Comparacao estatistica entre periodos hidrologicos

Compara um parametro de qualidade da agua entre os periodos chuvoso e seco, com estatisticas descritivas, teste de hipotese e grafico. Requer que o data frame ja tenha a coluna season (use assign_season() antes).

Usage

compare_seasons(
  df,
  param,
  season_col = "season",
  by = "ponto",
  test = c("wilcoxon", "t_test", "kruskal"),
  alpha = 0.05,
  plot = TRUE
)

Arguments

df: Data frame com ao menos as colunas parametro, season_col e as colunas em by.
param: Character; nome da coluna do parametro a comparar.
season_col: Character; nome da coluna de periodo hidrologico. Default "season".
by: Character vector; colunas de agrupamento (ex.: "ponto"). Se NULL, analisa o conjunto todo sem agrupamento.
test: Metodo de comparacao: "wilcoxon" (default), "t_test" ou "kruskal".
alpha: Nivel de significancia para classificar tendencia. Default 0.05.
plot: Logico; se TRUE (default) retorna um boxplot comparativo como atributo "plot" do resultado.

Value

Um tibble com uma linha por grupo (colunas by), contendo:

n_total: Total de amostras com valor valido no grupo.
n_chuvoso, n_seco: Amostras por periodo.
median_chuvoso, median_seco: Medianas por periodo.
mean_chuvoso, mean_seco: Medias por periodo.
statistic: Estatistica do teste.
p_value: P-valor do teste.
diferenca_significativa: Logical; p_value < alpha.
tendencia: Character: "chuvoso_maior", "seco_maior" ou "sem_diferenca".

Se plot = TRUE, o atributo attr(resultado, "plot") contem um objeto ggplot.

Details

O teste escolhido por test e aplicado por grupo (by). Para "wilcoxon" usa stats::wilcox.test() (nao-parametrico, recomendado para dados ambientais); para "t_test" usa stats::t.test(); para "kruskal" usa stats::kruskal.test().

Examples

data("wq_demo", package = "tikatuwq")
d <- assign_season(wq_demo, region = "bahia")
res <- compare_seasons(d, param = "turbidez", by = "ponto", test = "wilcoxon")
print(res)
#> # A tibble: 4 × 12
#>   ponto       n_chuvoso n_seco n_total median_chuvoso median_seco mean_chuvoso
#>   <chr>           <int>  <int>   <int>          <dbl>       <dbl>        <dbl>
#> 1 FBS-BRH-250         3      2       5           63.5         7.4         64.6
#> 2 FBS-BRH-300         3      2       5           68.6         7.9         73.7
#> 3 FBS-BRH-450         2      3       5           26.6         6.1         26.6
#> 4 FBS-BRH-950         1      4       5            5.3        18.2          5.3
#> # ℹ 5 more variables: mean_seco <dbl>, statistic <dbl>, p_value <dbl>,
#> #   diferenca_significativa <lgl>, tendencia <chr>