setwd("C:/Users/Sérgio/Documents/Nossos Artigos/Ambiental/Artigo_Informação")

# Calculo da distribuição probabilidade com um mes de dados:
# Dados a cada meia hora:

data <- read.csv('T34 SGabriel Jun2008.txt',header = TRUE)

ndat <- nrow(data)

print(nrow(data))

#print(data$T)

xs <- seq(1,nrow(data),by=1)

ns <- seq(1,5,by=1)

#plot(xs,data$Rn)

ns[1] <- 50
ns[2] <- 100
ns[3] <- 200
ns[4] <- 500
ns[5] <- 1000


# DETERMINA VALORES MÁXIMOS E MÍNIMOS DOS DADOS:

vHmin <- data$T[1]
vHmax <- data$T[1]

for (j in 1:ndat){

	if(data$T[j] > vHmax) vHmax <- data$T[j] 
	if(data$T[j] < vHmin) vHmin <- data$T[j]
	}

for (m in 1:5){

deltavH <- (vHmax - vHmin)/ns[m]

PDT <- hist(data$T,seq(vHmin,vHmax,deltavH),prob=TRUE)

#print(PDT)

#print(PDT$density)

#print(PDT$breaks[3])

# Calculo da entropia de informação diária:

inf <- 0.0

#print(data$T[5])
#print(PDT$breaks[5])

# NORMALIZAÇÃO DA DISTRIBUIÇÃO DE PROBABILIDADE:

jMax <- (vHmax - vHmin)/deltavH #numero de intervalos no histograma
#print (jMax)

Area <- 0

for (j in 1:jMax) {

	#print (PDT$density[j])

	Area <- Area + PDT$density[j]
	}

#FIM DA NORMALIZAÇÃO


# CÁLCULO DA ENTROPIA DE SHANNON:

for(j in 1 :jMax){

	prob <- PDT$density[j]/Area
	
	if(prob!=0.0) inf <- inf - prob*(log(prob))

	}

infn <- inf/log(ns[m])

print(ns[m])
print(inf)
print(infn)

}  # for m