Abril 2013 - R-br - DINF UFPR

Mapa com lat e long
by Edson Lira 03 Abr '13

03 Abr '13

Caros amigos, tenho um banco de dados com 910 observações com 17 variáveis, sendo duas a latitude e a longitude do local da coleta. O link abaixo é uma amostra do banco com algumas observações. http://www.datafilehost.com/download-9219b795.html O link abaixo é um arquivo zipado com os dados geográficos de Manaus (bairros.shp, bairros.dbf e etc) http://www.datafilehost.com/download-87046b14.html Gostaria de plotar mapas temáticos no R, um deles seria o mapa com a variável avaliação. No mapa colocar o nome e as avaliações por bairro e depois outro por zona geográfica Como plotar mapas com variaveis qualitativas? Exemplo, sexo, escolaridade, etc. Dei uma olhada no material do Jonas, mas não consegui replicar para meu conjunto de dados. Um abraço. Edson Lira Estatístico Manaus-Amazonas

1 0

[DIVULGAÇÃO] Versão preliminar de função para ajuste de modelos não lineares via interface gráfica
by Walmes Zeviani 03 Abr '13

03 Abr '13

Saudações listeiros, Venho por meio deste anunciar a versão preliminar da função que desenvolvi como parte de rotinas relacionado à minha Tese. A função permite o usuário ajustar modelos de regressão não linear controlando a posição da função por meio de deslizadores que alteram os valores dos parâmetros até que se possa a partir de então ajustar o modelo pela nls(). A interface gráfica é baseada nas funcionalidades do pacote rpanel. Essas implementações dão possibilidade para o usuário melhor conhecer o modelo, as propriedades da função e o significado dos parâmetros. Suas aplicações didáticas são inúmeras. A função está disponível no link https://dl.dropbox.com/u/48140237/rp.nlregression.R e um CMR com 7 exemplos está disponível em https://dl.dropbox.com/u/48140237/rp.nlregression_examples.R Gostaria que os interessados corressem os exemplos, que são reproduzíveis, e apontassem sugestões. Para convidá-los à experiência, a função cria uma interface gráfica tal como mostra essa figura animada em http://r-br.2285057.n4.nabble.com/ Dentre os 7 exemplos tem-se curvas de crescimento-temperatura, de água do solo, de lactação, de produtividade-nutrição, produtividade-desfolha. A intenção seria submeter à função ao mantenedor do rpanel para que componha o conjunto de funções deste. Uma implementação anterior à essa eu disponibilizei em https://ridiculas.wordpress.com/2012/12/07/interface-grafica-para-ajuste-de… Certo de vossa colaboração, agradeço. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes(a)ufpr.br skype: walmeszeviani twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================

3 3

problema TwitteR
by Vinicius Brito Rocha 03 Abr '13

03 Abr '13

Senhores, estou tentando usar o twitteR, especificamente a função searchTwitter e estou tendo esse erro Erro em twInterfaceObj$doAPICall(cmd, params, "GET", ...) : OAuth authentication is required with Twitter's API v1.1 alguém pode ajudar ? 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.

2 6

Variante do método seleção.
by Jackeline Bonetti Campos 02 Abr '13

02 Abr '13

Olá, O método de ordenação por seleção normal (onde o menor elemento é encontrado e colocado na primeira posição e assim consecutivamente até que todo o vetor seja ordenado) é dado pelo algoritmo: selecao<-function(vet){ tam<-length(vet) for(i in 1:tam) { pm<-which.min(vet[i:tam]) pm<-pm+i-1 temp<-vet[i] vet[i]<-vet[pm] vet[pm]<-temp } return(vet)} Como posso alterar esse código para que a busca seja feita pelo maior elemento e este seja colocado na última posição? Pensei em algo assim: selecao<-function(vet){ tam<-length(vet) for(i in tam:1) { pm<-which.max(vet[tam:i]) pm<-pm+ ?? temp<-vet[i] vet[i]<-vet[pm] vet[pm]<-temp } return(vet)} Porém, não sei que atribuição dar ao novo pm para que a ultima colocação seja desconsiderada. Agradeço desde já! Att,Jackeline

3 3

Identificando pontos em um plot
by Sérgio Henrique almeida da silva ju 02 Abr '13

02 Abr '13

Olá Qual comando eu uso pra identificar o nome de um ponto em um plot, quando eu uso o identify ele me mostra a posição da variável, mas eu gostaria que ele me mostrasse a variável "NOME" e não a posição de x. Como posso fazer? Banco NOME x 1 Agreste Alagoano 9 2 Agreste Paraibano 9 3 Agreste Pernambucano 30 4 Agreste Potiguar 3 5 Agreste Sergipano 4 6 Ara\xe7atuba 1 7 Araraquara 5 8 Assis 2 9 Baixadas 0 10 Baixo Amazonas 11 plot(x) identify????? -- Sérgio Henrique Almeida da Silva Junior Doutorando em Epidemiologia em Saúde Pública Escola Nacional de Saúde Pública Sérgio Arouca - ENSP/FIOCRUZ http://lattes.cnpq.br/1611345552843383 Tel: (21) 68463637 / 94429486

3 3

valores em percentagem
by alanarocha＠sapo.pt 02 Abr '13

02 Abr '13

Boa tarde, eu tenho este codigo: for (i in 2:6) { # Executa o comando a seguir para as colunas 2 a 6 (ano 2008 a 2012) dados[,i] <- as.real(gsub('%','',dados[,i])) # Tira o símbolo de percentual e transforma texto em número se eu quisesse que os valores apareçam com o simbolo de percentagem faço: for (i in 2:6) { # Executa o comando a seguir para as colunas 2 a 6 (ano 2008 a 2012) dados[,i] <- as.real('',dados[,i])) # Tira o símbolo de percentual e transforma texto em número } } exemplo 30% Com cumprimentos Ana Rocha

2 1

parcela subdividida
by Juraci Mendes Moreira 02 Abr '13

02 Abr '13

ola pessoal como faço anava em parcela subdividida com bloco agradeço a atenção

3 2

Como construir gráficos para analisar o tempo de execução.
by Jackeline Bonetti Campos 02 Abr '13

02 Abr '13

Boa noite! Tenho 5 algoritmos quaisquer e seus respectivos tempos de execução dependentes da entrada n: T(n)= (n/1000)^2; T(n)= (n/1000)^3 ; T(n)= (n/1000)^0,5; T(n)= (n/1000)^0,2; e T(n)= log2 * (n/1000). Como posso esboçar um gráfico para comparar os tempos de execução? Agradeço desde já! Att,Jackeline.

2 2

[OFF-TOPIC] Vagas de doutorado no programa "Scaling problems in statistics" (Alemanha)
by Tatiane Beduschi 02 Abr '13

02 Abr '13

Caros colegas, O programa de doutorado do qual faco parte está com vagas abertas para doutorado nas áreas de ecologia, matemática, economia, estatística e genética. Peco desculpas por usar esse espaco para propaganda, mas, como o programa é muito voltado para estatística, achei que poderia ser interessante para muitos participantes desta lista. As inscricoes vao até 15 de Maio. Mais informacoes podem ser encontradas neste link: http://www.uni-goettingen.de/en/156593.html Atenciosamente, Tatiane -- MSc. Tatiane Beduschi RTG 1644 "Scaling Problems in Statistics" University of Goettingen DNPW, Agroecology Grisebachstr. 6 D-37077 Goettingen Germany tatibed(a)gmail.com

1 0

Grafico de trajetórias - zap plot
by Pedro Emmanuel Alvarenga Americano do Brasil 01 Abr '13

01 Abr '13

Amigos de R, Estou fazendo umas análises iniciais de trajetórias de biomarcadores ao longo de um tempo em que pacientes receberam um tratamento. Eu gostaria de ter uma percepção do conjunto de trajetórias sem ajuste e procurei por ai formas de faze-lo. Encontrei stats::interaction.plot e epicalc::followup.plot. Mas por algum motivo desconhecido, essas duas funções estavam truncando as trajetórias em 120 dias, mesmo solicitando para mostrar as trajetórias em 180 dias que eu sei o que é o maximo de tempo observado contido nos dados que tenho. Assim, depois de bater cabeça um tanto investi um dia inteiro para fazer a função abaixo e compartilho com voces. Essa função é bem semelhante a followup.plot, mas, quando se deseja não plotar todos os sujeitos para não poluir o gráfico, ao inves de selecionar sujeitos aleatórios, eu coloquei um argumento chamado zap que seleciona n sujeitos como valores iniciais, minimo, maximo e mediano. # data = dataset in long format # id = character indicating the name of an unique id variable for each patient in data (tested with numeric variable) # time = a character indicating the name of a numeric variable representing the time of the measure # outcome = a character indicating the name of a numeric variable representing the outcome # plot.arg = a list of arguments to pass to plot.default # line.arg = one or more lists of arguments to pass to lines (one list to each strata of by) # zap = if auto then the n subjects with the lower, median, higher initial outcome values will be ploted, anything different from "auto" will plot all subjects # n = number of subject to use in zap # by = a character indicating the name of a factor/character variable representing strata for ploting # think about making conditions for zap such as only the median, only the lowest or only the highest, the final highest, final lowest, final median etc zapplot <- function(data,id,time,outcome, plot.arg=list(xlab='time',ylab=outcome), line.arg=list(list(lty=2,col='blue'),list(lty=3,col='red')), leg.args=list(x='top',inset=c(0,-.15), horiz=TRUE,xjust=.5,col=c('blue','red'),lty=2:3, bty='n',xpd=T), zap='auto',n=1,by=NULL){ # if(!is.null(by)){ # if(length(line.arg)!=nlevels(by)){ # stop('If by is porvided, number of lists in line.arg and number of levels in by should be the same! Try improving the lists in line.arg.')} # } data <- data[which(!is.na(data[,time]) & !is.na(data[,outcome])),] plot.arg <- c(list(x = data[,time],y = data[,outcome],type = 'n'),plot.arg) do.call(plot,plot.arg) if(!is.null(by)){ if(!is.factor(data[,by])){ data[,by] <- as.factor(data[,by]) } tmp2 <- data for(j in 1:nlevels(data[,by])){ # i=2 data <- tmp2 data <- data[which(data[,by]==levels(data[,by])[j]),] tmp <- data[which(data[,time]==min(data[,time])),] tmp <- tmp[order(tmp[,outcome]),] # tmp[,c(id,time,outcome)] id.max <- tmp[(nrow(tmp)-(n-1)):nrow(tmp),id] # id.min <- tmp[(1:n),id] # data[which(data$id==id.min),outcome] tmp$med <- abs(tmp[,outcome]-median(tmp[,outcome],TRUE)) tmp <- tmp[order(tmp$med),] id.med <- tmp[1:n,id] if(zap=='auto'){ for(i in 1:length(id.min)){ line.arg.min <- c(list(x = data[which(data[,id]==id.min[i]),time],y = data[which(data[,id]==id.min[i]),outcome]),line.arg[[j]]) do.call(lines,line.arg.min) } for(i in 1:length(id.med)){ line.arg.med <- c(list(x = data[which(data[,id]==id.med[i]),time],y = data[which(data[,id]==id.med[i]),outcome]),line.arg[[j]]) do.call(lines,line.arg.med) } for(i in 1:length(id.max)){ line.arg.max <- c(list(x = data[which(data[,id]==id.max[i]),time],y = data[which(data[,id]==id.max[i]),outcome]),line.arg[[j]]) do.call(lines,line.arg.max) } } else{ uni <- unique(data[,id]) for(i in 1:length(uni)){ line.arg.all <- c(list(x=data[which(data[,id]==uni[i]),time],y=data[which(data[,id]==uni[i]),outcome]),line.arg[[j]]) do.call(lines,line.arg.all) } } } # COLOCAR AQUI OS COMANDOS DE LEGENDA para identificar as diferentes categorias do by leg.args <- c(legend=list(levels(data[,by])),leg.args) do.call(legend,leg.args) } else{ tmp <- data[which(data[,time]==min(data[,time])),] tmp <- tmp[order(tmp[,outcome]),] # tmp[,c(id,time,outcome)] id.max <- tmp[(nrow(tmp)-(n-1)):nrow(tmp),id] # id.min <- tmp[(1:n),id] # data[which(data$id==id.min),outcome] tmp$med <- abs(tmp[,outcome]-median(tmp[,outcome],TRUE)) tmp <- tmp[order(tmp$med),] id.med <- tmp[1:n,id] if(zap=='auto'){ for(i in 1:length(id.min)){ line.arg.min <- c(list(x = data[which(data[,id]==id.min[i]),time],y = data[which(data[,id]==id.min[i]),outcome]),line.arg[[1]]) do.call(lines,line.arg.min) } for(i in 1:length(id.med)){ line.arg.med <- c(list(x = data[which(data[,id]==id.med[i]),time],y = data[which(data[,id]==id.med[i]),outcome]),line.arg[[1]]) do.call(lines,line.arg.med) } for(i in 1:length(id.max)){ line.arg.max <- c(list(x = data[which(data[,id]==id.max[i]),time],y = data[which(data[,id]==id.max[i]),outcome]),line.arg[[1]]) do.call(lines,line.arg.max) } } else{ uni <- unique(data[,id]) for(i in 1:length(uni)){ line.arg.all <- c(list(x=data[which(data[,id]==uni[i]),time],y=data[which(data[,id]==uni[i]),outcome]),line.arg[[1]]) do.call(lines,line.arg.all) } } } } # zapplot(b,'pront','dia','HLA',zap='all',n=2,by='CD4cod') # Abraço forte e que a força esteja com voces, Dr. Pedro Emmanuel A. A. do Brasil Curriculum Lattes: http://lattes.cnpq.br/6597654894290806 Instituto de Pesquisa Clínica Evandro Chagas Fundação Oswaldo Cruz Rio de Janeiro - Brasil Av. Brasil 4365, CEP 21040-360, Tel 55 21 3865-9648 email: pedro.brasil(a)ipec.fiocruz.br email: emmanuel.brasil(a)gmail.com ---Apoio aos softwares livres www.zotero.org - gerenciamento de referências bibliográficas. www.broffice.org ou www.libreoffice.org - textos, planilhas ou apresentações. www.epidata.dk - entrada de dados. www.r-project.org - análise de dados. www.ubuntu.com - sistema operacional

1 0