Análisis de Rarefacción en R

 Analís de Rarefacción con Intervalos de confianza en R

Pasos

1. Genera un script en R estudio y colócale el titulo que prefiera

2. Selecciona el directorio de trabajo en tu PC.

#comando para seleccionar directorio de trabajo

> setwd("C:/Users/Pc/Documents/R/Rarefaccion")

# si quieres conocer el directorio actual de tu PC usa el siguiente comando

>getwd()

3. Instala en paquete Vegan, si ya lo tiene solo dale run

>install.packages ("vegan")# Este es para instalar el paquete vegan

>library(vegan) # este es para correr el paquete vegan

4. Necesitamos seleccionar la tabla con los datos

#comando para que R lea la tabla en formato .csv

>Datos<-read.csv("C:/Users/Pc/Documents/R/Rarefaccion/base_datos.csv")

# Muy importante el formato de tu tabla .csv y el oreden de las columnas y filas, en columnas se colocan las especies registradas y en las filas los muestreos. La tabla no tiene que llevar la columna, mira la siguiente imagen. 

5. A continuación usaremos la función specaccum para la tabla de datos que deseamos y con el método de rarefacción.

Datosspe<-specaccum(Datos,"rarefaction") # Datosspe = nueva variable creada, Datos = es la tabla de datos

5. Graficar los resultados

plot(Datosspe,ci.type="poly",col="red",lwd=2,ci.lty=0,ci.col="gray",xlab="muestreos",ylab="Riqueza",main="Riqueza de especies")

# Este comando te permitirá generar un grafico de rarefacción con intervalos de confianza al 95%

6. Ejemplo de grafico

7. La principal razón para generar gráficos de rarefacción con IC al 95%, es porque te permite comparar si hay diferencias estadísticamente significativas (p<0.05) entre sitios o sistemas.

Para aprovechar esta herramienta repetiremos los pasos de 4 y 5 para cada base de datos que tengamos, reordemos que para cada sitio se tiene que generar una tabla .csv 

>Datos2<-read.csv("C:/Users/Pc/Documents/R/Rarefaccion/base_datos2.csv") #Datos2 = recordemos utilizar un nombre para la tabla diferente.

>Datosspe2<-specaccum(Datos2,"rarefaction") # #Datos2 = recordemos utilizar un nombre de variable diferente.

7. Generar grafico

# para esto necesitamos repetir el paso 5

>plot(Datosspe,ci.type="poly",col="red",lwd=2,ci.lty=0,ci.col="gray",xlab="muestreos",ylab="Riqueza",main="Riqueza de especies")

# Utilizamos el siguiente comando para agregar al grafico nuestro nuevo sitio o sistema

>plotDatosspe2, add=TRUE,ci.type="poly", col="seagreen4", lwd=2, ci.lty=0, ci.col="gray")

7. Grafico e interpretación de los resultados

# Con este grafico que se observa, podemos concluir que los sistemas son significativamente diferentes.

Deja en los cometarios si te fue útil este mini tutorial, Saludos.