Outubro 2013 - R-br

média em um "replicate"
by Maurício Lordêlo 27 Out '13

27 Out '13

Caros, Devido a um problema com a função "bild" (pertencente ao pacote de mesmo nome), tive que modificar um script de simulação e não estou conseguindo finalizá-lo. No CRM abaixo, a função "geral" ajusta o modelo e extrai os coeficientes de interesse. Em seguida, coloco um "for" com o número de simulações que desejo (coloquei 5 mas pretendo 2000). Ao usar o "replicate" obtenho os resultados. Preciso obter uma média por coluna destes resultados. Pelo que percebi, o objeto que denominei de "repeticoes" armazena um objeto em cada uma de suas linhas. Alguém saberia uma forma de solucionar isso, ou seja, encontrar uma média por coluna do objeto "repeticoes"? Caso não seja esta a opção adequada, aceito sugestões. Agradeço desde já. library(bild) nt <- 8; ntr <- 3 ; nr <- 5 n <- ntr*nr*nt; nid <- ntr * nr id <- rep(1:nid, each = nt) tempo <- rep(1:nt, times = nid) trat <- rep(factor(LETTERS[0:ntr]), each = nr*nt) dados=data.frame(id,tempo,trat) geral <- function() { z <- numeric(n) for(i in 1:n) z[i] <- rbinom(1,1,0.5) dat <- data.frame(dados, y=z) (bild(y ~ trat+tempo, data = dat, time="tempo",start=NULL,dependence="MC1R"))@coefficients[1:3] } ns=5 ### número de simulações for(i in 1:ns) { repeticoes <- replicate(1, geral(), simplify = FALSE) print(repeticoes) }

4 6

helio rocha shared "geoR" with you
by helio rocha via Dropbox 25 Out '13

25 Out '13

Helio used Dropbox to share some files with you! Click here to view geoR: https://www.dropbox.com/l/O4tRyduR1R7iTTAZoIeYLa?text=1

2 1

divergência dos resultados na máquina de 32bits e 64bits (ode e optim)
by Adriele Giaretta Biase 25 Out '13

25 Out '13

Olá pessoal, estou trabalhando com resoluções de Equações Diferenciais Ordinárias no R, usando a função ode do pacote (deSolve), método “lsoda” e também estou usando otimização do sistema de EDO usando a função optim do pacote (stats), método “L-BFGS-B”. Quando executo a mesma programação e com o mesmo banco de dados, a predição dos parâmetros apresentam diferenças entre o R de 32 bits e o R de 64 bits. As versões do R são as mesmas (3.01), portanto, os pacotes são os mesmos. Os resultados podem diferir mesmo usando a mesma configuração das máquina, exceto por usar 32 bits e 64 bits? Lembrando, a versão, os pacotes, a configuração da máquina, a programação e os dados são os mesmos. O fato de usar uma máquina de 32 bits e 64 bits interfere nos resultados por estar usando esses algoritmos de aproximações numéricas? -- Adriele Giaretta Biase. Mestre em Estatística e Experimentação Agropecuária - UFLA. Doutoranda em Estatística e Experimentação Agronômica - ESALQ/ USP Contato: (19) 8861-0619.

4 3

Re: [R-br] erro na validação cruzada com pacote geoR
by Éder Comunello 24 Out '13

24 Out '13

Senhores, boa noite! Elias Krainski e Prof. Paulo, agradeço pelos esclarecimentos prestados! Ainda preciso dedicar um tempo para estudar adequadamente o que foi colocado, mas por ora gostaria apenas de esclarecer se a 'retirada' do efeito da tendência (por ajuste polinomial) é uma estratégia válida ou há alguma ressalva a ser feita. Agradeço se os senhores, ou outro colega da lista, puderem ponderar a respeito. Hélio, vi que você disponibilizou o script e pretendo testá-lo o mais breve possível. Espero que você ainda tenha algum tempo pra resolver! :D Sem mais, Éder Comunello <c <comunello.eder(a)gmail.com>omunello.eder(a)gmail.com> Dourados, MS - [22 16.5'S, 54 49'W]

3 4

Composite Reliability
by Felipe Buchbinder 24 Out '13

24 Out '13

Prezados, Alguém conhece algum pacote e função para calcular *Composite Reliability*no R? Grato, Felipe

2 1

Rcitrus
by ASANTOS 24 Out '13

24 Out '13

Boa tarde pessoal, Gostaria de saber do Elias ou do Paulo ou de algum membro que trabalha com o pacote Rcitrus, qual o valor utilizado como parâmetro que é comparado com o índice calculado (razão da variância observada pela variância teórica do modelo binomial) para decidir se a distribuição é aleatória, agregada ou uniforme no índice de dispersão binomial da função disp.quadrats(), apesar de a saída da função já apresentar a distribuição espacial apresentadas pelos dados avaliados. Obrigado, -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 ======================================================================

2 2

Dúvida pedigreemm vs lmer
by Jane Freitas 23 Out '13

23 Out '13

Mauro, envio outro anexo. Testei aqui e rodou legal. Segue a rotina abaixo. Agora, você ou alguém da lista sabe dizer por que os BLUPs do modelo sem pedigree (Valor genético = aditivo+ dominância + epistático) foi menor que os BLUPs dom modelo com o pedigree (Valor genético aditivo)??? > dadped<-read.table("genealogia2.csv", head=T, sep=";", dec=",") > head(dadped) Num Id Mon Dad 1 1 GPA518 <NA> <NA> 2 2 GX458 <NA> <NA> 3 3 GH3156 GPA518 <NA> 4 4 GS214 GX458 <NA> 5 5 RA1251 GS214 GH3156 6 6 AB1542 RA1251 GPA518 > require(lme4) > require(pedigreemm) > pedCana <- pedigree(sire = as.integer(dadped$Dad), + dam = as.integer(dadped$Mon), + label= as.character(1:9)) > fac <- relfactor(pedCana) > MpedCana <- crossprod(fac) > dat2<-read.table("dados_sem_ascestrais.csv", head=T, sep=";", dec=",", na.strings="NA") > head(dat2) geno id bloco corte local Prod 1 RA1251 5 1 1 1 117.65 2 RA1251 5 2 1 1 125.35 3 RA1251 5 3 1 1 135.02 4 AB1542 6 1 1 1 101.03 5 AB1542 6 2 1 1 108.59 6 AB1542 6 3 1 1 108.45 > attach(dat2) The following object(s) are masked from 'dat2 (position 3)': bloco, corte, geno, id, local, Prod > Bloco1 <- factor(bloco) > Corte1 <- factor(corte) > Local1 <- factor(local) > fm2 <- pedigreemm(Prod ~ (1|id) + Local1/Corte1 + (1|Local1/Bloco1), data = dat2, pedigree = list(id = pedCana)) > BLUP.a <- ranef(fm2)$id; BLUP.a # Valor genético aditivo (Intercept) 5 0.4146977 6 -1.1289438 7 1.2858838 8 0.1372509 9 0.2615716 > fm3 <-lmer(Prod ~ (1|id) + Local1/Corte1 + (1|Local1/Bloco1), data = dat2) > BLUP.g <- ranef(fm3)$id; BLUP.g # Valor genético (Intercept) 5 0.04624036 6 -0.51780417 7 0.30066464 8 0.06359092 9 0.10730825 > data.frame(BLUP.g, BLUP.a) X.Intercept. X.Intercept..1 5 0.04624036 0.4146977 6 -0.51780417 -1.1289438 7 0.30066464 1.2858838 8 0.06359092 0.1372509 9 0.10730825 0.2615716 > -- ================================================= Edjane Gonçalves de Freitas Engenheira Agrônoma - UFAL Doutoranda - Lab. Genética e Estatística Departamento de Genética e Melhoramento de Plantas - ESALQ/USP Cel: (19) 8102-7790 ==================================================

1 0

erro na validação cruzada com pacote geoR
by Hélio Gallo Rocha 23 Out '13

23 Out '13

Caros da lista. Estou uma situação bastante complicada. Estou no fim do mestrado, onde utilizei o R todo o tempo. Mas estou numa situação que talvez tenha de deixar de usar o R e passar para um "pago". Já postei sobre este problema e vi outros com o mesmo. Após a retirada de tendencia do semivariograma e fazer a validação cruzada para escolha do melhor modelo o R dá esse erro: xErro em solve.default(ttivtt, crossprod(ivtt, as.vector(data))) : sistema é computacionalmente singular: condição recíproca número = 1.18641e-024 Alguém poderia me dar uma luz? Não tem solução? é isso? grato a todos -- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho

6 15

(sem assunto)
by Jane Freitas 23 Out '13

23 Out '13

Bom dia!! Pessoal, ajustei um modelo utilizando a função pedigreemm (incorporando a informação do pedigree) e lmer (do pacote, lme4, sem o pedigree). Notei que os BLUps obtidos (via ranef) com a pedigreemm são maiores do que os obtidos com a lmer. A dúvida é que acredito que quando usamos a informação do pedigree, predizemos o *Valor Genético Aditivo* (*Breeding Values*). E quando não utilizamos a informação do pedigree, predizemos o *Valor Genético Total* (*incluindo os efeitos aditivos, dominância e epistático*), por isso esperava maiores valores dos BLUPs. Será que alguém pode me esclarecer?? Segue a rotina e dados em anexo: #----------------------------------------------------------------------------- # EXEMPLO: # Variável analisada: Prod # Número de indivíduos no pedigree: 9 # Número de indivíduos com informação fenotipica: 5 # Número de bloco: 3 # Número de corte: 2 # Número de local: 3 #------------------------------------------------------------------------------ rm(list = ls()) *1 - Com o pedigree* *# reading pedigree file* dadped<-read.table("genealogia2.csv", head=T, sep=";", dec=",") head(dadped) require(lme4) require(pedigreemm) *# Constructing pedigree* pedCana <- pedigree(sire = as.integer(dadped$Dad), dam = as.integer(dadped$Mon), label= as.character(1:9)) fac <- relfactor(pedCana) MpedCana <- crossprod(fac) *# reading phenotype file* dat2<-read.table("dados_sem_ascestrais.csv", head=T, sep=";", dec=",", na.strings="NA") head(dat2) attach(dat2) Bloco1 <- factor(bloco) Corte1 <- factor(corte) Local1 <- factor(local) *# fitting model with pedigree* fm2 <- pedigreemm(Prod ~ (1|id) + Local1/Corte1 + (1|Local1/Bloco1), data = dat2, pedigree = list(id = pedCana)) BLUP.a <- ranef(fm2)$id; BLUP.a * # BLUPs dos efeitos genéticos aditivo* *2 - Sem o pedigree* * # fitting model without pedigree* fm3 <-lmer(Prod ~ (1|id) + Local1/Corte1 + (1|Local1/Bloco1), data = dat2) BLUP.g <- ranef(fm3)$id; BLUP.g *# BLUPs dos efeitos genéticos (aditivo + dominância + epistáticos) * data.frame(BLUP.g, BLUP.a) *# BLUPs dos efeitos genéticos e genéticos aditivo* *Resultados:* ** *> fm2* Linear mixed model fit by REML Formula: Prod ~ (1 | id) + Local1/Corte1 + (1 | Local1/Bloco1) Data: dat2 AIC BIC logLik deviance REMLdev 764.3 789.3 -372.1 777.8 744.3 Random effects: Groups Name Variance Std.Dev. Bloco1:Local1 (Intercept) 1.0992e-13 3.3155e-07 id (Intercept) 4.8287e+00 2.1974e+00 Local1 (Intercept) 3.0252e+01 5.5002e+00 Residual 3.3712e+02 1.8361e+01 Number of obs: 90, groups: Bloco1:Local1, 9; id, 5; Local1, 3 *> fm3* Linear mixed model fit by REML Formula: Prod ~ (1 | id) + Local1/Corte1 + (1 | Local1/Bloco1) Data: dat2 AIC BIC logLik deviance REMLdev 764.4 789.4 -372.2 777.8 744.4 Random effects: Groups Name Variance Std.Dev. Bloco1:Local1 (Intercept) 1.1257e-17 3.3551e-09 id (Intercept) 1.3792e+00 1.1744e+00 Local1 (Intercept) 2.9551e+01 5.4361e+00 Residual 3.3926e+02 1.8419e+01 Number of obs: 90, groups: Bloco1:Local1, 9; id, 5; Local1, 3 *> data.frame(BLUP.g, BLUP.a)* X.Intercept. X.Intercept..1 5 0.04624036 0.4146977 6 -0.51780417 -1.1289438 7 0.30066464 1.2858838 8 0.06359092 0.1372509 9 0.10730825 0.2615716 -- ================================================= Edjane Gonçalves de Freitas Engenheira Agrônoma - UFAL Doutoranda - Lab. Genética e Estatística Departamento de Genética e Melhoramento de Plantas - ESALQ/USP Cel: (19) 8102-7790 ==================================================

2 1

Rcpp cppFunction
by Carlos Trucios Maza 22 Out '13

22 Out '13

Pessoal boa tarde, Estou tentando reproducir um código do livro sobre Rcpp e não estou conseguindo. Alguém tem alguma ideia de porque não funciona? (Trabalho com OS X 10.8.4). code <- ' #include <gsL/gsl_const_mksa.h> // decl of constants std::vector<double> volumes() { std::vector<double> v(5); v[0] = GSL_CONST_MKSA_US_GALLON; // 1 US gallon v[1] = GSL_CONST_MKSA_CANADIAN_GALLON; // 1 Canadian gallon v[2] = GSL_CONST_MKSA_UK_GALLON; // 1 UK gallon v[3] = GSL_CONST_MKSA_QUART; // 1 quart v[4] = GSL_CONST_MKSA_PINT; // 1 pint return v; }' gslVolumes <- cppFunction(code, depends="RcppGSL") mas aparece o seguinte erro file16e2b6cb966.cpp: In function ‘SEXPREC* sourceCpp_52966_volumes()’: file16e2b6cb966.cpp:30: error: ‘__result’ was not declared in this scope make: *** [file16e2b6cb966.o] Error 1 llvm-g++-4.2 -arch x86_64 -I/Library/Frameworks/R.framework/Resources/include -DNDEBUG -I/usr/local/include -I/Library/Frameworks/R.framework/Versions/3.0/Resources/library/Rcpp/include -I/usr/local/include -I"/Library/Frameworks/R.framework/Versions/3.0/Resources/library/Rcpp/include" -I"/Library/Frameworks/R.framework/Versions/3.0/Resources/library/RcppGSL/include" -fPIC -mtune=core2 -g -O2 -c file16e2b6cb966.cpp -o file16e2b6cb966.o Erro em sourceCpp(code = code, env = env, rebuild = rebuild, showOutput = showOutput, : Error 1 occurred building shared library.

1 1