 1.2311 4
## [31,] 1.3966 3
## [32,] 1.2443 3
## [33,] 1.4185 3
## [34,] 1.3713 3
## [35,] 1.3687 3
## [36,] 1.3544 5
## [37,] 0.7036 5
## [38,] 1.4353 5
## [39,] 1.4292 5
## [40,] 1.3713 5Teste ANOVA
ANOVA.AF<-aov(DADOS.AF$vf~DADOS.AF$pos)
summary(ANOVA.AF)## Df Sum Sq Mean Sq F value Pr(>F)
## DADOS.AF$pos 7 0.2364 0.03378 0.417 0.885
## Residuals 32 2.5929 0.08103FC.AF<-qf(0.95,df=4,df2=40)
FC.AF## [1] 2.605975Fcalc<Fcrit, então não á variações diferentes entre os grupos. Com p=0.885 (p>0.05), não é possível detectar variaçãoentre as repetição com alfa=0.05.
Graficando os resultados
DADOS.AF %>%
ggplot(aes(pos,vf,fill=pos))+
geom_boxplot(color="black")+
labs(title = "each positions fractals values ANOVA",
subtitle = "p=0,885",
x="positions",
y="fractals values",
fill="positions")+
scale_y_continuous(breaks=seq(0.5,2.5,0.1))+
scale_fill_manual(values=c("red","orange","yellow","green","cyan","blue","purple","pink"))+
theme(axis.text=element_text(color="black",size=12),panel.grid.major.y=element_line(color="gray"),panel.background = element_rect(fill="white",color="white"),plot.background = element_rect(fill="white",color="white"))
each positions fractals values ANOVA
Biomorfos
Posição Superior Direita
Repetição 1
Repetição 2
Repetição 3
Repetição 4
Repetição 5
Posição Superior Central
Repetição 1
Repetição 2
Repetição 3
Repetição 4
Repetição 5
Posição Superior Esquerda
Repetição 1
Repetição 2
Repetição 3
Repetição 4
Repetição 5
Posição Central Direita
Repetição 1
Repetição 2
Repetição 3
Repetição 4
Repetição 5
Posição Central Esquerda
Repetição 1
Repetição 2
Repetição 3
Repetição 4
Repetição 5
Posição Inferior Direita
Repetição 1
Repetição 2
Repetição 3
Repetição 4
Repetição 5
Posição Inferior Central
Repetição 1
Repetição 2
Repetição 3
Repetição 4
Repetição 5
Posição Inferior Esquerda
Repetição 1
Repetição 2
Repetição 3
Repetição 4
Repetição 5
