Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

--- 02_tutoriais:tutorial1b:start [2021/12/15 19:18]
adalardo
+++ 02_tutoriais:tutorial1b:start [2024/08/12 05:48] (atual)
@@ Linha 22: / Linha 22: @@
 {{:02_tutoriais:tutorial1:mapa20.png?400  |}}
 */
-Agora que apresentamos as bases conceituais e da sintaxe da linguagem R é o momento de entender o ambiente de programação a que a linguagem está associada. O R não é só o interpretador da linguagem. Existe toda a gestão da informação que transita nessa nossa conversa com o R. Para ser um bom usuário do R é importante que entenda como essa interação se dá e é preciso se localizar nesse ambiente que é nossa oficina virtual de criação.
+Agora que apresentamos as bases conceituais e da sintaxe da linguagem R é o momento de entender o ambiente de programação ao qual a linguagem está associada. O R não é só o interpretador da linguagem. Existe toda a gestão da informação que transita nessa nossa conversa com o R. Para ser um bom usuário do R é importante que entenda como essa interação se dá e é preciso se localizar nesse ambiente que é nossa oficina virtual de criação.
 Até aqui já entendemos que nesse ambiente de programação há dois espaços distintos: o código ou script e o interpretador do R! Pois bem, esses são os limites do nosso ambiente, nossa ligação com o R que é o script e a conexão com a linguagem de máquina que é o interpretador!
-Entre esses extremos existem espaços virtuais ((tecnicamente chamados no R de ''environments'')) que organizam o fluxo da informação e seu armazenamento.
+Entre esses extremos existem espaços virtuais ((tecnicamente chamados no R de ''environments'')) que organizam o fluxo da informação e seu armazenamento. Por exemplo, criamos objetos e acessamos aquilo que foi atribuído a ele e também manipulamos esse objeto com outros objetos da classe função.
-Por exemplo, criamos objetos e acessamos aquilo que foi atribuído a ele e também manipulamos esse objeto com outros objetos da classe função. Mas onde o objeto criado fica armazenado? De onde vem a função que utilizamos? Como faço para acessar meu script de uma sessão do R?
+Mas onde o objeto criado fica armazenado? De onde vem a função que utilizamos? Como faço para acessar meu script de uma sessão do R?
@@ Linha 38: / Linha 39: @@
 </WRAP>
-Nosso exemplo de como se organizar no R aqui, será com o ruWindows. Não porque gostamos do sistema operacional, mas simplesmente porque é o sistema mais utilizado. A lógica é a mesma para outros sistemas operacionais, como macOS e Linux, com pequenas variações. Veja abaixo como o R está organizado no Windows.
+Nosso exemplo de como se organizar no R aqui, será com o Windows. Não porque gostamos do sistema operacional, mas simplesmente porque é o sistema mais utilizado. A lógica é a mesma para outros sistemas operacionais, como macOS e Linux, com pequenas variações. Veja abaixo como o R está organizado no Windows.
 <WRAP center round box 60%>
@@ Linha 48: / Linha 49: @@
 ==== Organize suas pastas ====
-Antes de começar um novo projeto, uma nova análise de dados por exemplo, crie uma pasta((diretório é o termo técnico)) de trabalho  específico para o projeto, com o menu //**Botão direito do mouse>Novo>Pasta**// do ruWindows explorer.
+Antes de começar um novo projeto, como uma nova análise de dados por exemplo, crie uma pasta((diretório é o termo técnico)) de trabalho específico para o projeto, com o menu //**Botão direito do mouse>Novo>Pasta**// do Windows explorer.
-Por exemplo, para esse curso você pode criar uma pasta ''cursoR'' e dentro dela uma outra como ''aula01Intro'' e dentro dessa pasta, colocar o script que fizemos na aula anterior ''tutorial01.r'' .
+Por exemplo, para esse curso você pode criar uma pasta ''cursoR'' e dentro dela uma outra como ''aula01Intro'' e dentro dessa pasta, colocar o script que fizemos na aula anterior ''tutorial01.r''.
 <WRAP center round box 80%>
@@ Linha 62: / Linha 63: @@
 </WRAP>
-Após criar as pastas, execute o R a partir do atalho do ruWindows ou pelo menu de programas  no computador ou na barra de ferramentas.
+Após criar as pastas, execute o R a partir do atalho do Windows ou pelo menu de programas no computador ou na barra de ferramentas.
-<WRAP center round box 80%>
+<WRAP center round box 40%>
-{{:02_tutoriais:clique_atalho_r.png}} {{:02_tutoriais:clique_barra_ferram-r.png}}
+{{:02_tutoriais:clique_atalho_r.png|}} {{:02_tutoriais:clique_barra_ferram-r.png|}}
 </WRAP>
@@ Linha 79: / Linha 80: @@
 </code>
-Ao iniciar o R pelo atalho da área de trabalho do ruWindows o diretório de trabalho será sempre o mesmo,  possivelmente em "Meus Documentos", e.g.:
+Ao iniciar o R pelo atalho da área de trabalho do Windows o diretório de trabalho será sempre o mesmo, possivelmente em "Meus Documentos", e.g.:
 <code rsplus>
@@ Linha 85: / Linha 86: @@
 </code>
-Para mudar o diretório usamos a função ''setwd'', de //set work directory//:
+Para mudar o diretório usamos a função ''setwd'', de //set working directory//:
 <code rsplus>
@@ Linha 93: / Linha 94: @@
 <WRAP center round important 60%>
-**IMPORTANTE:** as barras de endereço devem ser no padrão Linux, ou seja, barras simples e não dupla invertida como a utilizada em ruWindows. Um erro comum no R é esquecer as ''"''s ao digitar o endereço do diretório de trabalho, veja [[:dezmanda]].
+**IMPORTANTE:** as barras de endereço devem ser no padrão Linux, ou seja, barras simples e não dupla invertida como a utilizada em Windows. Um erro comum no R é esquecer as ''"''s ao digitar o endereço do diretório de trabalho, veja [[:dezmanda]].
 </WRAP>
@@ Linha 102: / Linha 103: @@
 </code>
-Caso esteja no diretório de trabalho desejado é possível listar todos os arquivos da pasta utilizando uma das funções abaixo:
+Caso a mudança de diretório de trabalho tenha dado certo, é possível listar todos os arquivos contidos nesta pasta utilizando uma das funções abaixo:
 <code rsplus>
 dir()
@@ Linha 121: / Linha 122: @@
 ==== Workspace do R ====
-Todo objeto criado em uma sessão do R fica armazenado, durante a sessão, na área de trabalho ((tecnicamente chamado de //Global Environment// ou //Workspace//)). Para não confundir a área de trabalho do R com a área de trabalho do ruWindows, vamos aqui utilizar o termo **workspace** para designar a área de trabalho do R. Na nossa metáfora da oficina, podemos dizer que a //área de trabalho do R// é a nossa bancada, onde temos os objetos que estamos trabalhando.
+Todo objeto criado em uma sessão do R fica armazenado, durante a sessão, na área de trabalho ((tecnicamente chamado de //Global Environment// ou //Workspace//)). Para não confundir a área de trabalho do R com a área de trabalho do Windows, vamos aqui utilizar o termo **workspace** para designar a área de trabalho do R. Na nossa metáfora da oficina, podemos dizer que a //área de trabalho do R// é a nossa bancada, onde temos os objetos que estamos trabalhando.
 {{:02_tutoriais:tutorial1:bancada.png?200  |}}
@@ Linha 164: / Linha 165: @@
 </code>
-Note que o ''objetosCo'' é um vetor da classe ''characters'' e contém os nomes dos objetos que apresentam ''co'' no nome.
+Note que o ''objetosCo'' é um vetor da classe ''character'' e contém os nomes dos objetos que apresentam ''co'' no nome.
 Os objetos que estão no workspace podem ser salvos no seu diretório de trabalho utilizando a função ''save''. A função ''save.image'' é um atalho da função ''save'' para salvar todos os objetos do workspace. O arquivo salvo, em geral, tem a extensão ''.RData''((pode encontrar também como sendo ''.Rda'', existe outro formato de arquivo de dados no R que é o ''.Rds'' que armazena apenas um objeto)). Vamos salvar os objetos que tem o padrão ''co'' no nome no nosso diretório de trabalho e em seguida certifique-se de que o arquivo RData foi criado:
@@ Linha 175: / Linha 176: @@
 </code>
-Agora, vamos salvar todas os objetos do **workspace** e verificar se foi criado o arquivo!
+Agora, vamos salvar todos os objetos do **workspace** e verificar se foi criado o arquivo!
@@ Linha 201: / Linha 202: @@
 ==== Arquivo .RData ====
-Agora com a sessão do R desligada, abra o gerenciador de arquivos, Windows Explorer, na pasta criada no inicio desse tutorial, nossa sugestão foi algo como:
+Agora com a sessão do R desligada, abra o gerenciador de arquivos, Windows Explorer, na pasta criada no início desse tutorial, nossa sugestão foi algo como:
 <code rsplus>
@@ Linha 210: / Linha 211: @@
-Deve existir um  arquivo com o nome ''.RData'' que listamos na nossa sessão do R. Entretanto, como se trata de arquivo oculto, normalmente o sistema operacional não mostra! Veja a documentação do ruWindows: [[https://support.microsoft.com/pt-br/help/14201/windows-show-hidden-files| como mostrar arquivos ocultos ]]
+Deve existir um  arquivo com o nome ''.RData'' que listamos na nossa sessão do R. Entretanto, como se trata de arquivo oculto, normalmente o sistema operacional não mostra! Veja a documentação do Windows: [[https://support.microsoft.com/pt-br/help/14201/windows-show-hidden-files| como mostrar arquivos ocultos ]]
 /*
@@ Linha 217: / Linha 218: @@
 **__Mostrando Arquivos Ocultos__**
-Veja como configurar essa opção no ruWindows:((clique na imagem para ampliar))
+Veja como configurar essa opção no Windows:((clique na imagem para ampliar))
 <WRAP center round box 80%>
@@ Linha 230: / Linha 231: @@
 Caso o gerenciador de arquivos já esteja configurado para mostrar arquivos ocultos, você verá o arquivo  ''.RData'' na pasta.
-<WRAP center round box 80%>
+<WRAP center round box 60%>
-{{:02_tutoriais:tutorial1b:arquivo_oculto.PNG?700|}}
+{{ :02_tutoriais:tutorial1b:arquivo_oculto.PNG?700 |}}
 </WRAP>
@@ Linha 251: / Linha 252: @@
 Acabamos de ensinar como abrir uma sessão do R com todos os objetos criados na última sessão aberta do R e apontando para o diretório de trabalho desejado. Isso é uma forma eficiente de reiniciar uma sessão do R que foi interrompida!
-Note que o ''allobj'' está entre os objetos que foram carregados pelo ''.RData''. Ele foi criado depois que utilizamos a função ''save.image''. Isso acontece porque ao fechar a sessão concordamos em salvá-la e por padrão o R executa ''save.image()'' antes de fechar. O arquivo ''.RData'' salvo anteriormente foi sobrescrito pelo novo ''.RData'' que contem o ''allobj''.
+Note que o ''allobj'' está entre os objetos que foram carregados pelo ''.RData''. Ele foi criado depois que utilizamos a função ''save.image''. Isso acontece porque ao fechar a sessão concordamos em salvá-la e por padrão o R executa ''save.image()'' antes de fechar. O arquivo ''.RData'' salvo anteriormente foi sobrescrito pelo novo ''.RData'' que contém o ''allobj''.
@@ Linha 261: / Linha 262: @@
 {{:02_tutoriais:tutorial1b:slowcomputer.jpg?300  |}}
-Quando iniciamos uma sessão do R pelo menu ou por um atalho da área de trabalho do Windows, ele automaticamente busca um arquivo ''.RData'' no diretório de trabalho a que está vinculado e carrega automaticamente esse ''.RData''. Caso o usuário tenha o hábito de abrir o R sempre do mesmo atalho  e sempre salvar ao fechar a sessão, o arquivo ''.RData'' rapidamente se torna um monstro devorador de memória, com todos os objetos criados em todas as sessões do R que foram trabalhadas. Como o R armazena o **workspace** da sessão na memória RAM do computador, logo seu computador irá parecer uma carroça velha, mesmo se for um Mac de 50 mil reais!
+Quando iniciamos uma sessão do R pelo menu ou por um atalho da área de trabalho do Windows, ele automaticamente busca um arquivo ''.RData'' no diretório de trabalho a que está vinculado e carrega automaticamente esse ''.RData''. Caso o usuário tenha o hábito de abrir o R sempre do mesmo atalho e sempre salvar ao fechar a sessão, o arquivo ''.RData'' rapidamente se torna um monstro devorador de memória, com todos os objetos criados em todas as sessões do R que foram trabalhadas. Como o R armazena o **workspace** da sessão na memória RAM do computador, logo seu computador irá parecer uma carroça velha, mesmo se for um Mac de 50 mil reais!
 Entretanto, o ''.RData'' pode ser um instrumento muito importante para salvar resultados complexos e que ocupam muita memória ou que tomaram muito tempo para serem processados.
@@ Linha 288: / Linha 289: @@
 </code>
-=== Removendo todos os Objetos ===
+=== Removendo todos os objetos ===
 A documentação do ''rm'' nos diz que o argumento ''list'' deve receber uma vetor de caracteres com o nome dos objetos que devem ser removidos.
@@ Linha 311: / Linha 312: @@
 Agora vamos simular a perda dos objetos: saia do R, respondendo "NÃO" à pergunta "Salvar Área de Trabalho"((detalhes na [[03_apostila:02-entrada#Como o R Guarda os Dados?|apostila]])).
-Abra o R de novo a partir do ''.RData''. Tudo perdido? Não! Com o código salvo (script) você pode executá-lo novamente, e recuperar todo o trabalho. Repita o procedimento novamente de abrir o arquivo de script e rodá-lo ;-).
+Abra o R de novo a partir do ''.RData''. Tudo perdido? Não! Com o código salvo (script) você pode executá-lo novamente, e recuperar todo o trabalho. Repita o procedimento de abrir o arquivo de script e rodá-lo ;-).
 <code rsplus>
@@ Linha 346: / Linha 347: @@
 </code>
-O ''search()'' retorna os pacotes que estão carregados na sua sessão do R. Pacotes são conjuntos de ferramentas associadas a algum conjunto de tarefas. Na nossa metáfora da oficina os pacotes são os armários onde guardamos nossas ferramentas classificadas pelo tipo de uso. Por padrão o R abre alguns desses armários quando iniciamos uma sessão, os armários com as ferramentas básicas: eles que contem as funções que estamos usando.
+O ''search()'' retorna os compartimentos (''environments'') que estão disponíveis na sua sessão do R, entre esses compartimentos estão os pacotes carregados. Pacotes são conjuntos de ferramentas associadas a algum conjunto de tarefas. Na nossa metáfora da oficina os pacotes são os armários onde guardamos nossas ferramentas classificadas pelo tipo de uso. Por padrão o R abre alguns desses armários quando iniciamos uma sessão, os armários com as ferramentas básicas: eles que contem as funções que estamos usando.
-Além desses pacotes, existem outros que são distribuídos junto ao programa R, mas que não são abertos no início de uma sessão. São pacotes importantes, mas um pouco mais específicos ou especializados do que as ferramentas básicas. São como armários que estão trancados, com ferramentas que usamos menos frequentemente, precisamos destrancar e abrir para poder usar as ferramentas que estão neles. Para acessar esses pacotes utilizamos a função ''library'' que nos mostra os pacotes que estão instalados no nosso computador:
+Além desses pacotes, existem outros que são distribuídos junto ao programa R, mas que não são abertos no início de uma sessão. São pacotes importantes, mas um pouco mais específicos ou especializados do que as ferramentas básicas. São como armários que estão trancados, com ferramentas que usamos menos frequentemente, precisamos destrancar e abrir o armário para poder usar as ferramentas que estão neles. Para acessar esses pacotes utilizamos a função ''library'' que nos mostra os pacotes que estão instalados no nosso computador:
 <code rsplus>
@@ Linha 365: / Linha 366: @@
 ==== Carregando Pacotes ====
-Para utilizar as funções de um pacote, não basta o pacote estar instalado no computador, é necessário carregá-lo, ou seja abrir o armário contém as ferramentas! Para isso usamos a própria função ''library''
+Para utilizar as funções de um pacote, não basta o pacote estar instalado no computador, é necessário carregá-lo, ou seja, abrir o armário que contém as ferramentas! Para isso usamos a própria função ''library'':
-:
 <code rsplus>
@@ Linha 374: / Linha 374: @@
-Agora o pacote ''lattice'' aparece na segunda posição do nosso ''search''. O que isso significa? Cada uma das posições que o search apresenta, representam o caminho de busca do R na memória. São como compartimentos ((chamados de "Environments")) de memória. Quando executamos um comando o R busca os objetos na memória seguindo trajeto apresentado pelo ''search''. O primeiro compartimento que é procurado se chama ''.GlobalEnv''. Esse é o compartimento de memória do nosso **workspace** e o pacote que foi carregado recentemente é colocado na posição seguinte. O último compartimento é dedicado ao pacote ''base'' onde estão os objetos e funções básicas do R.
+Agora o pacote ''lattice'' aparece na segunda posição do nosso ''search''. O que isso significa? A lista que o ''search'' apresenta é o caminho de busca do R por objetos. São como compartimentos ((chamados de "Environments")) que conectam objetos em um mesmo escopo. Quando executamos um comando o R busca os objetos na memória seguindo trajeto apresentado pelo ''search''. O primeiro compartimento que é procurado se chama ''.GlobalEnv''. Esse é o compartimento do nosso **workspace** ou seja, onde estão os objetos que construímos ((tecnicamente o que os environments contém são os nomes e o caminho para a memoria onde está armazenada o conteúdo do objeto)). O pacote carregado mais recentemente é colocado na posição seguinte ao ''.GlobalEnv''. O último compartimento é dedicado ao pacote ''base'' onde estão os objetos e funções básicas do R.
@@ Linha 390: / Linha 390: @@
 Quais funções estão disponíveis em um pacote instalado? Qual documentação está disponível junto ao pacote?
-Essas informações podem ser encontradas em um outro tipo de ajuda de documentação do R, o ''help.start''.
+Essas informações podem ser encontradas em um outro tipo de ajuda de documentação do R, o ''help.start''. Esta função abre toda a documentação geral do R que foi instalada no computador, inclusive os pacotes. Apesar da documentação ser apresentada no seu navegador, ela está localmente instalada e não precisa de internet para ser consultada. Para encontrar a documentação específica de um pacote instalado, clique no link ''Packages''. Navegue nessa documentação para se habituar a ela.
-Que abre toda a documentação geral do R que foi instalada no computador. Apesar de ser um hipertexto, ela está localmente instalada e não precisa de internet para ser aberta. Para encontrar a documentação específica de um pacote instalado entre no link ''Packages''. Navegue nessa documentação para se habituar a ela.
 <code rsplus>
@@ Linha 406: / Linha 405: @@
 ===== Instalando Pacotes =====
-{{:02_tutoriais:tutorial1b:18.png?400  |}}Quando estamos trabalhando em uma oficina normalmente chegamos a um ponto em que precisamos de uma ferramenta que não está disponível localmente. Nesses momentos precisamos nos deslocar até uma loja especializada para adquirir as ferramentas necessárias. As loja do R são os repositórios de pacotes,  oficial é o CRAN [[https://cran.r-project.org/]].
+{{:02_tutoriais:tutorial1b:18.png?400  |}}Quando estamos trabalhando em uma oficina, normalmente chegamos a um ponto em que precisamos de uma ferramenta que não está disponível localmente. Nesses momentos, precisamos nos deslocar até uma loja especializada para adquirir as ferramentas necessárias. As lojas do R são os repositórios de pacotes. E o repositório oficial do R é o CRAN [[https://cran.r-project.org/]].
 Entre os três principais repositórios ((CRAN, GitHub e Bioconductor)), em consulta feita em 31 de julho de 2020, existiam 20.205 pacotes contendo mais de **3,1 milhões de funções** disponíveis para o R(([[https://www.rdocumentation.org/]]))!
-Nesse universo de itens disponíveis fica difícil encontrar a melhor ferramenta para a tarefa que queremos executar. Existem várias ferramentas para auxiliar nessa tarefa. Aconselhamos fortemente a usar e inciar a sua busca pelo ''Task Views'' disponível no site oficial do CRAN. Que são revisões de pacotes disponíveis separadas por temas, normalmente áreas de pesquisa (ecologia, genética, economia...) ou tipos de análises (bayesiana, multivariada, espacial...).
+Nesse universo de itens disponíveis, fica difícil encontrar a melhor ferramenta para a tarefa que queremos executar. Existem várias ferramentas para auxiliar nessa tarefa. Aconselhamos fortemente a usar e iniciar a sua busca pelo ''Task Views'' disponível no site oficial do CRAN. Eles são revisões de pacotes disponíveis separadas por temas, normalmente áreas de pesquisa (ecologia, genética, economia...) ou tipos de análises (bayesiana, multivariada, espacial...).
 <WRAP center round box 90%>
@@ Linha 417: / Linha 416: @@
 Entre no site do [[https://cran.r-project.org/ | CRAN ]] e navegue para **Task Views** > **Environmetrics**. Nele irá encontrar uma revisão sobre as ferramentas disponíveis para análises de dados na área de ecologia, dividida em tópicos. É muito útil, inclusive para saber quanto confiável e estável é um pacote. Na documentação está a descrição de um dos pacotes mais importantes para análise de dados multivariados em ecologia de comunidades chamado ''vegan''. Um pacote com cerca de 20 anos, atualizado frequentemente com incorporação de novas metodologia e que já foi muito testado, um pacote clássico para a ecologia.
-A forma mais prática para instalar um pacote do CRAN é utilizar a função interativa ''install.packages()''. Essa função irá abrir uma janela para que o usuário escolha qual o espelho do CRAN de onde o pacote virá e em seguida lista todos os pacotes que estão no repositório. Como são muitos é aconselhável usar o argumento ''pkgs'' que recebe um vetor de caracteres com os nomes dos pacotes a serem instalados ((VEJA A DOCUMENTAÇÃO!!!))
+A forma mais prática para instalar um pacote do CRAN é utilizar a função interativa ''install.packages()''. Essa função irá abrir uma janela para que o usuário escolha qual o espelho do CRAN de onde o pacote virá e em seguida lista todos os pacotes que estão no repositório. Como são muitos pacotes disponíveis é aconselhável usar o argumento ''pkgs'' que recebe um vetor de caracteres com os nomes dos pacotes a serem instalados ((VEJA A DOCUMENTAÇÃO!!!))
@@ Linha 432: / Linha 431: @@
-Agora vamos verificar se o  pacote está instalado consultando o ''help.start()'' e verificando se aparece na na lista de pacotes instalados. Vá no link abaixo do ''Descrition File'' denominado ''User guides, package vignettes and other documentation'' e abra o documento com o tema ''Diversity analysis in vegan''.
+Agora vamos verificar se o  pacote está instalado consultando o ''help.start()'' e verificando se aparece na na lista de pacotes instalados. Clique no link com o nome do pacote (i.e. ''vegan'') e em seguida vá no link denominado ''User guides, package vignettes and other documentation'' e abra o link contendo ao lado esquerdo do tema ''Diversity analysis in vegan''.
 <code rsplus>
@@ Linha 439: / Linha 438: @@
 </code>
-Vá no link ''Packages'' e selecione o pacote ''vegan'' na lista de pacotes. A página inicial do pacote com o título **Community Ecology Package** conterá o link para a documentação de cada uma das funções do pacote. São muitas, mais de 500! Felizmente a documentação do pacote é muito completa e tem alguns tutoriais incluídos que são chamados de ''Vignettes''. Essas vinhetas são de grande ajuda para quem precisa estudar um pacote.  Abra a vinheta sobre ''Diversity analysis in vegan'', navegue no documento. São 12 páginas condensadas sobre análises de diversidade, mostrando como faze-las no ''vegan'' e com exemplos muito ilustrativos.
+Agora clique novamente link ''Packages'' e selecione o pacote ''vegan'' na lista de pacotes. A página inicial do pacote, com o título **Community Ecology Package**, conterá os links para a documentação das funções do pacote. São muitas! Felizmente a documentação do pacote é muito completa e tem alguns tutoriais incluídos que são chamados de ''Vignettes''. Essas vinhetas são de grande ajuda para quem precisa estudar um pacote.  Abra a vinheta sobre ''Diversity analysis in vegan'', navegue no documento. São 12 páginas condensadas sobre análises de diversidade, mostrando como fazê-las no ''vegan'' e com exemplos muito ilustrativos.
 ===== Esquema do Mapa do R =====
-Esse tutorial é uma base muito importante para que o usuário se torne fluente na linguagem e se posicione no ambiente de programação. Uma boa sugestão é retornar a esse tutorial depois que tiver alguma experiência no R para sedimentar os conceitos aqui apresentados. Abaixo o esquema que apresentamos em aula e no inicio desse tutorial. Garanta que consegue se localizar nele.
+Esse tutorial é uma base muito importante para que o usuário se torne fluente na linguagem e se posicione no ambiente de programação. Uma boa sugestão é retornar a esse tutorial depois que tiver alguma experiência no R para sedimentar os conceitos aqui apresentados. Abaixo o esquema que apresentamos em aula e no início deste tutorial. Garanta que consegue se localizar nele.
 <WRAP center round box 100%>

ecoR

Ferramentas do usuário

Ferramentas do site

Diferenças

Ferramentas da página