Março 2014 - R-br

Teste t Student
by Luiz Roberto Martins Pinto 12 Mar '14

12 Mar '14

Olá, Estou precisando utilizar a função t.test da biblioteca {stats} para comparar respostas de tratamentos em contrastes dois-a-dois, em um experimento com 20 tratamentos. Este teste me permite comparar amostras com variancias diferentes (var.equal = FALSE), bem como utilizar o método de Satterthwaite (não preciso neste caso específico, mas é interessante em outros). As demais opções podem ser o 'default'. Preciso gerar uma matriz 20 x 20 com o p-valor referente a cada um dos pares de tratamentos, em que na diagonal principal contenha 1.00. Exemplo de matriz com p-valor T1 T2 T3 ... T 20 T1 1.00 0.85 0.03 ... 0.25 T2 0.85 1.00 0.42 ... 0.31 T3 0.03 0.42 1.00 ... 0.44 ... .... .... .... ... ... T20 0.25 0.31 0.44 ... 1.00 Ocorre que the formula interface is only applicable for the 2-sample tests, e preparar 90 arquivos com estes contrastes dois-a-dois para gerar esta matriz 20 x 20 não me parece ser a alternativa mais adequada. Mas, também não tenho conhecimento (análise e programação) suficiente de R para preparar um script para fazer isto. Alguém pode ajudar? Abaixo, endereço com os dados. http://www.datafilehost.com/d/1ec1ec2b Luiz Roberto Luiz Roberto Martins Pinto Prof. Pleno/DCET/UESC Laboratório de Estatística Computacional Universidade Estadual de Santa Cruz Ilhéus-Bahia luizroberto.uesc(a)gmail.com skype: lrmpinto http://lattes.cnpq.br/2732314327604831

4 8

Análise de uma expressão como string
by Waldelene Moura 12 Mar '14

12 Mar '14

Sou iniciante do R. Estou precisando de uma sugestão para fazer o seguinte: Tenho numa string com uma expressão e desejo obter o resultado desta expressão. Ex: "2 * 3" me apresenta como resultado 5. "42 + 7" me apresenta como resultado 49. Existe alguma função para isto? Agradeço a quem puder me ajudar. Waldelene Moura Analista de Sistemas Universidade Federal do Maranhão - PROEN

2 2

Anava com modelo autoregressivo
by Kalill V.Páscoa 12 Mar '14

12 Mar '14

Bom dia a todos Estou analisando um experimento em DBC "split plot in the time" São 16 medições (0,68 a 10,25 anos). O experimento apresenta: - 4 blocos; - 4 tratamentos referentes aos espaçamentos de plantio; - e 2 subtratamentos dentro de cada tratamento referentes a aplicação ou não da desrama; cada subparcela tem 112 plantas. - tenho as coordenadas de cada planta; Gostaria de aplicar a ANAVA com modelo autorregressivo, contudo estou com dificuldades para construir a matriz de proximidade espacial. Estou usando a função nb2mat do pacote spdep Minha dificuldade esta no argumento neighbours. Alguém já trabalhou com essa metodologia e poderia me auxiliar? Att -- *Kalill José Viana da Páscoa* *Engenheiro Florestal do Laboratório de Estudos e Projetos em Manejo Florestal - LEMAF * *Mestrando em Engenharia FlorestalUniversidade Federal de Lavras* *Rua Geraldo dos Passos, 81 * *Água Limpa, **Lavras-MG* *CEP: 37200-000* *(35)3821-6833* *(35)9176-9332* *(35)9928-6574*

1 0

comparação de médias em experimento desbalanceado, não fatorial
by Santino Aleandro da Silva 11 Mar '14

11 Mar '14

2 1

Extração de valor-p na função hlme do pacote lcmm
by Felipe Buchbinder 11 Mar '14

11 Mar '14

Prezados, Estou utilizando a função hlme do pacote lcmm para estimar um *Growth Mixture Model.* Um exemplo de sintaxe é : gmm2 <- hlme(Y ~ time + time2, ng = 2, mixture = Y ~ time + time2, subject = 'ID',data = x.reg) Eu queria obter o valor-p do termo quadrático para cada classe, mas não estou conseguindo. (O comando *summary* me mostra esse valor-p, mas eu consigo extraí-lo.) Desde já, agradeço. Felipe Buchbinder

3 3

Loop para carregar bases
by Gerson R. Primo Jr 11 Mar '14

11 Mar '14

Oi pessoal, Recebo vários arquivos e preciso uni-los no R. Atualmente faço da seguinte forma: total = rbind(read.csv("base_1.csv", sep=";"), read.csv("base_2.csv", sep=";"), read.csv("base_3.csv", sep=";"), read.csv("base_4.csv", sep=";"), read.csv("base_5.csv", sep=";") ) Acontece que recebo esses arquivos semanalmente e a quantidade de arquivo varia (25 a 50), Alguém sabe como posso criar um 'for' que declare a quantidade de arquivo o R faz esse loop? *Att,Gerson R. Primo Jr*

5 6

Multi Layer Perceptron para Múltiplas Variáveis Independentes
by Lucas Venezian Povoa 11 Mar '14

11 Mar '14

Olá comunidade R, Eu gostaria de saber se existe algum pacote no R para gerar análises de estimativa com Redes Neurais Muti Layer Perceptron (MLP) para múltiplas variáveis independentes. O que procuro é algo parecido com o código abaixo: > data <- data.frame(a = rnorm(100, 10, 3), b = rnorm(100, 0, 1), y = runif(100)) > > lm(y ~ a + b, data) > > mlp(y ~ a + b, data, hiddenl = 1) > Obrigado pela ajuda. Lucas Venezian Povoa

3 4

Integração Google Maps
by Frederico Steinmetz Alvarez 11 Mar '14

11 Mar '14

Boa noite a todos. Será que algum dos membros da lista saberia me informar se existe algum pacote no R que faça a integração com o google maps? Estou precisando montar um mapa com informações sobre o município, algo tipo camadas. Gostaria de apresentar as informações como pontos no google maps para melhor visualização espacial dos dados. Atenciosamente -- Frederico Steinmetz Alvarez Engenheiro Eletricista - Sistemas de Produção - UFSC Mestre em Eng. Mecânica - Energia Eólica - UFPE (48) 8448-5994 (Oi) (48) 9101-5994 (Vivo)

4 5

(sem assunto)
by Fátima Lima Paula 10 Mar '14

10 Mar '14

Prezados, eu tenho um data frame assim cap=c("A1","A3","B2","B5","C6","C8","D4","F5","G8","H1","K9","A1","A3","B2","B5","C6","C8","D4","F5","G8","H1","K9") Var1=c("nao","nao","nao","nao","nao","nao","nao","nao","nao","nao","nao", "sim","sim","sim","sim","sim","sim","sim","sim","sim","sim","sim") Var2=c(2,5,7,4,1,2,4,8,9,6,7,4,5,3,2,4,5,8,7,0,1,1) df=cbind(cap,Var1,Var2) df=as.data.frame(df) df cap Var1 Var2 1 A1 nao 2 2 A3 nao 5 3 B2 nao 7 4 B5 nao 4 5 C6 nao 1 6 C8 nao 2 7 D4 nao 4 8 F5 nao 8 9 G8 nao 9 10 H1 nao 6 11 K9 nao 7 12 A1 sim 4 13 A3 sim 5 14 B2 sim 3 15 B5 sim 2 16 C6 sim 4 17 C8 sim 5 18 D4 sim 8 19 F5 sim 7 20 G8 sim 0 21 H1 sim 1 22 K9 sim 1 E gostaria que ficasse assim: cap=c("A1","A3","B2","B5","C6","C8","D4","F5","G8","H1","K9") Var1=c("nao","nao","nao","nao","nao","nao","nao","nao","nao","nao","nao") Var2=c(2,5,7,4,1,2,4,8,9,6,7) Var3=c("sim","sim","sim","sim","sim","sim","sim","sim","sim","sim","sim") Var4=c(4,5,3,2,4,5,8,7,0,1,1) df=cbind(cap,Var1,Var2,Var3,Var4) df=as.data.frame(df) df cap Var1 Var2 Var3 Var4 1 A1 nao 2 sim 4 2 A3 nao 5 sim 5 3 B2 nao 7 sim 3 4 B5 nao 4 sim 2 5 C6 nao 1 sim 4 6 C8 nao 2 sim 5 7 D4 nao 4 sim 8 8 F5 nao 8 sim 7 9 G8 nao 9 sim 0 10 H1 nao 6 sim 1 11 K9 nao 7 sim 1 Alguém poderia me ajudar? Obrigada Fátima -- "Minha felicidade depende da qualidade dos meus pensamentos"

2 2

visualizar redes grandes com igraph
by Roney Fraga Souza 08 Mar '14

08 Mar '14

Caros, Estou tentando aprimorar a visualização de uma rede grande onde possa identificar a evolução de grupos. A menor rede que tenho tem 5000 vértices e 40000 edges, sendo que a maior tem 240000 vertices e mais de 2 milhões de edges (ainda não sei como trabalhar com essa rede no R, mas isso é outra história). A melhor visualização de rede que encontrei foi essa (figura a): https://dl.dropboxusercontent.com/u/61883020/rede.grande.grupos.tiff o autor utiliza o algoritmo de visalização large graph layout (LGL), disponível no pacote igraph em layout.lgl(). O problema é que não consegui combinar os argumentos da função para gerar uma rede em formato 'esférico', com baixa nível de sobreposição dos grupos. Alguém tem alguma sugestão? Atenciosamente Roney # ------------------------------ # Início código R # ------------------------------ # carregando os pacotes igraph() e plyr() library(igraph) library(plyr) # criando uma rede aleatória com quatro componentes fortemente conectados # isso vai garantir grupos homogêneos # # para realizar testes optei por criar uma rede pequena, pois, o tempo necessário para visualizar uma rede # maior aumenta significativamente g <- erdos.renyi.game(50, p=1/2) + erdos.renyi.game(50, p=1/2) + erdos.renyi.game(50, p=1/2) + erdos.renyi.game(50, p=1/2) # adicionando links entre os quatro diferentes componentes g <- add.edges( g, c(1,51, 1,52, 51,101, 51,102, 101,151, 102,152, 150,151, 1,101, 1,102, 1,151, 1,200 ) ) g # nomeando os vértices em uma sequencia de 1 a 200 (necessário para fazer o merge() nos próximos passos) V(g)$name <- 1:200 # clusterizando # A Clauset, MEJ Newman, C Moore: Finding community structure in very large networks fc <- fastgreedy.community(as.undirected(g)) # quatro grupos foram identificados, como era de ser esperar table(membership(fc)) sizes(fc) # adicionado qual grupo cada vértice pertence V(g)$grupo <- membership(fc) # pretendo colorir os edges conforme o grupo de quem esta citando, # para isso vou fazer um merge para adicionar esse atributo dos vértices nos edges # criando um data frame dos vértices e de qual grupo este pertence g.ver <- data.frame( name=V(g)$name, grupo=V(g)$grupo ) head(g.ver) # criando um data frame dos edges g.edg <- as.data.frame(get.edgelist(g)) head(g.edg) g.edg <- plyr::rename(g.edg, c('V1'='citante')) g.edg <- plyr::rename(g.edg, c('V2'='citado')) # adicionando qual grupo cada edge pertence, assumindo que se um vértice pertence ao # grupo 1 e tem 8 edges com outros vértices, todos os 8 nós pertencem ao grupo 1 g.edg2 <- merge( g.edg, g.ver, by.x = 'citante', by.y = 'name', all.x = TRUE, all.y = F ) dim(g.edg2) head(g.edg2) # adicionando cores nos edges para os diferentes grupos E(g)$grupo.citante <- g.edg2$grupo E(g)[grupo.citante==1]$color <- 'dark green' E(g)[grupo.citante==2]$color <- 'dark red' E(g)[grupo.citante==3]$color <- 'dark blue' E(g)[grupo.citante==4]$color <- 'sky blue' # adicionado cores nos vértices para os diferentes grupos V(g)[grupo==1]$color <- 'dark green' V(g)[grupo==2]$color <- 'dark red' V(g)[grupo==3]$color <- 'dark blue' V(g)[grupo==4]$color <- 'sky blue' # adicionado cores na borda dos vértices para os diferentes grupos V(g)[grupo==1]$vertex.frame.color <- 'dark green' V(g)[grupo==2]$vertex.frame.color <- 'dark red' V(g)[grupo==3]$vertex.frame.color <- 'dark blue' V(g)[grupo==4]$vertex.frame.color <- 'sky blue' # http://igraph.sourceforge.net/doc/R/layout.html # definir o layout da rede l1 <- layout.lgl( g # maxiter = 150, # The maximum number of iterations to perform (150) # maxdelta = vcount(g), # The maximum change for a vertex during an iteration (the number of vertices) # area = 30*vcount(g)^2 # The area of the surface on which the vertices are placed (square of the number of vertices) # coolexp = , # The cooling exponent of the simulated annealing (1.5) # repulserad = vcount(g) # Cancellation radius for the repulsion (the area times the number of vertices) # cellsize = # The size of the cells for the grid. When calculating the repulsion forces between vertices only vertices in the same or neighboring grid cells are taken into account (the fourth root of the number of area) # root = # The id of the vertex to place at the middle of the layout. The default value is -1 which means that a random vertex is selected ) plot( g, layout = l1, vertex.label = NA, vertex.size = 0.0000001, edge.arrow.size = FALSE, edge.arrow.width = FALSE, ) # ------------------------------ # Fim código R # ------------------------------

1 0