Novembro 2012 - R-br

obter coordenadas do grafico via mouse interativamente ( sem locator() )
by Cleber N.Borges 27 Nov '12

27 Nov '12

olá, Preciso obter as coordenadas de pontos e, condicionalmente a estas coordenadas, traçar novos graficos de forma interativa. "locator()" não serve pq fica congelado até escolher todos pontos. Quero que a cada 'click', gere um novo grafico. Tentei adaptar os exemplos da função "getGraphicsEvent()" mas ainda não entendi o funcionamento direito. Gostaria de que fosse retornado as coordenadas de onde o usuario dar o 'click'... Abaixo segue o que tentei fazer. Agradeço antecipadamente a aquem tentar ajudar Grato. Cleber ############## plot( cbind(1:3,1), cex=2 ) mousedown <- function( buttons, x, y ){ x <- grconvertX(x, 'dev', 'user') y <- grconvertY(y, 'dev', 'user') r <- c( x,y ) return( r ) } setGraphicsEventHandlers(prompt="Click and drag, hit q to quit", onMouseDown = mousedown ) getGraphicsEvent() ##############

2 2

erro
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

Infelizmente deu o seguinte erro: grupoH<-subset(dados,grupo=="H") > modH<-lm(grupoH$pthi~grupoH$dose) Error in model.frame.default(formula = grupoH$pthi ~ grupoH$dose, drop.unused.levels = TRUE) : invalid type (NULL) for variable 'grupoH$pthi' > summary(modH) Error in summary(modH) : object 'modH' not found Ana

2 1

Lentidão do mclapply() em alguns casos, mas não em outros
by Adriano S. Melo 27 Nov '12

27 Nov '12

Colegas, Estou com um problema de lentidão no uso do mclapply do pacote multicore. Uso Ubuntu 12.04 em Dell Latitude E6500, 4Gb Ram e processador Centrino2. Trabalho com R no gedit (repeti algumas coisas diretamente no R executado no terminal mas não mudou nada). Já brinquei bastante com o comando, mas ainda não consegui entender exatamente o que está acontecendo (veja que fiz vários testes abaixo). Seguindo uma mensagem anterior desta lista (18out12), executei o codigo do Fernando H. Toledo em: http://ridiculas.wordpress.com/2011/10/23/paralelizacao-de-processos/ O tempo de processammento SEM mcapply foi de: 1> tempoA[3] elapsed 2.065 Com o mcapply foi de: 1> tempoB[3] elapsed 2.135 Visto que o tempo do mclapply foi até maior, tentei descobrir o que estava acontecendo. Achei isto (https://github.com/markmfredrickson/RItools/issues/2) "My understanding is that multicore first checks to see if the mc.cores argument is set. If so, it uses that value. Next, it checks options("cores"), if this is set, it will use that value. If neither condition is true, it runs detectCores() itself. So in general, we do not need to manually detect cores. The multicore help page has more details on this. If you want to override in RItools, you have two options. 1) options("cores" = 2) -- multicore will respect this. 2) options("RItools-apply" = function(lst, f) { mclapply(lst, f, mc.cores= 2) }). You can also use the second strategy to set other mclapply options. No meu computador: getOption("cores") NULL Usei a sugestão 1) acima: options("cores" = 2) getOption("cores") [1] 2 Executei o código novamente, mas não adiantou: 1> tempoA[3] elapsed 2.197 1> tempoB[3] elapsed 2.302 Usei a sugestão 2) acima, mas também não adiantou: 1> tempoA[3] elapsed 2.172 1> tempoB[3] elapsed 2.249 Fechei tudo e repeti os comandos usando o mclapply do pacote parallel. Ele não reconheceu o número de CPUs e portanto coloquei como argumento: mc.cores = 2 Melhorou apenas um pouquinho: 1> tempoA[3] elapsed 2.22 1> tempoB[3] elapsed 2.205 ===>> Continuei brincando com o mclapply e vi que as coisas podem ser diferentes: system.time({ a<-mclapply(1:1000, function(numero) sd(rnorm(100000))) }) usuário sistema decorrido 528.277 4.544 92.195 system.time({ a<-vector('list', 1000) for (i in 1:1000){a[[i]]<-sd(rnorm(100000))} }) usuário sistema decorrido 16.301 0.520 16.835 #### Notem que aqui o mclapply foi BEM lento. #### Mas neste exemplo abaixo ele reduziu o tempo pela metade (como esperado, visto que tenho 2 CPUs): library(vegan) data(BCI) system.time({ a<-mclapply(1:100, function(numero) nestednodf(BCI)) }) usuário sistema decorrido 127.996 2.520 47.902 system.time({ a<-vector('list', 100) for (i in 1:100){a[[i]]<-nestednodf(BCI)} }) usuário sistema decorrido 82.765 0.352 83.204 #### Eu tenho 2 CPUs: 1> detectCores() # função do pacote parallel [1] 2 No Monitor do Sistema pude observar que de fato o mclapply está usando as duas CPUs para processamento (tanto com multicore quanto com parallel). Sugestões do que pode estar acontecendo? Em que situação vale a pena usar o mclapply? Abraços, Adriano S. Melo Ecologia - UFG

3 5

Re: [R-br] cadastro de usuários R - Recife
by Roney Fraga 27 Nov '12

27 Nov '12

Acredito ser possível criar grupos regionais. Contudo, a maior dificuldade na minha opinião é que as pessoas não conhecem a lista R–br. Pelo menos essa é a realidade entre os economistas. Abraço Roney

3 2

Fatorial com parcelas perdidas
by tiago souza marçal 27 Nov '12

27 Nov '12

Prezados, gostaria de saber se no caso de parcelas perdidas é só substituir o valor perdido par NA e usar a função aov() como no exemplo abaixo. fator1<-c(rep("A",12),rep("B",12)) fator2<-c(rep("C",4),rep("D",4),rep("E",4),rep("C",4),rep("D",4),rep("E",4)) resposta<-c(39.03794, 30.19444, 32.57167, 34.87484, NA ,37.15130, 39.67066, 32.34696, 19.96688, 63.33362, 43.74447, 47.39147, 37.37704, NA, 29.35858, 28.76528, 16.092950, 21.080503, 16.906132, 12.345620, 26.475927, 23.639545, 23.890539, NA) dados<-data.frame(fator1,fator2,resposta) anova<-aov(resposta~fator1*fator2) summary(anova) Existe algum pacote que realiza testes de comparação múltipla para dados desbalanciados. Att. Tiago.

5 11

o meu arquivo de dados
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

Mais uma vez peço desculpas por não ter percebido. aEspero agora dar pra alguem me ajudar. obrigada https://dl.dropbox.com/u/9337305/correlacaocinacalcet.csv Ana Rocha

1 0

o meu arquivo de dados
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

Mais uma vez peço desculpas por não ter percebido. aEspero agora dar pra alguem me ajudar. obrigada https://dl.dropbox.com/u/9337305/correlacaocinacalcet.csv Ana Rocha

1 0

o meu arquivo de dados
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

Mais uma vez peço desculpas por não ter percebido. aEspero agora dar pra alguem me ajudar. obrigada https://dl.dropbox.com/u/9337305/correlacaocinacalcet.csv Ana Rocha

1 0

series temporais
by Natalia Martins 27 Nov '12

27 Nov '12

Prezados, boa tarde. Analisando dados de temperatura identifiquei um modelo SARMA(1,0,0) x (1,1,1) e a função auto.arima identificou um outro modelo, que não é o mesmo. Fui verificar o criterio de escolha da função e segundo o tutorial, diz se: A referida função consiste no ajuste de possíveis modelos optando pelo modelo com o menor critério de BIC, AIC ou AICc, realizando uma pesquisa sobre o melhor modelo, dentro das limitações de ordem fornecida. No entanto quando comparei o modelo identificado por mim e pela função auto.arima, o meu modelo tinha um menor AIC, BIC e AICc. Aguem poderia me ajudar? Att, -- Natália da Silva Martins Bacharel em Estatística - Universidade Estadual de Maringá/ UEM Mestranda em Estatística e Experimentação Agronômica - ESALQ/ USP Contato: (19) 8306-4743

3 4

ajuda com o R
by Ana 27 Nov '12

27 Nov '12

Primeiro quer pedir desculpa por ter colado o meu codigo no corpo dos mails. o meu objectivo é: O que eu teciono fazer é relacionar as variaveis pthi e dose em funça da variavel efactor qu tem dois niveis C e H. pretendo relacionar pthi~dose para o nivel H e outra relação para o nivel C e fazer um grafico que mostre as duas em separado fiz: o script vai aqui: https://dl.dropbox.com/u/9337305/regressao.R Ahttps://dl.dropbox.com/u/9337305/regressao.R na Rocha

3 2