- R-br - DINF UFPR

Re: [R-br] Resíduos intrigantes entre modelo ponderado e não-ponderado!
by Ivan Bezerra Allaman 24 Set '11

24 Set '11

Não diria que está errado, mais cautela! Realmente não é a mesma metodologia que o R utiliza para calcular resíduos padronizados, que segundo Cook & Weisberg (1982), Cox & Reid (2000), Weisberg (2005) e outros, temos: h <-lm.influence(mod)$hat s <- summary(mod)$sigma respadR <- residuals(mod)/(s*sqrt(1-h)) que é o resíduo que a lm utiliza na análise de resíduos. Equivalentemente, rstandard(mod) E isso descobri agora!! O método que utilizei para o cálculo dos resíduos padronizados, foi segundo Dean & Voss (1999), Montgomery (2001), http://www.leg.ufpr.br/~paulojus/embrapa/Rembrapa/Rembrapase25.html#x27-178… e outros. O que estava me intrigando era isso, que o meu resíduo padronizado estava diferente do resíduo padronizado da lm. O fato do modelo ponderado ter produzido os mesmos coeficientes do modelo não poderado não me espantou, uma vez que as estimativas do modelo ponderado estavam com um menor erro padrão, o que era de se esperar pela ponderação. (S,f,P) Allaman \begin{signature} <<>>= Prof. Dr. Ivan Bezerra Allaman Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Ilhéus/BA - Brasil Fone: +55 73 3680-5076 E-mail: ivanalaman@yahoo.com.br/ivanalaman@gmail.com @ \end{signature}

5 5

Multiplos Plots
by Ricardo Fernandes Campos Junior 24 Set '11

24 Set '11

Olá, Pessoal. Estou com um problema que não consigo resolver. Estou tentando plotar duas linhas de densidade em um mesmo dispositivo gráfico. Preciso que as escalas fiquem fixas, então estou delimitando os eixos com xlim e ylim. O problema é que quando faço isso, as curvas de densidades não são plotadas. Segue um código reproduzível ### Assim funciona, já que não delimito os limites x=rnorm(1000,10,1) y=runif(1000,20,200) z=runif(1000,30,50) plot(density(x,weights=y,from=min(x),to=max(x)),main="Density") plot(density(x,weights=z,from=min(x),to=max(x)),main="Density") #mas assim não! plot(density(x,weights=y,from=min(x),to=max(x)),main="Density",xlim=range(x),ylim=range(c(y,z))) Já tentei em outro computador, dá a mesma coisa. Já usei a interface GUI do R (Eu uso Rstudio), e também não dá. Já tentei criar um plot pra delimitar os eixos e depois adicionar as curvas com lines(), mas o problema continua. Quem puder me ajudar, agradeço muito. -- Abraços, Ricardo Fernandes Campos Junior Departamento de Genética e Biologia Evolutiva Universidade de São Paulo

2 1

Re: [R-br] Matriz de variância/covariância
by Thiago De paula protásio 24 Set '11

24 Set '11

Obrigado Walmes...... A sua dica me ajudou muito. Thiago de Paula Protásio Acadêmico de Engenharia Florestal Universidade Federal de Lavras Laboratório de Energia da Biomassa Florestal Laboratório de Biomateriais (035) 9183-2246

1 0

Re: [R-br] Multiplos Plots
by Ivan Bezerra Allaman 24 Set '11

24 Set '11

Não há nada de errado, pois a função está retornando a densidade no domínio da função requerida! par(mfrow=c(2,2)) plot(density(x,weights=y,from=min(x),to=max(x)),main="Density") plot(density(x,weights=y,from=min(x),to=max(x)),main="Density",xlim=range(x),ylim=range(c(y,z))) plot(density(x,weights=y,from=min(x),to=max(x)),main="Density",xlim=range(x),ylim=c(35000,40000)) plot(density(x,weights=y,from=min(x),to=max(x)),main="Density",xlim=range(x),ylim=c(0,100)) Talvez esteja interessado nisso! plot(density(x,weights=y,from=min(x),to=max(x)),main="Density", xlim=range(x),ylim=c(0,40000)) par(new=TRUE) plot(density(x,weights=z,from=min(x),to=max(x)),main="Density", xlim=range(x),ylim=c(0,40000),col='red') \begin{signature} <<>>= Prof. Dr. Ivan Bezerra Allaman Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Ilhéus/BA - Brasil Fone: +55 73 3680-5076 E-mail: ivanalaman@yahoo.com.br/ivanalaman@gmail.com @ \end{signature}

1 0

Matriz de variância/covariância
by Thiago De paula protásio 23 Set '11

23 Set '11

Pessoal; Novamente peço a ajuda de vcs.Preciso obter uma MANAVA e estimar a matriz de covariância entre médias de tratamentos.Preciso dessa matriz para fazer as correlações canônicas fenotípicas entre médias de tratamento. Alguém pode me ajudar?Muito obrigado! Thiago de Paula Protásio Acadêmico de Engenharia Florestal Universidade Federal de Lavras Laboratório de Energia da Biomassa Florestal Laboratório de Biomateriais (035) 9183-2246

2 1

Re: [R-br] Função estimate para o R
by Fernando Antonio de souza 23 Set '11

23 Set '11

> Caro Walmes, Os comando utilizados até agora foram os seguintes > > > > RegFixo<-glm(Y~-1+as.factor(estudo)/X,family=gaussian(),data=Pierre3)#considera > os efietos fixos porém considere o efeito do estudo > library("car") > Anova(RegFixo,type="III",test.statistic="F") #produz a soma de quadrados > tipo III > anova(RegFixo,test="F")#produz a soma de quadrados tipo I > summary(RegFixo) > > > Acontece que necessito estimar o modelo baseado nos erros padrões estimados > pela função glm e assim obter o intercepto total e a inclinação total do > modelo. E não sei qual função ou como fazer isto. > > > Eu anexei o artigo para q você olhe caso seja necessário. trata-se de um > passo a passo apresentado pelo autor para a realização de meta-analises.Ele > fornece o banco de dados utilizado bem como apresenta os comando utilizados > no SAS por ele. Eu estou repetindo os passo a passos para compreender o > pensamento por trás deste tipo de análise, porém quero realizá-los no R! > > > Abaixo segue o banco de dados (também coloquei em anexo em formato csv) > > > > Base de dados > > > > > > > obs estudo > X Y > > > > > > 1 1 1.16391 -2.92296 > 2 1 1.94273 -1.03365 > 3 1 2.50229 -1.00383 > 4 1 3.98627 1.33325 > 5 1 4.36177 1.13752 > 6 1 4.98954 1.59278 > 7 2 2.1091 -1.33751 > 8 2 2.28976 -1.14376 > 9 2 2.45645 -1.09304 > 10 2 4.95084 1.4274 > 11 2 5.92572 2.99572 > 12 3 2.09605 -0.70073 > 13 3 2.30059 -1.11007 > 14 3 3.90388 0.17334 > 15 3 5.15574 2.38882 > 16 3 5.57553 1.78167 > 17 3 5.60523 3.09353 > 18 4 3.1955 0.18097 > 19 4 4.32691 0.7431 > 20 4 5.04092 1.947 > 21 4 5.17521 1.07029 > 22 4 5.57254 2.71423 > 23 4 5.59532 2.43982 > 24 5 2.31878 0.26487 > 25 5 4.06027 1.99979 > 26 6 2.48122 1.31151 > 27 6 2.73224 1.32218 > 28 6 3.66628 2.52286 > 29 6 4.15568 2.83423 > 30 6 4.57694 2.99086 > 31 6 4.86356 3.90049 > 32 7 2.767 1.18358 > 33 7 2.79859 1.70206 > 34 7 2.97074 1.84639 > 35 7 3.85289 3.13155 > 36 7 6.24981 5.27271 > 37 7 6.80389 5.85844 > 38 8 2.74107 -0.26691 > 39 8 3.72445 1.32567 > 40 8 4.51721 1.04086 > 41 8 5.18536 2.40105 > 42 9 3.24046 3.12334 > 43 9 3.2864 3.52558 > 44 9 4.52824 4.29043 > 45 9 5.10468 4.04917 > 46 9 5.40578 5.55135 > 47 9 7.25461 7.2311 > 48 10 3.09531 3.31464 > 49 10 3.13951 2.5785 > 50 10 3.86928 4.0819 > 51 10 6.40856 6.6731 > 52 10 7.35976 6.8001 > 53 10 7.95716 8.2098 > 54 11 3.24974 2.8825 > 55 11 3.25369 4.8511 > 56 11 4.4005 4.3538 > 57 11 4.74897 6.076 > 58 11 4.96576 5.9062 > 59 12 3.00403 2.5733 > 60 12 3.1542 3.9324 > 61 12 4.95652 5.8456 > 62 12 5.35746 5.2066 > 63 12 5.62651 6.3312 > 64 12 6.53297 6.6019 > 65 12 6.6958 6.9498 > 66 12 7.83844 8.1031 > 67 13 5.44713 6.4838 > 68 13 5.82682 6.2341 > 69 13 6.76986 7.8937 > 70 13 6.87949 6.9477 > 71 13 8.47819 8.1336 > 72 14 4.31493 5.228 > 73 14 5.70501 6.0941 > 74 14 6.70113 7.6858 > 75 15 4.11223 5.2129 > 76 15 4.55329 5.2169 > 77 15 4.75641 6.1755 > 78 15 5.0742 5.7492 > 79 15 5.90125 6.5407 > 80 15 6.84886 6.7004 > 81 15 8.87813 10.2425 > 82 16 4.25114 5.3359 > 83 16 6.50762 9.1897 > 84 16 6.52857 8.4259 > 85 16 6.67694 8.2782 > 86 16 6.79539 8.3206 > 87 16 8.62833 10.4385 > 88 17 6.47237 7.6132 > 89 17 6.73826 7.7381 > 90 17 7.57947 8.5328 > 91 17 8.11267 8.9045 > 92 17 9.18169 9.7732 > 93 18 5.49319 6.6492 > 94 18 5.62711 6.4464 > 95 18 6.67182 8.5909 > 96 18 7.4494 9.2077 > 97 18 8.13165 9.365 > 98 18 8.31896 9.5025 > 99 18 8.74606 10.3598 > 100 18 8.92038 9.4361 > 101 18 9.43227 11.0051 > 102 19 6.06067 7.9306 > 103 19 7.98874 10.1887 > 104 19 8.35784 10.9856 > 105 19 9.52789 11.507 > 106 19 9.68213 12.6051 > 107 20 7.15668 9.9928 > 108 20 9.61256 > 12.2149 > > > > grato pela atenção > > > >

2 2

Transformar em mintuos diferença de horas
by Edson Lira 23 Set '11

23 Set '11

Gente, tenho os dados abaixo: DIA SAIDA CHEGADA 1 09/09/2011 08:11 11:20 2 09/09/2011 08:17 08:25 3 09/09/2011 08:45 09:05 4 09/09/2011 09:15 09:20 5 09/09/2011 09:30 09:35 6 09/09/2011 09:50 10:15 7 09/09/2011 10:40 10:55 8 12/09/2011 08:25 11:05 9 12/09/2011 08:30 08:45 10 12/09/2011 09:25 09:40 Como faço a diferença entre os tempos em horas e minutos transformando os resultados em minutos? []'s. Edson Lira Estatístico Manaus-Amazonas

2 1

Erro em função
by Carlos Mendonça 23 Set '11

23 Set '11

Caros, estou utilizando a função abaixo que calcula os quartis ponderados que funcionou muito bem até agora. tmp = subset(arq1, select=c(codigo, qtd, val)) equantileByCounts <- function(x, counts, qs){ tot <- sum(counts) i <- order(x) x <- x[i] counts <- counts[i] partial <- cumsum(counts) qsObs <- qs*tot start <- floor(qsObs) end <- ceiling(qsObs) i <- length(qs) aux1 <- sapply(1:i, function(.x, start, end, x){ coord <- c(start[.x], end[.x]) bins <- c(1, partial) grps <- cut(coord, bins, labels=FALSE, include.lowest=T) mean(x[grps]) }, start=start, end=end, x=x) names(aux1) <- names(qs) return(aux1) } aux1 <- do.call(rbind, lapply(split(tmp, tmp$codigo), function(y) equantileByCounts(y$qtd, y$val, c(.25, .75)))) O meu processamento é por trimestres e em apenas um deles deu a seguinte mensagem de erro: "Erro em cut.default(coord, bins, labels = FALSE, include.lowest = T) : 'breaks' não são únicos" Alguém saberia me dizer o que posso fazer? Um abraço, Carlos Mendonça.

2 14

Simulação de dados de um modelo linear
by Greice Laureano 23 Set '11

23 Set '11

Bom dia, Tenho uma duvida a respeito de uma simulação de um modelo linear Two-way com os efeitos fatorias aleatorios (sujeito, aferidor e interação) A questão é: Quero gerar vários bancos de dados (y) para realizar a simulação de diversos métodos de estimação para o coeficiente de correlação intraclasse. Eu gerei os efeitos fatoriais uma vez e a partir dessa geração geramos os y do modelo linear... Minha dúvida é se preciso gerar os efeitos fatoriais novamente a cada vez que gero um y ou se posso fazer como disse anteriormente, minha maior preocupação é perder informação dos efeitos fatorias ao gerar os mesmos a cada vez que montar um banco de dados!!! Obrigado! Saudações Greice. Abaixo esta o programa no R # Tamanho de amostra n.af=2 n.suj=29 rep=3 repl=5 ntot=174 var.af=0.915544 var.sj=51.987741 var.sjaf=1.215483 var.erro=0.8563 theta = -1.24795 ### Dados sujeito = rep(1:n.suj,each=(n.af*rep)) aferidor = rep(rep(1:n.af,each=rep),n.suj) interacao = rep(1:(n.af*n.suj),each=rep) ### Efeitos aleatórios set.seed(123) ef.aferidor = rnorm(n.af,0,sqrt(var.af)) ef.sujeito = rnorm(n.suj,0,sqrt(var.sj)) ef.inter = rnorm((n.suj*n.af),0,sqrt(var.sjaf)) ef.suj.rep = rep(ef.sujeito,each=(n.af*rep)) ef.af.rep = rep(rep(ef.aferidor,each=rep),n.suj) ef.inter.rep = rep(ef.inter,each=rep) ### modelo linear media = theta + ef.suj.rep + ef.af.rep + ef.inter.rep ### Geração dos dados #### y = replicate(repl,rnorm(ntot,media,sqrt(var.erro)))

2 2

RKward no UBUNTU 11.04
by Marley Saraiva 23 Set '11

23 Set '11

Olá! Estou começando a utilizar o R no ubuntu e instalei seguindo as instruções no site do R. Além disso instalei o RKWard. Alguém tem alguma dica ou comentário que possa evitar problemas futuros. Até o momento não tive problemas. Marley Apolinario Saraiva

1 0

Fwd: Função estimate para o R
by Fernando Antonio de souza 22 Set '11

22 Set '11

---------- Mensagem encaminhada ---------- De: Fernando Antonio de souza <nandodesouza(a)gmail.com> Data: 22 de setembro de 2011 13:33 Assunto: Re: [R-br] Função estimate para o R Para: r-br(a)listas.c3sl.ufpr.br Caro Walmes, Os comando utilizados até agora foram os seguintes RegFixo<-glm(Y~-1+as.factor(estudo)/X,family=gaussian(),data=Pierre3)#considera os efietos fixos porém considere o efeito do estudo library("car") Anova(RegFixo,type="III",test.statistic="F") #produz a soma de quadrados tipo III anova(RegFixo,test="F")#produz a soma de quadrados tipo I summary(RegFixo) Acontece que necessito estimar o modelo baseado nos erros padrões estimados pela função glm e assim obter o intercepto total e a inclinação total do modelo. E não sei qual função ou como fazer isto. Eu anexei o artigo para q você olhe caso seja necessário. trata-se de um passo a passo apresentado pelo autor para a realização de meta-analises.Ele fornece o banco de dados utilizado bem como apresenta os comando utilizados no SAS por ele. Eu estou repetindo os passo a passos para compreender o pensamento por trás deste tipo de análise, porém quero realizá-los no R! Abaixo segue o banco de dados (também coloquei em anexo em formato csv) Base de dados OBS Experimento X Y 1 1 1.16391 -2.92296 2 1 1.94273 -1.03365 3 1 2.50229 -1.00383 4 1 3.98627 1.33325 5 1 4.36177 1.13752 6 1 4.98954 1.59278 7 2 2.1091 -1.33751 8 2 2.28976 -1.14376 9 2 2.45645 -1.09304 10 2 4.95084 1.4274 11 2 5.92572 2.99572 12 3 2.09605 -0.70073 13 3 2.30059 -1.11007 14 3 3.90388 0.17334 15 3 5.15574 2.38882 16 3 5.57553 1.78167 17 3 5.60523 3.09353 18 4 3.1955 0.18097 19 4 4.32691 0.7431 20 4 5.04092 1.947 21 4 5.17521 1.07029 22 4 5.57254 2.71423 23 4 5.59532 2.43982 24 5 2.31878 0.26487 25 5 4.06027 1.99979 26 6 2.48122 1.31151 27 6 2.73224 1.32218 28 6 3.66628 2.52286 29 6 4.15568 2.83423 30 6 4.57694 2.99086 31 6 4.86356 3.90049 32 7 2.767 1.18358 33 7 2.79859 1.70206 34 7 2.97074 1.84639 35 7 3.85289 3.13155 36 7 6.24981 5.27271 37 7 6.80389 5.85844 38 8 2.74107 -0.26691 39 8 3.72445 1.32567 40 8 4.51721 1.04086 41 8 5.18536 2.40105 42 9 3.24046 3.12334 43 9 3.2864 3.52558 44 9 4.52824 4.29043 45 9 5.10468 4.04917 46 9 5.40578 5.55135 47 9 7.25461 7.2311 48 10 3.09531 3.31464 49 10 3.13951 2.5785 50 10 3.86928 4.0819 51 10 6.40856 6.6731 52 10 7.35976 6.8001 53 10 7.95716 8.2098 54 11 3.24974 2.8825 55 11 3.25369 4.8511 56 11 4.4005 4.3538 57 11 4.74897 6.076 58 11 4.96576 5.9062 59 12 3.00403 2.5733 60 12 3.1542 3.9324 61 12 4.95652 5.8456 62 12 5.35746 5.2066 63 12 5.62651 6.3312 64 12 6.53297 6.6019 65 12 6.6958 6.9498 66 12 7.83844 8.1031 67 13 5.44713 6.4838 68 13 5.82682 6.2341 69 13 6.76986 7.8937 70 13 6.87949 6.9477 71 13 8.47819 8.1336 72 14 4.31493 5.228 73 14 5.70501 6.0941 74 14 6.70113 7.6858 75 15 4.11223 5.2129 76 15 4.55329 5.2169 77 15 4.75641 6.1755 78 15 5.0742 5.7492 79 15 5.90125 6.5407 80 15 6.84886 6.7004 81 15 8.87813 10.2425 82 16 4.25114 5.3359 83 16 6.50762 9.1897 84 16 6.52857 8.4259 85 16 6.67694 8.2782 86 16 6.79539 8.3206 87 16 8.62833 10.4385 88 17 6.47237 7.6132 89 17 6.73826 7.7381 90 17 7.57947 8.5328 91 17 8.11267 8.9045 92 17 9.18169 9.7732 93 18 5.49319 6.6492 94 18 5.62711 6.4464 95 18 6.67182 8.5909 96 18 7.4494 9.2077 97 18 8.13165 9.365 98 18 8.31896 9.5025 99 18 8.74606 10.3598 100 18 8.92038 9.4361 101 18 9.43227 11.0051 102 19 6.06067 7.9306 103 19 7.98874 10.1887 104 19 8.35784 10.9856 105 19 9.52789 11.507 106 19 9.68213 12.6051 107 20 7.15668 9.9928 108 20 9.61256 12.2149 grato pela atenção Em 22 de setembro de 2011 10:16, Walmes Zeviani <walmeszeviani(a)gmail.com>escreveu: > Fernando, > > Use alguma das opções > > contrast::contrast() > gmodels::fit.contrast() > gmodels::estimable() > multcomp::glht() > > Consulte a documentação das funções. Em caso de dúvidas com uso, forneça > código mínimo reproduzível. > > À disposição. > 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 > twitter: @walmeszeviani > homepage: http://www.leg.ufpr.br/~walmes > linux user number: 531218 > ========================================================================== > > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça > código mínimo reproduzível. >

1 0

RkWard
by Leandro Marino 22 Set '11

22 Set '11

*Caros, estou tendo uma série de problemas com o RkWard no Gnome. Gostaria de saber se existe uma maneira de removê-lo completamente para instalá-lo! Saliento que fiz a instalação a partir da fonte. Um abraço, Leandro *Atenciosamente, Leandro Marino http://www.leandromarino.com.br (Fotógrafo) http://est.leandromarino.com.br/Blog (Estatístico) Cel.: + 55 21 9845-7707 Cel.: + 55 21 8777-7907

4 3

Problema com o constrOptim
by Thiago Touya 22 Set '11

22 Set '11

Boa noite, estou com o seguinte problema "Erro em dR(theta, theta.old, ...) : não foi possível encontrar a função "grad" " quando rodo o programa abaixo. require(survival) dados<-read.table('datasets-cleveland-clinic-avc.csv',header=T,sep=";") dados values<-dados$OPMOS value<-as.numeric(values) value i<-c(1:310) i ajustando<-survreg(Surv(value)~1, dist='lognormal') ajustando verossi<-function(param){ mi<-param[1] sigma<-param[2] lv<-log((1/sqrt(2*3.1415)*value*sigma)*exp(-0.5*((log(value)-mi)/sigma)^2)) sum(-lv) } ValoresIniciais<-c(1,5) est<-constrOptim(ValoresIniciais,verossi,NULL,method="BFGS", ui=rbind(c(1,0), c(0,1)), ci=c(0,0.0001), hessian=FALSE) est Alguém poderia me ajudar, pois no help é dito que se nao for usar o gradiente deve-se colocar "NULL" na posição correspondente. O banco de dados vai em anexo. -- Att, Thiago Morais de Carvalho (61 - 8169-5094)

2 1

Dados aninhados e a varável resposta é tempo
by Cassiano 22 Set '11

22 Set '11

Bom dia a todos. Tenho um experimento em que duas categorias estão aninhadas (um dentor da outra) e a minha variável resposta é tempo e resposta. Com esta vairável resposta, a princípio eu usaria uma análise de sobrevivência (Weibull), mas como meu delineamento experimental é aninhado, não sei se tenho como informar isso numa análise de sobrevivência. O meu modelo atual está sendo feito assim: m1 <- aov(tempo~tamanho+tratamento+Error(grupo/tratamento)) Mas sei que não é o mais adequado uma vez que meu y não é normal. Então preciso saber se tenho como informar na análise de survival que o tratamento é aninhado ao grupo. Ou fazer alguma transformação da minha variável tempo. Neste caso, qual transformação é a mais adequada? Desde já agradeço. Abs Cassiano -- ======================================= MSc Cassiano S. Rosa Universidade Federal de Viçosa -UFV Dept. Biologia Animal Pós-graduação em Entomologia Lab. Termitologia Curriculo lattes: http://lattes.cnpq.br/3030825329622014 =======================================

2 1

Função estimate para o R
by Fernando Antonio de souza 22 Set '11

22 Set '11

Caros colegas, Eu necessito de uma função que calcule o estimate de uma função glm baseado no erro padrão estimado para toda as variável explanatória. Sei que no SAS isto é realizado pelo comando ESTIMATE. Eu necessito estimar a interceção total de 20 fatores bem como a inclinação total dos mesmos através do erro padrão obtido pela função glm. Como eu faço isto? grato.

2 1

Análise discriminante
by Rodrigo Coster 21 Set '11

21 Set '11

Povo, Qual a regra de decisão pra análise discriminante que o lda (MASS) faz? Aquela que é "se D for maior que tal valor é X, se nao é Y", e não a baseada na posteriori que ele da... Meus dados tem 2 categorias só... segue exemplo do help do lda: Iris <- data.frame(rbind(iris3[,,1], iris3[,,2]),Sp = rep(c("s","c"), rep(50,2))) (mod <- lda(Sp ~ ., Iris)) []'s

1 0

diferença minina significativa
by Gilson Sanchez 20 Set '11

20 Set '11

Pessoal mais uma vez procurando ajuda de vc's, tenho um DIC e estou precissando estimar DMS no R, alguem tem algum material que possa me ajudar. Obrigado -- Eng. Agr.Gilson Sánchez Chia, MSc. Laboratório de Fisiologia Vegetal Embrapa Amazônia Ocidental Fone: (92) 3303-7841 --- Antes de imprimir, pense na sua responsabilidade com o Meio Ambiente. Please consider the environment before printing this email. Renew, Reduce and Recycle. The Planet Knows.

4 3

Resíduos intrigantes entre modelo ponderado e não-ponderado!
by Ivan Bezerra Allaman 20 Set '11

20 Set '11

Bom dia senhores! Gostaria de entender porque os resíduos de um modelo não-ponderado estão sendo os mesmos de um modelo ponderado pelo inverso da variância. Apenas os plots dos modelos estão refletindo as reais mudanças da ponderação. Com certeza, os resíduos padronizados pelo plot do modelo estão diferentes do resíduo que eu estou simulando. O que está errado? Segue um CMR. set.seed(1) da <- expand.grid(rep=1:20,Geracao=1:5) y1 <- rnorm(20,5,1) y2 <- rnorm(20,10,4) y3 <- rnorm(20,20,7) y4 <- rnorm(20,28,12) y5 <- rnorm(20,36,28) da <- data.frame(da,y=matrix(c(y1,y2,y3,y4,y5),ncol=1)) # boxplot(da$y ~ da$Geracao) mod <- lm(y ~ factor(Geracao), data=da) summary(mod) plot(mod)#problema nos resíduos #obtendo os resíduos padronizados resid_mod <- resid(mod) s2_mod <- sum(resid_mod^2)/mod$df.res respad_mod <- resid_mod/sqrt(s2_mod) library(nortest) lillie.test(respad_mod) library(car) leveneTest(respad_mod ~ factor(Geracao),data=da,center=mean) #Fazendo a ponderação Var_ger <- rep(tapply(da$y,da$Geracao,var),each=20) Var_ger da$Var <- Var_ger da #Novo ajuste como o modelo ponderado mod1 <- lm(y ~ factor(Geracao), weights=1/Var, data=da) summary(mod1) #comparando os dois ajustes par(mfrow=c(2,4)) plot(mod) plot(mod1) #obtendo os resíduos padronizados resid_mod1 <- resid(mod1) s2_mod1 <- sum(resid_mod1^2)/mod1$df.res respad_mod1 <- resid_mod1/sqrt(s2_mod1)#são os mesmos do modelo anterior???????????? lillie.test(respad_mod1) leveneTest(respad_mod1 ~ factor(Geracao),data=da,center=mean) qqnorm(resid_mod1)#diferente do plot??????????? boxplot(resid_mod ~ Geracao,data=da) boxplot(resid_mod1 ~ Geracao,data=da)#deveria estar diferente não????? Desde já, agradeço a atenção de todos. (S,f,P) Allaman \begin{signature} <<>>= Prof. Dr. Ivan Bezerra Allaman Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Ilhéus/BA - Brasil Fone: +55 73 3680-5076 E-mail: ivanalaman@yahoo.com.br/ivanalaman@gmail.com @ \end{signature}

3 4

inserir imagem em um gráfico
by Cézar Freitas 20 Set '11

20 Set '11

Olá. Antes de já ir perguntando sem ter pesquisado, é possível buscar nas mensagens anteriores dessa lista sobre minha dúvida? A mesma herdou os tópicos da antiga lista? Não achei no Google, provavelmente porque estou usando as palavars chave erradas. Tento introduzir um logotipo (em jpg ou png, por exemplo) no canto de um gráfico (plot usual) para depois exportá-lo para pdf. Sei que já fiz isso em xls, mas não lembro de já ter feito num plot ativo para posterior exportação. Obrigado, Cézar Freitas

4 3

Surra no read.big.Matrix
by Vinicius Brito Rocha 20 Set '11

20 Set '11

Srs. estou tomando uma verdadeira surra com o Big Matrix. Estou gerando um arquivo em txt, com duas colunas, para depois tentar importa-lo com a respectiva função. Meu arquivo vem com 15 colunas vazias. E para piorar sempre tenho uma mensagme de erro quando deixo a opção header = T Se alguém tiver algum exmplo reproduzível que possa me enviar eu agradeço. Sege meu código: teste=data.frame(sample(c("A","B"),replace=T,size=10^6),rnorm(10^6)) colnames(teste)=c("Classe","Valor") write.table(teste,"C:\\teste.txt",sep="|",row.names=F) leiturabig01=read.big.matrix(filename="C:\\teste.txt" , sep = '|', header = F,col.names=c("Classe","Valor"), ignore.row.names=F, type = c("factor","double"), skip = 1, separated = F, backingfile = "leiturabig01", backingpath = "C:\\", shared=T) Abs. -- Vinicius Brito Rocha. Estatístico e Atuário, Mestre em Pesquisa Operacional 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 1

IC para glm
by Fernando Colugnati 20 Set '11

20 Set '11

Olá, acho que é uma pergunta bem simple... Estou utilizando o pacote glm, e queria saber uma maneira fácil de se obter os IC´s para os parâmetros, dados que o summary passa o erro padrão....fiz na mão, calculando uma aproximação pra Normal, mas queria conhecer um método mais elegante. Em tempo, estou utilizando um modelo quasipoisson, e já queria as estimativas exponenciadas, para obter as taxas. Segue o exemplo do que estou usando. OBS: A classe svyglm deriva da glm glm2.coautL <- svyglm(coaut_lattes ~ biota + tematico, family = quasipoisson, design = design.ps ) summary(glm2.coautL) Obrigado -- Fernando A.B. Colugnati Pesquisador Associado Instituto de Pesquisas em Tecnologia e Inovação - IPTI Tel. 55 11 8704-9812 www.ipti.org.br fernando(a)ipti.org.br

3 3

Kruskal-wallis - comparação entre tratamentos
by Marcelo Claro de Souza 20 Set '11

20 Set '11

Bom dia a todos. Essa é primeira vez que utilizo uma análise não paramétrica, logo estou meio perdido. Eu rodei um teste de kruskal-wallis utilizando o conjunto de dados em anexo, e observei que na estação úmida existem variações significativas. Entretanto, eu gostaria de saber como devo proceder para comparar meus três tratamentos (D, SD, EG) dois a dois, ou simultaneamente. comandos utilizados: kruskal.test(wet~FG, data=teste) kruskal.test(dry~FG, data=teste) Muito obrigado. Marcelo Claro de Souza Biologist, PhD student in Plant Biology Institute of Bioscience - UNESP, Brazil

6 6

Dúvida sobre conversão UTM SAD 69 para LatLon
by Marcelo Costa 20 Set '11

20 Set '11

Pessoal, acredito que esta pergunta é antiga, mas procurando sobre o tema nas discussões, não encontrei uma solução. Eu tenho um banco de coordenadas em formato UTM SAD 69 e gostaria de converter para LatLon para utilizar os dados no pacote RGoogleMaps. Utilizei os seguintes comandos: SP <- SpatialPoints(cbind(dados$cx, dados$cy), proj4string=CRS("+proj=utm +zone=23")) latlon <- spTransform(SP, CRS("+proj=longlat")) coord <- coordinates(latlon) as longitudes estão ok mas as latitudes estão no oceano atlântico. Alguém tem alguma sugestão? -- Marcelo Azevedo Costa Professor Adjunto Departamento de Estatística/UFMG +55 31 3409 59 37 (office) +55 31 3409 59 24 (fax)

1 0

Re: [R-br] Kruskal-wallis - comparação entre tratamentos
by Ivan Bezerra Allaman 20 Set '11

20 Set '11

Uma vez que sua hipótese de nulidade foi rejeitada considerando um modelo sem suposição de distribuição, você não deve utilizar testes de comparação múltipla que utilizam em suas DMS's o quadrado médio do erro, variância esta que tem distribuição qui-quadrada e que é proveniente de um erro supostamente normal com média zero e variância sigma^2. (S,f,P) Allaman \begin{signature} <<>>= Prof. Dr. Ivan Bezerra Allaman Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Ilhéus/BA - Brasil Fone: +55 73 3680-5076 E-mail: ivanalaman@yahoo.com.br/ivanalaman@gmail.com @ \end{signature}

1 0

Exemplos de Redes Bayseanas
by Mauro Sznelwar 19 Set '11

19 Set '11

Alguém sabe dizer se no R tem alguma bibliotéca com exemplo já implementado de Redes Bayeseanas? Existe também para o Winbugs?

2 2

função glm
by Fernando Antonio de souza 17 Set '11

17 Set '11

caros amigos, Estou analisado alguns dados contínuos contendo variáveis explanatórias pertencentes as classes numéricas.O modelo é o seguinte Y~X+estudo+X:estudo onde "estudo" representa o effeito blocada de classe= fator numerado de 1 a 20 representando o efeito de diferentes trabalhos (é uma meta análise) sobre a resposta medida. Estou utilizando a função "glm" para verificar o que acontece se eu considerar a variável "estudo" como de efeito fixo ao invés de aleatória porém ao executar o comando a função retorna como valor para intercepto o coeficiente estimado para o primeiro nível do fator "estudo" .Necessito porém do valor do intercepto e inclinação total bem como a inclinação dentro de cada estudo. Alguém sabe como fazer isto? Grato

2 1

read.big.matrix
by Vinicius Brito Rocha 16 Set '11

16 Set '11

Gente, fui tentear usar o bigmemory (pacote read.big.matrix) recebi esse erro: Erro em big.matrix(nrow = numRows, ncol = createCols, type = type, dimnames = list(rowNames, : Error: memory could not be allocated for instance of type big.matrix Além disso: Mensagens de aviso perdidas: In read.big.matrix("C:\\Documents and Settings\\OI066941\\Des Minha máquina é um core 2 duo, com XP e 4gb (sei que só deve estar usando 3g) o arquivo era um txt com 215mb alguém pode me ajudar? Att. -- Vinicius Brito Rocha. Estatístico e Atuário, Mestre em Pesquisa Operacional 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 5

Seleção Níveis Regressão linear
by Eder David Borges da Silva 16 Set '11

16 Set '11

Boa noite pessoal, Gostaria de discutir com vocês um experimento. Estamos planejando um experimento de medição de gases do solo via câmaras, em síntese colocar uma câmara sob o solo e a cada intervalo de tempo medi-se a concentração de gases (CO2, N2O, CH4) retirando uma amostra e fazendo cromatografia dela. nosso experimento visa otimizar os tempos para coleta destas amostra hoje se faz 0, 15, 30, 45 min. Vamos fazer um experimento com 13 tempos de 0 a 120 min. Nosso interesse neste experimento é determinar a inclinação da reta que da a taxa de emissão (ppm / min) Minha sugestão de analise: 1) Ajustar um modelo com os 13 tempos. sendo esta estimativa de inclinação a mais próxima da realidade. (M0) 2) ajustar modelos com tempos distintos por exemplo 0, 5, 10 , 20 (Mi) e comparar esta estimativas com o (M0) repetir o passo 2 varias vezes 3) computar os modelos que são "iguais" a M0, de todos os "iguais" o melhor é aquele que demore menos tempo. Em resumo se avaliar nos tempos 0,5,10,20 e igual a avaliar em 13 tempos de 0 a 120??? OBS: o tempo 0 sempre terá de ser medido Um Codigo possivel seria isso: require(MCMCpack) require(plyr) require(latticeExtra) dados <- expand.grid(local=c('Agri','Pastagem'),epoca=factor(c(-1,1,5,10,20)),camara=c('C1','C2','C3'),tempo=c(seq(0,45,by=5),60,90,120),bloco=factor(1:4)) dim(dados) dados$resp <- rnorm(nrow(dados),10,10) head(dados) m0 <- MCMCregress(resp~tempo,data=dados) summary(m0) plot(m0) ###Distribuiçao pretendida #### Simulação simu <- list(A=c(0,5,10,60), B=c(0,5,15,45), C=c(0,10,20,45), D=c(0,10,45,60))### colocar mais resS <- data.frame(V1='m0',V2=m0[,2]) for(i in 1:length(simu)){ m0 <- MCMCregress(resp~tempo,data=subset(dados,dados$tempo %in% simu[[i]]),burnin=1000,mcmc=5000) m0 <- as.matrix(m0) resS <- rbind(resS,data.frame(V1=names(simu)[i],V2=m0[,2])) } class(resS) ### Aproximaçao para Slope marginal.plot(resS$V2, data=resS,groups = resS$V1,auto.key=TRUE) ### Diferenças mS <- aov(V2~V1,resS) summary(mS) par(mfrow=c(2,2)) plot(mS) Creio que esta ANOVA no final não seja a coisa mais interessante de ser feita, diante disso gostaria de sugestões para o problema. Acho que problemas de heterogenidade de variancias vão surgir.... OBS1: As outras covariaveis dos dados estão sendo discutidas se serão feitas, por enquanto desconsiderar elas Atenciosamente

3 3

Comparacoes multiplas
by Edson Antonio Alves da Silva 16 Set '11

16 Set '11

Olá pessoal. Estou me batendo com comparacoes multiplas. Carrego o pacote multicomp mas ao tentar utilizar a funcao simtest( ), o R diz que nao e' possivel encontrar a funcao. O que aconteceu com essa funcao? Exemplo: melon = data.frame( variety = rep(LETTERS[1:4],each=6), yield = c(25.12,17.25,26.42,16.08,22.15,15.92, 40.25,35.25,31.98,36.52,43.32,37.10, 18.30,22.60,25.90,15.05,11.42,23.68, 28.55,28.05,33.20,31.68,30.32,27.58)) library(mvtnorm) library(multcomp) (melon.test = simtest(formula = yield ~ variety, data = melon, type="Tukey",alternative="two.sided")) Agradeco se alguem puder ajudar. -- Edson Antonio Alves da Silva, Prof. Dr. edson.silva(a)unioeste.br Universidade Estadual do Oeste do Paraná Centro de Ciências Exatas e Tecnológicas - Sala 58 Fone/Ramal: (45) 3220-3150 Celular: (45) 9137 1956 http://www.edsonsilva.cjb.net

2 1

Tabela do IBGE em csv
by Carlos Andrade 15 Set '11

15 Set '11

Prezados amigos da lista. Estou tentando montar algumas tabelas do Censo 2010 para o município de Campina Grande-PB. Obtive do SIDRA, nas tabelas 608 e 3107, os dados sobre a distribuição da população, segundo o Censo 2010, para as variáveis bairro, sexo e situação do domicío e na outra acrescentei a idade. Salvei em csv(Br). Eliminei as linhas de descrição da tabela e as linhas de notas ao fim do arquivo. Entaõ o arquivo ficou desta forma (trecho abaixo) "Centro ";"Urbana";"Homens";3279 "Centro ";"Urbana";"Mulheres";4248 "Centro ";"Rural";"Homens"; "Centro ";"Rural";"Mulheres"; "Alto Branco ";"Urbana";"Homens";4163 "Alto Branco ";"Urbana";"Mulheres";4687 "Alto Branco ";"Rural";"Homens"; "Alto Branco ";"Rural";"Mulheres"; "Araxá ";"Urbana";"Homens";866 "Araxá ";"Urbana";"Mulheres";885 "Araxá ";"Rural";"Homens"; "Araxá ";"Rural";"Mulheres"; São 50 bairros. Inseri os dados no R com os comandos > cgbairrosex = read.csv("cgbairroSex_utf8.csv",sep=";",header=F) > names(cgbairrosex)=c("Bairro","SitDom","Sexo","Pop") As primeiras linhas do arquivo lido pelo R > head(cgbairrosex) Bairro SitDom Sexo Pop 1 Centro Urbana Homens 3279 2 Centro Urbana Mulheres 4248 3 Centro Rural Homens NA 4 Centro Rural Mulheres NA 5 Alto Branco Urbana Homens 4163 6 Alto Branco Urbana Mulheres 4687 Até aqui aparentemente tudo bem. Só que não encontrei nos manuais com conseguir uma tabela no formato abaixo Urbana Rural _________________ ____________________ Bairro Homens Mulheres Homens Mulheres _____________________________________________________ Centro 3279 4248 - - . . . . E como referenciar as variáveis para computar totais para verificar o bairro com maior percentual de homens ou mulheres, por exemplo. Continuo fuçando. Agradeço antecipadamente qualquer ajuda da lista. -- Atenciosamente, Prof. Carlos A. S. de Andrade LAPEA - Laboratório de Pesquisa em Economia Aplicada e Engenharia de Produção Universidade Federal de Campina Grande. Centro de Humanidades Unidade Acadêmica de Economia

2 1

função glm
by Fernando Antonio de souza 15 Set '11

15 Set '11

Caros amigos, Estou tentando rodar a função glm do R refazendo os passos de um artigo de um pesquisador de minha área o qual disponibilizou seus dados para que possa ser refeito por outros. O mesmo realizou suas análises no SAS. o modelo utilizado é bastante simples da forma Y= X+Z+X*Z porém quando observo o resultado por meio da função summary não encontro a mesma resposta. Além disto a função summary não mostra as estimativas para o nível 1 do tratamento "Experimento" e a função anova não apresenta o mesmo resultado que o do autor. Afim de obter ajuda colocarei no final deste texto os dados nesta lista na esperança que alguém possa me esclarecer o motivo de tal diferença de resultaods summary(reg) Call: glm(formula = Y ~ X + as.factor(Experimento) + X:as.factor(Experimento), family = gaussian(), data = stpierre) Deviance Residuals: Min 1Q Median 3Q Max -0.9540 -0.2459 0.0000 0.2691 1.0813 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -3.796128 0.512862 -7.402 2.67e-10 *** X 1.154824 0.148879 7.757 6.06e-11 *** as.factor(Experimento)2 0.073324 0.753491 0.097 0.922765 as.factor(Experimento)3 0.534750 0.797377 0.671 0.504723 as.factor(Experimento)4 0.630910 1.300006 0.485 0.629014 as.factor(Experimento)5 1.750966 1.442286 1.214 0.228939 as.factor(Experimento)6 2.479657 1.025254 2.419 0.018264 * as.factor(Experimento)7 2.406456 0.760101 3.166 0.002314 ** as.factor(Experimento)8 1.074060 1.250668 0.859 0.393474 as.factor(Experimento)9 3.792558 0.905848 4.187 8.32e-05 *** as.factor(Experimento)10 3.715397 0.774152 4.799 9.08e-06 *** as.factor(Experimento)11 3.661052 1.379359 2.654 0.009891 ** as.factor(Experimento)12 4.061232 0.813967 4.989 4.45e-06 *** as.factor(Experimento)13 6.829381 1.532305 4.457 3.19e-05 *** as.factor(Experimento)14 4.535287 1.752982 2.587 0.011819 * as.factor(Experimento)15 4.667338 0.893773 5.222 1.83e-06 *** as.factor(Experimento)16 4.521313 1.194614 3.785 0.000328 *** as.factor(Experimento)17 6.129145 1.836979 3.337 0.001378 ** as.factor(Experimento)18 4.959858 1.090125 4.550 2.28e-05 *** as.factor(Experimento)19 4.674037 1.536483 3.042 0.003337 ** as.factor(Experimento)20 7.313506 2.503107 2.922 0.004720 ** X:as.factor(Experimento)2 -0.057205 0.205877 -0.278 0.781962 X:as.factor(Experimento)3 -0.132183 0.204408 -0.647 0.520028 X:as.factor(Experimento)4 -0.183180 0.286068 -0.640 0.524105 X:as.factor(Experimento)5 -0.158596 0.434051 -0.365 0.715957 X:as.factor(Experimento)6 -0.141252 0.274472 -0.515 0.608479 X:as.factor(Experimento)7 -0.080546 0.193212 -0.417 0.678081 X:as.factor(Experimento)8 -0.203014 0.312965 -0.649 0.518730 X:as.factor(Experimento)9 -0.190486 0.210970 -0.903 0.369765 X:as.factor(Experimento)10 -0.144995 0.180614 -0.803 0.424894 X:as.factor(Experimento)11 0.045302 0.340027 0.133 0.894405 X:as.factor(Experimento)12 -0.148867 0.186561 -0.798 0.427676 X:as.factor(Experimento)13 -0.540281 0.260298 -2.076 0.041713 * X:as.factor(Experimento)14 -0.150676 0.331527 -0.454 0.650923 X:as.factor(Experimento)15 -0.164412 0.193329 -0.850 0.398073 X:as.factor(Experimento)16 0.003847 0.219549 0.018 0.986073 X:as.factor(Experimento)17 -0.343555 0.273726 -1.255 0.213737 X:as.factor(Experimento)18 -0.135951 0.193712 -0.702 0.485188 X:as.factor(Experimento)19 0.018426 0.227413 0.081 0.935660 X:as.factor(Experimento)20 -0.250016 0.325199 -0.769 0.444669 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for gaussian family taken to be 0.2520778) Null deviance: 1369.409 on 107 degrees of freedom Residual deviance: 17.141 on 68 degrees of freedom AIC: 189.7 Number of Fisher Scoring iterations: 2 Base de dados OBS Experimento X Y 1 1 1.16391 -2.92296 2 1 1.94273 -1.03365 3 1 2.50229 -1.00383 4 1 3.98627 1.33325 5 1 4.36177 1.13752 6 1 4.98954 1.59278 7 2 2.1091 -1.33751 8 2 2.28976 -1.14376 9 2 2.45645 -1.09304 10 2 4.95084 1.4274 11 2 5.92572 2.99572 12 3 2.09605 -0.70073 13 3 2.30059 -1.11007 14 3 3.90388 0.17334 15 3 5.15574 2.38882 16 3 5.57553 1.78167 17 3 5.60523 3.09353 18 4 3.1955 0.18097 19 4 4.32691 0.7431 20 4 5.04092 1.947 21 4 5.17521 1.07029 22 4 5.57254 2.71423 23 4 5.59532 2.43982 24 5 2.31878 0.26487 25 5 4.06027 1.99979 26 6 2.48122 1.31151 27 6 2.73224 1.32218 28 6 3.66628 2.52286 29 6 4.15568 2.83423 30 6 4.57694 2.99086 31 6 4.86356 3.90049 32 7 2.767 1.18358 33 7 2.79859 1.70206 34 7 2.97074 1.84639 35 7 3.85289 3.13155 36 7 6.24981 5.27271 37 7 6.80389 5.85844 38 8 2.74107 -0.26691 39 8 3.72445 1.32567 40 8 4.51721 1.04086 41 8 5.18536 2.40105 42 9 3.24046 3.12334 43 9 3.2864 3.52558 44 9 4.52824 4.29043 45 9 5.10468 4.04917 46 9 5.40578 5.55135 47 9 7.25461 7.2311 48 10 3.09531 3.31464 49 10 3.13951 2.5785 50 10 3.86928 4.0819 51 10 6.40856 6.6731 52 10 7.35976 6.8001 53 10 7.95716 8.2098 54 11 3.24974 2.8825 55 11 3.25369 4.8511 56 11 4.4005 4.3538 57 11 4.74897 6.076 58 11 4.96576 5.9062 59 12 3.00403 2.5733 60 12 3.1542 3.9324 61 12 4.95652 5.8456 62 12 5.35746 5.2066 63 12 5.62651 6.3312 64 12 6.53297 6.6019 65 12 6.6958 6.9498 66 12 7.83844 8.1031 67 13 5.44713 6.4838 68 13 5.82682 6.2341 69 13 6.76986 7.8937 70 13 6.87949 6.9477 71 13 8.47819 8.1336 72 14 4.31493 5.228 73 14 5.70501 6.0941 74 14 6.70113 7.6858 75 15 4.11223 5.2129 76 15 4.55329 5.2169 77 15 4.75641 6.1755 78 15 5.0742 5.7492 79 15 5.90125 6.5407 80 15 6.84886 6.7004 81 15 8.87813 10.2425 82 16 4.25114 5.3359 83 16 6.50762 9.1897 84 16 6.52857 8.4259 85 16 6.67694 8.2782 86 16 6.79539 8.3206 87 16 8.62833 10.4385 88 17 6.47237 7.6132 89 17 6.73826 7.7381 90 17 7.57947 8.5328 91 17 8.11267 8.9045 92 17 9.18169 9.7732 93 18 5.49319 6.6492 94 18 5.62711 6.4464 95 18 6.67182 8.5909 96 18 7.4494 9.2077 97 18 8.13165 9.365 98 18 8.31896 9.5025 99 18 8.74606 10.3598 100 18 8.92038 9.4361 101 18 9.43227 11.0051 102 19 6.06067 7.9306 103 19 7.98874 10.1887 104 19 8.35784 10.9856 105 19 9.52789 11.507 106 19 9.68213 12.6051 107 20 7.15668 9.9928 108 20 9.61256 12.2149 Obrigado

1 0

Ordenar matriz de parentesco pelo índice de parentesco
by Walmes Zeviani 15 Set '11

15 Set '11

Saudações amigRos, Estou com um problema que é o de identificar os indivíduos sem parentesco dentro de uma família. Basicamente ao construir a matriz de parentesco dos indivíduos eu gostaria de selecionar a submatriz desta que apresentasse valores iguais a zero fora da diagonal. Abaixo eu tenho o pedgree de duas famílias do qual, por meio da kinship2::kinship() eu obtenho a matriz de parentesco. Alguém teria alguma solução para o meu problema? Segue o CMR: # dados dados <- structure(list(FAMID = c(2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L), ID = c(2101L, 2201L, 2202L, 2302L, 2303L, 4101L, 4301L, 4302L, 4303L, 4501L, 4502L, 4506L, 4601L, 4801L, 4802L, 4803L, 4806L, 4901L, 4902L, 4903L, 4904L, 4905L, 4906L, 4907L, 4908L, 4909L, 4910L, 4911L, 4912L, 4913L, 4914L, 4915L, 4916L, 4917L, 4918L, 4919L), FA = c(0L, 0L, 0L, 2101L, 2101L, 4501L, 4201L, 4201L, 4201L, 4922L, 4921L, 0L, 4501L, 4921L, 4921L, 4921L, 4922L, 4924L, 4924L, 4803L, 4806L, 4806L, 4924L, 4806L, 4909L, 0L, 4924L, 0L, 4924L, 4924L, 4926L, 4925L, 4918L, 4918L, 0L, 4806L), MO = c(0L, 0L, 0L, 2201L, 2201L, 4502L, 4101L, 4101L, 4101L, 4923L, 4506L, 0L, 4502L, 4506L, 4506L, 4506L, 4923L, 4911L, 4911L, 4910L, 4920L, 4920L, 4911L, 4920L, 4801L, 0L, 4911L, 0L, 4911L, 4911L, 4906L, 4913L, 4908L, 4908L, 0L, 4920L)), .Names = c("FAMID", "ID", "FA", "MO"), class = "data.frame", row.names = c(NA, -36L)) # FAMID: id da familia # ID: id único de cada indivíduo # FA e MO: indica quem o pai(father) e mãe(mother) do indivíduo # valor 0 indica genitor desconhecido # criando lista em que cada familia é um slot da lista fam <- split(dados, dados$FAMID) str(fam) require(kinship2) # obter a matriz de parentesco m0 <- with(fam[[1]], kinship(ID, FA, MO)) str(m0) m1 <- as.matrix(m0) # matriz de parentesco, verificar linhas/colunas de zeros, sem parentesco # objeto de desejo: indivíduos de uma família que tenham sub-matriz de parentesco # com elementos fora da diagonal iguais a zero # na m1 é a submatrix 3x3 m1[1:3, 1:3] # os indivíduos são rownames(m1[1:3, 1:3]) m0 <- with(fam[[2]], kinship(ID, FA, MO)) str(m0) m1 <- as.matrix(m0) m1 # essa matriz é enorme os não aparentados (no mínimo 4) não formam uma # submatriz agrupada # gostaria de ordenar essa matriz baseada nos elementos fora da diagonal # começando com os sem parentesco (parentesco=0), passando pelas # relações de primos/sobrinhos/netos (<0.25), e terminando com os # irmãos germanos (=0.25), seria possivel reordenar esse matriz assim? # uma forma de ordenar os não aparentados é deixar no início do pedgree # aqueles que tem genitor desconhecido aux <- fam[[2]] aux <- aux[order(aux$FA, aux$MO),] head(aux) m0 <- with(aux, kinship(ID, FA, MO)) str(m0) m1 <- as.matrix(m0) m1[1:4, 1:4] # mas será que é garantido que indivíduos não aparentados só serão aqueles # que possuem genitor desconhecido no pedgree? # e se eu quisesse o sub-grupo de indivíduos em que nenhum parentesco exceda # 0.05? Grato. 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 twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================

1 0

Re: [R-br] Digest R-br, volume 7, assunto 16
by Julio Bueno 15 Set '11

15 Set '11

Caentes? Prezado Eder, Se for regressão linear simples como você descreveu, o delineamento mais informativo (como o Walmes chamou a atenção) é o com níveis extremos. Um nível intermediário é recomendável para testar a falta de ajuste do modelo de regressão. No caso, suspeito que seu problema pode ser mais sutil do que isto. Qual o interesse em tomar medidas em tempos diferentes? é por causa do custo de armazenamento de dados? ou por causa dos reagentes? Qual é o recurso mais escasso? []s Júlio 2011/9/15 <r-br-request(a)listas.c3sl.ufpr.br> > Enviar submissões para a lista de discussão R-br para > r-br(a)listas.c3sl.ufpr.br > > Para se cadastrar ou descadastrar via WWW, visite o endereço > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > ou, via email, envie uma mensagem com a palavra 'help' no assunto ou > corpo da mensagem para > r-br-request(a)listas.c3sl.ufpr.br > > Você poderá entrar em contato com a pessoa que gerencia a lista pelo > endereço > r-br-owner(a)listas.c3sl.ufpr.br > > Quando responder, por favor edite sua linha Assunto assim ela será > mais específica que "Re: Contents of R-br digest..." > > > Tópicos de Hoje: > > 1. União de poligonos (Jose Vilton Costa) > 2. Seleção Níveis Regressão linear (Eder David Borges da Silva) > 3. RES: Seleção Níveis Regressão linear (Alan Rodrigo Panosso) > 4. Re: RES: Seleção Níveis Regressão linear (Walmes Zeviani) > > > ---------------------------------------------------------------------- > > Message: 1 > Date: Wed, 14 Sep 2011 12:17:40 -0300 > From: Jose Vilton Costa <josevilton(a)hotmail.com> > To: <r-br(a)listas.c3sl.ufpr.br> > Subject: [R-br] União de poligonos > Message-ID: <SNT113-W5836662C704F025AAC51DFDA040(a)phx.gbl> > Content-Type: text/plain; charset="iso-8859-1" > > > Professor Paulo,Eu já estava tentando usar a função unionSpatialPolygons() > , mas não estava conseguindo informar os IDs. Agora usando a biblioteca aRT > foi possível fazer isto. Mauro, tente fazer um unpdate no pacote Maptools > para ver se não funciona a função readShapePolys(). Obrigado,José Vilton. > Estava vendo vossa discussão, tentei rodar o script e não encontra esta > função readShapePolys(), e já tenho estas bibliotécas instaladas! > > > require(maptools) > > readShapePolys() > Erro: não foi possível encontrar a função "readShapePolys" > > > Uma possibilidade é o uso das funcionalidades > do pacote maptools que voce já está usando > > As funcoes relevantes seriam > > require(maptools) > readShapePolys() > gpclibPermit() # pode ser evitado se voce tiver a biblioteca rgeos > instalada > unionSpatialPolygons() > > O aRT (www.leg.ufpr.br/aRT) tb tem funcoes para isto > > A ideia básica é que na funcao de uniao voce passa os ID's que quer unir, > ele vai gerar um novo cunjunto de IDs no objeto resultante > > > > > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: < > http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110914/37d99bd9/atta… > > > > ------------------------------ > > Message: 2 > Date: Wed, 14 Sep 2011 22:43:51 -0300 > From: Eder David Borges da Silva <eder(a)leg.ufpr.br> > To: R-br(a)listas.c3sl.ufpr.br > Subject: [R-br] Seleção Níveis Regressão linear > Message-ID: > <CALKkXXorwhyjN_-wu-Fe_QdHUwK6EfXNKoe6zHfwvLNTREorXg(a)mail.gmail.com > > > Content-Type: text/plain; charset="iso-8859-1" > > Boa noite pessoal, > Gostaria de discutir com vocês um experimento. > Estamos planejando um experimento de medição de gases do solo via câmaras, > em síntese colocar uma câmara sob o solo e a cada intervalo de tempo > medi-se > a concentração de gases (CO2, N2O, CH4) retirando uma amostra e fazendo > cromatografia dela. > nosso experimento visa otimizar os tempos para coleta destas amostra hoje > se > faz 0, 15, 30, 45 min. > Vamos fazer um experimento com 13 tempos de 0 a 120 min. > Nosso interesse neste experimento é determinar a inclinação da reta que da > a > taxa de emissão (ppm / min) > Minha sugestão de analise: > 1) Ajustar um modelo com os 13 tempos. sendo esta estimativa de inclinação > a > mais próxima da realidade. (M0) > 2) ajustar modelos com tempos distintos por exemplo 0, 5, 10 , 20 (Mi) e > comparar esta estimativas com o (M0) > repetir o passo 2 varias vezes > 3) computar os modelos que são "iguais" a M0, de todos os "iguais" o melhor > é aquele que demore menos tempo. > Em resumo se avaliar nos tempos 0,5,10,20 e igual a avaliar em 13 tempos de > 0 a 120??? > OBS: o tempo 0 sempre terá de ser medido > Um Codigo possivel seria isso: > require(MCMCpack) > require(plyr) > require(latticeExtra) > > dados <- > > expand.grid(local=c('Agri','Pastagem'),epoca=factor(c(-1,1,5,10,20)),camara=c('C1','C2','C3'),tempo=c(seq(0,45,by=5),60,90,120),bloco=factor(1:4)) > dim(dados) > dados$resp <- rnorm(nrow(dados),10,10) > head(dados) > > m0 <- MCMCregress(resp~tempo,data=dados) > summary(m0) > plot(m0) > ###Distribuiçao pretendida > > #### Simulação > simu <- list(A=c(0,5,10,60), > B=c(0,5,15,45), > C=c(0,10,20,45), > D=c(0,10,45,60))### colocar mais > > resS <- data.frame(V1='m0',V2=m0[,2]) > > for(i in 1:length(simu)){ > m0 <- MCMCregress(resp~tempo,data=subset(dados,dados$tempo %in% > simu[[i]]),burnin=1000,mcmc=5000) > m0 <- as.matrix(m0) > resS <- rbind(resS,data.frame(V1=names(simu)[i],V2=m0[,2])) > } > class(resS) > > ### Aproximaçao para Slope > marginal.plot(resS$V2, data=resS,groups = resS$V1,auto.key=TRUE) > > ### Diferenças > mS <- aov(V2~V1,resS) > summary(mS) > par(mfrow=c(2,2)) > plot(mS) > > Creio que esta ANOVA no final não seja a coisa mais interessante de ser > feita, diante disso gostaria de sugestões para o problema. > Acho que problemas de heterogenidade de variancias vão surgir.... > OBS1: As outras covariaveis dos dados estão sendo discutidas se serão > feitas, por enquanto desconsiderar elas > Atenciosamente > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: < > http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110914/6f27d5ef/atta… > > > > ------------------------------ > > Message: 3 > Date: Thu, 15 Sep 2011 07:27:37 -0500 > From: "Alan Rodrigo Panosso" <arpanosso(a)yahoo.com.br> > To: <r-br(a)listas.c3sl.ufpr.br> > Subject: [R-br] RES: Seleção Níveis Regressão linear > Message-ID: <000001cc73a2$dc435c40$94ca14c0$(a)yahoo.com.br> > Content-Type: text/plain; charset="iso-8859-1" > > Eder, não sei se você já viu esse trabalho sobre emissão de metano. > > COSTA, F. S. ; BAYER, Cimélio ; LIMA, Magda Aparecida de ; FRIGHETTO, Rosa > T > S ; MACEDO, Vera R M ; MARCOLIN, Elio . Variação diária da emissão de > metano > em solo cultivado com arroz irrigado no Sul do Brasil.. Ciência Rural, v. > 38, p. 2049-2053, 2008. > > Estamos utilizando o mesmo esquema para o CO2 > > > > Atenciosamente > > > > > > > > De: r-br-bounces(a)listas.c3sl.ufpr.br > [mailto:r-br-bounces@listas.c3sl.ufpr.br] Em nome de Eder David Borges da > Silva > Enviada em: quarta-feira, 14 de setembro de 2011 20:44 > Para: R-br(a)listas.c3sl.ufpr.br > Assunto: [R-br] Seleção Níveis Regressão linear > > > > Boa noite pessoal, > > Gostaria de discutir com vocês um experimento. > > Estamos planejando um experimento de medição de gases do solo via câmaras, > em síntese colocar uma câmara sob o solo e a cada intervalo de tempo > medi-se > a concentração de gases (CO2, N2O, CH4) retirando uma amostra e fazendo > cromatografia dela. > > nosso experimento visa otimizar os tempos para coleta destas amostra hoje > se > faz 0, 15, 30, 45 min. > > Vamos fazer um experimento com 13 tempos de 0 a 120 min. > > Nosso interesse neste experimento é determinar a inclinação da reta que da > a > taxa de emissão (ppm / min) > > Minha sugestão de analise: > > 1) Ajustar um modelo com os 13 tempos. sendo esta estimativa de inclinação > a > mais próxima da realidade. (M0) > > 2) ajustar modelos com tempos distintos por exemplo 0, 5, 10 , 20 (Mi) e > comparar esta estimativas com o (M0) > > repetir o passo 2 varias vezes > > 3) computar os modelos que são "iguais" a M0, de todos os "iguais" o melhor > é aquele que demore menos tempo. > > Em resumo se avaliar nos tempos 0,5,10,20 e igual a avaliar em 13 tempos de > 0 a 120??? > > OBS: o tempo 0 sempre terá de ser medido > > Um Codigo possivel seria isso: > > require(MCMCpack) > > require(plyr) > > require(latticeExtra) > > > > dados <- > > expand.grid(local=c('Agri','Pastagem'),epoca=factor(c(-1,1,5,10,20)),camara= > c('C1','C2','C3'),tempo=c(seq(0,45,by=5),60,90,120),bloco=factor(1:4)) > > dim(dados) > > dados$resp <- rnorm(nrow(dados),10,10) > > head(dados) > > > > m0 <- MCMCregress(resp~tempo,data=dados) > > summary(m0) > > plot(m0) > > ###Distribuiçao pretendida > > > > #### Simulação > > simu <- list(A=c(0,5,10,60), > > B=c(0,5,15,45), > > C=c(0,10,20,45), > > D=c(0,10,45,60))### colocar mais > > > > resS <- data.frame(V1='m0',V2=m0[,2]) > > > > for(i in 1:length(simu)){ > > m0 <- MCMCregress(resp~tempo,data=subset(dados,dados$tempo %in% > simu[[i]]),burnin=1000,mcmc=5000) > > m0 <- as.matrix(m0) > > resS <- rbind(resS,data.frame(V1=names(simu)[i],V2=m0[,2])) > > } > > class(resS) > > > > ### Aproximaçao para Slope > > marginal.plot(resS$V2, data=resS,groups = resS$V1,auto.key=TRUE) > > > > ### Diferenças > > mS <- aov(V2~V1,resS) > > summary(mS) > > par(mfrow=c(2,2)) > > plot(mS) > > > > Creio que esta ANOVA no final não seja a coisa mais interessante de ser > feita, diante disso gostaria de sugestões para o problema. > > Acho que problemas de heterogenidade de variancias vão surgir.... > > OBS1: As outras covariaveis dos dados estão sendo discutidas se serão > feitas, por enquanto desconsiderar elas > > Atenciosamente > > > > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: < > http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110915/9501bf3e/atta… > > > > ------------------------------ > > Message: 4 > Date: Thu, 15 Sep 2011 11:32:19 -0300 > From: Walmes Zeviani <walmeszeviani(a)gmail.com> > To: r-br(a)listas.c3sl.ufpr.br > Subject: Re: [R-br] RES: Seleção Níveis Regressão linear > Message-ID: > <CAFU=EkY37yZx2ARCrwuj83Lbf_0HZbRCVK0gZ4PBr4WCwNAKYg(a)mail.gmail.com > > > Content-Type: text/plain; charset="iso-8859-1" > > Éder, > > Isso me parece uma questão de delineamento ótimo, que no caso linear > apresenta solução simples. Como você já sabe qual o modelo que representa > os > dados, é só otimizar a escolha dos tempos para obter um estimador com menor > erro-padrão. Seria o caso então de estudar os critérios de otimabilidade > que > existem para modelos lineares. > > À disposição. > 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 > twitter: @walmeszeviani > homepage: http://www.leg.ufpr.br/~walmes > linux user number: 531218 > ========================================================================== > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: < > http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110915/6781ee46/atta… > > > > ------------------------------ > > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > > > Fim da Digest R-br, volume 7, assunto 16 > **************************************** > -- Júlio Sílvio de Sousa Bueno Filho Departamento de Ciências Exatas Universidade Federal de Lavras Caixa Postal 3037 Lavras, MG - Brasil - 37200 000 tel: (+55) 35 3829 1369 fax: (+55) 35 3829 1371 "Natureza da gente não cabe em nenhuma certeza." João G. Rosa - Riobaldo (Grande Sertão: Veredas) "Homo sum; humani nihil a me alienum puto." Terêncio - Chremes (Heautontimoroumenos)

1 0

União de poligonos
by Jose Vilton Costa 14 Set '11

14 Set '11

Professor Paulo,Eu já estava tentando usar a função unionSpatialPolygons() , mas não estava conseguindo informar os IDs. Agora usando a biblioteca aRT foi possível fazer isto. Mauro, tente fazer um unpdate no pacote Maptools para ver se não funciona a função readShapePolys(). Obrigado,José Vilton. Estava vendo vossa discussão, tentei rodar o script e não encontra esta função readShapePolys(), e já tenho estas bibliotécas instaladas! > require(maptools) > readShapePolys() Erro: não foi possível encontrar a função "readShapePolys" Uma possibilidade é o uso das funcionalidades do pacote maptools que voce já está usando As funcoes relevantes seriam require(maptools) readShapePolys() gpclibPermit() # pode ser evitado se voce tiver a biblioteca rgeos instalada unionSpatialPolygons() O aRT (www.leg.ufpr.br/aRT) tb tem funcoes para isto A ideia básica é que na funcao de uniao voce passa os ID's que quer unir, ele vai gerar um novo cunjunto de IDs no objeto resultante

1 0

Re: [R-br] Função eigen
by Junior Beleti 14 Set '11

14 Set '11

Olá Jose, não tinha visto seu post. Vou dar uma olhada sim.. Voce já trabalhou com a função eigen? Obrigado. -- Carlos Roberto Beleti Junior Mestrado em Ciência da Computação Departamento de Informática Universidade Estadual de Maringá

2 1

Re: [R-br] coeficiente AC1 de concordancia entre observações - os que dominam SAS ou VBA podem ajudar
by Ivan Bezerra Allaman 14 Set '11

14 Set '11

Bom dia Pedro! Estou tendo palestra com o prof. Júlio Singer do IME-USP, e ele passou um site que tem código R para trabalhar com dados categorizados, inclusive com esta estrutura que você está querendo. Segue os links para consulta. Espero que seja útil. http://www.ime.usp.br/~jmsinger/doku.php?id=start http://www.math.ist.utl.pt/~dpaulino/ http://www.poleto.com/Catdata_Vignette.r http://www.poleto.com/ http://www.poleto.com/missing.html Abraços! \begin{signature} <<>>= Prof. Dr. Ivan Bezerra Allaman Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Ilhéus/BA - Brasil Fone: +55 73 3680-5076 E-mail: ivanalaman@yahoo.com.br/ivanalaman@gmail.com @ \end{signature}

1 0

Duvida com pacotes para Analise de Dados Espaciais
by Victor Eduardo 13 Set '11

13 Set '11

Pessoal, estou encontrando dificuldades com os pacotes de analise de dados espaciais. Não estou conseguindo montar os gráficos exatamente, uso o comando envelope, daí gero os gráficos com as legendas das linhas pontilhadas, mas as linhas não estão exatamente em seus lugares, o que poderia ser isso?. Vou anexar a imagem. Os pacotes que estou usando são: RColorBrewer maptools splancs spatstat Abraços

2 2

[OFF-TOPIC] Livro do Cooley and Lohnes, 1971!
by Ivan Bezerra Allaman 13 Set '11

13 Set '11

Boa tarde senhores! Gostaria de saber se alguém tem o livro do Cooley and Lohnes de 1971, pois precisaria do conteúdo da página 176. Se alguém tiver e puder escanear esta página eu agradeço. Caso alguém tenha o livro em pdf, e não se incomodar de enviar para meu email, também ficarei grato. Segue as especificações do livro. COOLEY, W. W. and P. R. LOHNES (1971) Multivariate Data Analysis. New York: John Wiley. Abraços! \begin{signature} <<>>= Prof. Dr. Ivan Bezerra Allaman Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Ilhéus/BA - Brasil Fone: +55 73 3680-5076 E-mail: ivanalaman@yahoo.com.br/ivanalaman@gmail.com @ \end{signature}

3 4

Testes de comparação de distribuições
by julio cesar araujo 13 Set '11

13 Set '11

Bom dia pessoal, estimei de forma não-paramétrica, duas funcões de distribuição conjuntas, separadamente. Gostaria de saber quais testes poderia realizar no R para comparar se esses resultados numéricos são iguais-diferentes estatísticamente (testar a igualdade dessas duas distr). Testei com o teste de Kolgomorov-Smirnov ks.test(.), alguém teria uma outra sugestão aplicavel a meus resultados???

2 2

Boxplot sem outlires
by Marcelo Claro de Souza 13 Set '11

13 Set '11

Olá, Tem como geral um boxplot sem os outliers ou tenho de identificá-los manualmente e excluí-los da amostra? Muito obrigado.

4 4

coeficiente AC1 de concordancia entre observações - os que dominam SAS ou VBA podem ajudar
by Pedro Emmanuel Alvarenga Americano do Brasil 13 Set '11

13 Set '11

Amigos de R, Estou interessado em estimar medidas de concordancia de sinais e sintomas de uma doença que foram medidos por dois observadores. Acontece que alguns dados que eu tenho são muito desviados ou com prevalencia do evento muito pequena o que causa problemas com o Kappa. >kap.2.raters(ecg$Q15.E1,ecg$Q15.E2) rater2 rater1 Sim Não Ignorado Sim 0 1 0 Não 0 304 0 Ignorado 0 0 0 Observed agreement = 99.67 % Expected agreement = 99.67 % Kappa = 0 Depois de fuçar por ai um pouco, achei esse texto aqui que talvez me ajude: http://www.agreestat.com/research_papers/bjmsp2008_interrater.pdf O desenvolvedor fez uma planilha em excel e disponibilizou aqui: http://www.agreestat.com/agreestat.html. Baixei a planilha do amigo mas nao consegui fazer funcionar de jeito algum (windows 7 home e Excel 2003 - macros habilitados) . No entanto, percebi que o amigo tambem disponibilizou alguns macros em SAS que estão no mesmo site. Fucei mais um pouco e descobri dois sujeitos que perguntaram por essa função na lista do R no ano passado mas sem resposta. Então tudo indica que essa função não exite disponível em R. Então estou apelando para os super usuarios da lista que tambem conhecem SAS, se poderiam ajudar a traduzir essa função do SAS para R?!??! Ou se alguem puder fazer funcionar a planilha em excel ou dar uma dica de como desproteger a planilha pra eu poder olhar os códigos está valendo. Se não puder eu agradeço assim mesmo. ;-) , Abraço forte e que a força esteja com você, Dr. Pedro Emmanuel A. A. do Brasil 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

[OFF TOPIC] Epidemiologia - Colaboração acadêmica
by Marcelo Luiz de Laia 12 Set '11

12 Set '11

Prezado, Estou propondo um projeto de pesquisa para estudo de uma doença de plantas. Iremos buscar genes de resistência, analisar genótipos para identificar aqueles mais resistentes e analisar o patógeno para ver quais isolados são mais virulentos. Uma outra parte do projeto é tentar associar áreas de plantio ao risco de ocorrência da doença. Teremos dados de solo (química e física), dados da ocorrência da doença nos últimos anos (ocorrência e severidade), raças do patógeno, genótipos vegetais plantados, pluviosidade e outros, por cada área (fazenda, gleba, etc). Com isso, queremos correlacionar ou associar a ocorrência da doença causada por uma dada raça do patógeno com as características ambientais e, como produto final, mapear as áreas de risco para a doença, indicando os genótipos a serem plantados e aqueles que não devem ser plantados em uma dada área. Isso será a última parte de uma dissertação de mestrado. No início, a mestranda coletará todas as informações de campo, por um ano, fará o isolamento do patógeno a partir de solo, de tecido infectado e outros, analisará a variabilidade genética do patógeno por meio de marcadores microssatélites, identificará quais isolados são mais virulentos e identificará quais são os genótipos de plantas mais sensíveis e mais resistentes a cada isolado (10 mais virulentos). Logicamente, ela terá a ajuda de mais alunos, principalmente IC. Se você tem interesse em uma cooperação para a modelagem estatística, por favor, entre em contato comigo por e-mail (marcelolaia(a)gmail.com) Não há pagamentos para isso. Possivelmente teremos um artigo publicado e, caso tenha título de doutor, poderás participar da Banca de Defesa. Trata-se de trabalho acadêmico dentro de um programa de pós-graduação. Não responda para a lista, por favor! -- Marcelo Brazil Linux user number 487797

1 0

União de poligonos
by Jose Vilton Costa 12 Set '11

12 Set '11

Pessoal,Gostaria de saber como faço para unir poligonos de um mapa e mante-los agregado no mapa. Explicando melhor, o meu mapa está subdividido em 49 regiões (id=1...49) e preciso unir os poligonos "24" e "36" em um único poligono, bem como, os poligonos "26" e "46". Desta forma o meu mapa deverá ter 47 regiões. No final de tudo, gostaria de ter um novo id para os poligonos que foram unidos". Para ler o meu mapa estou usando o seguinte código: mapa=readShapePoly("CS-region.shp",ID="ID", proj4string=CRS("+proj=utm +zone=23 +datum=SAD69")) Att,José Vilton

3 3

Ajuda na construção de uma função
by Marcelo Cardoso mello 12 Set '11

12 Set '11

Olá pessoal. Envio um exemplo muito simples (abaixo). Preciso de ajuda para criar uma função “geral” para aplicar em matrizes e obter um resultado igual ao x abaixo (quadrado da distância euclidiana). Alguém poderia me dar algumas dicas. Grato. m1<-matrix(c(20,40,30,10,20,30), nc=3) m1 m11<-m1[1,]-m1[1,] m12<-m1[1,]-m1[2,] m21<-m1[2,]-m1[1,] m22<-m1[2,]-m1[2,] x<-matrix(c(t(m11)%*%m11,t(m12)%*%m12, t(m21)%*%m21, t(m22)%*%m22), nc=nrow(m1)) x # como criar uma função para combinar todas as linhas de m1? f1<-function(x) {x[row(x)== 1]-x[row(x)== 2]} f1(m1)

2 1

Como combinar linhas de uma matrix?
by Marcelo Cardoso mello 12 Set '11

12 Set '11

Como eu posso realizar o procedimento abaixo de forma generalizada em uma matrix de “m” linhas? Obrigado. m1<-matrix(c(10,26,56,42,13,13), nc=3) m1 m11<-m1[1,]- m1[1,] m12<-m1[1,]- m1[2,] m21<-m1[2,]- m1[1,] m22<-m1[2,]- m1[2,]

2 1

Eficiênica de algoritmo
by Mauro Sznelwar 12 Set '11

12 Set '11

Pessoal, eu tenho esta simulação que quero testar a eficiência em relação ao rchisq, mas não estou chegando no resultado do livro. Alguém poderia dizer o que estou fazendo de errado? U=runif(3*10^4) U=matrix(data=U,nrow=3) #matrix for sums X=-log(U) #uniform to exponential X=2* apply(X,2,sum) #sum up to get chi squares test1=X test2=rchisq(10^4,df=6) system.time(test1);system.time(test2) usuário sistema decorrido 0 0 0 usuário sistema decorrido 0 0 0 No livro tem este resultado: system.time(test1());system.time(test2()) user system elapsed 0.104 0.000 0.107 user system elapsed 0.004 0.000 0.004

4 4

R2 em nls
by Stephan M. CARVALHO 11 Set '11

11 Set '11

Pessoal, Sou novo no grupo e gostaria de uma ajuda! Existe alguma maneira de obter o valor do R2 em um modelo nls (pred~beta1/(1+exp(beta2+beta3*X))? Obrigado Stephan -- *************************************************** STEPHAN M. CARVALHO "Honeybee protection and ecotoxicology" Universidade Estadual Paulista Centro de Estudo de Insetos Sociais Av. 24A, 1515 Bela Vista 13506-900 Rio Claro/SP Brazil smalfitano(a)uol.com.br msn: pefasmc(a)hotmail.com / Skype: smalfitano +55 19 3526-4284 (university) +55 19 3534-8523 (fax) +55 35 9103-9822 (mobile) +55 19 8161-9905 (mobile) Antes de imprimir, pense no meio ambiente! Before printing, think in the environment! Avant d'imprimer, pensez à l'environnement! ***************************************************

2 2

Erro ao Instalar pacote no usando Emacs!
by Nory 11 Set '11

11 Set '11

Boa tarde pessoal, Há poucos dias eu instalei o Emacs no macbook e aprincípio tudo ia bem, porém, ao tentar instalar algum pacote ele mostra esse erro: > install.packages("scatterplot3d") Warning: unable to access index for repository http://brieger.esalq.usp.br/CRAN/bin/macosx/leopard/contrib/2.13 Warning message: In getDependencies(pkgs, dependencies, available, lib) : package 'scatterplot3d' is not available (for R version 2.13.1) Alguns dos senhores teriam alguma sugestão de ajuda? Forte abraço à todos!!! -- Nory Daniel de Carvalho Erazo Técnico em Sistemática Vegetal/Herbário Coordenação de Pesquisas em Biodiversidade Instituto Nacional de Pesquisas da Amazônia-INPA Av. André Araújo, 2936, Aleixo, CEP 69060-001, Manaus-AM Fone: (92) 3643-3125 Celular: (92) 9378-7592 E-mail: norydaniel(a)gmail.com <norydaniel(a)gmail.com>nory(a)inpa.gov.br

3 4

Re: [R-br] ajuda soft R
by Walmes Zeviani 10 Set '11

10 Set '11

Fernando, Ao declarar a fórmula do modelo na função glm(), a matriz de delineamento (X) é construída de acordo com uma restrição paramétrica (por padrão zerar o efeito associado ao primeiro nível do fator) que torna não singular a matriz X'X. Você não precisa se preocupar com isso. É só declarar a fórmula do modelo na glm(), conhecer a restrição paramétrica usada que fica fácil interpretar a solução pedindo um summary(). Veja esse exemplo mediocre mas que ilustra o que falei, tr <- gl(3,4) y <- rbinom(length(x), size=50, prob=0.5) m0 <- glm(cbind(y, 50-y)~tr, family=binomial) summary(m0) # solução model.matrix(m0) # matriz de delinamento X contrasts(tr) # tipo de restrição Aconselho que envie suas mensagens para a nossa lista de discussão sobre R. Mais pessoas podem contribuir com você, com respostas objetivas e rápidas. Informações de cadastro, envio e etiqueta disponíveis em http://www.leg.ufpr.br/doku.php/software:rbr À disposição. 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 twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ========================================================================== 2011/9/10 Fernando Antonio de souza <nandodesouza(a)gmail.com> > Caro Prof. Walmer, > > Eu preciso fazer uma análise de regressão linear com efeitos fixos > (Y~X+Z+X:Z), porém a matriz X é singular e eu necessito fazer a inversa > generalizada para que eu possa encontrar uma solução. Estou utilizando a > função glm do software R. A pouco tempo descobri que no pacote (MASS) há uma > função chamada GINV o qual gera a inversa generalizada porém não sei como > colocá-la dentro do modelo para obter a solução. Você pode me orientar, como > fazer isto? > > Grato pela atenção > > Fernando > Zootecnista, Mestre em Nutrição de Ruminantes >

1 0

metamodelagem
by Edmar Alino 09 Set '11

09 Set '11

Srs, boa noite, Estou tentando usar o R para metamodelagem. Quero usar redes neurais RBF, MLP e tambem gostaria de usar GASP. Sou iniciante no R e qualquer ajuda seria muito bemvindo! Grato desde ja pela atencao, Edmar Alino

2 1