PaulaEg2.4.2: Captura de Peixes via Espinhel de Fundo no Litoral Paulista
In pet-estatistica/labestData: Biblioteca de Dados para Aprendizado de Estatística

Description Format Source References Examples

Dados parciais de um estudo sobre a atividade de frotas pesqueiras de espinhel de fundo baseadas no litoral paulista ( Santos e Ubatuba). Neste estudo uma amostra de 156 embarca<c3><a7><c3><b5>es pesqueiras, destinadas <c3><a0> pesca do peixe-batata, foi analisada no per<c3><ad>odo de 1995 a 1999. Para cada embarca<c3><a7><c3><a3>o foram consideradas vari<c3><a1>veis sobre a frota (Santos ou Ubatuba), ano, trimestre, latitude, longitude, dias de pesca, quantidade de peixes capturados e a captura por unidade de esfor<c3><a7>o (definida como divis<c3><a3>o da quantidade de peixe capturado pelos dias de pesca).

Um data.frame com 156 observa<c3><a7><c3><b5>es e 8 vari<c3><a1>veis.

frota: Fator com dois n<c3><ad>veis que indica de qual frota <c3><a9> a embarca<c3><a7><c3><a3>o, Santos ou Ubatuba.
ano: Fator com cinco n<c3><ad>veis que representa o ano, de 1995 a 1996.
trim: Fator com quatro n<c3><ad>veis que representa o trimestre em estudo, de 1 a 4.
lat: Latitude, definida como dist<c3><a2>ncia ao Equador medida ao longo do meridiano de Greenwich.
long: Longitude, definida como dist<c3><a2>ncia ao meridiano de Greenwich medida ao longo do Equador.
dias: Dias de pesca.
captura: Quantidade de peixes-batata capturados, em kg.
cpue: Captura por unidade de esfor<c3><a7>o, calculada como raz<c3><a3>o da quantidade de peixes-batata capturados (captura) pelo n<c3><ba>mero de dias de pesca dias.

PAULA (2004), Exemplo 2.4.2, p<c3><a1>g. 127.

Paula, G. A., Oshiro, C. H. (2001). Relat<c3><b3>rio de An<c3><a1>lise Estat<c3><ad>stica sobre o Projeto: An<c3><a1>lise de Captura por Unidade de Esfor<c3><a7>o de Peixe-Batata na Frota Paulista. RAE-CEA0102, IME-USP.

data(PaulaEg2.4.2)
str(PaulaEg2.4.2)

# Separando as covari<c3><a1>veis num<c3><a9>ricas
index <- sapply(PaulaEg2.4.2, is.numeric)

# N<c3><ba>mero de observa<c3><a7><c3><b5>es em cada combina<c3><a7><c3><a3>o das covari<c3><a1>veis
# n<c3><a3>o num<c3><a9>ricas
ftable(table(PaulaEg2.4.2[, !index]))

library(lattice)

# Rela<c3><a7><c3><a3>o marginal da vari<c3><a1>vel resposta com as covari<c3><a1>veis
# n<c3><a3>o num<c3><a9>ricas
bwplot(cpue ~ frota, data = PaulaEg2.4.2)
bwplot(cpue ~ ano, data = PaulaEg2.4.2)
bwplot(cpue ~ trim, data = PaulaEg2.4.2)

# Rela<c3><a7><c3><a3>o da vari<c3><a1>vel resposta com as combina<c3><a7><c3><b5>es das
# covari<c3><a1>veis n<c3><a3>o num<c3><a9>ricas
ue <- with(PaulaEg2.4.2, paste(ano, trim, sep = "-"))
bwplot(cpue ~ ue | frota, data = PaulaEg2.4.2,
       scales = list(x = list(rot = 90)))

# Verificando a suposi<c3><a7><c3><a3>o de coeficiente de varia<c3><a7><c3><a3>o constante,
# desconsiderando as covari<c3><a1>veis tri e num<c3><a9>ricas
resumo <- aggregate(cpue ~ frota + ano, data = PaulaEg2.4.2,
                    FUN = function(x) {
                        c("M<c3><a9>dia" = mean(x),
                          "D.Padr<c3><a3>o" = sd(x),
                          "C.Varia<c3><a7><c3><a3>o" = sd(x)/mean(x),
                          "n" = length(x))
                    })
ftable(xtabs(cpue ~ frota + ano, data = resumo))

# Rela<c3><a7><c3><a3>o das covari<c3><a1>veis num<c3><a9>ricas
splom(~PaulaEg2.4.2[, index], groups = frota,
      data = PaulaEg2.4.2,
      auto.key = list(column = 2))