Allan Alvarenga

Example Page 1

Sun, 05 May 2019 00:00:00 +0100

In this tutorial, I’ll share my top 10 tips for getting started with Academic:

Tip 1

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Duis posuere tellus ac convallis placerat. Proin tincidunt magna sed ex sollicitudin condimentum. Sed ac faucibus dolor, scelerisque sollicitudin nisi. Cras purus urna, suscipit quis sapien eu, pulvinar tempor diam. Quisque risus orci, mollis id ante sit amet, gravida egestas nisl. Sed ac tempus magna. Proin in dui enim. Donec condimentum, sem id dapibus fringilla, tellus enim condimentum arcu, nec volutpat est felis vel metus. Vestibulum sit amet erat at nulla eleifend gravida.

Nullam vel molestie justo. Curabitur vitae efficitur leo. In hac habitasse platea dictumst. Sed pulvinar mauris dui, eget varius purus congue ac. Nulla euismod, lorem vel elementum dapibus, nunc justo porta mi, sed tempus est est vel tellus. Nam et enim eleifend, laoreet sem sit amet, elementum sem. Morbi ut leo congue, maximus velit ut, finibus arcu. In et libero cursus, rutrum risus non, molestie leo. Nullam congue quam et volutpat malesuada. Sed risus tortor, pulvinar et dictum nec, sodales non mi. Phasellus lacinia commodo laoreet. Nam mollis, erat in feugiat consectetur, purus eros egestas tellus, in auctor urna odio at nibh. Mauris imperdiet nisi ac magna convallis, at rhoncus ligula cursus.

Cras aliquam rhoncus ipsum, in hendrerit nunc mattis vitae. Duis vitae efficitur metus, ac tempus leo. Cras nec fringilla lacus. Quisque sit amet risus at ipsum pharetra commodo. Sed aliquam mauris at consequat eleifend. Praesent porta, augue sed viverra bibendum, neque ante euismod ante, in vehicula justo lorem ac eros. Suspendisse augue libero, venenatis eget tincidunt ut, malesuada at lorem. Donec vitae bibendum arcu. Aenean maximus nulla non pretium iaculis. Quisque imperdiet, nulla in pulvinar aliquet, velit quam ultrices quam, sit amet fringilla leo sem vel nunc. Mauris in lacinia lacus.

Suspendisse a tincidunt lacus. Curabitur at urna sagittis, dictum ante sit amet, euismod magna. Sed rutrum massa id tortor commodo, vitae elementum turpis tempus. Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aenean purus turpis, venenatis a ullamcorper nec, tincidunt et massa. Integer posuere quam rutrum arcu vehicula imperdiet. Mauris ullamcorper quam vitae purus congue, quis euismod magna eleifend. Vestibulum semper vel augue eget tincidunt. Fusce eget justo sodales, dapibus odio eu, ultrices lorem. Duis condimentum lorem id eros commodo, in facilisis mauris scelerisque. Morbi sed auctor leo. Nullam volutpat a lacus quis pharetra. Nulla congue rutrum magna a ornare.

Aliquam in turpis accumsan, malesuada nibh ut, hendrerit justo. Cum sociis natoque penatibus et magnis dis parturient montes, nascetur ridiculus mus. Quisque sed erat nec justo posuere suscipit. Donec ut efficitur arcu, in malesuada neque. Nunc dignissim nisl massa, id vulputate nunc pretium nec. Quisque eget urna in risus suscipit ultricies. Pellentesque odio odio, tincidunt in eleifend sed, posuere a diam. Nam gravida nisl convallis semper elementum. Morbi vitae felis faucibus, vulputate orci placerat, aliquet nisi. Aliquam erat volutpat. Maecenas sagittis pulvinar purus, sed porta quam laoreet at.

Tip 2

Example Page 2

Sun, 05 May 2019 00:00:00 +0100

Here are some more tips for getting started with Academic:

Tip 3

Tip 4

Example Talk

Sat, 01 Jun 2030 13:00:00 +0000

Click on the Slides button above to view the built-in slides feature.

Slides can be added in a few ways:

Create slides using Academic’s Slides feature and link using slides parameter in the front matter of the talk file
Upload an existing slide deck to static/ and link using url_slides parameter in the front matter of the talk file
Embed your slides (e.g. Google Slides) or presentation video on this page using shortcodes.

Further talk details can easily be added to this page using Markdown and $\rm \LaTeX$ math code.

Manipulação de dados com dplyr

Tue, 17 Mar 2020 00:00:00 +0000

Instalando e carregando o pacote dplyr

# Instala o pacote.
# install.packages("dplyr")

# Carrega o pacote
library(dplyr)

Vamos usar a base de dados "murders" do pacote dslabs.

library(dslabs)
data("murders")

Vamos verificar o conteúdo do data frame:

head(murders)

##        state abb region population total
## 1    Alabama  AL  South    4779736   135
## 2     Alaska  AK   West     710231    19
## 3    Arizona  AZ   West    6392017   232
## 4   Arkansas  AR  South    2915918    93
## 5 California  CA   West   37253956  1257
## 6   Colorado  CO   West    5029196    65

A função head() retorna o início de um vetor, matriz, tabela, data frame ou função.

mutate | Alterar ou adicionar colunas

murders <- mutate(murders, rate = total / population * 100000)

O data frame "murders" recebe uma nova coluna chamada "rate" que recebe o total de homicídios dividido pela população e multiplicado por 100,0000.

Veja que a nova coluna rate foi adicionada:

head(murders)

##        state abb region population total     rate
## 1    Alabama  AL  South    4779736   135 2.824424
## 2     Alaska  AK   West     710231    19 2.675186
## 3    Arizona  AZ   West    6392017   232 3.629527
## 4   Arkansas  AR  South    2915918    93 3.189390
## 5 California  CA   West   37253956  1257 3.374138
## 6   Colorado  CO   West    5029196    65 1.292453

select | Seleciona as colunas (variáveis)

new_table <- select(murders, state, region, rate)
head(new_table)

##        state region     rate
## 1    Alabama  South 2.824424
## 2     Alaska   West 2.675186
## 3    Arizona   West 3.629527
## 4   Arkansas  South 3.189390
## 5 California   West 3.374138
## 6   Colorado   West 1.292453

Somente as variáveis state, region e rate do data frame murders foram selecionadas para compor o novo data frame chamado new_table.

filter | Filtra as linhas (observações)

new_table_2 <-filter(new_table, rate <= 0.71)
head(new_table_2)

##           state        region      rate
## 1        Hawaii          West 0.5145920
## 2          Iowa North Central 0.6893484
## 3 New Hampshire     Northeast 0.3798036
## 4  North Dakota North Central 0.5947151
## 5       Vermont     Northeast 0.3196211

Selecionamos somente as observações com taxas (rate) menores ou iguais a 0.71.

Nós podemos remover linhas usando o operador !=.

no_florida <- filter(murders, state != "Florida")

!= seleciona todas as linhas com exceção daquelas com o nome Florida.

Nós podemos também usar %in% para filtrar com dplyr. Por exemplo, você pode ver os dados de Nova York e texas assim:

NY_TX <- filter(murders, state %in% c("New York", "Texas"))
head(NY_TX)

##      state abb    region population total    rate
## 1 New York  NY Northeast   19378102   517 2.66796
## 2    Texas  TX     South   25145561   805 3.20136

Filtrando com duas condicionais

Suponha que você queira saber quais são os estados da região Nordeste (Northeast) que possuem uma população com mais de 500 mil pessoas. Note que você pode usar os operadores lógicos com a função filter:

NE <- filter(murders, population > 5000000 & region == "Northeast")
head(NE)

##           state abb    region population total     rate
## 1 Massachusetts  MA Northeast    6547629   118 1.802179
## 2    New Jersey  NJ Northeast    8791894   246 2.798032
## 3      New York  NY Northeast   19378102   517 2.667960
## 4  Pennsylvania  PA Northeast   12702379   457 3.597751

Exercícios

Instruções

# Note que para ranquear do maior para o menor valor você deve adicionar o sinal negativo.
x <- c(88, 100, 83, 92, 94)
rank(-x)

## [1] 4 1 5 3 2

# Definindo a taxa de assassinatos:
rate <-  murders$total/ murders$population * 100000
rank(-rate)

# Add a coluna com a taxa de assassinatos
murders <- mutate(murders, rate = total/population * 100000, rank = rank(-rate))

1 - Redefina os dados de murders para incluir a coluna chamada rank com as taxas de assassinatos do maior para o menor valor.

2 - Use select para mostrar somente os nomes e abreviações dos estados de murders. Defina um novo objeto chamado state_abb.

3 - Crie um novo data frame chamado murders_nw somente com os estados do nordeste e oeste northeast e west, respectivamente. Quantos estados existem nessas regiões (linhas)?

4 - Filtre os dados para que apresentem os 5 estados com maiores taxas de assassinatos. Não se esqueça de adicionar a coluna rate.

5 - Crie um novo data frame chamado no_south que remove os estados da região Sul. Quantos estados estão nessa categoria? Nós podemos usar a função nrow() pra isso.

6 - Suponha que você queira viver no Nordeste ou Oeste e quer que a taxa de assassinatos seja menor que 1. Crie um novo data frame chamado my_states com os dados dos estados que satisfaçam essas opções. Use select para mostrar somente os nomes dos estados (state), a taxa de assassinatos (rate)e o rank.

Respostas

1 -

murders <- mutate(murders, rank = rank(-rate))

# ou com pipe:
murders <-
  murders %>%
  mutate(rank = rank(-rate))

2 -

state_abb <- select(murders, state, abb)

# ou com pipe:
state_abb <-
murders %>%
select(state, abb) 

head(state_abb)

##        state abb
## 1    Alabama  AL
## 2     Alaska  AK
## 3    Arizona  AZ
## 4   Arkansas  AR
## 5 California  CA
## 6   Colorado  CO

3 -

murders_nw <- filter(murders, region %in% c("Northeast", "West"))

nrow(murders_nw)

## [1] 22

4 -

filter(murders, rank<=5)

##                  state abb        region population total      rate rank
## 1 District of Columbia  DC         South     601723    99 16.452753    1
## 2            Louisiana  LA         South    4533372   351  7.742581    2
## 3             Maryland  MD         South    5773552   293  5.074866    4
## 4             Missouri  MO North Central    5988927   321  5.359892    3
## 5       South Carolina  SC         South    4625364   207  4.475323    5

# ou com pipe:
murders %>%
  filter(rank <= 5)

##                  state abb        region population total      rate rank
## 1 District of Columbia  DC         South     601723    99 16.452753    1
## 2            Louisiana  LA         South    4533372   351  7.742581    2
## 3             Maryland  MD         South    5773552   293  5.074866    4
## 4             Missouri  MO North Central    5988927   321  5.359892    3
## 5       South Carolina  SC         South    4625364   207  4.475323    5

5 -

# Use filter para criar o data frame "no_south".
no_south<-filter(murders,region != "South")
# Use nrow() para calcular o número de linhas (observações).
nrow(no_south)

## [1] 34

6 -

# adiciona a coluna de taxas de homicídios.
murders <- mutate(murders, rate =  total / population * 100000, rank = rank(-rate))

# cria os dados chamados `my_states`, que satizfaz as duas condições.
my_states <- filter(murders, region %in% c("Northeast", "West") & rate < 1)

# Use select para mostrar apenas o nome do estado, a taxa de assassinatos e o rank.
select(my_states, state, rate, rank)

##           state      rate rank
## 1        Hawaii 0.5145920   49
## 2         Idaho 0.7655102   46
## 3         Maine 0.8280881   44
## 4 New Hampshire 0.3798036   50
## 5        Oregon 0.9396843   42
## 6          Utah 0.7959810   45
## 7       Vermont 0.3196211   51
## 8       Wyoming 0.8871131   43

# ou com pipe:
my_states <-
murders %>%
  mutate(rate = total / population * 100000, rank = rank(-rate))%>%
  filter(region %in% c("Northeast", "West") & rate < 1)%>%
  select(state, rate, rank)

Resumo

Para adicionar ou modificar um coluna na tabela de dados nós usamos a função mutate().
Para filtrar os dados, criando subconjuntos pelos valores das linhas utilizamos a função filter().
Para criar subconjuntos de dados selecionando colunas específicas, nós utilizamos a função select().

Atalhos

No Rstudio:

crtl + alt + i Cria um novo chunk ¹ no Rmarkdown
crtl + shift + a Reindenta o código
crtl + shift + c # Comenta a linha do código
crtl + shift + m cria o pipe %>%
alt - cria o símbolo <- no chunk ou = fora do chunk

Esse tutorial é baseado (modificado/traduzido) no livro do professor Rafael A. Irizarry “Introduction to Data Science” que pode ser obtido de forma gratuita aqui. O livro é utilizado no curso Data Science: R Basics da plataforma edx oferecido pela universidade de Harvard. Esse tutorial está sob licença Creative Commons Attribution-ShareAlike 4.0 Licença internacional. Para ver uma cópia dessa licença acesse aqui

Trecho de código↩

Estabilidade em sistemas dinâmicos

Mon, 16 Mar 2020 00:00:00 +0000

Modelo logístico

Vamos fazer a análise de estabilidade da conhecida equação logística de crescimento populacional:

\[ V=r N\left(1-\frac{N}{K}\right) \] Onde $V$ é a velocidade de crescimento da população, $r$ é a taxa intrínseca de crescimento populacional, e $K$ a capacidade de suporte.

Equilibrio na logística

A pergunta básica da análise de estabilidade em sistemas dinâmicos é se há pontos de equilíbrio estáveis. No caso da logística, estes pontos de equilíbrio são tamanhos populacionais. Mas primeiro vamos definir equilíbrio:

O tamanho populacional em equilíbrio é aquele em que a velocidade de crescimento é nula, ou seja em que

\[ \frac{d N}{d t}=0 \] Há dois tamanhos populacionais que satisfazem esta condição para a equação logística:

$N = K$

$N = 0$

Estes tamanhos em equilíbrio fazem sentido biológico: a população não cresce quando chega à capacidade de suporte ou, trivialmente, quando está vazia.

Estabilidade da logística

Algum destes pontos de equilíbrio são estáveis? Vamos experimentar com um novo gráfico, mas antes precisamos definir de que estabilidade estamos falando:

Um tamanho populacional em equilíbrio é localmente estável se a população retorna a ele após uma pequena perturbação. Uma pequena perturbação é um pequeno acréscimo ou redução do tamanho populacional.

Consumers’ active choice behavior promotes stable eco-evolutionary units

Sun, 08 Mar 2020 00:00:00 +0000

Individual behavior, interaction mechanisms, temporal organization, and local context are processes that can influence the structure and evolution of ecological interactions. In trophic interactions, consumers can increase their fitness by actively choosing resources that enhance their chances of exploring them successfully. Upon searching for potential resources, they are able to decide which one to choose according to their value and maneuverability. Mathematical modeling is often employed in theoretical studies to understand the coevolutionary dynamics between these species. However, they often disregard the individual consumer behavior since the complexity of these systems usually requires simplifying assumptions about interaction details. Here we show that active consumer choice can generate stable ecological and coevolutionary units over time. The phenotype of both consumers and resources converge into multiple groups densely connected within themselves, exerting reciprocal selective pressure between them. The species preferentially interact with specific modules in the networks, separated by differences in their fundamental niches, depending on the size and composition of the interaction neighborhoods. Network metrics did not follow a single trend. However, there was no correlation with the coevolutionary pressure intensity imposed by consumers’ behavior. Our results demonstrate that explicit modeling of active consumer choice generates congruent coevolutionary dynamics and interaction structures. They generate higher amplitudes on network metrics that more closely match empirical networks than models that disregard this aspect of behavior. Thus, we consider that the inclusion of consumers’ active choice behavior plays an important role in the ecological and evolutionary processes that structure these communities.

An example preprint / working paper

Sun, 07 Apr 2019 00:00:00 +0000

Click the Slides button above to demo Academic’s Markdown slides feature.

Supplementary notes can be added here, including code and math.

Slides

Tue, 05 Feb 2019 00:00:00 +0000

Create slides in Markdown with Academic

Academic | Documentation

Features

Efficiently write slides in Markdown
3-in-1: Create, Present, and Publish your slides
Supports speaker notes
Mobile friendly slides

Controls

Next: Right Arrow or Space
Previous: Left Arrow
Start: Home
Finish: End
Overview: Esc
Speaker notes: S
Fullscreen: F
Zoom: Alt + Click
PDF Export: E

Code Highlighting

Inline code: variable

Code block:

porridge = "blueberry"
if porridge == "blueberry":
    print("Eating...")

Math

In-line math: $x + y = z$

Block math:

$$ f\left( x \right) = ;\frac{{2\left( {x + 4} \right)\left( {x - 4} \right)}}{{\left( {x + 4} \right)\left( {x + 1} \right)}} $$

Fragments

Make content appear incrementally

{{% fragment %}} One {{% /fragment %}}
{{% fragment %}} **Two** {{% /fragment %}}
{{% fragment %}} Three {{% /fragment %}}

Press Space to play!

One Two Three

A fragment can accept two optional parameters:

class: use a custom style (requires definition in custom CSS)
weight: sets the order in which a fragment appears

Speaker Notes

Add speaker notes to your presentation

{{% speaker_note %}}
- Only the speaker can read these notes
- Press `S` key to view
{{% /speaker_note %}}

Press the S key to view the speaker notes!

Themes

black: Black background, white text, blue links (default)
white: White background, black text, blue links
league: Gray background, white text, blue links
beige: Beige background, dark text, brown links
sky: Blue background, thin dark text, blue links

night: Black background, thick white text, orange links
serif: Cappuccino background, gray text, brown links
simple: White background, black text, blue links
solarized: Cream-colored background, dark green text, blue links

Custom Slide

Customize the slide style and background

{{< slide background-image="/img/boards.jpg" >}}
{{< slide background-color="#0000FF" >}}
{{< slide class="my-style" >}}

Custom CSS Example

Let’s make headers navy colored.

Create assets/css/reveal_custom.css with:

.reveal section h1,
.reveal section h2,
.reveal section h3 {
  color: navy;
}

Questions?

Ask

Documentation

An example conference paper

Mon, 01 Jul 2013 00:00:00 +0000

Click the Cite button above to demo the feature to enable visitors to import publication metadata into their reference management software.

Click the Slides button above to demo Academic’s Markdown slides feature.

Supplementary notes can be added here, including code and math.