Setembro 2014 - R-br

percentage prediction error
by Humberto Hazin 02 Set '14

02 Set '14

Prezados, Estou com uma dúvida que pode parecer besteira, porém gostaria da ajuda de vocês! A dúvida é a seguinte como calcular o percentual de "Bias" (percentage prediction error) por linha de um modelo ZINB (package- pscl)? O meu objetivo é fazer um boxplot com esse percentual por ano Eu iniciei da seguinte forma: dois bancos de dados um de try.csv (10% retirados do banco original) e outro original.csv try<-read.csv(try.csv, header = TRUE, sep = ",", quote="\"", dec=".",fill = TRUE) <https://www.dropbox.com/s/v7vruztus11nnbi/try.csv> https://www.dropbox.com/s/v7vruztus11nnbi/try.csv original<-read.csv(original.csv, header = TRUE, sep = ",", quote="\"", dec=".",fill = TRUE) <https://www.dropbox.com/s/7htqc2bqi45rkku/original.csv> https://www.dropbox.com/s/7htqc2bqi45rkku/original.csv # Criar Fatores para o banco original original$area<-rep(1,nrow(original)) original$area[original$lat<=-15&original$lat>=-45]<-2 original$A=as.factor(original$area) summary(original) original$S<-factor(original$id.group.fleet) original$Q<-factor(original$Quarter) original$Y<-factor(original$Year) original$logEf<-log(original$effort1) summary(original) # Criar Fatores para o banco try try$area<-rep(1,nrow(try)) try$area[try$lat<=-15&try$lat>=-45]<-2 try$A=as.factor(try$area) summary(try) try$S<-factor(try$id.group.fleet) try$Q<-factor(try$Quarter) try$Y<-factor(try$Year) try$logEf<-try$effort1*0 summary(try) zeroinfl.fit_original<-zeroinfl(BSH~Y+S+Q+A+offset(logEf)|Y+S+Q+A,dist="negb in",data=original) pred<-predict(zeroinfl.fit_original,newdata=try,type="response") Daqui em diante não tenho mais ideia de como gerar esse percentage prediction error Alguem poderia me ajudar! Desde já Agradeço Humberto

3 2

instalar pacote AED (Zuur et al.)
by Ana Maria Nievas 02 Set '14

02 Set '14

Bom dia! Alguém sabe como instalar o pacote AED do Zuur? A dificuldade está no fato de ele não aparecer no CRAN. Obrigada!! -- Ana Maria Nievas Bióloga e Mestre em Ciências, com ênfase em Ecologia Aplicada (16) 98843-7744

3 3

Re: [R-br] Mensagem de erro: "testes-F ANOVA sobre um ajuste essencialmente perfeito, são incertos"
by andrebvs＠bol.com.br 02 Set '14

02 Set '14

1 0

Leitura de dados da PNAD 2008 com o pacote dicionariosIBGE
by Leonardo Ferreira Fontenelle 02 Set '14

02 Set '14

Bom dia, pessoal. Estou começando a namorar os microdados da Pesquisa Nacional por Amostra de Domicílios de 2008, mas não estou conseguindo utilizar o pacote dicionariosIBGE para ler os microdados. Na saída abaixo, substituí o prompt ">" por "." para evitar que clientes de e-mail interpretem como citação de e-mails prévios. . library("dicionariosIBGE") . data(dicPNAD2008) . dicdom2008 inicio cod tamanho desc 1 1 V0101 4 ANO DA PESQUISA 2 5 UF 2 UNIDADE DA FEDERACAO 3 5 V0102 8 NUMERO DE CONTROLE 4 13 V0103 3 NUMERO DE SERIE 5 16 V0104 2 TIPO DE ENTREVISTA [...] . amostra <- le.pesquisa(dicdom2008, "~/Dropbox/Cobertura/2008/dados/DOM2008.txt", codigos = c("V0101", "UF", "V0102", "V0103", "V4105", "V4106", "V4606", "V4604", "V4605", "V4606", "V4607", "V4608", "V4609", "V4610", "V4611", "SUBAMO", "V0223"), nlines = 150591) |=====================================================================| 100% . summary(amostra$V0101) Mode NA's logical 1015101 . summary(amostra$UF) Min. 1st Qu. Median Mean 3rd Qu. Max. NA's 0.00 3.00 12.00 19.69 31.00 99.00 264343 Como os microdados da PNAD 2008 estão reponderados utilizando informações posteriores à publicação original do arquivo, considerei a possibilidade de que a organização dos dados tivesse mudado. Mas, conferindo o dicionário de dados atualmente disponibilizado, vi que os números de início, código e tamanho continuam os mesmos, pelo menos para as primeiras variáveis (são setenta variáveis, só neste banco de dados). O que será que estou fazendo de errado? Grato, Leonardo Ferreira Fontenelle http://lattes.cnpq.br/9234772336296638

4 9

Mensagem de erro: "testes-F ANOVA sobre um ajuste essencialmente perfeito, são incertos"
by andrebvs＠bol.com.br 02 Set '14

02 Set '14

3 2

Fit não linear com função que aprensenta singularidades.
by Michelle Baú Graczyk 02 Set '14

02 Set '14

Desculpe Fernando, seguem os dados: > dput(file) structure(list(x = 0:372, y = c(1.552918816, 1.177870257, 0.728582521, 0.754977859, 1.014857186, 0.952781237, 0.92487764, 0.930448803, 0.825743421, 1.061320976, 0.778891815, 0.987829557, 0.839076467, 1.035174095, 1.026961486, 1.180269616, 0.897432732, 0.750135342, 0.713731659, 0.986891474, 0.814066753, 0.838472048, 0.819105964, 0.913483671, 1.134245404, 0.790984967, 0.785299927, 0.795018406, 0.839324923, 0.735915178, 0.593269981, 0.923184631, 1.018998131, 0.803540789, 0.80479661, 0.72999522, 0.699068733, 0.618802888, 0.815272405, 0.803152178, 0.701841573, 0.734495312, 0.73549551, 0.903936404, 0.99491774, 0.990528339, 0.752979853, 0.708288706, 0.822200524, 0.787724769, 0.852584706, 0.741692593, 0.833094394, 0.835140976, 0.843551076, 0.789762592, 0.71986185, 0.641050114, 0.800506751, 0.884314696, 0.987518987, 0.768463801, 0.866236287, 1.065961223, 0.806744447, 0.766739735, 0.751533707, 0.696793602, 0.936172067, 0.998768819, 0.790549371, 1.112424217, 0.727549674, 0.91716513, 0.785049082, 0.835587721, 0.673062803, 0.849652599, 0.849677285, 0.792995714, 0.817868458, 0.790538222, 0.718977121, 0.969363333, 0.821173251, 0.682762966, 0.547801611, 0.864380029, 0.637068436, 0.716060144, 0.925191396, 0.82309242, 1.217327091, 0.950335691, 0.825029108, 0.858161444, 0.620884509, 0.743739175, 0.782014247, 0.815065357, 0.746548647, 0.778370215, 0.747050338, 0.85151045, 0.853198681, 0.741675073, 0.980756505, 0.78396288, 0.87737065, 0.76027349, 0.814334321, 0.955472852, 0.797915475, 0.64547774, 0.703556084, 1.160420157, 0.697551714, 0.680614453, 0.87038201, 0.885639002, 0.931712588, 0.634435751, 0.771353703, 0.723837157, 0.864745547, 0.683628583, 0.677707032, 0.625280281, 0.780408834, 0.740849273, 0.816243934, 0.743649986, 0.767603759, 0.788182662, 0.638866562, 0.749819197, 0.61128548, 0.699447788, 0.742390183, 0.654970059, 0.621842501, 0.841482993, 0.71000242, 0.719206466, 0.651004308, 0.657988171, 0.659939193, 0.590479621, 0.916040704, 0.735814044, 0.780472541, 0.690410176, 0.852647617, 0.663802217, 0.774593992, 0.679669203, 0.841208257, 0.644216344, 0.790331175, 0.655288593, 0.598600651, 0.850198089, 0.639451072, 0.790941168, 0.56980038, 0.751766237, 0.800986145, 0.661843231, 0.699207295, 0.729910808, 0.713261821, 0.658346522, 0.698184004, 0.725423458, 0.754622693, 0.681435475, 0.471715731, 0.705996852, 0.570707406, 0.660579447, 0.738280295, 0.68915117, 0.568583579, 0.61153553, 1.02975742, 0.661527086, 0.567946511, 0.543164549, 0.702431658, 0.509399922, 0.511034002, 0.683268639, 0.743713692, 0.583393828, 0.599969552, 0.722769271, 0.562765552, 0.596352596, 0.640454455, 0.610732823, 0.734572557, 0.644839078, 0.714663372, 0.679286961, 0.669174296, 0.639958338, 0.732628702, 0.521852221, 0.591436817, 0.622606983, 0.592701398, 0.584728486, 0.808503552, 0.557689709, 0.683618231, 0.671007461, 0.612336643, 0.867552629, 0.71857975, 0.581004025, 0.57724771, 0.65777316, 0.53544089, 0.81379122, 0.607679673, 0.561732705, 0.583045033, 0.642250988, 0.612925931, 0.619729026, 0.655734541, 0.674082112, 1.199682684, 0.565012811, 0.59800977, 0.839234937, 0.806546956, 0.58329986, 0.673788265, 0.627473389, 0.69975597, 0.795051056, 0.606857855, 0.767389545, 0.691856322, 0.637890254, 0.615875558, 0.527046717, 0.69097876, 0.543992738, 0.721710941, 0.541890412, 0.623967124, 0.765809615, 0.697307239, 0.648002123, 0.695423905, 0.58107251, 0.663865924, 0.676050654, 0.576674348, 0.75346084, 0.684342896, 0.692429683, 0.749339007, 0.681089865, 0.694518471, 0.61196794, 0.704916225, 0.752186703, 0.973376864, 0.884314696, 0.892780539, 0.644331016, 0.810050036, 0.659620659, 0.875652955, 0.739896856, 1.050720157, 0.701284935, 0.939293702, 1.023670231, 0.841587313, 0.925278197, 0.780156396, 0.887787516, 0.823984315, 0.985433384, 0.894676614, 0.83659827, 0.96598687, 0.787544001, 0.764039361, 0.898974437, 0.861125405, 0.933638924, 0.86870652, 0.861905018, 0.992322483, 1.381073587, 0.899413218, 1.055144597, 1.048128881, 0.947446586, 0.816658028, 0.85940532, 0.972548675, 0.875777979, 0.974942459, 0.790028568, 0.71600679, 0.792859541, 0.889052096, 0.966600048, 0.89341283, 0.958572986, 1.020383755, 0.76941144, 1.110825175, 0.843357567, 1.120730793, 0.889411244, 0.999906782, 1.02455496, 1.051479065, 1.095087992, 0.923559705, 1.128647961, 1.313131831, 0.915153587, 1.058557692, 0.853607998, 0.949029701, 0.969001, 1.091106314, 1.033087696, 0.957625347, 0.90042775, 1.315533579, 0.86301272, 0.970012346, 0.996177543, 0.872745533, 1.169665612, 1.130164184, 1.12352832, 1.059315803, 1.008628249, 1.296573626, 1.045684131, 1.193302444, 1.181863084, 1.096267365, 1.240134937, 1.16928576, 1.233877333, 1.092117661, 1.15841578, 1.500965885, 1.229769834, 1.438586533, 1.346249834, 1.459758706, 1.542678738, 1.583001188, 1.512468952, 1.330386034, 1.215865019, 1.642284388, 1.588310357, 1.602909577, 1.479793712, 1.527826283 )), .Names = c("x", "y"), class = "data.frame", row.names = c(NA, -373L)) Boa Tarde, Eu estou fazendo um fit nâo linear com um polinômio. Porém, a fiunção que eu estou usando : y= - {[a*(x^(2*n)) + b]/[(x-186)(x+186)]} apresenta duas assíntotas em +- 186 e por isso dá um erro no fit: Erro em numericDeriv(form[[3l]], names(ind), env): obtido valor faltante ou infinito quando avaliando o modelo. Pelo que eu entendi, o motivo é que a derivada também possui assíntotas nestes mesmo postos e daí na função vai para o infinito. Eu fiz D( (-(a*(x^(2*n)) + b)/((x-186)(x+186))), "x") e a mensagem de erro foi: Erro em x^(2*n)argumento não numérico para operador binário. Aí eu pensei que era por causa do n e deixei então só o x^2 e o erro foi o mesmo. Eu procurei na internet e não achei nada que explicasse o que está querendo dizer. O que seria um operador binário? Voltando às assintotas, eu achei uma função chamada ‘NLSstAsymptotic(xy)’ que é para assintotas verticais em gráficos mas eu tentei emplementá-la e nâo deu certo. Tem outra função que eu possa usar para que o fit seja feito mesmo que a função usada para o fit apresente singularidades? Abaixo está o código: file <- read.table(file="/Users/bau/Desktop/teste/DISparam.txt", col.names=c('x','y')) plot(x=file$x, y=file$y, xlab='Valores de x', ylab='Valores de y', lwd=0.5,) dados <- data.frame(x=file$x,y=file$y) #chute inicial guess <- list(a=1, b=3, n=3) # funcao usada para o fit # func <- function(x,n, a, b){ y <- (-(a*(x^(2*n)) +b)/((x-186)*(x+186))) return(y) } #executa o fit e armazena resultado na variavel 'fit' fit <- nls(y ~ func(x,n,a,b), data=dados, start=guess, lower=-200, upper=200) fit summary(fit) #gera valores de y a partir do resultado do fit, para plotar #o resultado no mesmo grafico que os dados yfit <- predict(fit) #plota a linha do fit lines(dados$x, yfit, col='blue',lwd=2) #carrega os parametros param <- coef(fit) Obrigada, Michelle

5 7

Uma pequena dúvida sobre métodos
by Jose Claudio Faria 02 Set '14

02 Set '14

Olá pessoal, Gostaria de fazer uma consulta ao pessoal mais ligado ao desenvolvimento de soluções para o R. Estamos trabalhando para fazer o pacote fdth (http://cran.r-project.org/web/packages/fdth/index.html) mais genérico, flexível e por conseguinte mais útil aos usuários. Entre as novidades: - os métodos tabulares e gráficos foram estendidos para as variáveis categóricas com as novas opções (barchart, poligon e dotchart para qualquer coluna da fdt assim como o gráfico de pareto) para as categóricas; - permite a criação de tabelas de distribuição de frequências (fdt) para variáveis contínuas e categóricas com um mínimo de argumentos baseado em uma fdt prévia existente na literatura (ou seja, você não conhece - de fato - o vetor da variável, apenas as frequências); - cálculo de medidas de tendência central (média e mediana) e posição (quantil genérico) a partir de uma fdt. Para gerar uma tabela de uma variável contínua (por exemplo) à partir do vetor de frequências é bem simples: > tb <- make.fdt(x=vetor_freq, start, end) Uma vez criado 'tb' irá pertencer a classe 'fdt'. Foram implementando métodos para as funções genéricas (mean, median, quantile) para a classe 'fdt'. por exemplo: > mean(tb) > median(tb) > quantile(tb, i=10, probs=seq(0, 1, .1) para calcular o 10 percentil. Minha questão é a seguinte, as funções 'var' e 'sd' não são genéricas. Assim não posso implementar o métodos: var.fdt e sd.fdt para chamar assim: > var(tb) > sd(tb) Poderia se criasse nova funções 'var' e 'sd' genéricas no pacote. Contudo, fico um pouco apreensivo com esta abordagem. Qual seria uma opção razoável para este caso? A mais simples seria escrever as funções 'var.fdt' e 'sd.fdt' e o usuário teria que usar assim: > var.fdt(x=tb) > sd.fdt(x=tb) Mas foge do padrão do restante do pacote que realmente é orientado a objetos S3. Nunca tinha me deparado com uma caso desses. Sugestões são muito bem vindas... 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 ///\\\///\\\///\\\///\\\///\\\///\\\///\\\///\\\

4 4

Pacote formulário para criação de banco de dados
by Fátima Lima Paula 01 Set '14

01 Set '14

Prezados, existe algum pacote que nos permita criar um formulário para ser preenchido para montar um banco de dados? Obrigada Fátima -- "Minha felicidade depende da qualidade dos meus pensamentos"

3 4

Re: [R-br] IMPORTAR ARQUIVO PNG TRANSPARENTE
by andrebvs＠bol.com.br 01 Set '14

01 Set '14

1 0

IMPORTAR ARQUIVO PNG TRANSPARENTE
by andrebvs＠bol.com.br 01 Set '14

01 Set '14

3 2