Novembro 2012 - R-br

dúvida gráficos de dispersão
by alanarocha＠sapo.pt 13 Nov '12

13 Nov '12

nBom dia, eu tenho um script onde teho tres modelos lineares (lm) e queria saber como faço um grafico que mostre as rectas de regressão de cada um. obrigada desde já. Cumprimentos Ana Rocha

2 1

Record Linkage - compare.dedup
by Fátima Lima Paula 12 Nov '12

12 Nov '12

Prezados, estou começando a estudar o artigo enviado como sugestão de leitura sobre o RecordLinkage. Logo no início diz que a função compare.dedup serve para deduplicação de um banco simples. Ou seja, pelo que entendi por essa função conseguimos os pares do banco. Bem, tentei e retornou um erro. Aí vai o CMR (é isso mesmo?). nome1=c("ANITA","ULISSES","CREUSA","HILDA","ANITA") nome3=c("COSTA","SILVA","RAMALHO","ALVES","COSTA") datanas=c("1947-06-01","1925-08-09","1946-02-03","1931-09-23","1947-06-01") teste=data.frame(nome1,nome3,datanas) teste nome1 nome3 datanas 1 ANITA COSTA 1947-06-01 2 ULISSES SILVA 1925-08-09 3 CREUSA RAMALHO 1946-02-03 4 HILDA ALVES 1931-09-23 5 ANITA COSTA 1947-06-01 rpairs=compare.dedup(teste, identity=identity.teste) Erro em identical(identity, NA) : objeto 'identity.teste' não encontrado Alguém que já tenha feito um linkage usando esse pacote pode me ajudar? Obrigada Fátima

2 2

Identificar cadastros com dados diferentes
by Rodrigo Coster 12 Nov '12

12 Nov '12

Caros, venho mais uma vez solicitar a ajuda de vocês. O sistema de onde trabalho me fornece um relatório que tem 13 informações, mas só 4 informações primordiais: ID, Contrato, Info1 e Info2. Os relatórios são mensais e cada ID pode ter mais de um contrato (mas somente um por mês). Estou montando um relatório geral, juntando informações dos últimos 5 anos. Era esperado que, para cada combinação ID-Contrato, Info1 e Info2 fossem iguais em todos os meses, mas não é o que está acontecendo, e preciso identificar os pares ID-Contrato que isso não ocorre, só que não me veio a cabeça nenhuma maneira prática de fazer isso. Por exemplo: (dados <- structure(list(ID = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L), CONTRATO = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L), INFO1 = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L), INFO2 = c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L)), .Names = c("ID", "CONTRATO", "INFO1", "INFO2" ), class = "data.frame", row.names = c(NA, -29L))) Nesse exemplo ele deveria identificar: ID: 1 Contrato: 2 ID: 2 Contrato: 2 ID: 3 Contrato: 1 O banco total (a junção de todos relatórios) possui 200.000 linhas, portanto estou buscando alternativas antes de vasculhar linha por linha num for. Valeu!

2 2

sample condicional
by Daniel Marcelino 12 Nov '12

12 Nov '12

Bom dia, Alguém conhece uma maneira de viesar a função sample? Talvez a palavra correta seria 'condicionar' as amostras seguintes com base nas amostras anteriores. Eu gostaria de gerar varias distribuições categoricas mas não quero que o mesmo nível do fator se repita na linha. set.seed(51) data <- data.frame( id=as.factor(1:100), a=as.factor(sample(1:10, size=100, replace=TRUE)), b=as.factor(sample(1:10, size=100, replace=TRUE)), c=as.factor(sample(1:10, size=100, replace=TRUE)), d=as.factor(sample(1:10, size=100, replace=TRUE)), e=as.factor(sample(1:10, size=100, replace=TRUE)) ) -- "Small steps toward a much better world" Daniel Marcelino Land Phone 1+514 343 6111 #3799 3200 Jean Brillant, Office C5071 Montreal, QC; H3T 1N8 Canada

2 2

Ler .xls no Rcmdr no Ubuntu
by Andre Oliveira 11 Nov '12

11 Nov '12

Boa tarde, alguns dias atrás tive aqui com mesmo assunto na lista e não consegui resolver a questão. Pesquisei muito e não encontrei como carregar um .xls pelo menu (importar arquivos) do Rcmdr o que é possivel pelo Win$$. Atualmente estou trabalhando no curso de administração e gostaria de trabalhar com Ubuntu+R+Rcmdr. Na escola tem ubuntu em todas máquinas este o motivo de voltar ao assunto. Agora estou com dúvidas será que esta é uma tarefa impossível para Ubuntu+R+Rcmdr?

4 8

altera ano na data
by Fátima Lima Paula 11 Nov '12

11 Nov '12

Prezados, tenho uma banco com uma variável datao, da seguinte forma: datao=c("2008-03-25", "2008-03-24", "2008-03-25", "2008-03-25", "0008-12-20", "2008-03-19", "0011-04-23", "0009-04-01", "2009-12-26") Como se vê, existem alguns anos que foram digitados com erro: "0008-12-20", "0011-04-23" e "0009-04-01". Eu quero corrigir o erro. Consegui passar "0008" para "2008" usando os comandos: abc=as.POSIXlt(datao)$year+1900 e depois fazendo abc[abc==8]=2008, abc[abc==9]=2009, por exemplo, corrijo o erro de digitação, para o ano certo. Mas, não é isso que eu quero. O que eu quero é alterar o ano dentro da variável datao. Tem como fazer isso? Alguém pode me ajudar? Obrigada Fátima

2 4

Erro no rbind
by Fátima Lima Paula 11 Nov '12

11 Nov '12

Prezados, estou tentando juntar 4 bancos de dados com rbind e está retornando os seguintes erros. Os bancos têm as mesmas colunas, mas linhas diferentes. Tive um problema parecido, mas foi porque não estava sendo reconhecido o banco como data.frame. Dessa vez já usei as.data.frame(banco) para todos. Alguém pode me ajudar? Obrigada. sim=rbind(sim2008,sim2009,sim2010,sim2011) Mensagens de aviso perdidas: 1: In `[<-.factor`(`*tmp*`, ri, value = c(700L, 2030L, 602L, 240L, : nível de fator inválido, NAs gerados 2: In `[<-.factor`(`*tmp*`, ri, value = c(21320120L, 22745270L, 22775040L, : nível de fator inválido, NAs gerados 3: In `[<-.factor`(`*tmp*`, ri, value = c(NA, NA, NA, NA, NA, NA, NA, : nível de fator inválido, NAs gerados 4: In `[<-.factor`(`*tmp*`, ri, value = c(1445L, 1240L, 640L, 1300L, : nível de fator inválido, NAs gerados 5: In `[<-.factor`(`*tmp*`, ri, value = c(NA, NA, 22060020L, NA, 22775113L, : nível de fator inválido, NAs gerados 6: In `[<-.factor`(`*tmp*`, ri, value = c(NA, NA, NA, NA, NA, NA, NA, : nível de fator inválido, NAs gerados 7: In `[<-.factor`(`*tmp*`, ri, value = c(230L, 515L, 1505L, 910L, : nível de fator inválido, NAs gerados 8: In `[<-.factor`(`*tmp*`, ri, value = c(23825400L, NA, NA, NA, NA, : nível de fator inválido, NAs gerados 9: In `[<-.factor`(`*tmp*`, ri, value = c(NA, NA, NA, NA, NA, NA, NA, : nível de fator inválido, NAs gerados

8 14

Edição de arquivos .RD
by tiago souza marçal 10 Nov '12

10 Nov '12

Boa tarde prezados, Eu estou editando um arquivo .RD do arquivo man de um pacote e quando eu escrevi 5% não consegui gerar o pacote, portanto, tive que mudar para cinco por cento. Alguem sabe se existe algum comando para se adicionar o termo 5%?

3 2

Re: [R-br] Regressão logistica (conceito)
by viniciusbritor 09 Nov '12

09 Nov '12

amostrar com reposição toda a informação da classe alvo , Y=1 para que tenha o mesmo tamanho da classe Y=0. apenas na amostra de treinamento Enviado por Samsung MobileLeonard Mendonça de Assis <assis.leonard(a)gmail.com> escreveu:Vinícius o que você está chamando de reamostragem? []s Leonard de Assis http://about.me/ldeassis Em 06/11/2012 19:14, Vinicius Brito Rocha escreveu: Pessoal, preciso tirar uma dúvida a respeito de regressão logistica. Tenho uma conjunto de dados, onde existe um grande desbalanceamento nas classes da variável resposta (meu evento Y=1 a ser modelado, possui poucas observações) O que fiz foi: separei 70% dos dados para amostra treino e 30% para teste. na amostra treino (70%): utilizei uma re-amostragem, apenas na classe do evento (Y=1) e fiz com que as linhas desta classe fossem re-amostradas até que a classe com resposta Y=1 possui-se a mesma quantidade de linhas da classe (Y=0) Com minha base de amostra treino balanceada ajustei um modelo de regressão logistica na amostra teste(30%): calculei minhas probabilidades de respostas a partir das variáveis independentes da amostra teste. arbitrei um ponto de classificação de P_CHAP>= 0,7 para classificar meu evento como classe (Y_CHAP=1) e P_CHAP<0,7 classificar meu evento como Y_CHAP=0 Construi uma tabela de confusão comparando os resultados Y_CHAP e Y para comparar minha Sensitividade e 1-Especificidade. Dúvidas: A questão é que meus resultados estão muito ruins. Acredito que é a estrutura de dados. Estou sendo questionado a respeito da técnica de re-amostragem na amostra treino para equilibrar as classes. Pois o demandante acredita que é necessário algum tipo de correção do modelo(feito a re-amostragem no ajuste da amostra treino) ao aplica-lo no conjunto teste, que não sofreu nenhuma alteração. Alguém tem algum material que justifique o uso de re-amostragem nos dados da amostra treino? Abs. -- Vinicius Brito Rocha. Estatístico e Atuário (IM / UFRJ) Mestre em Pesquisa Operacional (COPPE / UFRJ) www.aplicademic.blogspot.com http://twitter.com/viniciusbritor "Não se preocupe muito com as suas dificuldades em Matemática, posso assegurar-lhe que as minhas são ainda maiores." - Albert Einstein. _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.

5 7

Re: [R-br] Regressão logistica (conceito)
by Roney Fraga 09 Nov '12

09 Nov '12

Vinicius, Se o problema for a quantidade de eventos desproporcionais acredito que os capítulos 4, 5 e 6 dessa dissertação pode ajudar. http://www.dca.fee.unicamp.br/~vonzuben/research/semolini_mest.html Abraço -- Roney

1 0