Outubro 2014 - R-br

Selecionar variáveis de uma matriz de correlação
by Rodrigo Muniz 10 Out '14

10 Out '14

Caros, Tenho uma dataframe com cerca de 1500 variáveis e gostaria de saber a correlação entre essas variáveis, então gerei uma matriz de correlação. Como muitas variáveis estão altamente correlacionadas, eu gostaria de selecionar apenas as variáveis que tenham, por exemplo, no máximo uma correlação de 0,3. Para isso eu utilizei a função findCorrelation do pacote caret. Pela descrição, a função foi feita para isso, selecionar as variáveis mais correlacionadas, considerando um limite de corte. Como eu gostaria das variáveis menos correlacionadas, eu inverti minha matriz de correlação, pelo seguinte comando: as.matrix(sqrt((matrix.cor-1)^2), desta forma, a função selecionaria as variáveis menos correlacionada. No entanto, o resultado da função sempre me retorna bandas altamente correlacionada. Por isso gostaria de fazer de uma forma alternativa. Segue um pequeno exemplo para ajudar nas considerações. Se alguém souber uma forma de programar para obter esse resultado, aceito um direcionamento. Desde já agradeço pela atenção. require(caret) filtro=c(0.7) #Este parâmetro foi criado para definir o liminar de corte, como a #matriz está inversa, um valor de 0,7 que dizer que a correlação máxima entre as #variáveis deve cer de 0,3. matrix.cor <- as.data.frame(cor(bandas))# Gerar a matriz de correlação banda.selecao=bandas[,findCorrelation(as.matrix(sqrt((matrix.cor-1)^2)), cutoff=as.numeric(filtro), verbose=FALSE)] # selecionar do dataframe #original apenas as variáveis com fraca correlação. bandas=structure(list(X1417 = c(0.161042, 0.186075, 0.202966, 0.211156, 0.172813, 0.167929, 0.175015, 0.200225, 0.178143, 0.182516, 0.162152, 0.169258, 0.14955, 0.143907, 0.161655, 0.164643, 0.157703, 0.160282, 0.177145, 0.169043), X1366 = c(0.352479, 0.376561, 0.372766, 0.39279, 0.36767, 0.368855, 0.361146, 0.390109, 0.373625, 0.383793, 0.371615, 0.375047, 0.363033, 0.341382, 0.372219, 0.375438, 0.359356, 0.372921, 0.375115, 0.36681), X469 = c(0.07749, 0.098493, 0.083867, 0.101454, 0.087098, 0.088587, 0.079879, 0.083187, 0.087261, 0.091197, 0.085591, 0.091496, 0.081759, 0.093462, 0.094817, 0.089399, 0.087421, 0.08966, 0.097024, 0.084687), X1549 = c(0.233143, 0.262691, 0.266292, 0.280087, 0.247662, 0.242888, 0.237161, 0.269429, 0.25326, 0.260258, 0.239942, 0.244771, 0.224855, 0.211901, 0.237555, 0.242471, 0.232943, 0.234706, 0.248407, 0.243808), X1424 = c(0.149535, 0.176297, 0.193145, 0.197999, 0.16312, 0.156738, 0.165102, 0.190595, 0.165941, 0.171179, 0.149601, 0.158143, 0.139422, 0.131351, 0.150353, 0.153668, 0.145654, 0.149609, 0.162426, 0.158941), X1957 = c(0.045334, 0.078347, 0.055058, 0.071466, 0.04449, 0.052894, 0.066396, 0.087972, 0.053841, 0.073682, 0.068851, 0.04738, 0.044667, 0.060964, 0.061176, 0.065722, 0.052965, 0.05974, 0.07101, 0.076109), X1848 = c(0.247498, 0.280584, 0.274104, 0.278935, 0.252584, 0.256848, 0.235115, 0.274966, 0.268281, 0.267282, 0.255826, 0.23335, 0.237109, 0.230515, 0.262255, 0.258836, 0.2387, 0.265159, 0.271541, 0.265838), X1537 = c(0.218761, 0.248475, 0.254953, 0.264756, 0.233748, 0.230395, 0.224644, 0.256149, 0.236666, 0.24462, 0.223847, 0.229429, 0.210074, 0.198872, 0.220081, 0.227677, 0.217309, 0.21968, 0.231893, 0.226282), X1621 = c(0.285036, 0.31607, 0.313035, 0.331176, 0.302131, 0.300669, 0.290153, 0.323815, 0.307194, 0.318355, 0.298653, 0.303098, 0.285467, 0.269884, 0.297272, 0.301428, 0.291555, 0.300164, 0.302502, 0.299489), X1602 = c(0.273662, 0.302662, 0.304277, 0.319991, 0.29179, 0.291713, 0.281382, 0.313998, 0.296813, 0.305874, 0.286391, 0.294462, 0.27532, 0.260575, 0.287217, 0.289802, 0.279721, 0.285657, 0.291856, 0.289307), X1865 = c(0.199668, 0.229541, 0.230852, 0.245059, 0.226876, 0.215756, 0.207998, 0.254432, 0.20988, 0.226653, 0.206045, 0.194866, 0.195796, 0.183774, 0.214694, 0.231647, 0.207081, 0.208682, 0.223025, 0.199142), X1476 = c(0.144097, 0.170145, 0.187837, 0.192702, 0.158221, 0.154393, 0.160075, 0.184072, 0.162413, 0.166724, 0.147404, 0.15375, 0.133576, 0.128008, 0.146151, 0.150793, 0.143929, 0.141969, 0.158288, 0.154279), X2034 = c(0.081108, 0.110882, 0.100852, 0.109914, 0.109893, 0.06942, 0.128299, 0.139094, 0.10447, 0.125726, 0.118003, 0.075258, 0.090784, 0.055216, 0.102326, 0.101315, 0.08443, 0.123796, 0.104067, 0.102786), X1460 = c(0.136055, 0.161915, 0.177241, 0.184844, 0.149423, 0.143712, 0.150499, 0.173385, 0.150807, 0.156626, 0.138878, 0.145282, 0.125618, 0.120778, 0.138968, 0.139961, 0.133014, 0.132243, 0.150618, 0.144916), X1236 = c(0.41637, 0.440245, 0.422308, 0.453948, 0.428499, 0.436163, 0.427196, 0.454866, 0.433779, 0.451874, 0.447265, 0.44747, 0.44684, 0.422101, 0.451307, 0.452207, 0.436043, 0.454355, 0.44641, 0.437131), X1913 = c(0.049649, 0.06384, 0.080675, 0.0761, 0.062756, 0.056635, 0.074517, 0.084222, 0.054835, 0.05488, 0.06389, 0.058421, 0.054827, 0.050249, 0.063544, 0.066275, 0.057604, 0.072578, 0.070545, 0.061034), X1885 = c(0.105368, 0.136086, 0.161411, 0.146339, 0.115904, 0.121671, 0.149059, 0.145293, 0.125417, 0.145147, 0.124081, 0.112018, 0.101411, 0.096761, 0.122112, 0.114244, 0.105535, 0.122283, 0.140519, 0.121402), X492 = c(0.080821, 0.102833, 0.088743, 0.10809, 0.093344, 0.096766, 0.083556, 0.089436, 0.091601, 0.100154, 0.089925, 0.096294, 0.087353, 0.097834, 0.102614, 0.09692, 0.096883, 0.094752, 0.102917, 0.089361), X1916 = c(0.037402, 0.063136, 0.08053, 0.071535, 0.059838, 0.0555, 0.060523, 0.079581, 0.044433, 0.055137, 0.055831, 0.054455, 0.054067, 0.055332, 0.062323, 0.0651, 0.05896, 0.075877, 0.069466, 0.064714), X1249 = c(0.416616, 0.440854, 0.423568, 0.455739, 0.428821, 0.436904, 0.42868, 0.455141, 0.432762, 0.45234, 0.447037, 0.448069, 0.445743, 0.420802, 0.455476, 0.453444, 0.43817, 0.454327, 0.444599, 0.437981)), .Names = c("X1417", "X1366", "X469", "X1549", "X1424", "X1957", "X1848", "X1537", "X1621", "X1602", "X1865", "X1476", "X2034", "X1460", "X1236", "X1913", "X1885", "X492", "X1916", "X1249"), row.names = c(NA, 20L), class = "data.frame") -- *Rodrigo A. Muniz* Eng. Agrônomo. Ms Produção Vegetal (UENF) Doutorando em Engenharia de Sistemas Agrícolas (ESALQ/USP) E-mail - muniz.ra(a)usp.br Cel (19) 98300-4333 (Pessoal)

3 5

Função K de Ripley
by Fernando Elias 10 Out '14

10 Out '14

Olá, algum de vocês tem o script da análise PAIR CORRELATION FUNCTION para avaliar padrões espaciais. Att. -- Fernando Elias Biólogo - CRBio 1a Região <http://www.crbiodigital.com.br/01/fernandoelias> Bolsista CAPES - Programa de Pós-graduação em Ecologia e Conservação <http://www.unemat.br/prppg/ppgec/> Br 158, Km 655 - Antiga FAB - Nova Xavantina - MT. CEP 78690-000 Caixa postal 08 CV - Currículo Lattes <http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4406350E6> CV - Google Acadêmico <http://scholar.google.com.br/citations?hl=pt-BR&user=RJwHMvQAAAAJ&view_op=l…> CV - Linkedin <http://br.linkedin.com/pub/fernando-elias/a6/36/459/> "Nada é difícil se for dividido em pequenas partes" - Henry Ford

1 0

Texto em vários gráficos
by Roberto Guevara 09 Out '14

09 Out '14

Caros usuários de R, tenho um problema quanto a acrescentar texto em gráficos que já tentei resolver pelo google e não consegui. Preciso gerar uma figura como oito gráficos de dispersão e para cada uma quero acrescentar um pequeno texto no canto contendo algumas informações. Gostaria que ficasse padronizado, com todos os textos exatamente na mesma localização correspondente em cada gráfico. Como posso fazer isso tendo em vista que as variáveis de cada gráfico são distintas e, portanto, as escalas dos eixos também o são. Há uma espécie de escala padrão que eu poderia usar na função text em todos os gráficos? Obrigado pela atenção -- Roberto Guevara Ferreira Lima Biólogo - CRBio 6ª Região: 73146/06-D Mestre em Zoologia Laboratório de Ecologia e Zoologia de Vertebrados Instituto de Ciências Biológicas Universidade Federal do Pará Rua Augusto Corrêa, nº 01 - Bairro: Guamá. CEP: 66075-110 Currículo Lattes: http://lattes.cnpq.br/7363382159007600

3 2

Re: [R-br] RES: doBy - summaryBy
by Andre Oliveira 09 Out '14

09 Out '14

Então estou no Ubuntu 14.04. Sempre deu certo esta análise não sei extamente o que esta ocorrendo me parece algum problema interno mesmo. E eu não sei resolver. André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES Em Quarta-feira, 8 de Outubro de 2014 21:38, Mauro Sznelwar <sznelwar(a)uol.com.br> escreveu: Eu copiei e colei seu script e rodei! Tenho um Windows XP e o R 3.1. Veja: dados=data.frame(peso,glicose) glicose, peso > require(doBy) Loading required package: doBy Loading required package: survival Loading required package: splines Loading required package: MASS > summaryBy(glicose~peso,data=dados,FUN=c(mean,sd)) peso glicose.mean glicose.sd 1 Abaixodopeso 77.57143 14.06956 2 Acimadopeso 114.33333 39.50633 3 Obeso 141.20000 62.83072 4 Pesopadrão 79.50000 14.34064 > Leonardo, obrigado mas deu erros! Erro em summaryBy(glicose ~ peso, data = dados, FUN = c(mean, sd), FUN = function(x) cbind(mean(x), : argumento formal "FUN" corresponde a múltiplos argumentos especificados Seria o motivo como entrei com meus dados? peso=scan(what= "as.character") Abaixodopeso Pesopadrão Acimadopeso Acimadopeso Obeso Acimadopeso Pesopadrão Abaixodopeso Abaixodopeso Acimadopeso Acimadopeso Obeso Pesopadrão Pesopadrão Pesopadrão Abaixodopeso Pesopadrão Obeso Pesopadrão Obeso Acimadopeso Abaixodopeso Pesopadrão Pesopadrão Abaixodopeso Pesopadrão Pesopadrão Obeso Acimadopeso Pesopadrão Acimadopeso Acimadopeso Abaixodopeso Pesopadrão Pesopadrão glicose=scan() 60 62 130 120 219 80 85 82 90 105 100 96 96 60 61 61 100 101 85 200 210 74 76 85 98 74 89 90 105 92 78 101 78 90 58 dados=data.frame(peso,glicose) dados str(dados) head(dados) attach(dados) require(doBy) summaryBy(glicose~peso,data=dados,FUN=c(mean,sd)) Erro em FUN(X[[1L]], ...) : não foi possível encontrar a função "currFUN" André Oliveira Souza. ________________________________ Este email está limpo de vírus e malwares porque a proteção do avast! Antivírus está ativa.

3 3

doBy - summaryBy
by Andre Oliveira 09 Out '14

09 Out '14

Pessoal me socorre por favor, veja meu código que originou no erro esta abaixo. Alguém saberia dizer o motivo deste erro? Sempre usei para estratificar médias por tratamento e nunca me deparei com este erro. dados=data.frame(peso,glicose) dados str(dados) 'data.frame': 35 obs. of 2 variables: $ peso : Factor w/ 4 levels "Abaixodopeso",..: 1 4 2 2 3 2 4 1 1 2 ... $ glicose: num 60 62 130 120 219 80 85 82 90 105 ... require(doBy) summaryBy(glicose~peso,data=dados,FUN=c(mean,sd)) Erro em FUN(X[[1L]], ...) : não foi possível encontrar a função "currFUN" André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

3 4

Variáveis contínuas explicando Variáveis categóricas
by Jefferson Ferreira-Ferreira 08 Out '14

08 Out '14

Prezados; Uma dúvida básica de um iniciante em análises estatísticas. Tenho uma série de variáveis categóricas binárias e duas variáveis contínuas. Eu gostaria de saber o quando minhas variáveis categóricas explicam minhas duas variáveis contínuas. Por exemplo: c1 c2 c3 c4 x y 0 1 1 1 931 623 0 1 0 0 163 259 1 0 1 0 690 306 1 0 1 0 690 306 A pergunta é: o quanto a combinação das variáveis c explicam os valores de x e y? Ou, qual a correlação entre as variáveis c e as variáveis x e y? Podem me dar alguma ideia de análises possíveis? Obrigado. -- *Jefferson Ferreira-Ferreira* Geógrafo – GEOPROCESSAMENTO IDSM | Coordenadoria de TI Jefferson.ferreira(a)mamiraua.org.br *Instituto de Desenvolvimento Sustentável Mamirauá* Ministério da Ciência, Tecnologia e Inovação Telefone: +55 97 3343-9710 *Google Maps* - Mapas deste e-mail: Exibir mapa ampliado <https://maps.google.com.br/maps?q=-3.355557,-64.731151&ll=-3.355471,-64.731…> *Contatos particulares:* *(55) 9615-0100*

9 9

Função kruskal do pacote agricolae
by Jose Claudio Faria 08 Out '14

08 Out '14

Olá pessoal, Pacote insuficientemente documentado é um prato cheio para muitas dúvidas: basta ver o histórico de discussão em nosso grupos e no R-help. Uso muito pouco estatística livre de distribuição, mas como trabalho (também) com análise de dados, acabei caindo em um caso onde um teste de comparação múltiplas livre de distribuição está sendo necessário. Após estudar a teoria do teste Kruskal-Wallis pelo livro do Siegel (final de semana chuvoso...), fui buscar (no R) pacotes que continha sua implementação mais eleborada. Encontrei 2: 1- agricolae 2- pgirmess pgirmess não instala (no debian) devido a ausência do pacote rgdal. Adicionalmente, agricolae é mais conhecido ( o que poderia ajudar). Então fui estudar a implementação do teste no pacote agricolae. A primeira coisa que você observa é a insuficiência de documentação da função kruskal. Bom, então o jeito foi fazer um debug (ninguém merece) para ver suas entranhas. Observei que ela calcula a média dos postos de cada grupo, entre outras informações necessárias a posterior discriminação dos grupos, e chama a função "order.group" para tal tarefa. "order.group" é também insuficientemente documentada. Fora a parte funcional da função "order.group", de útil se retira que é usada nos testes: HSD, LSD, Kruskal-Wallis, Friedman ou Durbin. A função "order.group" recebe o argumento "p.adj" da função kruskal. E existem algumas opções: optei pela de bonferroni. Não consegui (pelo debug) identificar qual teste a função "order.group" usa. Vi uns posts antigos aqui na lista se referindo ao teste paramétrico "t". É isto mesmo? Bom, para socializar um pouco do que andei observando, o resultado do teste não é fornecido na mesma escala da variável em questão, mas em escala das médias dos postos de cada grupo. Se aplico a correção de bonferroni os resultados (classificação dos grupos) se assemelham bastante (em muitos casos idênticos) aos de uma ANOVA seguido do teste de Tukey. Se não aplico a correção se assemelham bastante (idem) aos do teste de Duncan. Fiz isso apenas para ter uma noção da dif. mínima significativa em termos comparativos. Escrevi esta semana para o autor e mantenedor do pacote (Felipe de Mendiburu) solicitando informações sobre qual teste a função "order.group" mas ele ainda não respondeu. Alguém conhece (com certeza) qual teste é usado na função "order.group"? É realmente o teste "t" aplicado a média dos postos? Não seria o de Mann-Whitney, ou outro? Ab, ///\\\///\\\///\\\///\\\///\\\///\\\///\\\///\\\ Jose Claudio Faria Estatistica UESC/DCET/Brasil joseclaudio.faria at gmail.com Telefones: 55(73)3680.5545 - UESC 55(73)9966.9100 - VIVO 55(73)9100.7351 - TIM 55(73)8817.6159 - OI ///\\\///\\\///\\\///\\\///\\\///\\\///\\\///\\\

2 1

Funções kruskal e order.group do pacote agricolae
by Jose Claudio Faria 07 Out '14

07 Out '14

Olá pessoal, Estou reenviando a mensagem devido a: 1- Erros grosseiros de linguagem detectados na primeira versão (era de madrugada e estava com sono); 2- Ter detalhado melhor alguns pontos; 3- Pela relevância do assunto, que ele fique como registro de possíveis opiniões. Pacote insuficientemente documentado é um prato cheio para muitas dúvidas e que acabam se refletem nas listas de discussão: basta ver o histórico de discussão sobre kruskal em nosso grupo e no R-help. Uso muito pouco estatística livre de distribuição, mas como trabalho (também) com análise de dados, acabei caindo em um caso onde um teste de comparação múltiplas (livre de distribuição) está sendo necessário. Após estudar a teoria do teste Kruskal-Wallis pelo livro do Siegel (final de semana chuvoso...), fui buscar (no R) pacotes que continham sua implementação mais elaborada. Encontrei 2: 1- agricolae 2- pgirmess pgirmess não instala (no debian) devido a ausência do pacote rgdal. Até seria possível armengando, mas adicionalmente, agricolae é mais conhecido (o que poderia ajudar em caso de dúvidas). Então fui estudar a implementação do teste no pacote agricolae. A primeira coisa que você observa é a insuficiência de documentação da função kruskal. Bom, então o jeito foi fazer um debug (ninguém merece) para ver suas entranhas. Observei que ela calcula a média dos postos de cada grupo (entre outras informações necessárias a posterior discriminação dos grupos) e chama a função "order.group" para tal tarefa. "order.group" é também insuficientemente documentada. Fora a parte funcional da função "order.group", de útil se retira apenas que é usada nos testes: HSD, LSD, Kruskal-Wallis, Friedman ou Durbin. A função "order.group" recebe o argumento "p.adj" da função kruskal. E existem algumas opções: optei pela de bonferroni. Não consegui (pelo debug) identificar qual teste a função "order.group" usa. Vi uns posts antigos aqui na lista se referindo ao teste paramétrico "t". Seria isto mesmo? Bom, para socializar um pouco do que andei observando, o resultado do teste não é fornecido na mesma escala da variável em questão, mas em escala das médias dos postos de cada grupo. Se aplico a correção de bonferroni os resultados (classificação dos grupos) se assemelham bastante (em muitas situações idênticos) aos da correlata paramétrica ANOVA seguido do teste de Tukey. Se não aplico a correção se assemelham bastante (idem) aos do teste de Duncan. Fiz isso apenas para ter uma noção do poder em termos comparativos. Escrevi esta semana para o autor e mantenedor do pacote (Felipe de Mendiburu) solicitando informações sobre qual teste a função "order.group" usa mas ele ainda não respondeu. Alguém conhece (com certeza) qual teste é usado na função "order.group"? É realmente o teste "t" aplicado a média dos postos? Acho estranho evocar um teste paramétrico numa metodologia não paramétrica. Adicionalmente, achei que a função faz cálculos demasiados para ser o teste "t". Não seria o de Mann-Whitney ou outro? Ab, ///\\\///\\\///\\\///\\\///\\\///\\\///\\\///\\\ Jose Claudio Faria Estatistica UESC/DCET/Brasil joseclaudio.faria at gmail.com Telefones: 55(73)3680.5545 - UESC 55(73)9966.9100 - VIVO 55(73)9100.7351 - TIM 55(73)8817.6159 - OI ///\\\///\\\///\\\///\\\///\\\///\\\///\\\///\\\

1 0

gráfico de medianas
by Diego Bilski 03 Out '14

03 Out '14

Caros, tenho um resultado da seguinte forma: structure(list(phi = c(0.15, 0.164, 0.042, 0.033, 0.161, 0.027, 0.01, 0.01, 0.208, 0.093), lambda = c(0.648, 0.654, 0.726, 0.728, 0.64, 0.696, 0.756, 0.748, 0.605, 0.678), gamma = c(0.202, 0.183, 0.232, 0.239, 0.198, 0.277, 0.234, 0.242, 0.186, 0.228), phi = c(0.08, 0.022, 0.081, 0.138, 0.139, 0.01, 0.01, 0.01, 0.135, 0.043), lambda = c(0.714, 0.79, 0.689, 0.665, 0.644, 0.75, 0.753, 0.762, 0.68, 0.714), gamma = c(0.206, 0.189, 0.23, 0.197, 0.216, 0.24, 0.237, 0.228, 0.184, 0.242)), .Names = c("phi", "lambda", "gamma", "phi", "lambda", "gamma"), row.names = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10"), class = "data.frame") onde lambda, phi e gamma são parâmetros estimados para 5 variáveis, e a soma deles é um para todas as variáveis. Alguém pode me sugerir um gráfico que represente a mediana e intervalos para as 5 variáveis na mesma figura? Pensei num boxplot, mas queria ressaltar a ideia de que os 3 parâmetros somam um para cada variável, e fica bem poluído com 15 caixas. Um stacked barplot representa bem, mas fica muito feio com as barras de erro. obrigado Diego

2 1

função de interpolação
by Fernando Souza 03 Out '14

03 Out '14

Caros amigos Estou necessitando faze a interpolação de algumas pesagens tomadas em diferentes animais. Eu preciso da interpolação feita para cada animal separadamente e o intervalo entre medidas não é fixo. Eu estou utilizando a função approx() no entanto devido ao número de animais utilizados fica muito dispendioso fazer fazer esta interpolação uma a uma. Por isso gostaria de uma função onde um pudesse automatizar este procedimento. set.seed(20) dados<-data.frame(ANIMAL=factor(rep(1:5,each=4)),Peso=rnorm(20,30,4), data=sample(seq(as.Date("01/04/2009",'%d/%m/%Y'), as.Date("30/04/2009",'%d/%m/%Y'),length.out=30),20),day=1:20) Estou tentando fazer uma função que estime os pontos da interpolação agrupados por Animal . Entretanto tenho pouco conhecimento em programação para fazer isso. Tenho tentado fazer isso, sem muito sucesso. Alguém poderia me ajudar? Abraços aprendendo<-function(dados){ niveis<-levels(dados$ANIMAL) dia<-diff(dados$data) for(i in min(niveis):max(niveis)){ b<- approx(dados[dados$ANIMAL==as.numeric(i),]$Peso,dados[dados$ANIMAL==as.numeric(i),]$data),n=15) } return(b) }

3 10