Relatorio_penguin_Semabio.Rmd

---
title: "Gráficos com dados de Pinguins"
author: "Carolina Musso"
date: "2023-11-29"
output:
  html_document:
    self-contained: true
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = F)
```

## Introdução

Este relatório apresenta uma análise a da base de dados 'Palmer Penguins', um recurso emergente e instrutivo no domínio da ciência de dados e estatística. A base de dados foi coletada pela Dra. Kristen Gorman com o Programa de Pesquisa Polar Palmer Station, Antártica. Os dados abrangem três espécies de pinguins encontradas nas ilhas próximas à Estação Palmer: Adelie, Chinstrap e Gentoo.

Com 344 observações, esta base de dados inclui medidas como o tamanho do bico, a profundidade do bico, o comprimento das nadadeiras, a massa corporal dos pinguins, além de informações sobre a espécie, sexo e local de coleta. 

Este relatório não apenas serve como uma exploração aprofundada da base de dados biológicos realista e relevante, mas também como um exemplo prático da utilização do relatorios automatizados em Rmarkdown.

# Material e métodos

Neste relatório, utilizaremos métodos de análise exploratória de dados para explorar as características físicas dos pinguins e as diferenças entre as espécies. Nosso foco será em destacar padrões interessantes, identificar correlações potenciais e proporcionar insights visuais por meio de gráficos e análises estatísticas.

```{r}
# Carregando os pacotes necessários
if (!require(pacman)) install.packages("pacman")
pacman::p_load(palmerpenguins, tidyverse, 
               ggstatsplot,gtsummary, ggpubr)

# Carregando os dados
data("penguins")
penguins <- na.omit(penguins)  # Removendo observações com valores ausentes

```



```{r}
ggplot(penguins, aes(x = bill_length_mm, y = bill_depth_mm, color = species)) +
  geom_point() +
  labs(title = "Comprimento x Profundidade do Bico por Espécie",
       x = "Comprimento do Bico (mm)",
       y = "Profundidade do Bico (mm)")

```




```{r}
# Carregar o pacote ggpubr
ggscatter(penguins,
          x = "bill_length_mm", 
          y = "bill_depth_mm",
          add = "reg.line",                         # Add regression line
          conf.int = TRUE,                          # Add confidence interval
          color = "species", palette = "jco",           # Color by groups "cyl"
          shape = "species"
          )+
  stat_cor(aes(color = species), label.x = 3)  


library(ggpubr)

ggscatter(penguins,
          x = "bill_length_mm", 
          y = "bill_depth_mm",
          add = "reg.line",                         # Adicionar linha de regressão
          conf.int = TRUE,                          # Adicionar intervalo de confiança
          color = "species", 
          palette = "Set1"
         ) +
  stat_cor(aes(color = species), 
           label.x = c(30, 40, 50),label.y=22)  +
  labs(x="Comprimento do Bico (mm)",
       y= "Profundidade do Bico (mm)") # Ajustar posição dos labels



ggscatter(
  data = penguins, 
  x = "bill_length_mm", 
  y = "bill_depth_mm", 
  color = "species",
  palette = "jco",
  add = "reg.line", 
  conf.int = TRUE,
  cor.coef = TRUE, 
  cor.method = "pearson",
  xlab = "Comprimento do Bico (mm)", 
  ylab = "Profundidade do Bico (mm)",
  ggtheme = theme_pubr()
) + 
  theme(
    plot.title = element_text(size = 14)
  ) +
  labs(
    title = "Dispersão do Tamanho do Bico por Espécie"
  )

```


```{r}
# Tabela resumo com gtsummary
table1 <- penguins %>% 
  select(-year) %>% 
  tbl_summary(
  by = species,
  type = list(
    where(is.numeric) ~ "continuous",
    where(is.factor) ~ "categorical"
  ),
  statistic = list(
    all_continuous() ~ "{mean} ({sd})",
    all_categorical() ~ "{n} / {N} ({p}%)"
  )
)

# Adicionar testes estatísticos
table1 <- table1 %>%
  add_p(test = list(
    where(is.numeric) ~ "kruskal.test",
    where(is.factor) ~ "chisq.test"
  ))

# Mostrar a tabela
table1

```

```{r}
# Carregar pacote necessário
library(ggpubr)
library(dplyr)

# Função para criar um gráfico para uma espécie específica
create_species_plot <- function(species_name) {
  penguins %>%
    filter(species == species_name) %>%
    ggscatter(
      x = "bill_length_mm", 
      y = "bill_depth_mm", 
      add = "reg.line", 
      conf.int = TRUE,
      cor.coef = TRUE, 
      cor.method = "pearson",
      xlab = "Comprimento do Bico (mm)", 
      ylab = "Profundidade do Bico (mm)",
      ggtheme = theme_pubr()
    ) + 
    labs(
      title = paste("Dispersão do Tamanho do Bico para", species_name)
    )
}

# Criar gráficos separados para cada espécie
plot_adelie <- create_species_plot("Adelie")
plot_chinstrap <- create_species_plot("Chinstrap")
plot_gentoo <- create_species_plot("Gentoo")

# Combinar os gráficos
ggarrange(plot_adelie, plot_chinstrap, plot_gentoo, ncol = 3, nrow = 1)

```

# Bonus

## Testes bayesianos

```{r}
ggbetweenstats(
  data = penguins, 
  x = species, 
  y = body_mass_g,
  title = "Comparação da Massa Corporal entre Espécies",
  xlab = "Espécie",
  ylab = "Massa Corporal (g)"
)

```