distdend: Análise de agrupamento com estimativas de distâncias, seleção...
In TiagoOlivoto/cursoR: Curso R do grupo Experimentacao da UFSM-SM

Description Usage Arguments Details Author(s)

Função para estimativa de distâncias em uma matriz de dupla entrada (genótipos e variáveis) com diversas opções, incluindo um algorítimo para seleção de variáveis e ferramentas para confecção de dendrogramas personalizados.

distdend(data, scale = FALSE, selvar = FALSE, results = TRUE,
dendrogram = TRUE, pvclust = FALSE, verbose = TRUE,
nboot = 1000, alpha = 0.95, distmethod = "euclidean", 
clustmethod = "average", type = "rectangle", nclust = NULL, ...)

`data`	O conjunto de dados. Variáveis e indivíduos como nome da linha.
`scale`	Argumento lógico, padrão `TRUE`. Se `FALSE`, as variáveis não são padronizadas pelo desvio padrão..
`selvar`	Argumento lógico, padrão `FALSE`. Se `TRUE`, (válido quando `scale = FALSE`) um algorítimo de seleção de variáveis (p) é executado e p-1 modelos são calculados.
`results`	Argumento lógico, padrão `TRUE`. Os resultados numéricos da análise são retornados. Se `FALSE`, apenas o gráfico é mostrado.
`dendrogram`	Argumento lógico, padrão `TRUE`. O dendrograma é confeccionado. Se `FALSE`, apenas os resultados são gerados.
`pvclust`	Argumento lógico, padrão `false`. Se `TRUE` um procedimento de reamostragem bootstrap é utilizado para calcular p-valores para os agrupamentos hierárquicos.
`verbose`	Argumento lógico, padrão `TRUE`. Se `FALSE`, o progresso da computação não é mostrado.
`nboot`	O número de reamostragens bootstrap a ser realizada. Argumento válido se `pvclust = TRUE`.
`alpha`	O nível de significancia para o agrupamento. Padrão é 0.95. Assim, grupos com p-valor > 0.95 são considerados significativos.
`distmethod`	O método de distância a ser utilizado. Padrão é "euclidean". Outros métodos válidos são: "pearson", "kendall", "spearman", "maximum", "manhattan", "canberra", "binary", "minkowski" ou "gower".
`clustmethod`	O método de agrupamento a ser utilizado. Padrão é "average" (= UPGMA). Outros métodos válidos são: "ward.D", "ward.D2", "single", "complete", "mcquitty" (= WPGMA), "median" (= WPGMC) ou "centroid" (= UPGMC).
`type`	O tipo de dendrograma a ser gerado. Os argumentos válidos são: "rectangle", "triangle", "circular", "phylogenic".
`nclust`	O número de clusters a ser mostrado no dendrograma. Padrão é `NULL`, ou seja, nenhum cluster é mostrado. Se um valor maior que 2 é declarado, os clusters são diferenciados por diferentes cores.
`...`	Outros argumentos importados da função `fviz_dend()` do pacote `factoextra`.

Quando selvar = TRUE um algorítimo de seleção de variáveis é executado. O objetivo é selecionar um grupo de variáveis que mais contribuam para explicar a variabilidade dos dados originais. A seleção das variáveis é baseada na análise da no componete do autovetor com maior peso no último autovalor. A computação inicia com todas as variáveis e a cada passo, uma variável é excluída. Em cada etapa, a matriz de distância e a matriz cofenética são calculadas dependendo dos argumentos informados. O coeficiente de correlação entre estas matrizes é estimado. Além disso, um teste de mantel é realizado para comparar a matriz de distâncias obtida em cada passo, com a matriz de distâncias inicial (com todas as variáveis). Os seguintes objetos são retornados: statistics = um data.frame com o resumo de todos os modelos; models = uma lista com todos os modelos ajustados. Em cada modelo são apresentados o número e nome das variávies utilizadas, a variável excluída, a matriz de distâncias obtida e a correlação de mantel com a matriz de distâncias inicial. Ao final do procedimento, um gráfico com os valores do coeficiente de correlação cofenética (cofgrap) é confeccionado. As variáveis incluídas no modelo com maior coeficiente de correlação cofenética são utilizadas na estimação da matriz de distâncias (distances) e o dendrograma (graphic).

Tiago Olivoto tiagoolivoto@gmail.com

TiagoOlivoto/cursoR documentation built on May 13, 2019, 1:23 p.m.