- R-br - DINF UFPR

Interpolação ADW
by fabianidenise＠gmail.com 29 Mai '17

29 Mai '17

Bom dia pessoal, estou trabalhando com cenários futuros, e para visualização dos resultados estou a interpolar algumas variáveis. Consegui aplicar o método de IDW (inverse distance weighting), no entanto, na fase de teste que estou, queria aplicar inclusive o método ADW (angular distance weighting). Alguém já tem trabalhado com este método? Tem algum pacote que permite aplicar esse tipo de interpolação? Ainda estou na fase inicial do trabalho, no entanto, pesquisando não tenho encontrado referências quanto ao método ADW. Qualquer dica será de grande valia. Obrigada, Fabiani _____________________________________ Sent from http://r-br.2285057.n4.nabble.com

1 0

Projeto aberto e colaborativo: Teach-R Project
by Marcos Vital 28 Mai '17

28 Mai '17

Olá, pessoal! Estou coordenando um projeto com o apoio do pessoal da Mozilla Science Lab, chamado "The Open Teach-R Project". A ideia é simples e direta: quero reunir material didático livre que pode ser usado por pessoas interessadas em ministrar cursos ou disciplinas sobre o R. O projeto ainda está começando, e estou procurando pessoas interessadas em colaborar de qualquer forma desejada: criando e/ou trazendo material para ser compartilhado, ajudando a divulgar, lendo e dando feedback no material na medida em que for disponibilizado, traduzindo material (de inglês para português ou o contrário) ou qualquer outra ajuda. Esta semana que está iniciando é importante para o projeto, pois vamos participar do Global Sprint da Mozilla, nos dias 01 e 02 de junho, próximas quinta e sexta - o Global sprint é uma espécie de maratona, com pessoas do mundo todo colaborando com os projetos participantes. É uma oportunidade para fazer o projeto andar bastante em um período curto de tempo. Caso alguém queira conferir, seguem os links mais relevantes: - repo do projeto: https://github.com/marcosvital/teach-R-project - sala de chat do projeto no gitter: https://gitter.im/teach-R-project/Lobby - um texto sobre o projeto, pelo pessoal da Mozilla: https://medium.com/read-write-participate/the-open-teach-r-project-d87b9240… Fiquem à vontade para me contatar por email sobre o assunto, ok? Abraços! Marcos -- Marcos Vinícius Carneiro Vital Universidade Federal de Alagoas Instituto de Ciências Biológicas e da Saúde Setor de Biodiversidade e Ecologia

1 0

Inserir casas decimais no eixo (y) e no gráfico
by Marcio B 26 Mai '17

26 Mai '17

Pessoal o objetivo é a formatação dos valores que aparecem no eixo (y) e nos valores acima das barras do gráfico de barras. Objetivo dos valores aparecer em 2 formatos como segue: -> formatação 1 (br): 1.998,87 -> formatação 2 (en): 1,998.87 Segue o código: soma <- matrix(c(1998.869,2650.337), nrow = 1,ncol = 2) # formatação 1 (br) barplot(soma, main = "Lucratividade (br)", ylim= c(0, (max(soma[1,1], soma[1,2])) + 1000), xlab = "", ylab = "Lucratividade, R$", names.arg = c("Método T","Método BT"), col=c("red","darkgreen"), beside=TRUE, axes = FALSE) text(1.5,soma[1,1]+500, round(soma[1,1],2)) # T text(3.5,soma[1,2]+500 , round(soma[1,2],2)) # BT axis(side = 2, at = axTicks(2), labels=formatC(axTicks(2), format="d", big.mark='.', digits = 2)) # formatação 2 (en) barplot(soma, main = "Lucratividade (en)", ylim= c(0, (max(soma[1,1], soma[1,2])) + 1000), xlab = "", ylab = "Lucratividade, R$", names.arg = c("Método T","Método BT"), col=c("red","darkgreen"), beside=TRUE, axes = FALSE) text(1.5,soma[1,1]+500, round(soma[1,1],2)) # T text(3.5,soma[1,2]+500 , round(soma[1,2],2)) # BT axis(side = 2, at = axTicks(2), labels=formatC(axTicks(2), format="d", big.mark=',', digits = 2)) Obrigado desde já -- Marcio B. Cel.: (55 19) 996.483.949 tim | 997.980.104 vivo skype: maborbaa http://www.linkedin.com/in/marciobar https://www.facebook.com/marciobar Empresa http://www.techagr.com/ ==== PAZ E BEM ====

2 3

script
by brunomatosporto＠bol.com.br 25 Mai '17

25 Mai '17

1 0

Outros tipos de correlações (ponto bisserial a tetracórica)
by Elias Carvalho 24 Mai '17

24 Mai '17

Bom dia amigos estatísticos Estou em busca de referências sobre outros tipos de estatísticas, mais precisamente: - Correlação ponto-bisserial - Correlação bisserial - Correlação polisserial - Correlação policorica - Correlação tetracorica Gostei desse link https://www.andrews.edu/~calkins/math/edrm611/edrm13.htm que um amigo forneceu, pois ele é suscinto e apresenta fórmulas finais simples, mas está imcompleto e vi que tem uma fórmula errada. Eu achei alguns outros sites, mas com formulações extremamente complexas. Alguém poderia indicar uma boa e acessível referência para isso? Boa semana -- *In Jesu et Maria* *Obrigado* *Prof. Elias Carvalho* *"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)"Blessed is he who has been able to understand the cause of things"*

1 0

postar na lista
by brunomatosporto＠bol.com.br 22 Mai '17

22 Mai '17

1 0

Geostatistica
by Bruce Kelly 22 Mai '17

22 Mai '17

Boa tarde listeiros (as) Minha duvida vai além do pacote geoR, é mais estatística do software,as segue as duas perguntas: Eu tenho o seguinte problema condicional. Onde os quatro eventos não são independentes. [cid:ef0390ff-6e98-4855-80f4-33f7f26e0d4c] 1) qual script ou código no geoR para solução? 2) solução analítica? Muito obrigado a todos, bom final de semana.

3 5

Re: [R-br] Indexar um vetor no comando "for"
by sznelwar＠uol.com.br 19 Mai '17

19 Mai '17

2 2

Des-transformar variáveis
by Hugo Zeni 19 Mai '17

19 Mai '17

Pessoal, boa noite! Senhores sempre aprendi que ao transformar variáveis aleatórias para atender a algum pressuposto da ANOVA ao apresentar os resultados você deve usar a função inversa da transformação que aplicou. Por exemplo se eu usar a transformação raiz quadrada devo ajustar os resultados depois das analises utilizando-se do quadrado desses números. Eu usei a transformação de BoxCox utilizando-se da biblioteca car para extrair o lambda: require(car) summary(p1<-powerTransform(Var1~Trat+Rep, dados)) e depois transformei minha variavel aleatoria seguindo a equação (y^lamb)-1 / lamb. Até aí tudo bem, normalidade por Shapiro foi atendida e cedasticidade por Bartlett ok também. Meu questionamento é como "des-transformar" minha v.a.? Qual a função inversa para poder apresentar os dados? Obrigado a todos

2 2

Indexar um vetor no comando "for"
by Clodoaldo José Figueredo 18 Mai '17

18 Mai '17

Na rotina abaixo eu preciso gravar cada vetor results para os 16 valores de j. Preciso colocar um índice porque esses 16 resultados formarão uma nova matriz com 16 colunas e 500 linhas. Como indexar os vetores results no comando "for" e montar a nova matriz? for(j in 1:16){ y <- dados[,j] qqnorm(y);qqline(y) mean(y) results <- c() for(i in 1:500){ results[i] <- mean( sample(y,replace=T))} results qqnorm(results);qqline(results) mean (results) } Obrigado Clodoaldo *"Que força é esta, eu não sei; tudo o que sei é que existe, e está disponível apenas quando alguém está num estado em que sabe exatamente o que quer, e está totalmente determinado a não desistir até conseguir." * Alexander Graham Bell <http://www.pensador.info/frase/NTQwOTE1/> Prof. Clodoaldo José Figueredo Msc - SIAPE 1800348 Métodos Numéricos para Engenharia - Matemática Aplicada Instituto Federal Catarinense - Campus Araquari Rodovia BR 280 - km 27 - Cx. Postal 21 CEP 89245-000 - Araquari/SC Fone: (47) 3803-7240

2 4

Algoritmos geração vetor normalmente distribuído
by Luiz Roberto Martins Pinto 17 Mai '17

17 Mai '17

Olá, Para a geração de vetores simulados normalmente distribuídos é possível utilizar diversos algoritmos associados com a função rnorm: "Inversion","Kinderman-Ramage","Box-Muller","Ahrens-Dieter". Pergunto se alguém conhece algum artigo no qual estes algoritmos foram comparados entre eles. Luiz Roberto. Luiz Roberto Martins Pinto Prof. Pleno/DCET/UESC Laboratório de Estatística Computacional Universidade Estadual de Santa Cruz Ilhéus-Bahia-Brasil luizroberto.uesc(a)gmail.com skype: lrmpinto http://lattes.cnpq.br/2732314327604831 "*The s**cience exists because there are patterns. * * The patterns exist because God created them*. * The statistic exists to research the patterns that God created.*"

1 0

Ajuda com Erro em DataFrame
by Ary Serpa Neto 16 Mai '17

16 Mai '17

4 4

Como calcular DIC na geoR
by Wagner Wolff 16 Mai '17

16 Mai '17

Olá pessoal alguem pode me dar uma dica de como calcular o DIC na geoR. Estou com dificuldade de calcular a média da deviance. Abraço -- *Wagner Wolff, **PhD* "*Luiz de Queiroz**" College of Agriculture,* University of São Paulo Pádua Dias avenue11 | 13418-900| Piracicaba-SP| Brazil Phone: +55 19 982385582 <+55%2019%2098238-5582> http://orcid.org/0000-0003-3426-308X https://github.com/wwolff7 http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4463141A1

1 0

Ajuste de modelos
by Maurício Lordêlo 15 Mai '17

15 Mai '17

Caros, Preciso fazer uma análise de três variáveis (m3 por apartamento, consumo per capita e média mensal das contas do domicilio) relacionadas ao consumo de água em três diferentes tipos de empreendimentos por quantidade de pessoas (ocupação) A variável "ocupação" possui valores variando de 1 a 14. Pelo fato de ter uma quantidade pequena de domicílios com 8 ou mais pessoas, esta variável foi agrupada e assim foi criada a variável "ocup_fator". Alguem poderia dar uma indicação se há possibilidade de ajustar um modelo para cada umas destas três variáveis por ocupação nos diferentes empreendimentos (A, B, C e D)? A intenção é verificar se os padrões de consumo diferem nos quatro tipo de empreendimentos considerados. Agradeço qualquer ajuda. Maurício https://www.dropbox.com/s/3maatp47ehdxikc/d.txt?dl=0 rm(list=ls(all=TRUE)) dados = read.table("d.txt",sep="",header = TRUE) str(dados) attach(dados) plot(m3_ap~ocup_fator) plot(per_cap~ocup_fator) plot(conta_mensal~ocup_fator) library(lattice) # Gráficos por empreendimento xyplot(m3_ap ~ ocup_fator| emp,data = dados,strip = strip.custom(par.strip.text = list(font = 3))) xyplot(per_cap ~ ocup_fator | emp,data = dados,strip = strip.custom(par.strip.text = list(font = 3))) xyplot(conta_mensal ~ ocup_fator | emp,data = dados,strip = strip.custom(par.strip.text = list(font = 3)))

1 0

knitr - definindo permissões qundo estou Gerando PDF
by Leonard de Assis 15 Mai '17

15 Mai '17

Bom dia a todos, Gostaria de saber como, no kntr (e similares), eu gero um pdf que contenha, já na geração do documento, proteção contra edição e similares. Exemplo: gerar um pdf que só possa ser visualizado ou impresso em determinada resolução. Este tipo de coisa eu sei fazer no Tex, gostaria de saber como impor isto diretamente no source .rmd Leonard

3 3

Fwd: Distribuição para regressão de resposta binária
by Marcos Bissoli 12 Mai '17

12 Mai '17

---------- Mensagem encaminhada ---------- De: Marcos Bissoli <mbissoli(a)gmail.com> Data: 9 de fevereiro de 2017 09:38 Assunto: Re: [R-br] Distribuição para regressão de resposta binária Para: Leonard Mendonça de Assis <assis.leonard(a)gmail.com> Bom dia, Mais uma vez, muito obrigado pela oportunidade de diálogo. Seguem códigos aplicados ao meu banco de dados. Modelei com diversas técnicas. Perceba que os gráficos de diagnóstico não diferem muito entre si, nestas que estou testando. E a dúvida, talvez, central, seja essa: esses gráficos são, de fato, tão relevantes? Pois, como eu disse, alguns testes de ajuste que fiz deram resultados satisfatórios. Até que ponto esse diagnóstico visual de ajuste é um problema? Percebam, também, que não há grandes diferenças inclusive com o gráfico da regressão logística. Meu problema com a logística, repito, é que ela me retorna odds ratios, e essa medida não tem sido bem aceita entre epidemiologistas. Por isso eu prefiro famílias com função de ligação "log", pois assim eu consigo facilmente as razões de prevalência. Percebam, ainda, que a log binomial retorna erro e não gera um objeto. Há algum ajuste a mais que eu possa fazer no código para ela funcionar? Na literatura que consultei, quando isso ocorre, a sugestão é que se use a Poisson com variância robusta. Percebam, também, que os coeficientes significantes não mudam de modelo para modelo, à exceção da Quasi-Poisson que é mais "sensível" (estou usando um termo epidemiológico aqui) para detectar fatores potencialmente causais. Tabagismo é a variável binária de resposta: 1 para fumantes, 0 para não fumantes. As demais marcadas com "factor" são também binárias. As sem "factor" são contínuas ou discretas. > TabModelagem <- data.frame(Tabagismo,factor(SexoDic),factor(Branca),factor(Negra),factor(Parda),+ factor(Amarela),factor(SemReligiao),factor(Catolica),+ factor(Espirita),factor(Evangelica),factor(AfroBrasileira),+ factor(Turno),factor(Aposentado),factor(OcupaEstDiApenasDesemp),+ factor(ComFamilia),factor(ComOutParentes),factor(Republica),+ factor(Sozinho),factor(Pensao),factor(OutroMoradia),factor(RU),+ factor(praec4),IdadeA,escola,RendaPC,Dist,PraecSoma)> ModeloLogBinomial <- glm(Tabagismo~.,data = TabModelagem,family = binomial(link = log))Erro: nenhum jogo válido de coeficientes tem sido encontrado: por favor, fornece valores iniciais> ModeloLogistico <- glm(Tabagismo~.,data = TabModelagem,family = binomial(link = logit))> summary(ModeloLogistico) Call: glm(formula = Tabagismo ~ ., family = binomial(link = logit), data = TabModelagem) Deviance Residuals: Min 1Q Median 3Q Max -2.0034 -0.8824 -0.5459 1.0052 2.3721 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 1.215e+01 8.827e+02 0.014 0.989021 factor.SexoDic.1 1.042e+00 1.430e-01 7.281 3.31e-13 *** factor.Branca.1 -1.481e+01 8.827e+02 -0.017 0.986618 factor.Negra.1 -1.474e+01 8.827e+02 -0.017 0.986677 factor.Parda.1 -1.487e+01 8.827e+02 -0.017 0.986563 factor.Amarela.1 -1.545e+01 8.827e+02 -0.018 0.986037 factor.SemReligiao.1 -1.956e-01 4.151e-01 -0.471 0.637543 factor.Catolica.1 -1.009e+00 4.026e-01 -2.506 0.012225 * factor.Espirita.1 -3.190e-01 4.624e-01 -0.690 0.490209 factor.Evangelica.1 -1.759e+00 4.694e-01 -3.747 0.000179 *** factor.AfroBrasileira.1 1.438e+01 4.219e+02 0.034 0.972808 factor.Turno.1 3.093e-02 1.920e-01 0.161 0.872056 factor.Aposentado.1 -9.971e-02 1.901e-01 -0.524 0.600027 factor.OcupaEstDiApenasDesemp.1 1.799e-01 2.670e-01 0.674 0.500536 factor.ComFamilia.1 -6.624e-01 4.098e-01 -1.616 0.106055 factor.ComOutParentes.1 -7.401e-01 5.805e-01 -1.275 0.202332 factor.Republica.1 6.300e-02 3.837e-01 0.164 0.869588 factor.Sozinho.1 -5.343e-01 4.299e-01 -1.243 0.213914 factor.Pensao.1 -1.324e+00 6.812e-01 -1.944 0.051938 . factor.OutroMoradia.1 -9.557e-01 5.861e-01 -1.631 0.102934 factor.RU.1 -3.592e-01 1.911e-01 -1.880 0.060152 . factor.praec4.1 -2.845e-01 4.985e-01 -0.571 0.568191 IdadeA 7.917e-02 2.043e-02 3.875 0.000107 *** escola 1.200e-01 6.289e-02 1.909 0.056297 . RendaPC 1.699e-04 4.093e-05 4.151 3.31e-05 *** Dist 1.634e-04 2.525e-04 0.647 0.517573 PraecSoma 5.281e-02 5.452e-02 0.969 0.332692 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for binomial family taken to be 1) Null deviance: 1516.6 on 1135 degrees of freedom Residual deviance: 1279.3 on 1109 degrees of freedom (587 observations deleted due to missingness) AIC: 1333.3 Number of Fisher Scoring iterations: 13 > ModeloPoisson <- glm(Tabagismo~.,data = TabModelagem,family = poisson(link = log))> summary(ModeloPoisson) Call: glm(formula = Tabagismo ~ ., family = poisson(link = log), data = TabModelagem) Deviance Residuals: Min 1Q Median 3Q Max -1.4867 -0.7821 -0.5889 0.5349 1.6624 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -1.245e+00 1.125e+00 -1.107 0.26845 factor.SexoDic.1 5.800e-01 1.065e-01 5.447 5.11e-08 *** factor.Branca.1 -8.332e-01 1.009e+00 -0.826 0.40870 factor.Negra.1 -8.210e-01 1.028e+00 -0.799 0.42446 factor.Parda.1 -9.009e-01 1.012e+00 -0.890 0.37337 factor.Amarela.1 -1.089e+00 1.092e+00 -0.998 0.31852 factor.SemReligiao.1 -9.670e-02 2.430e-01 -0.398 0.69062 factor.Catolica.1 -4.813e-01 2.396e-01 -2.009 0.04459 * factor.Espirita.1 -1.235e-01 2.806e-01 -0.440 0.65987 factor.Evangelica.1 -9.177e-01 3.126e-01 -2.936 0.00332 ** factor.AfroBrasileira.1 6.068e-01 5.538e-01 1.096 0.27325 factor.Turno.1 1.534e-03 1.331e-01 0.012 0.99081 factor.Aposentado.1 -4.516e-02 1.357e-01 -0.333 0.73937 factor.OcupaEstDiApenasDesemp.1 7.249e-02 1.816e-01 0.399 0.68972 factor.ComFamilia.1 -4.323e-01 2.739e-01 -1.578 0.11447 factor.ComOutParentes.1 -5.029e-01 4.527e-01 -1.111 0.26655 factor.Republica.1 8.985e-03 2.522e-01 0.036 0.97157 factor.Sozinho.1 -2.475e-01 2.878e-01 -0.860 0.38987 factor.Pensao.1 -8.439e-01 5.148e-01 -1.639 0.10117 factor.OutroMoradia.1 -5.262e-01 4.316e-01 -1.219 0.22275 factor.RU.1 -1.937e-01 1.363e-01 -1.421 0.15517 factor.praec4.1 -1.583e-01 3.432e-01 -0.461 0.64469 IdadeA 3.787e-02 1.207e-02 3.136 0.00171 ** escola 8.576e-02 4.429e-02 1.936 0.05281 . RendaPC 4.045e-05 1.690e-05 2.393 0.01670 * Dist 2.605e-05 1.668e-04 0.156 0.87586 PraecSoma 2.419e-02 3.972e-02 0.609 0.54262 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for poisson family taken to be 1) Null deviance: 834.67 on 1135 degrees of freedom Residual deviance: 706.16 on 1109 degrees of freedom (587 observations deleted due to missingness) AIC: 1640.2 Number of Fisher Scoring iterations: 5 > ModeloQuasiPoisson <- glm(Tabagismo~.,data = TabModelagem,family = quasipoisson(link = log))> summary(ModeloQuasiPoisson) Call: glm(formula = Tabagismo ~ ., family = quasipoisson(link = log), data = TabModelagem) Deviance Residuals: Min 1Q Median 3Q Max -1.4867 -0.7821 -0.5889 0.5349 1.6624 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -1.245e+00 8.738e-01 -1.424 0.154644 factor.SexoDic.1 5.800e-01 8.273e-02 7.011 4.11e-12 *** factor.Branca.1 -8.332e-01 7.836e-01 -1.063 0.287863 factor.Negra.1 -8.210e-01 7.987e-01 -1.028 0.304185 factor.Parda.1 -9.009e-01 7.863e-01 -1.146 0.252163 factor.Amarela.1 -1.089e+00 8.481e-01 -1.284 0.199466 factor.SemReligiao.1 -9.670e-02 1.888e-01 -0.512 0.608566 factor.Catolica.1 -4.813e-01 1.862e-01 -2.585 0.009863 ** factor.Espirita.1 -1.235e-01 2.181e-01 -0.566 0.571230 factor.Evangelica.1 -9.177e-01 2.429e-01 -3.779 0.000166 *** factor.AfroBrasileira.1 6.068e-01 4.303e-01 1.410 0.158794 factor.Turno.1 1.534e-03 1.034e-01 0.015 0.988169 factor.Aposentado.1 -4.516e-02 1.055e-01 -0.428 0.668597 factor.OcupaEstDiApenasDesemp.1 7.249e-02 1.411e-01 0.514 0.607474 factor.ComFamilia.1 -4.323e-01 2.128e-01 -2.031 0.042444 * factor.ComOutParentes.1 -5.029e-01 3.517e-01 -1.430 0.153011 factor.Republica.1 8.985e-03 1.959e-01 0.046 0.963429 factor.Sozinho.1 -2.475e-01 2.236e-01 -1.107 0.268673 factor.Pensao.1 -8.439e-01 4.000e-01 -2.110 0.035106 * factor.OutroMoradia.1 -5.262e-01 3.353e-01 -1.569 0.116880 factor.RU.1 -1.937e-01 1.059e-01 -1.830 0.067589 . factor.praec4.1 -1.583e-01 2.666e-01 -0.594 0.552951 IdadeA 3.787e-02 9.381e-03 4.037 5.79e-05 *** escola 8.576e-02 3.441e-02 2.492 0.012836 * RendaPC 4.045e-05 1.313e-05 3.080 0.002119 ** Dist 2.605e-05 1.296e-04 0.201 0.840689 PraecSoma 2.419e-02 3.086e-02 0.784 0.433427 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for quasipoisson family taken to be 0.6036898) Null deviance: 834.67 on 1135 degrees of freedom Residual deviance: 706.16 on 1109 degrees of freedom (587 observations deleted due to missingness) AIC: NA Number of Fisher Scoring iterations: 5 > library(MASS)> ModeloBinomialNegativa <- glm.nb(Tabagismo~.,data = TabModelagem,link = log)Warning messages:1: In theta.ml(Y, mu, sum(w), w, limit = control$maxit, trace = control$trace > : iteration limit reached2: In theta.ml(Y, mu, sum(w), w, limit = control$maxit, trace = control$trace > : iteration limit reached> summary(ModeloBinomialNegativa) Call: glm.nb(formula = Tabagismo ~ ., data = TabModelagem, link = log, init.theta = 9955.862378) Deviance Residuals: Min 1Q Median 3Q Max -1.4866 -0.7821 -0.5889 0.5349 1.6624 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) -1.245e+00 1.125e+00 -1.107 0.26847 factor.SexoDic.1 5.800e-01 1.065e-01 5.447 5.12e-08 *** factor.Branca.1 -8.332e-01 1.009e+00 -0.826 0.40872 factor.Negra.1 -8.210e-01 1.028e+00 -0.799 0.42448 factor.Parda.1 -9.009e-01 1.012e+00 -0.890 0.37339 factor.Amarela.1 -1.089e+00 1.092e+00 -0.997 0.31853 factor.SemReligiao.1 -9.670e-02 2.430e-01 -0.398 0.69063 factor.Catolica.1 -4.813e-01 2.396e-01 -2.008 0.04459 * factor.Espirita.1 -1.235e-01 2.807e-01 -0.440 0.65989 factor.Evangelica.1 -9.177e-01 3.126e-01 -2.936 0.00333 ** factor.AfroBrasileira.1 6.068e-01 5.539e-01 1.096 0.27327 factor.Turno.1 1.530e-03 1.331e-01 0.011 0.99083 factor.Aposentado.1 -4.516e-02 1.358e-01 -0.333 0.73937 factor.OcupaEstDiApenasDesemp.1 7.249e-02 1.816e-01 0.399 0.68973 factor.ComFamilia.1 -4.323e-01 2.739e-01 -1.578 0.11449 factor.ComOutParentes.1 -5.029e-01 4.527e-01 -1.111 0.26658 factor.Republica.1 8.986e-03 2.522e-01 0.036 0.97157 factor.Sozinho.1 -2.475e-01 2.878e-01 -0.860 0.38988 factor.Pensao.1 -8.439e-01 5.149e-01 -1.639 0.10120 factor.OutroMoradia.1 -5.262e-01 4.316e-01 -1.219 0.22277 factor.RU.1 -1.937e-01 1.363e-01 -1.421 0.15519 factor.praec4.1 -1.583e-01 3.432e-01 -0.461 0.64469 IdadeA 3.787e-02 1.207e-02 3.136 0.00171 ** escola 8.576e-02 4.429e-02 1.936 0.05282 . RendaPC 4.045e-05 1.690e-05 2.393 0.01670 * Dist 2.605e-05 1.668e-04 0.156 0.87585 PraecSoma 2.419e-02 3.972e-02 0.609 0.54264 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for Negative Binomial(9955.862) family taken to be 1) Null deviance: 834.65 on 1135 degrees of freedom Residual deviance: 706.13 on 1109 degrees of freedom (587 observations deleted due to missingness) AIC: 1642.2 Number of Fisher Scoring iterations: 1 Theta: 9956 Std. Err.: 36769 Warning while fitting theta: iteration limit reached 2 x log-likelihood: -1586.177 > par(mfrow=c(2,2))> qqnorm(resid(ModeloLogistico, type = "deviance"),+ pch = 20, main = "Logística", las = 1)> qqline(resid(ModeloLogistico, type = "deviance"))> qqnorm(resid(ModeloPoisson, type = "deviance"),+ pch = 20, main = "Poisson", las = 1)> qqline(resid(ModeloPoisson, type = "deviance"))> qqnorm(resid(ModeloQuasiPoisson, type = "deviance"),+ pch = 20, main = "Quasi-Poisson", las = 1)> qqline(resid(ModeloQuasiPoisson, type = "deviance"))> qqnorm(resid(ModeloBinomialNegativa, type = "deviance"),+ pch = 20, main = "Binomial Negativa", las = 1)> qqline(resid(ModeloBinomialNegativa, type = "deviance")) [image: Imagem inline 1] Em 8 de fevereiro de 2017 20:35, Leonard Mendonça de Assis < assis.leonard(a)gmail.com> escreveu: > Exato, > > > > Existem várias funções de ligação pre definidas para cada família. Não > tenho certeza se ‘log’ é um link válido para binomial, nunca o usei com > binomial. > > > > Caso este link não exista, você terá que cria-lo antes, veja um exemplo > neste local: https://stat.ethz.ch/pipermail/r-help/2013-November/362787. > html > > > > Neste exemplo, é criado o link ‘clog’, muito próximo ao que você precisa. > > > > Mas o que você chama de ‘não consigo criar o modelo’? Eu já ajustei modelo > logístico com mais de 200 variáveis (Contínuas, discretas, fatores ...) sem > problemas, a não ser problemas de algumas variáveis serem linearmente > dependentes e, com isto, me gerou problemas de estimação. Outro problema > que tive (não o tenho a mais de ano) foi estourar memória do computador. > > > > Mande pra mim o erro especifico que está dando ao executar o comando. Só > assim posso ser mais preciso em te ajudar > > > > *De:* Marcos Bissoli [mailto:mbissoli@gmail.com] > *Enviada em:* quarta-feira, 8 de fevereiro de 2017 19:35 > *Para:* Leonard Mendonça de Assis <assis.leonard(a)gmail.com> > > *Assunto:* Re: [R-br] Distribuição para regressão de resposta binária > > > > Prezado Leonard e amigos, > > > > Agradeço muito pelo debate. Venho tentando cada vez mais dialogar com > estatísticos, pois respeito muito o trabalho de vocês, embora admita ainda > ser "um menino" na arte. > > > > Em relação à função de ligação para logística, talvez eu não tenha sido > claro. Eu tentei uma função "ln(y)" que, ao menos no material que venho > consultando, seria uma regressão log-binomial. Este seria um modelo ideal, > e foi minha primeira tentativa. Ou seja, usei um código semelhante a: > > > > > Modelo -> glm(y~., data = Dados, family = binomial(link = "log")) > > > > O problema é que o R não consegue criar tal modelo. Tenho muitas variáveis > explicativas (isso é bastante comum em estudos epidemiológicos > descritivos), incluindo cinco contínuas, se é que esse seja o motivo. O > fato é que em uma das referências que citei em e-mail anterior, os autores > tratam deste problema. Veja os resultados apresentados no resumo de > Coutinho et al: > > > > "*RESULTADOS:* As estimativas por ponto e por intervalo [das razões de > prevalência] obtidas pelas regressões de Cox e Poisson foram semelhantes à > obtida pela estratificação de Mantel-Haenszel [considerada 'prova-ouro' > para a Epidemiologia], independentemente da prevalência do desfecho > [variável resposta] e das covariáveis [variáveis explicativas, pode-se > dizer; talvez, para que tem uma formação mais voltada para análises > experimentais, poderíamos dizer que covariáveis referem-se mais a 'blocos'] > do modelo. *O modelo log-binomial apresentou dificuldade de convergência* > quando o desfecho tinha prevalência alta e havia covariável contínua no > modelo. A regressão logística [valendo-se de logito como função de ligação] > produziu estimativas por ponto e por intervalo maiores do que as obtidas > pelos outros métodos, principalmente para os desfechos com maiores > prevalências iniciais. *Se interpretados como estimativas de RP, os OR > superestimariam as associações* para os desfechos com prevalência inicial > baixa, intermediária e alta em 13%, quase 100% e quatro vezes mais, > respectivamente." > > > > [notas minhas] [grifos meus] > > > > Portanto, os autores indicam (e vi isso em outros artigos) regressão de > Poisson, mesmo admitindo a variável resposta como sendo binária, variando > de 0 a 1, que representa a probabilidade de ocorrência do desfecho > (doença). Quase todos são unânimes em recomendar apenas que se use ajuste > de variância robusta para sanar problemas nos intervalos de confiança dos > coeficientes. Em Epidemiologia, mais importante que os valores p são esses > intervalos de confiança, pois há muitos desdobramentos inferenciais que são > feitos a partir deles. Portanto, creio que a justificativa para adoção de > Poisson seja esta: a não convergência da log-binomial. > > > > Talvez uma outra função de ligação em família binomial possa ser uma > solução, então? Como disse, tentei "log" e o próprio "logit". "Log" não deu > convergência e o modelo nem foi gerado. O "logit" eu também tentei, e o > gráfico de resíduos do modelo foi praticamente idêntico a este de > quasi-poisson que postei na primeira mensagem. Seria grato caso pudesse me > indicar algum referencial sobre outras funções de ligação, > preferencialmente com aplicações. Mas acho que isso se tornará um problema, > pois os coeficientes gerados certamente me resultarão indicadores não > reconhecidos na área da Epidemiologia. Não sei até que ponto eu posso > "converter" coeficientes livremente aplicando pura e simplesmente > aritméticas a estes coeficientes. Como acho que já expliquei acima: "logit" > me devolve razão de chances (odds ratio, OR) e "log" me retorna a tão > desejada razão de prevalência (razão de riscos, RR). Se eu não tiver como > converter meus coeficientes em uma dessas razões (e preferencialmente a RR) > eu vou apanhar tanto da banca que vou sair dali roxo e sem título. :D > > > > (Um parênteses: essas questões, como a brincadeira acima, tem me motivado > muito a ingressar em um doutorado em Estatística assim que eu concluir > esse. Creio que há muito há se propor de novo para a Epidemiologia, a > partir de um conhecimento mais profundo em Estatística. A Epidemiologia é, > de fato, bastante limitada naquilo que ela "aceita" como técnica válida > para suas análises inferenciais) > > > > Quando o senhor diz: > > > > "Uma segunda forma de analisar, seria termos uma resposta composta de > número de ocorrências do evento em um total possível", > > > > eu posso interpretar que isso também seria adaptável a uma probabilidade? > Valeria a pena eu tentar ajuste com Gamma ou Beta? A binomial negativa eu > até tentei, mais por curiosidade, pois tenho seguido o material do curso > que fiz com o Walmes em Varginha e ele preconizou que ela seria recomendada > para casos de superdispersão, e minha variável resposta aparenta > subdispersão. Mas a binomial negativa também gerou o mesmo gráfico de > resíduos. Eu posso usar uma variável binária como resposta num modelo Gamma > ou Beta? Ou teria que dar algum "tratamento" na variável antes de aplicar > estes modelos. Confesso que estes ainda não tentei com essa resposta com a > qual estou enfrentando o problema. Em outras variáveis eu experimentei > modelos Gamma, mas eles não apresentaram melhor ajuste que o gaussiano, a > ponto de justificar eu enfrentar tamanha novidade com a banca de > epidemiologistas. :D > > > > Agradeço, já, e muito, o diálogo estabelecido. > > > > Abraços fraternos, > > > > Marcos > > > > > > > > > > Em 8 de fevereiro de 2017 17:28, Leonard Mendonça de Assis < > assis.leonard(a)gmail.com> escreveu: > > Marcos, > > Não tenho acesso aos artigos, mas ... baseado em 27 anos de experiência > ajustando regressão logística, vamos aos meus pitacos: > > > > 1. Quando eu tenho os Y em forma binária (Presente/ausente), isto, > estatisticamente falando, é uma distribuição de Bernoulli > 2. Esta distribuição de bernoulli tem como parâmetro, a proporção. > Esta proporção varia de 0 a 1. > 3. Uma forma de ajustar este tipo de dados é a regressão logística, > esta pode assumir vários tipos de ligação. Aqui, de cabeça, eu lembro uns > 5, mas deve ter muito mais. > 4. Estas funções de ligação se ajustam melhor a determinados tipos de > dados e algumas áreas de conhecimento às vezes preferem um em detrimento de > outros. > > > > Baseado neste cenário acima, acho “estranho” utilizar outro tipo de modelo > (com dados na característica acima), sem uma justificativa bastante forte. > > > > Uma segunda forma de analisar, seria termos uma resposta composta de > número de ocorrências do evento em um total possível. Neste caso, teríamos > uma variedade de distribuições que provavelmente se encaixariam nos > documentos que você apresentou. Neste caso, o modelo seria ou binomial > negativa, ou Gama, ou Beta, ou qualquer outra similar. > > > > Ajustados os conceitos, vamos agora à minha opinião sobre seu problema. > > > > 1. Pelo que consegui entender de seu texto inicial e seu código > fornecido, você está ajustando algo que é 0 ou 1 como sendo uma > quase-poisson (esta é uma das opções de ajuste para o que expliquei acima, > onde existe uma determinada quantidade. > 2. Como seus dados são 0/1 (suposição esta que faço baseado em sua > explicação), o ajuste estar deficiente é algo bem esperado > > Seria bom se você informasse do que se trata a variável tabagismo, se ela > é 0/1 ou se é uma quantidade. Se for 0/1, certamente o problema dos dados é > esperado, por serem oriundos de uma distribuição diversa da que você está > ajustando. > > > > No aguardo > > > > Leonard > > > > *De:* Marcos Bissoli [mailto:mbissoli@gmail.com] > *Enviada em:* quarta-feira, 8 de fevereiro de 2017 14:57 > *Para:* Leonard Assis <assis.leonard(a)gmail.com>; a lista Brasileira > oficial de discussão do programa R. <r-br(a)listas.c3sl.ufpr.br> > *Assunto:* Re: [R-br] Distribuição para regressão de resposta binária > > > > Olá Leonard, > > > > Muito obrigado pelo interesse no debate. > > > > Minha afirmação baseada em epidemiologistas é, na verdade, baseada numa > série de artigos que venho estudando recentemente. Seguem algumas > referências, dentre outras várias, sobre as quais venho me fundamentando. > > > > ZOU, G. A Modified Poisson Regression Approach to Prospective Studies with > Binary Data. *American Journal of Epidemiology*, v. 159, n. 7, p. > 702–706, 1 abr. 2004. > > > > COUTINHO, L. M. S.; SCAZUFCA, M.; MENEZES, P. R. Métodos para estimar > razão de prevalência em estudos de corte transversal. *Revista de Saúde > Pública*, v. 42, n. 6, p. 992–998, dez. 2008. > > > > BARROS, A. J.; HIRAKATA, V. N. Alternatives for logistic regression in > cross-sectional studies: an empirical comparison of models that directly > estimate the prevalence ratio. *BMC Medical Research Methodology*, v. 3, > n. 1, p. 21, 20 dez. 2003. > > > > FRANCISCO, P. M. S. B. et al. Medidas de associação em estudo transversal > com delineamento complexo: razão de chances e razão de prevalência. *Revista > Brasileira de Epidemiologia*, v. 11, n. 3, p. 347–355, set. 2008. > > > > WILLIAMSON, T.; ELIASZIW, M.; FICK, G. H. Log-binomial models: exploring > failed convergence. *Emerging themes in epidemiology*, v. 10, n. 1, p. > 14, 13 dez. 2013. > > > > Abraços fraternos, > > > > Marcos > > > > Em 7 de fevereiro de 2017 22:22, Leonard Assis via R-br < > r-br(a)listas.c3sl.ufpr.br> escreveu: > > Tem ruído aí nesta explicação. Na verdade, o que o "epidemiologista" > alegou, não me convenceu. > > > > > > Em 7 de fev de 2017 9:14 PM, "Marcos Bissoli via R-br" < > r-br(a)listas.c3sl.ufpr.br> escreveu: > > Prezados, > > > > De antemão peço desculpas se desvio o tópico da lista. Mas creio que o > tema da mensagem é minimamente transversal aos aqui tratados. > > > > Tenho uma variável resposta binária. Como a frequência da resposta é alta > (38,11%), teóricos da Estatística aplicada à Epidemiologia sugerem que não > seja usada uma regressão logística. Neste caso (de alta prevalência do > desfecho), a primeira opção deveria ser uma log-binomial. Mas (e isso não é > raro de ocorrer), minha log-binomial não apresentou convergência. > > > > Quando não há convergência, os teóricos sugerem uma regressão de Poisson > com variância robusta. Entretanto, como meus dados sugerem subdispersão, > optei por um modelo de quasi-poisson. Isso já deu certo em outras análises > que fiz para terceiros. Inclusive, tenho conseguido adaptar a variância > robusta ao modelo de quasi-poisson. Mas justamente agora, com os dados de > minha tese... > > > > O diagnóstico visual está, ao meu ver, péssimo, para ajuste. A imagem > anexa é do modelo de quasi-poisson. Mas experimentei todos os acima citados > (logística e Poisson) e o gráfico não diferiu muito. > > > > [image: Imagem inline 1] > > > > A dúvida é... Há alguma outra alternativa de técnica de regressão que eu > poderia tentar? Minhas variáveis explicativas são diversas, em quantidade e > tipo (há contínuas, ordinais e binárias). Ou será (embora eu ache pouco > provável) que este gráfico não significa um grande incômodo? > > > > Fiz o teste de qui-quadrado da deviance residual e estranhamente o valor p > está resultando em 1, tanto para Poisson quanto para quasi-Poisson. Um > outro fato estranho é o pseudo R² de Nagelkerke ter acusado 20%: todas as > outras minhas variáveis resposta não passaram de 12%. Não sei se é correto > (consultei bibliografia que sugeria isso para a regressão logística), mas > apliquei um teste de Hosmer e Lemeshow e ele acusou um bom ajuste do > modelo, também (p = 0,2718). Até uma curva de ROC eu fiz e a área está > grande no gráfico (mais uma técnica que não sei se deve ser aplicada além > da regressão logística,). > > > > Seguem alguns resultados, caso possa ajudar em algo. > > > > Desde já agradeço qualquer comentário. E reforço minhas desculpas caso eu > tenha desviado do tópico além do esperado, e desde já acato qualquer > negativa em prosseguir o debate. Nesse caso, se possível, aceitaria > sugestões de boas listas para debates nesse nível onde eu pudesse me > inscrever. > > > > Há braços, > > > > Marcos Bissoli > > Faculdade de Nutrição > > Unifal-MG > > > > > Mod1 <- glm(Tabagismo~.,data = TabModelagem,family = quasipoisson) > > > summary(Mod1) > > > > Call: > > glm(formula = Tabagismo ~ ., family = quasipoisson, data = TabModelagem) > > > > Deviance Residuals: > > Min 1Q Median 3Q Max > > -1.4867 -0.7821 -0.5889 0.5349 1.6624 > > > > Coefficients: > > Estimate Std. Error t value Pr(>|t|) > > (Intercept) -1.245e+00 8.738e-01 -1.424 0.154644 > > factor.SexoDic.1 5.800e-01 8.273e-02 7.011 4.11e-12 *** > > factor.Branca.1 -8.332e-01 7.836e-01 -1.063 0.287863 > > factor.Negra.1 -8.210e-01 7.987e-01 -1.028 0.304185 > > factor.Parda.1 -9.009e-01 7.863e-01 -1.146 0.252163 > > factor.Amarela.1 -1.089e+00 8.481e-01 -1.284 0.199466 > > factor.SemReligiao.1 -9.670e-02 1.888e-01 -0.512 0.608566 > > factor.Catolica.1 -4.813e-01 1.862e-01 -2.585 0.009863 ** > > factor.Espirita.1 -1.235e-01 2.181e-01 -0.566 0.571230 > > factor.Evangelica.1 -9.177e-01 2.429e-01 -3.779 0.000166 *** > > factor.AfroBrasileira.1 6.068e-01 4.303e-01 1.410 0.158794 > > factor.Turno.1 1.534e-03 1.034e-01 0.015 0.988169 > > factor.Aposentado.1 -4.516e-02 1.055e-01 -0.428 0.668597 > > factor.OcupaEstDiApenasDesemp.1 7.249e-02 1.411e-01 0.514 0.607474 > > factor.ComFamilia.1 -4.323e-01 2.128e-01 -2.031 0.042444 * > > factor.ComOutParentes.1 -5.029e-01 3.517e-01 -1.430 0.153011 > > factor.Republica.1 8.985e-03 1.959e-01 0.046 0.963429 > > factor.Sozinho.1 -2.475e-01 2.236e-01 -1.107 0.268673 > > factor.Pensao.1 -8.439e-01 4.000e-01 -2.110 0.035106 * > > factor.OutroMoradia.1 -5.262e-01 3.353e-01 -1.569 0.116880 > > factor.RU.1 -1.937e-01 1.059e-01 -1.830 0.067589 . > > factor.praec4.1 -1.583e-01 2.666e-01 -0.594 0.552951 > > IdadeA 3.787e-02 9.381e-03 4.037 5.79e-05 *** > > escola 8.576e-02 3.441e-02 2.492 0.012836 * > > RendaPC 4.045e-05 1.313e-05 3.080 0.002119 ** > > Dist 2.605e-05 1.296e-04 0.201 0.840689 > > PraecSoma 2.419e-02 3.086e-02 0.784 0.433427 > > --- > > Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 > > > > (Dispersion parameter for quasipoisson family taken to be 0.6036898) > > > > Null deviance: 834.67 on 1135 degrees of freedom > > Residual deviance: 706.16 on 1109 degrees of freedom > > AIC: NA > > > > Number of Fisher Scoring iterations: 5 > > > > > > > > -- > > MARCOS BISSOLI > > Faculdade de Nutrição > Universidade Federal de Alfenas > > Blog: bocademiamaldita.blogspot.com/ > > E-mail: mbissoli(a)gmail.com > Twitter: #mbissoli > > > Alfenas, Minas Gerais, Brasil > > > *****Pense na Natureza antes de Imprimir***** > Divulgue ON-LINE > > Eu apoio a ENEN "na luta por um Brasil sem fome" > > "por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan" > (para cada povo sua própria língua, para todos os povos o Esperanto) > > > > E nunca votarei no PSDB/DEM! > > > > _______________________________________________ > 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. > > > _______________________________________________ > 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. > > > > > > -- > > MARCOS BISSOLI > > Faculdade de Nutrição > Universidade Federal de Alfenas > > Blog: bocademiamaldita.blogspot.com/ > > E-mail: mbissoli(a)gmail.com > Twitter: #mbissoli > > > Alfenas, Minas Gerais, Brasil > > > *****Pense na Natureza antes de Imprimir***** > Divulgue ON-LINE > > Eu apoio a ENEN "na luta por um Brasil sem fome" > > "por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan" > (para cada povo sua própria língua, para todos os povos o Esperanto) > > > > E nunca votarei no PSDB/DEM! > > > > > > -- > > MARCOS BISSOLI > > Faculdade de Nutrição > Universidade Federal de Alfenas > > Blog: bocademiamaldita.blogspot.com/ > > E-mail: mbissoli(a)gmail.com > Twitter: #mbissoli > > > Alfenas, Minas Gerais, Brasil > > > *****Pense na Natureza antes de Imprimir***** > Divulgue ON-LINE > > Eu apoio a ENEN "na luta por um Brasil sem fome" > > "por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan" > (para cada povo sua própria língua, para todos os povos o Esperanto) > > > > E nunca votarei no PSDB/DEM! > -- MARCOS BISSOLI Faculdade de Nutrição Universidade Federal de Alfenas Blog: bocademiamaldita.blogspot.com/ E-mail: mbissoli(a)gmail.com Twitter: #mbissoli Alfenas, Minas Gerais, Brasil *****Pense na Natureza antes de Imprimir***** Divulgue ON-LINE Eu apoio a ENEN "na luta por um Brasil sem fome" "por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan" (para cada povo sua própria língua, para todos os povos o Esperanto) E nunca votarei no PSDB/DEM! -- MARCOS BISSOLI Faculdade de Nutrição Universidade Federal de Alfenas Blog: bocademiamaldita.blogspot.com/ E-mail: mbissoli(a)gmail.com Twitter: #mbissoli Alfenas, Minas Gerais, Brasil *****Pense na Natureza antes de Imprimir***** Divulgue ON-LINE Eu apoio a ENEN "na luta por um Brasil sem fome" "por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan" (para cada povo sua própria língua, para todos os povos o Esperanto) E nunca votarei no PSDB/DEM!

4 3

Intervalo de predição INLA
by Wagner Wolff 10 Mai '17

10 Mai '17

Olá pessoal estou fazendo uma modelagem geoestatística pelo INLA, mas estou com dúvidas quanto às estimativas para os intervalos de credibilidade maiores, p.ex. 95%, para esta situação os valores estimados fogem do campo amostral que é de 0,3 a 0,7. Alguém sabe onde posso configurar para que as estimativas fiquem nesse intervalo. Segue o código: ## Criando domain IEBdomain <- inla.nonconvex.hull(as.matrix(dados[,1:2]), -0.03, -0.05, resolution=c(100,100)) ## Crando mesh IEBmesh <- inla.mesh.2d(boundary=IEBdomain, max.edge=c(35,35), cutoff=35, offset=c(-0.5, -0.5)) plot(IEBmesh, asp=1, main='') ## spde matern 0.5 = exponetial IEBspde <- inla.spde2.matern(mesh=IEBmesh,alpha=2) mesh.index <- inla.spde.make.index(name = "i", n.spde = IEBspde$n.spde) ## Matriz projetora estimativa A.est <- inla.spde.make.A(IEBmesh, loc=as.matrix(dados[,1:2])) ## Matriz de covariaveis selecionadas pelo AIC, estatistica frequentista covars <- dados[,c(1:4,6:23)] stk.est <- inla.stack(data=list(y=dados$IEB_ANO), A=list(A.est,1), tag="est", effects=list(c(mesh.index,list(Intercept=1)), list(covars))) stk.val <- inla.stack(data=list(y=NA), A=list(A.est,1), tag="est", effects=list(c(mesh.index,list(Intercept=1)), list(covars))) ## Matriz projetora predicao A.pred = inla.spde.make.A(IEBmesh) stk.pred = inla.stack(data = list(y = NA), A = list(A.pred),tag = "pred", effects=list(c(mesh.index,list(Intercept=1)))) str(stk.pred) stk.all <- inla.stack(stk.est, stk.val,stk.pred) ## Testar qual variável tem menor DIC names(covars) f.IEB <- y ~ -1 + Intercept + Dens.dren + f(i, model=IEBspde) names(inla.models()$likelihood) r.IEB <-inla(f.IEB,family="beta", control.compute=list(dic=TRUE),quantiles=c(0.025,0.1,0.5, 0.975), data=inla.stack.data(stk.all,spde=IEBspde), control.predictor=list(A=inla.stack.A(stk.all),compute=TRUE)) names(r.IEB) r.IEB$dic$dic r.IEB$summary.fixed r.IEB$summary.hyper[1,] r.IEB$summary.hyper[-1,] result <- inla.spde2.result(r.IEB, "i", IEBspde) names(result) str(r.IEB$marginals.hyperpar) ## Posterior mean inla.emarginal(function(x) x, result$marginals.variance.nominal[[1]]) inla.emarginal(function(x) x, result$marginals.range.nominal[[1]]) ## Quantis inla.qmarginal(c(0.025,0.5,0.975), result$marginals.variance.nominal[[1]]) inla.qmarginal(c(0.025,0.5,0.975), result$marginals.range.nominal[[1]]) par(mfrow=c(2,3), mar=c(3,3.5,0,0), mgp=c(1.5, .5, 0), las=0) plot(r.IEB$marginals.fix[[1]], type='l', xlab=expression(beta[0]), ylab='Density') plot(r.IEB$marginals.fix[[2]], type='l', xlab=expression(beta[1]),ylab= 'Density') plot(r.IEB$marginals.hy[[1]], type='l', xlab=expression(phi),ylab='Density') plot.default(inla.tmarginal(function(x) 1/exp(x), r.IEB$marginals.hy[[3]]), type='l', xlab=expression(kappa), ylab='Density') plot.default(result$marginals.variance.nominal[[1]], type='l', xlab=expression(sigma[x]^2), ylab='Density') plot.default(result$marginals.range.nominal[[1]], type='l', xlab='Practical range', ylab='Density') index.pred <- inla.stack.index(stk.all, "pred")$data names(r.IEB$summary.linear.predictor) linpred.mean <- r.IEB$summary.linear.predictor[index.pred,"mean"] linpred.2.5 <- r.IEB$summary.linear.predictor[index.pred,"0.025quant"] linpred.10 <- r.IEB$summary.linear.predictor[index.pred,"0.1quant"] linpred.50 <- r.IEB$summary.linear.predictor[index.pred,"0.5quant"] linpred.97.5 <- r.IEB$summary.linear.predictor[index.pred,"0.975quant"] (nxy <- round(c(diff(c(200,800)), diff(c(6700,7200))))) proj <- inla.mesh.projector(IEBmesh, xlim=c(200,800), ylim=c(6700,7200), dims=nxy) lp.mean.grid <- inla.mesh.project(proj, linpred.mean) lp.2.5.grid <- inla.mesh.project(proj, linpred.2.5) lp.10.grid <- inla.mesh.project(proj, linpred.10) lp.50.grid <- inla.mesh.project(proj, linpred.50) lp.97.5.grid <- inla.mesh.project(proj, linpred.97.5) par(mfrow=c(2,3), mar=c(3,3.5,0,0), mgp=c(1.5, .5, 0), las=0) image(lp.2.5.grid) image(lp.10.grid) image(lp.mean.grid) image(lp.97.5.grid) Abraço -- *Wagner Wolff, **PhD* "*Luiz de Queiroz**" College of Agriculture,* University of São Paulo Pádua Dias avenue11 | 13418-900| Piracicaba-SP| Brazil Phone: +55 19 982385582 <+55%2019%2098238-5582> http://orcid.org/0000-0003-3426-308X https://github.com/wwolff7 http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4463141A1

2 3

Análise de variância ponderada
by Maurício Sangiogo 10 Mai '17

10 Mai '17

Bom dia pessoal, Preciso de uma ajuda de vocês em relação a regressão ponderada, para análises de dados com heterocedasticidade. Para fins didáticos, gostaria de entender como determino os "pesos" ("weights") no R. Alguém de vocês teria algum material voltado ao R ou algum script? Desde já muito obrigado! .................. Eng. Agr. Maurício Sangiogo TEL:(55) 96822030

2 1

Dificuldade no ajuste do modelo Weibull no pacote VGAM
by Gilenio Borges Fernandes 09 Mai '17

09 Mai '17

Prezad@s Estou interessado (iniciante no tema) no uso dos modelos lineares generalizados aditivos (GAM, pacote VGAM do R), como uma opção para análise de dados de sobrevivência não censurados. O objetivo é avaliar o efeito de ano, renda per capita e escolaridade na expectativa de vida. Estou enviando no CMR os fit´s 1 e 2 (ajuda das funções weibull.mean e weibullR), mas, meu interesse e dificuldade é entender e obter uma interpretação prática para os dois interceptos no fit3a e fit3b. Já li sobre GAM, mas não entendi o problema dos dois interceptos. O CMR do problema está disponível em https://www.dropbox.com/s/czk0gbdxz5v9q2e/ExpVida-Weibull.txt?dl=0 No fit3a há um problema de convergência, mas, no banco de dados completo ele desaparece. Na verdade, minha dificuldade maior é nos GAM´s, mas, ainda assim, alguma ajuda ou sugestão de referência bibliográfica sobre o assunto? Talvez os links seguintes possam ser úteis para as funções weibull.mean e weibullR, usadas no CMR https://www.rdocumentation.org/packages/VGAM/versions/1.0-3/topics/weibull.… https://www.rdocumentation.org/packages/VGAM/versions/1.0-3/topics/weibullR Desde já agradeço Gilênio Borges Fernandes Professor Associado IV (Aposentado) Professor Adjunto A (Substituto - 2015 a 2017) Universidade Federal da Bahia Instituto de Matemática e Estatística Departamento de Estatística Av. Adhemar de Barros, s/n – Ondina. 40.170-110 - Salvador - BA, Brasil Tel.: (071)3283-6340/6341/6337 Fax: (071)3283-6336 Skype: gilenio.fernandes Lattes: http://lattes.cnpq.br/6764860618464860

1 0

R studio não está exportando gráfico.
by Sergio Pinto 09 Mai '17

09 Mai '17

Prezados Tenho um computador 64 bits com o sistema operacioanl UBUNTU 16.04 LTS. As versões de R e RStudio instaladas estão descritas abaixo. R version 3.4.0 (2017-04-21) -- "You Stupid Darkness" RStudio Version 1.0.136 Tudo funciona muito bem exceto a exportação de gráficos. Quando eu escrevo um comando para gerar gráficos a imagem aparece em uma janela independente. Até esse ponto tudo ok o problema é que eu não consigo exportar ou salvar este gráfico. Seria algum problema de configuração (do R, ou do RStudio ou do próprio sistema operacional) ? No windows a coisa funciona perfeitamente, e no ubuntu que tenho em outro computador também funciona as mil maravilhas. É possivel resolver? Qualquer ajuda será bem vinda. Atenciosamente Sergio Medeiros Pinto Mestre em Ciência da Motricidade Humana

3 3

Re: [R-br] SOMAR LINHAS
by sznelwar＠uol.com.br 08 Mai '17

08 Mai '17

2 1

Re: [R-br] Reproduzir gráfico 3D no R
by sznelwar＠uol.com.br 07 Mai '17

07 Mai '17

1 0

Reproduzir gráfico 3D no R
by Fernando de Souza Bastos 07 Mai '17

07 Mai '17

Prezados, alguém tem alguma sugestão de como resolver essa questão: https://pt.stackoverflow.com/questions/202827/reproduzir-gr%C3%A1fico-3d-co… Desde já agradeço! Att, Fernando de Souza Bastos Professor Assistente Universidade Federal de Viçosa (UFV) Campus UFV - Florestal Doutorando em Estatística Universidade Federal de Minas Gerais (UFMG) Cel: (31) 99751-6586

2 2

Re: [R-br] SOMAR LINHAS
by Fernando Antonio de souza 07 Mai '17

07 Mai '17

Mauro Realmente havia um erro no comando que enviei. Peço desculpas por isso Faltou fechar o parenteses do for (Em vermelho). Agora deve funcionar Obrigado pelo retorno Abrcs dados <- structure(list(id = c(49L, 49L, 49L, 64L, 64L, 64L, 23L, 23L, 23L, 23L), evento1 = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 3L), .Label = c("A", "D", "E"), class = "factor"), nomes = structure(c(3L, 3L, 3L, 2L, 2L, 2L, 1L, 1L, 1L, 1L), .Label = c("Anicuns", "Goiânia", "Santo Antônio do Descoberto"), class = "factor"), cons_jan_15 = c(9033.36, NA, NA, NA, NA, 4091.54, 6833.28, NA, NA, NA), valor_jan_15 = c(4848.67, NA, NA, NA, NA, 3076.74, 3772.8, NA, NA, NA), cons_fev_15 = c(13131.13, NA, NA, NA, NA, 5482.15, 8706.81, NA, NA, NA), valor_fev_15 = c(4320.57, NA, NA, NA, NA, 2243.94, 2961.72, NA, NA, NA), cons_mar_15 = c(8121.07, NA, NA, NA, NA, 3380.04, 5524.23, NA, NA, NA), valor_mar_15 = c(4410.8, NA, NA, NA, NA, 2033.13, 3285.14, NA, NA, NA), cons_abr_15 = c(8562.85, NA, NA, NA, NA, 3003.66, 6157.68, NA, NA, NA), valor_abr_15 = c(6241.59, NA, NA, NA, NA, 2250.64, 4381.01, NA, NA, NA), cons_mai_15 = c(8261.5, NA, NA, NA, NA, 3601.44, 5997.78, NA, NA, NA), valor_mai_15 = c(5586.92, NA, NA, NA, NA, 2550.23, 4178.95, NA, NA, NA)), .Names = c("id", "evento1", "nomes", "cons_jan_15", "valor_jan_15", "cons_fev_15", "valor_fev_15", "cons_mar_15", "valor_mar_15", "cons_abr_15", "valor_abr_15", "cons_mai_15", "valor_mai_15"), class = "data.frame", row.names = c(NA, -10L)) install.package("plyr") library(plyr) dados <- transform(dados,id=factor(id),evento1=factor(evento1),nomes= factor(nomes)) adicLinha <- function(x) { soma<-numeric() for(i in 1:ncol(x)*)* { if(is.numeric(x[,i])){ soma[i] <-sum(x[,i],na.rm=TRUE) } } return(rbind(x,soma)) } ddply(dados,.(id,evento1,nomes),adicLinha) Em 7 de maio de 2017 14:01, Fernando Antonio de souza < nandodesouza(a)gmail.com> escreveu: > Estranho Mauro, porque aqui funcionou completamente > > Enviou um vídeo (anexo) para comprovação > > O erro está indicando um colchete ({), de uma olhada se ao copiar e colar > o último colchete, foi copiado. > > Se puder gravar sua tela , como fiz, e enviar podemos tentar ver o que > está acontecendo. > > Mas aqui, funcionou perfeitamente > > A disposição > > > > Em 7 de maio de 2017 13:15, <sznelwar(a)uol.com.br> escreveu: > >> Tentei rodar e não consegui: >> >> > dados <- transform(dados,id=factor(id),evento1=factor(evento1),nomes= >> factor(nomes)) >> > >> > adicLinha <- function(x) { >> + soma<-numeric() >> + for(i in 1:ncol(x){ >> Erro: '{' inesperado in: >> " soma<-numeric() >> for(i in 1:ncol(x){" >> > >> >> >> >> Utilizando os dados organizados pelo Rodrigo. Segue a minha solução para >> seu problema de forma reproduzível. >> >> Abraço a todos >> >> dados <- structure(list(id = c(49L, 49L, 49L, 64L, 64L, 64L, 23L, 23L, >> 23L, 23L), evento1 = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 3L), >> .Label = c("A", "D", "E"), class = "factor"), nomes = structure(c(3L, 3L, >> 3L, 2L, 2L, 2L, 1L, 1L, 1L, 1L), .Label = c("Anicuns", "Goiânia", "Santo >> Antônio do Descoberto"), class = "factor"), cons_jan_15 = c(9033.36, NA, >> NA, NA, NA, 4091.54, 6833.28, NA, NA, NA), valor_jan_15 = c(4848.67, NA, >> NA, NA, NA, 3076.74, 3772.8, NA, NA, NA), cons_fev_15 = c(13131.13, NA, NA, >> NA, NA, 5482.15, 8706.81, NA, NA, NA), valor_fev_15 = c(4320.57, NA, NA, >> NA, NA, 2243.94, 2961.72, NA, NA, NA), cons_mar_15 = c(8121.07, NA, NA, NA, >> NA, 3380.04, 5524.23, NA, NA, NA), valor_mar_15 = c(4410.8, NA, NA, NA, NA, >> 2033.13, 3285.14, NA, NA, NA), cons_abr_15 = c(8562.85, NA, NA, NA, NA, >> 3003.66, 6157.68, NA, NA, NA), valor_abr_15 = c(6241.59, NA, NA, NA, NA, >> 2250.64, 4381.01, NA, NA, NA), cons_mai_15 = c(8261.5, NA, NA, NA, NA, >> 3601.44, 5997.78, NA, NA, NA), valor_mai_15 = c(5586.92, NA, NA, NA, NA, >> 2550.23, 4178.95, NA, NA, NA)), .Names = c("id", "evento1", "nomes", >> "cons_jan_15", "valor_jan_15", "cons_fev_15", "valor_fev_15", >> "cons_mar_15", "valor_mar_15", "cons_abr_15", "valor_abr_15", >> "cons_mai_15", "valor_mai_15"), class = "data.frame", row.names = c(NA, >> -10L)) >> >> install.package("plyr") >> >> >> library(plyr) >> >> dados <- transform(dados,id=factor(id),evento1=factor(evento1),nomes= >> factor(nomes)) >> >> adicLinha <- function(x) { >> soma<-numeric() >> for(i in 1:ncol(x){ >> >> if(is.numeric(x[,i])){ >> >> soma[i] <-sum(x[,i],na.rm=TRUE) >> >> >> } >> >> >> } >> return(rbind(x,soma)) >> } >> >> ddply(dados,.(id,evento1,nomes),adicLinha) >> >> >> >> Em 3 de maio de 2017 14:03, jose gomes de souza filho Gomes via R-br < >> r-br(a)listas.c3sl.ufpr.br >> <http://../../../undefined//compose?to=r-br@listas.c3sl.ufpr.br>> >> escreveu: >> >>> Boa Tarde, >>> >>> Tenho a seguinte base ( uma parte, são várias linhas): >>> >>> bd<-"id;evento1;nomes;cons_jan_15 ;valor_jan_15;cons_fev_15;valo >>> r_fev_15;cons_mar_15;valor_mar_15 ;cons_abr_15;valor_abr_15;cons >>> _mai_15;valor_mai_15 >>> 49;A;Santo Antônio do Descoberto;9033.36;4848.67;131 >>> 31.13;4320.57;8121.07;4410.8;8562.85;6241.59;8261.5;5586.92 >>> 49;A;Santo Antônio do Descoberto;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA >>> 49;A;Santo Antônio do Descoberto;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA >>> 64;D;Goiânia;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA >>> 64;D;Goiânia;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA >>> 64;D;Goiânia;4091.54;3076.74;5482.15;2243.94;3380.04;2033.13 >>> ;3003.66;2250.64;3601.44;2550.23 >>> 23;E;Anicuns;6833.28;3772.8;8706.81;2961.72;5524.23;3285.14; >>> 6157.68;4381.01;5997.78;4178.95 >>> 23;E;Anicuns;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA >>> 23;E;Anicuns;NA;NA ;NA;NA;NA;NA;NA;NA;NA;NA >>> 23;E;Anicuns;NA;NA ;NA;NA;NA;NA;NA;NA;NA;NA" >>> dads <- read.table(header = TRUE, text=bd, sep=";") >>> dads >>> >>> Quero somar as linhas, de modo que: >>> >>> id >>> >>> evento1 >>> >>> nomes >>> >>> cons_jan_15 >>> >>> valor_jan_15 >>> >>> cons_fev_15 >>> >>> valor_fev_15 >>> >>> cons_mar_15 >>> >>> valor_mar_15 >>> >>> cons_abr_15 >>> >>> valor_abr_15 >>> >>> cons_mai_15 >>> >>> valor_mai_15 >>> >>> 49 >>> >>> A >>> >>> Santo Antônio do Descoberto >>> >>> 9033,36 >>> >>> 4848,67 >>> >>> 13131,13 >>> >>> 4320,57 >>> >>> 8121,07 >>> >>> 4410,8 >>> >>> 8562,85 >>> >>> 6241,59 >>> >>> 8261,5 >>> >>> 5586,92 >>> >>> 49 >>> >>> A >>> >>> Santo Antônio do Descoberto >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 49 >>> >>> A >>> >>> Santo Antônio do Descoberto >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 49 >>> >>> A >>> >>> Santo Antônio do Descoberto >>> >>> 9033,36 >>> >>> 4848,67 >>> >>> 13131,13 >>> >>> 4320,57 >>> >>> 8121,07 >>> >>> 4410,8 >>> >>> 8562,85 >>> >>> 6241,59 >>> >>> 8261,5 >>> >>> 5586,92 >>> >>> 64 >>> >>> D >>> >>> Goiânia >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 64 >>> >>> D >>> >>> Goiânia >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 64 >>> >>> D >>> >>> Goiânia >>> >>> 4091,54 >>> >>> 3076,74 >>> >>> 5482,15 >>> >>> 2243,94 >>> >>> 3380,04 >>> >>> 2033,13 >>> >>> 3003,66 >>> >>> 2250,64 >>> >>> 3601,44 >>> >>> 2550,23 >>> >>> 64 >>> >>> D >>> >>> Goiânia >>> >>> 4091,54 >>> >>> 3076,74 >>> >>> 5482,15 >>> >>> 2243,94 >>> >>> 3380,04 >>> >>> 2033,13 >>> >>> 3003,66 >>> >>> 2250,64 >>> >>> 3601,44 >>> >>> 2550,23 >>> >>> 23 >>> >>> E >>> >>> Anicuns >>> >>> 6833,28 >>> >>> 3772,8 >>> >>> 8706,81 >>> >>> 2961,72 >>> >>> 5524,23 >>> >>> 3285,14 >>> >>> 6157,68 >>> >>> 4381,01 >>> >>> 5997,78 >>> >>> 4178,95 >>> >>> 23 >>> >>> E >>> >>> Anicuns >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 23 >>> >>> E >>> >>> Anicuns >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 23 >>> >>> E >>> >>> Anicuns >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 0 >>> >>> 23 >>> >>> E >>> >>> Anicuns >>> >>> 6833,28 >>> >>> 3772,8 >>> >>> 8706,81 >>> >>> 2961,72 >>> >>> 5524,23 >>> >>> 3285,14 >>> >>> 6157,68 >>> >>> 4381,01 >>> >>> 5997,78 >>> >>> 4178,95 >>> >>> >>> Obrigado pela ajuda, >>> >>> >>> >>> >>> >>> >>> _______________________________________________ >> >> > > > -- > ========================================= > Fernando Souza > Zootecnista, DSc. Produção e Alimentação Animal > Celular: (31)99796-8781 (Vivo) > E-mail:nandodesouza@gmail.com <e-mail%3Anandodesouza(a)gmail.com> > Lattes: http://lattes.cnpq.br/6519538815038307 > Blog: https://producaoanimalcomr.wordpress.com/ > ========================================== > -- ========================================= Fernando Souza Zootecnista, DSc. Produção e Alimentação Animal Celular: (31)99796-8781 (Vivo) E-mail:nandodesouza@gmail.com <e-mail%3Anandodesouza(a)gmail.com> Lattes: http://lattes.cnpq.br/6519538815038307 Blog: https://producaoanimalcomr.wordpress.com/ ==========================================

1 0

SOMAR LINHAS
by jose gomes de souza filho Gomes 06 Mai '17

06 Mai '17

Boa Tarde, Tenho a seguinte base ( uma parte, são várias linhas): bd<-"id;evento1;nomes;cons_jan_15 ;valor_jan_15;cons_fev_15;valor_fev_15;cons_mar_15;valor_mar_15 ;cons_abr_15;valor_abr_15;cons_mai_15;valor_mai_15 49;A;Santo Antônio do Descoberto;9033.36;4848.67;13131.13;4320.57;8121.07;4410.8;8562.85;6241.59;8261.5;5586.92 49;A;Santo Antônio do Descoberto;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA 49;A;Santo Antônio do Descoberto;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA 64;D;Goiânia;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA 64;D;Goiânia;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA 64;D;Goiânia;4091.54;3076.74;5482.15;2243.94;3380.04;2033.13;3003.66;2250.64;3601.44;2550.23 23;E;Anicuns;6833.28;3772.8;8706.81;2961.72;5524.23;3285.14;6157.68;4381.01;5997.78;4178.95 23;E;Anicuns;NA;NA;NA;NA;NA;NA;NA;NA;NA;NA 23;E;Anicuns;NA;NA ;NA;NA;NA;NA;NA;NA;NA;NA 23;E;Anicuns;NA;NA ;NA;NA;NA;NA;NA;NA;NA;NA" dads <- read.table(header = TRUE, text=bd, sep=";") dads Quero somar as linhas, de modo que: id evento1 nomes cons_jan_15 valor_jan_15 cons_fev_15 valor_fev_15 cons_mar_15 valor_mar_15 cons_abr_15 valor_abr_15 cons_mai_15 valor_mai_15 49 A Santo Antônio do Descoberto 9033,36 4848,67 13131,13 4320,57 8121,07 4410,8 8562,85 6241,59 8261,5 5586,92 49 A Santo Antônio do Descoberto 0 0 0 0 0 0 0 0 0 0 49 A Santo Antônio do Descoberto 0 0 0 0 0 0 0 0 0 0 49 A Santo Antônio do Descoberto 9033,36 4848,67 13131,13 4320,57 8121,07 4410,8 8562,85 6241,59 8261,5 5586,92 64 D Goiânia 0 0 0 0 0 0 0 0 0 0 64 D Goiânia 0 0 0 0 0 0 0 0 0 0 64 D Goiânia 4091,54 3076,74 5482,15 2243,94 3380,04 2033,13 3003,66 2250,64 3601,44 2550,23 64 D Goiânia 4091,54 3076,74 5482,15 2243,94 3380,04 2033,13 3003,66 2250,64 3601,44 2550,23 23 E Anicuns 6833,28 3772,8 8706,81 2961,72 5524,23 3285,14 6157,68 4381,01 5997,78 4178,95 23 E Anicuns 0 0 0 0 0 0 0 0 0 0 23 E Anicuns 0 0 0 0 0 0 0 0 0 0 23 E Anicuns 0 0 0 0 0 0 0 0 0 0 23 E Anicuns 6833,28 3772,8 8706,81 2961,72 5524,23 3285,14 6157,68 4381,01 5997,78 4178,95 Obrigado pela ajuda,

4 6

R-Ladies Rio
by Celina Rebello 03 Mai '17

03 Mai '17

Pessoal, Aproveitando para divulgar: Qui, 18 de mai, 19:00 Faculdades Senac Rio Rua Santa Luzia, 735 - 4° andar - sala 402 - Próximo ao Metrô da Cinelândia., Rio de Janeiro Evento é gratuito, temos poucas vagas. Inscrições em: https://goo.gl/AOsCQp Quem estiver pelo Rio, vale muito ir.

1 0

Re: [R-br] Ajuda para elaboração de boxplot em painel
by Gilenio Borges Fernandes 03 Mai '17

03 Mai '17

Prezad@s Estou com dificuldade de elaborar um boxplot por grupo (ou painel), no formato do que está no arquivo pdf em anexo a esse E-mail. Segue o CMR do banco de dados (Documentação do SAS) O arquivo pdf pode ser acessado em https://www.dropbox.com/s/5q65geuq7e9m5ey/Dados%26grafico-DocSAS.pdf?dl=0 Desde já agradeço Parts=structure(list(Machine = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("A386", "A455", "C334"), class = "factor"), Sample = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 9L, 9L, 9L, 9L, 10L, 10L, 10L, 10L, 11L, 11L, 11L, 11L, 12L, 12L, 12L, 12L, 13L, 13L, 13L, 13L, 14L, 14L, 14L, 14L, 15L, 15L, 15L, 15L, 16L, 16L, 16L, 16L, 17L, 17L, 17L, 17L, 18L, 18L, 18L, 18L, 19L, 19L, 19L, 19L, 20L, 20L, 20L, 20L, 21L, 21L, 21L, 21L, 22L, 22L, 22L, 22L, 23L, 23L, 23L, 23L, 24L, 24L, 24L, 24L), Diam = c(4.32, 4.55, 4.16, 4.44, 4.49, 4.3, 4.52, 4.61, 4.44, 4.32, 4.25, 4.5, 4.55, 4.15, 4.42, 4.49, 4.21, 4.3, 4.29, 4.63, 4.56, 4.61, 4.29, 4.56, 4.63, 4.3, 4.41, 4.58, 4.38, 4.65, 4.43, 4.44, 4.12, 4.49, 4.3, 4.36, 4.45, 4.56, 4.38, 4.51, 4.62, 4.67, 4.7, 4.58, 4.33, 4.23, 4.34, 4.58, 4.29, 4.38, 4.28, 4.41, 4.15, 4.35, 4.28, 4.23, 4.21, 4.3, 4.32, 4.38, 4.16, 4.28, 4.31, 4.59, 4.14, 4.18, 4.08, 4.21, 4.51, 4.2, 4.28, 4.19, 4.1, 4.33, 4.37, 4.47, 3.99, 4.09, 4.47, 4.25, 4.24, 4.54, 4.43, 4.38, 4.23, 4.48, 4.31, 4.57, 4.27, 4.4, 4.32, 4.56, 4.7, 4.65, 4.49, 4.38)), .Names = c("Machine", "Sample", "Diam"), class = "data.frame", row.names = c(NA, -96L)) Gilênio Borges Fernandes Professor Associado IV (Aposentado) Professor Adjunto A (Substituto) Universidade Federal da Bahia Instituto de Matemática e Estatística Departamento de Estatística Av. Adhemar de Barros, s/n – Ondina. 40.170-110 - Salvador - BA, Brasil Tel.: (071)3283-6340/6341/6337 Fax: (071)3283-6336 Skype: gilenio.fernandes Lattes: http://lattes.cnpq.br/6764860618464860 Em 3 de maio de 2017 15:58, Gilenio Borges Fernandes <gilenio(a)ufba.br> escreveu: > Prezad@s > > Estou com dificuldade de elaborar um boxplot por grupo (ou painel), no > formato do que está no arquivo pdf em anexo a esse E-mail. Segue o CMR do > banco de dados (Documentação do SAS) > > Desde já agradeço > > > Parts=structure(list(Machine = structure(c(1L, 1L, 1L, 1L, 1L, 1L, > > 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, > > 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, > > 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, > > 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, > > 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, > > 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("A386", "A455", > > "C334"), class = "factor"), Sample = c(1L, 1L, 1L, 1L, 2L, 2L, > > 2L, 2L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, > > 6L, 6L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 9L, 9L, 9L, 9L, 10L, > > 10L, 10L, 10L, 11L, 11L, 11L, 11L, 12L, 12L, 12L, 12L, 13L, 13L, > > 13L, 13L, 14L, 14L, 14L, 14L, 15L, 15L, 15L, 15L, 16L, 16L, 16L, > > 16L, 17L, 17L, 17L, 17L, 18L, 18L, 18L, 18L, 19L, 19L, 19L, 19L, > > 20L, 20L, 20L, 20L, 21L, 21L, 21L, 21L, 22L, 22L, 22L, 22L, 23L, > > 23L, 23L, 23L, 24L, 24L, 24L, 24L), Diam = c(4.32, 4.55, 4.16, > > 4.44, 4.49, 4.3, 4.52, 4.61, 4.44, 4.32, 4.25, 4.5, 4.55, 4.15, > > 4.42, 4.49, 4.21, 4.3, 4.29, 4.63, 4.56, 4.61, 4.29, 4.56, 4.63, > > 4.3, 4.41, 4.58, 4.38, 4.65, 4.43, 4.44, 4.12, 4.49, 4.3, 4.36, > > 4.45, 4.56, 4.38, 4.51, 4.62, 4.67, 4.7, 4.58, 4.33, 4.23, 4.34, > > 4.58, 4.29, 4.38, 4.28, 4.41, 4.15, 4.35, 4.28, 4.23, 4.21, 4.3, > > 4.32, 4.38, 4.16, 4.28, 4.31, 4.59, 4.14, 4.18, 4.08, 4.21, 4.51, > > 4.2, 4.28, 4.19, 4.1, 4.33, 4.37, 4.47, 3.99, 4.09, 4.47, 4.25, > > 4.24, 4.54, 4.43, 4.38, 4.23, 4.48, 4.31, 4.57, 4.27, 4.4, 4.32, > > 4.56, 4.7, 4.65, 4.49, 4.38)), .Names = c("Machine", "Sample", > > "Diam"), class = "data.frame", row.names = c(NA, -96L)) > > > > Gilênio Borges Fernandes > Professor Associado IV (Aposentado) > Professor Adjunto A (Substituto) > Universidade Federal da Bahia > Instituto de Matemática e Estatística > Departamento de Estatística > Av. Adhemar de Barros, s/n – Ondina. > 40.170-110 - Salvador - BA, Brasil > Tel.: (071)3283-6340/6341/6337 Fax: (071)3283-6336 > Skype: gilenio.fernandes > Lattes: http://lattes.cnpq.br/6764860618464860 >

2 1

geoR > Krige.bayes com trend e como obter DIC
by Wagner Wolff 03 Mai '17

03 Mai '17

Olá pessoal da lista! Estou com dificuldade de implementar na função krige.bayes() o atributo trend. Primeiramente, por uma abordagem frequentista escolhi um modelo de trend, quando tento usar o mesmo na função krige.bayes() ocorre alguns erros com questões matriciais. Alguem tem alguma dica para corrigir isso? Outra questão cé omo obtendo o DIC para os modelos que testarei na função krige.bayes(). Por exemplo, modelo com trend e componentes espaciais, modelo só com trend e modelo só com os componentes espacias. A figura abaixo mostra um exemplo de um artigo que fez essas comparações utilizando binom.krige.bayes(). Fonte: Mapping, Bayesian Geostatistical Analysis and Spatial Prediction of Lymphatic Filariasis Prevalence in Africa -- *Wagner Wolff, **PhD* "*Luiz de Queiroz**" College of Agriculture,* University of São Paulo Pádua Dias avenue11 | 13418-900| Piracicaba-SP| Brazil Phone: +55 19 982385582 <+55%2019%2098238-5582> http://orcid.org/0000-0003-3426-308X https://github.com/wwolff7 http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4463141A1

1 0

Comparações Múltiplas
by Isabela M. 03 Mai '17

03 Mai '17

Boa tarde, Meu nome é Isabela, faço iniciação científica e trabalho com análise multivariada, mais especificamente com a MANOVA. Alguém poderia me ajudar com script do R, para realizar a comparação múltipla multivariada, no caso para 5 variáveis? Desde já agradeço!

5 7

Banco de Dados
by jose gomes de souza filho Gomes 02 Mai '17

02 Mai '17

Boa tarde, Tem o seguinte banco de dados *cidade* *parcela2* *parcela3* *ano* *item* *quantidade* *GOIÂNIA* *Ana* *serv* *2011* *baixados* *82331* *GOIÂNIA* *Paulo* *terc* *2011* *baixados* *15733* *ANÁPOLIS* *Roberto* *serv* *2011* *baixados* *9989* *GOIÂNIA* *Ana* *serv* *2011* *Pendentes* *7282* *GOIÂNIA* *Paulo* *terc* *2011* *Pendentes* *6819* *ANÁPOLIS* *Roberto* *serv* *2011* *Pendentes* *5420* *GOIÂNIA* *Ana* *serv* *2011* *novos* *4635* *GOIÂNIA* *Paulo* *terc* *2011* *novos* *4270* *ANÁPOLIS* *Roberto* *serv* *2011* *novos* *4125* *GOIÂNIA* *Ana* *serv* *2012* *baixados* *82332* *GOIÂNIA* *Paulo* *terc* *2012* *baixados* *15734* *ANÁPOLIS* *Roberto* *serv* *2012* *baixados* *9990* *GOIÂNIA* *Ana* *serv* *2012* *Pendentes* *7283* *GOIÂNIA* *Paulo* *terc* *2012* *Pendentes* *6820* *ANÁPOLIS* *Roberto* *serv* *2012* *Pendentes* *5421* *GOIÂNIA* *Ana* *serv* *2012* *novos* *4636* *GOIÂNIA* *Paulo* *terc* *2012* *novos* *4271* *ANÁPOLIS* *Roberto* *serv* *2012* *novos* *4126* Gostaria que ficasse assim: *cidade* *parcela2* *parcela3* *baixados_2011* *baixados_2012* *Pendentes_2011* *Pendentes_2012* *novos_2011* *novos_2012* *GOIÂNIA* *Ana* *serv* *82331* *82332* *7282* *7283* *4635* *4636* *GOIÂNIA* *Paulo* *terc* *15733* *15734* *6819* *6820* *4636* *4271* *ANÁPOLIS* *Roberto* *serv* *9989* *9990* *5420* *5421* *4125* *4126* Obrigado.

3 2

Extrair P-value do resultado de uma imputação com MICE
by Elias Carvalho 01 Mai '17

01 Mai '17

Boa noite pessoal Estou testando o pacote mice para fazer imputação múltipla de dados missing, conforme exemplo: library(mice) imp <- mice(nhanes2) fit <- with(imp, lm(chl~age+bmi)) summary(fit) O resultado se resume em: ## summary of imputation 1 : Call: lm(formula = chl ~ age + bmi) Residuals: Min 1Q Median 3Q Max -46.37 -19.23 -11.24 12.66 83.69 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 32.134 53.202 0.604 0.55232 age2 49.058 18.153 2.702 0.01334 * age3 62.837 19.886 3.160 0.00472 ** bmi 4.907 1.795 2.733 0.01246 * --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 34.89 on 21 degrees of freedom Multiple R-squared: 0.3835, Adjusted R-squared: 0.2954 F-statistic: 4.354 on 3 and 21 DF, p-value: 0.01557 Eu gostaria de extrair o p-value: 0.01557 dessa estrutura, mas não consegui com os métodos convencionais, pois a estrutura parece diferente da estrutura gerada por um lm ou glm. Alguém poderia me ajudar -- *In Jesu et Maria* *Obrigado* *Prof. Elias Carvalho* *"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)"Blessed is he who has been able to understand the cause of things"*

2 5

Avaliação geral do modelo de regressão linear e logística
by Elias Carvalho 01 Mai '17

01 Mai '17

Ola pessoal Eu estou iniciando estudos sobre regressão linear e regressão logística vi diversos materiais e videos sobre os dois métodos, mas vi pouca coisa sobre como avaliar qual o melhor modelo (talvez esteja pesquisando errado). Estou interessado nisso porque estou usando o pacote MICE para imputar dados missing, que por sua vez gera n conjuntos de dados para cada variável e usa regressão linear e logística para nos ajudar a inspecionar cada dado imputado. Sobre regressão linear, pelo que entendi posso avaliar a qualidade geral do modelo, vendo se o p-value é significativo, Erro médio é menor e R-Squared maior ou achar um meio termo entre essas duas medidas, me corrijam por favor se eu estiver errado. Com relação a regressão logística, encontrei materiais diversos, cada um fazendo uma recomendação diferente, o que me deixou confuso de qual a melhor forma de avaliar a qualidade deste modelo. Alguém poderia me dar uma dica e fornecer links com referências atuais e confiáveis sobre o assunto ? -- *In Jesu et Maria* *Obrigado* *Prof. Elias Carvalho* *"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)"Blessed is he who has been able to understand the cause of things"*

1 0

Re: [R-br] Enc: Gráfico de interação entre dois fatores
by sznelwar＠uol.com.br 27 Abr '17

27 Abr '17

2 1

Enc: Gráfico de interação entre dois fatores
by ana paula coelho madeira 26 Abr '17

26 Abr '17

________________________________ Prezado Walmes e demais colegas, Bom dia! Encaminho os dados e os códigos utilizados. Desde já agradeço. Ana Paula ________________________________ De: Walmes Zeviani <walmeszeviani(a)gmail.com> Enviado: terça-feira, 25 de abril de 2017 15:36 Para: ana paula coelho madeira; a lista Brasileira oficial de discussão do programa R. Assunto: Re: [R-br] Gráfico de interação entre dois fatores Sem condições de afirmar nada sem acesso aos dados e códigos que você utilizou. À disposição. Walmes.

2 1

Gráfico de interação entre dois fatores
by ana paula coelho madeira 25 Abr '17

25 Abr '17

Prezados colegas, Boa tarde! Estou analisando um experimento em DBC no esquema de parcelas subdivididas. Nas parcelas tenho 5 níveis do fator adubação e na sub parcela dois níveis do fator espaçamento. Verificada as pressuposições da ANOVA, uma fato me chamou atenção: o efeito da interação não foi significativa (OK!), porém, ao fazer o gráfico da interação, o gráfico está mostrando o contrário. Alguma ideia do que pode estar ocorrendo? Comando utilizado: interaction.plot(Adubação,Espaçamento,Brix) Desde já agradeço Ana Paula

2 1

Dificuldade com o pacote survival - Problema resolvido
by Gilenio Borges Fernandes 25 Abr '17

25 Abr '17

A dificuldade no ajuste de modelo com a função survreg do pacote survival já foi resolvida com a re-instalação do pacote. Agradeço Gilênio Borges Fernandes Professor Associado IV (Aposentado) Professor Adjunto A (Substituto) Universidade Federal da Bahia Instituto de Matemática e Estatística Departamento de Estatística Av. Adhemar de Barros, s/n – Ondina. 40.170-110 - Salvador - BA, Brasil Tel.: (071)3283-6340/6341/6337 Fax: (071)3283-6336 Skype: gilenio.fernandes Lattes: http://lattes.cnpq.br/6764860618464860

1 0

Dificuldade no ajuste de modelo com a função survreg do pacote survival
by Gilenio Borges Fernandes 25 Abr '17

25 Abr '17

Prezad@s Alguma ideia de solução na seguinte dificuldade: *library(survival)* *fit <- survreg(Surv(futime, fustat) ~ rx + age, data = ovarian, dist = "weibull")* Error in coxph.wtest(t(x) %*% (wt * x), c((wt * eta + weights * deriv$dg) %*% : object 'Ccoxph_wtest' not found *fit <- survreg(Surv(futime, fustat) ~ 1, data = ovarian, dist = "weibull")* summary(fit) Call: survreg(formula = Surv(futime, fustat) ~ 1, data = ovarian, dist = "weibull") Value Std. Error z p (Intercept) 7.111 0.293 24.292 2.36e-130 Log(scale) -0.103 0.254 -0.405 6.86e-01 Scale= 0.902 Weibull distribution Loglik(model)= -98 Loglik(intercept only)= -98 Number of Newton-Raphson Iterations: 5 n= 26 Ou seja, a função só funciona no ajuste do modelo sem variáveis explanatórias. Observação: o pacote survival tem a função coxph.wtest(.). Desde já agradeço Gilênio Borges Fernandes Professor Associado IV (Aposentado) Professor Adjunto A (Substituto) Universidade Federal da Bahia Instituto de Matemática e Estatística Departamento de Estatística Av. Adhemar de Barros, s/n – Ondina. 40.170-110 - Salvador - BA, Brasil Tel.: (071)3283-6340/6341/6337 Fax: (071)3283-6336 Skype: gilenio.fernandes Lattes: http://lattes.cnpq.br/6764860618464860

1 0

Re: [R-br] Como escolher o melhor conjunto de dados imputador no MICE
by Cesar Rabak 24 Abr '17

24 Abr '17

Técnicas de bootstraping têm sido sugeridas para serem usadas *em conjunto* com imputação (geralmente múltipla como deseja o OP) mas não como uma solução para os valores inexistentes. HTH 2017-04-24 9:38 GMT-03:00 Edson Lira <edinhoestat(a)yahoo.com.br>: > Não seria o caso de bootstrap? > Quick-R: Bootstrapping > <http://www.statmethods.net/advstats/bootstrapping.html> > > Quick-R: Bootstrapping > You can bootstrap a single statistic or a vector (e.g., regression > weights). This section will get you started w... > <http://www.statmethods.net/advstats/bootstrapping.html> > > > Prof. Edson Lira, Me > Estatístico > Manaus-Amazonas > > > Em Sexta-feira, 21 de Abril de 2017 10:16, Cesar Rabak via R-br < > r-br(a)listas.c3sl.ufpr.br> escreveu: > > > Elias, > > A imputação é uma técnica que super simplificadamente objetiva colocar > dados em variáveis cujos valores estão ausentes para não "perturbar" uma > determinada estatística e permitir analisar as outras variáveis dos casos > sob estudo. > > Um exemplo simples seria colocar a média da variável em todos os casos de > valores ausentes¹. > > No seu caso que você deseja fazer uma pesquisa usando redes bayesianas > haveria necessidade de ver se a abordagem em si da imputação faria sentido > e então ver qual (tipo) seria mais apropriada. > > Há uma extensa literatura sobre esse tema, que suponho você esteja > familiarizado e consultando-a, e pelo meu contato com o tema quer me > parecer que há uma certa preferência (do jeito da imputação) em função do > domínio do problema. > > HTH > -- > Cesar Rabak > > > [1] Bem simples, vou elidir a discussão sobre vantagens e desvantagens > dessa específica abordagem e propriedade em função da quantidade de dados > faltantes. > > 2017-04-19 0:34 GMT-03:00 Elias Carvalho via R-br < > r-br(a)listas.c3sl.ufpr.br>: > > Usando o pacote mice fiz o seguinte teste (imputação de dados): > imp <- mice(nhanes) > Isso gerou 5 conjuntos de dados imputados: > imp$imp$bmi > > > > Eu gostaria de entender como escolher o melhor dataset imputado > Por exemplo, para bmi (acima) qual das 5 colunas será a melhor escolha? > Eu achei vários exemplos usando regressão logistica, mas eu não vou rodar > uma regressão logistica, vou usar os dados para criar uma rede bayesiana. > Alguém poderia me ajudar por favor? > -- > > > *In Jesu et Maria* > *Obrigado* > *Prof. Elias Carvalho* > > "Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC) > "Blessed is he who has been able to understand the cause of things" > > ______________________________ _________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/ cgi-bin/mailman/listinfo/r-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 > <http://www.leg.ufpr.br/r-br-guia>) e forneça código mínimo reproduzível. > > > _______________________________________________ > 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 forne�a > c�digo m�nimo reproduz�vel. > > >

1 0

Re: [R-br] Comparações Múltiplas
by coroasolaris 24 Abr '17

24 Abr '17

Isabela, boa noite! No livro "Métodos de Análise Multivariada em R", Anderson Rodrigues da Silva, Ed. Fealq, 2016, penso que você vai encontrar a ajuda da qual precisa. O c.8 cuida do assunto. Enviado do meu smartphone Samsung Galaxy. -------- Mensagem original --------De: "Isabela M. via R-br" <r-br(a)listas.c3sl.ufpr.br> Data: 22/04/17 17:38 (GMT-03:00) Para: "a lista Brasileira oficial de discussão do programa R." <r-br(a)listas.c3sl.ufpr.br> Assunto: [R-br] Comparações Múltiplas Boa tarde, Meu nome é Isabela, faço iniciação científica e trabalho com análise multivariada, mais especificamente com a MANOVA. Alguém poderia me ajudar com script do R, para realizar a comparação múltipla multivariada, no caso para 5 variáveis? Desde já agradeço!

1 0

Resolver equações com o R
by Delcio Rudinei Bortolanza 22 Abr '17

22 Abr '17

Olá! Tenho esta equação para encontrar a solução e gostaria de utilizar o R para isso. (0.501143 - 0.314445)*((1 + (0.716407*x)^1.574827)^(((1 - 1/1.574827) - 1) - 1)*(((1 - 1/1.574827) - 1)*((0.716407*x)^(1.574827 - 1)*(1.574827*0.716407)))*((1 - 1/1.574827)*((0.716407*x)^(1.574827 - 1)*(1.574827*0.716407))) + (1 + (0.716407*x)^1.574827)^((1 - 1/1.574827) - 1)*((1 - 1/1.574827)*((0.716407*x)^((1.574827 - 1) - 1)*((1.574827 - 1)*0.716407)*(1.574827*0.716407))))/((1 + (0.716407*x)^1.574827)^(1 - 1/1.574827))^2 - (0.501143 - 0.314445)*((1 + (0.716407*x)^1.574827)^((1 - 1/1.574827) - 1)*((1 - 1/1.574827)*((0.716407*x)^(1.574827 - 1)*(1.574827*0.716407))))*(2*((1 + (0.716407*x)^1.574827)^((1 - 1/1.574827) - 1)*((1 - 1/1.574827)*((0.716407*x)^(1.574827 - 1)*(1.574827*0.716407)))*((1 + (0.716407*x)^1.574827)^(1 - 1/1.574827))))/(((1 + (0.716407*x)^1.574827)^(1 - 1/1.574827))^2)^2 == 0 Utilizando o Wolfram Mathematica consigo encontrar a resposta com Solve[(0.501143 - 0.314445)*((1 + ... ==0, x, Reals], que nesse caso é x = 0.736051, mas o problema é que ai toda vez tem ficar abrindo outro software (pago) e transformar em valores as variáveis com atribuição. Existe alguma maneira de resolver essa equação utilizando o R? Att., Delcio R. Bortolanza Doutorando em agronomia - UPF

2 1

Como escolher o melhor conjunto de dados imputador no MICE
by Elias Carvalho 21 Abr '17

21 Abr '17

Usando o pacote mice fiz o seguinte teste (imputação de dados): imp <- mice(nhanes) Isso gerou 5 conjuntos de dados imputados: imp$imp$bmi Eu gostaria de entender como escolher o melhor dataset imputado Por exemplo, para bmi (acima) qual das 5 colunas será a melhor escolha? Eu achei vários exemplos usando regressão logistica, mas eu não vou rodar uma regressão logistica, vou usar os dados para criar uma rede bayesiana. Alguém poderia me ajudar por favor? -- *In Jesu et Maria* *Obrigado* *Prof. Elias Carvalho* *"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)"Blessed is he who has been able to understand the cause of things"*

2 1

Re: [R-br] Plotar linhas em gráfico 3d no R
by sznelwar＠uol.com.br 21 Abr '17

21 Abr '17

1 0

Plotar linhas em gráfico 3d no R
by Laura Teixeira Rocha 20 Abr '17

20 Abr '17

Possuo um gráfico de dispersão 3d realizado com duas funções no R, a função 'plotly' e a ''scatterplot3d'. Os gráficos podem ser reproduzidos através do código: x <- c(0,50,100,150,200,250,300,350,400,450) y <- c(0,50,100,150,200,250,300,350,400,450) z <- c(1,2,1,1,2,1,2,1,2,1) plot_ly(x=x,y=y,z=z) scatterplot3d(x, y, z) Se possível, para ambas as funções, gostaria de saber como posso plotar, no plano deste gráfico, duas retas cortando o eixo x e duas retas cortando o eixo y, de modo que essas retas se encontrem no plano, formando uma região de intersecção entre as duas. Além disso, gostaria de saber se é possível preencher/ressaltar essa área de encontro com alguma cor. Muito obrigada! Laura.

1 0

Interface para usuário realizar chamada de função em R
by Paulo Nogueira Starzynski 20 Abr '17

20 Abr '17

Olá colegas de lista. Gostaria da opinião de vocês com relação a algo que envolve R, mas não apenas ele. Desenvolvi em R um código que automatiza alguns processos. Todo o trabalho foi encapsulado dentro de uma função principal (aqui chamada de *realiza.consulta*), que recebe um parâmetro com as configurações informando o que deve ser feito. Criei algo parecido para exemplificar: # # "Painel de Controle" do Usuário # configuracoes <- list( idUser <- 'usuario', idPassword <- 'senha123', consultas <- list(c("info1", "todos"), c("info2", "apenas alguns"), c("info3", NA), c("info4", "opcao1", "opcao2") ) ) # # Excucao do PROGRAMA PRINCIPAL source("/codigos.R") realiza.consulta(configuracoes) Como vocês podem ver, as configurações ficam armazenadas em um objeto do tipo lista, que é passado para a função principal. É de responsabilidade do usuário criar esse objeto e chamar a função realiza.consulta. A questão é que eu gostaria de desenvolver uma "máscara" para esse processo, onde os usuários informariam tais configurações e clicariam em um botão para iniciar o procedimento, sem ter de abrir o R ou RStudio. Vocês já fizeram algo semelhante para poder dividir o conhecimento? Abraços, Paulo

3 3

Experimento em faixa com medidas repetidas no tempo
by ROSIANA RODRIGUES ALVES 20 Abr '17

20 Abr '17

Boa noite, Tenho que analisar um experimento e estou com duvidas como analisar. Os experimento teve o objetivo de avaliar a produção e qualidade de matéria seca de uma pastagem ao longo de um ano, que foi conduzida em piquetes com duas alturas de pastejo e três lâminas de irrigação. Dois fatores (Altura de pastejo e Laminas de irrigação). Devido a dificuldade de casualização das laminas de irrigação o experimento foi conduzido em faixas. Já analisei e experimentos em faixa, e experimentos com medida repetida mas os dois ao mesmo tempo, nunca analisei, peço ajuda de alguém que já fez esse tipo de analise para me passar umas dicas. Abraços Rosiana Rodrig ues Alves Estat ística e Experi mentação Agropecuária Em brapa Pesca e Aquicu ltura Empresa Brasileira de Pesquisa Agropecuária (Embrapa) Palmas/TO +55 (63) 3229-7805/7800 | Skype: cnpasa.rosiana http://cnpasa.sede.embrapa.br | twitter.com/embrapa Confira também: www.facebook.com/agrosustentavel ----- Mensagem original ----- De: r-br-request(a)listas.c3sl.ufpr.br Para: r-br(a)listas.c3sl.ufpr.br Enviadas: Quarta-feira, 19 de abril de 2017 12:00:17 Assunto: Digest R-br, volume 76, assunto 13 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://imsva91-ctp.trendmicro.com:443/wis/clicktime/v1/query?url=https%3a%… 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. Re: Banco de Dados - Linhas e Colunas (Luis G. S. e Silva) 2. Como escolher o melhor conjunto de dados imputador no MICE (Elias Carvalho) ---------------------------------------------------------------------- Message: 1 Date: Tue, 18 Apr 2017 20:29:01 +0000 From: "Luis G. S. e Silva" <lgsilvaesilva(a)gmail.com> To: jose gomes de souza filho Gomes <zegomesufg(a)gmail.com>, a lista Brasileira oficial de discussão do programa R. <r-br(a)listas.c3sl.ufpr.br> Subject: Re: [R-br] Banco de Dados - Linhas e Colunas Message-ID: <CALruoAEa75fUUwPbBtwmm+cxcZAk-YCXdU5m1uecviqUKLdsdw(a)mail.gmail.com> Content-Type: text/plain; charset="utf-8" require(reshape2) dados <- read.csv2('dadosg.csv', encoding = 'latin1') dcast(cidade+parcela2+parcela3~item+ano, value.var = 'quantidade', data = dados) On Tue, Apr 18, 2017 at 4:27 PM jose gomes de souza filho Gomes via R-br < r-br(a)listas.c3sl.ufpr.br> wrote: > Boa tarde, > > Tem o seguinte banco de dados > > base de dados: > https://imsva91-ctp.trendmicro.com:443/wis/clicktime/v1/query?url=https%3a%… > > *cidade* > > *parcela2* > > *parcela3* > > *ano* > > *item* > > *quantidade* > > *GOIÂNIA* > > *Ana* > > *serv* > > *2011* > > *baixados* > > *82331* > > *GOIÂNIA* > > *Paulo* > > *terc* > > *2011* > > *baixados* > > *15733* > > *ANÁPOLIS* > > *Roberto* > > *serv* > > *2011* > > *baixados* > > *9989* > > *GOIÂNIA* > > *Ana* > > *serv* > > *2011* > > *Pendentes* > > *7282* > > *GOIÂNIA* > > *Paulo* > > *terc* > > *2011* > > *Pendentes* > > *6819* > > *ANÁPOLIS* > > *Roberto* > > *serv* > > *2011* > > *Pendentes* > > *5420* > > *GOIÂNIA* > > *Ana* > > *serv* > > *2011* > > *novos* > > *4635* > > *GOIÂNIA* > > *Paulo* > > *terc* > > *2011* > > *novos* > > *4270* > > *ANÁPOLIS* > > *Roberto* > > *serv* > > *2011* > > *novos* > > *4125* > > *GOIÂNIA* > > *Ana* > > *serv* > > *2012* > > *baixados* > > *82332* > > *GOIÂNIA* > > *Paulo* > > *terc* > > *2012* > > *baixados* > > *15734* > > *ANÁPOLIS* > > *Roberto* > > *serv* > > *2012* > > *baixados* > > *9990* > > *GOIÂNIA* > > *Ana* > > *serv* > > *2012* > > *Pendentes* > > *7283* > > *GOIÂNIA* > > *Paulo* > > *terc* > > *2012* > > *Pendentes* > > *6820* > > *ANÁPOLIS* > > *Roberto* > > *serv* > > *2012* > > *Pendentes* > > *5421* > > *GOIÂNIA* > > *Ana* > > *serv* > > *2012* > > *novos* > > *4636* > > *GOIÂNIA* > > *Paulo* > > *terc* > > *2012* > > *novos* > > *4271* > > *ANÁPOLIS* > > *Roberto* > > *serv* > > *2012* > > *novos* > > *4126* > > > > > Gostaria que ficasse assim: > > > > *cidade* > > *parcela2* > > *parcela3* > > *baixados_2011* > > *baixados_2012* > > *Pendentes_2011* > > *Pendentes_2012* > > *novos_2011* > > *novos_2012* > > *GOIÂNIA* > > *Ana* > > *serv* > > *82331* > > *82332* > > *7282* > > *7283* > > *4635* > > *4636* > > *GOIÂNIA* > > *Paulo* > > *terc* > > *15733* > > *15734* > > *6819* > > *6820* > > *4636* > > *4271* > > *ANÁPOLIS* > > *Roberto* > > *serv* > > *9989* > > *9990* > > *5420* > > *5421* > > *4125* > > *4126* > > > > Obrigado. > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://imsva91-ctp.trendmicro.com:443/wis/clicktime/v1/query?url=https%3a%… > Leia o guia de postagem (https://imsva91-ctp.trendmicro.com:443/wis/clicktime/v1/query?url=http%3a%2… e forneça > código mínimo reproduzível. -- Luís G. Silva e Silva -------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <https://imsva91-ctp.trendmicro.com:443/wis/clicktime/v1/query?url=http%3a%2… ------------------------------ Message: 2 Date: Wed, 19 Apr 2017 00:34:50 -0300 From: Elias Carvalho <ecacarva(a)gmail.com> To: a lista Brasileira oficial de discussão do programa R. <r-br(a)listas.c3sl.ufpr.br> Subject: [R-br] Como escolher o melhor conjunto de dados imputador no MICE Message-ID: <CAH8E6UuWYW_xG_OKU0ft=UNWOFODNWX-c8e0kzxbi_qzV43xSw(a)mail.gmail.com> Content-Type: text/plain; charset="utf-8" Usando o pacote mice fiz o seguinte teste (imputação de dados): imp <- mice(nhanes) Isso gerou 5 conjuntos de dados imputados: imp$imp$bmi Eu gostaria de entender como escolher o melhor dataset imputado Por exemplo, para bmi (acima) qual das 5 colunas será a melhor escolha? Eu achei vários exemplos usando regressão logistica, mas eu não vou rodar uma regressão logistica, vou usar os dados para criar uma rede bayesiana. Alguém poderia me ajudar por favor? -- *In Jesu et Maria* *Obrigado* *Prof. Elias Carvalho* *"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)"Blessed is he who has been able to understand the cause of things"* -------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <https://imsva91-ctp.trendmicro.com:443/wis/clicktime/v1/query?url=http%3a%2… -------------- Próxima Parte ---------- Um anexo não-texto foi limpo... Nome: Captura de tela de 2017-04-19 00-30-32.png Tipo: image/png Tamanho: 14828 bytes Descrição: não disponível URL: <https://imsva91-ctp.trendmicro.com:443/wis/clicktime/v1/query?url=http%3a%2… ------------------------------ Subject: Legenda do Digest _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://imsva91-ctp.trendmicro.com:443/wis/clicktime/v1/query?url=https%3a%… ------------------------------ Fim da Digest R-br, volume 76, assunto 13 ***************************************** ____________________________________________________________________________ Aviso de confidencialidade Esta mensagem da Empresa Brasileira de Pesquisa Agropecuaria (Embrapa), empresa publica federal regida pelo disposto na Lei Federal no. 5.851, de 7 de dezembro de 1972, e enviada exclusivamente a seu destinatario e pode conter informacoes confidenciais, protegidas por sigilo profissional. Sua utilizacao desautorizada e ilegal e sujeita o infrator as penas da lei. Se voce a recebeu indevidamente, queira, por gentileza, reenvia-la ao emitente, esclarecendo o equivoco. Confidentiality note This message from Empresa Brasileira de Pesquisa Agropecuaria (Embrapa), a government company established under Brazilian law (5.851/72), is directed exclusively to its addressee and may contain confidential data, protected under professional secrecy rules. Its unauthorized use is illegal and may subject the transgressor to the law's penalties. If you are not the addressee, please send it back, elucidating the failure.

2 1

Inclusão de estrutura de correlação função glmer do pacote lme4
by Cleber Iack 19 Abr '17

19 Abr '17

Prezados Eu estou utilizando a função glmer do pacote lme4 do R. A minha resposta é binomial. No Pacote bild, eu posso utilizar a opção Mc1 ou MC2 para estruturas de correlação, tendo em vista os meus dados serem longitudinais. Há alguma maneira de utilizando a funçao glmer, poder incluir esta estrutura? Obrigado

2 2

Banco de Dados - Linhas e Colunas
by jose gomes de souza filho Gomes 18 Abr '17

18 Abr '17

Boa tarde, Tem o seguinte banco de dados base de dados: https://www.datafilehost.com/d/6c117eac *cidade* *parcela2* *parcela3* *ano* *item* *quantidade* *GOIÂNIA* *Ana* *serv* *2011* *baixados* *82331* *GOIÂNIA* *Paulo* *terc* *2011* *baixados* *15733* *ANÁPOLIS* *Roberto* *serv* *2011* *baixados* *9989* *GOIÂNIA* *Ana* *serv* *2011* *Pendentes* *7282* *GOIÂNIA* *Paulo* *terc* *2011* *Pendentes* *6819* *ANÁPOLIS* *Roberto* *serv* *2011* *Pendentes* *5420* *GOIÂNIA* *Ana* *serv* *2011* *novos* *4635* *GOIÂNIA* *Paulo* *terc* *2011* *novos* *4270* *ANÁPOLIS* *Roberto* *serv* *2011* *novos* *4125* *GOIÂNIA* *Ana* *serv* *2012* *baixados* *82332* *GOIÂNIA* *Paulo* *terc* *2012* *baixados* *15734* *ANÁPOLIS* *Roberto* *serv* *2012* *baixados* *9990* *GOIÂNIA* *Ana* *serv* *2012* *Pendentes* *7283* *GOIÂNIA* *Paulo* *terc* *2012* *Pendentes* *6820* *ANÁPOLIS* *Roberto* *serv* *2012* *Pendentes* *5421* *GOIÂNIA* *Ana* *serv* *2012* *novos* *4636* *GOIÂNIA* *Paulo* *terc* *2012* *novos* *4271* *ANÁPOLIS* *Roberto* *serv* *2012* *novos* *4126* Gostaria que ficasse assim: *cidade* *parcela2* *parcela3* *baixados_2011* *baixados_2012* *Pendentes_2011* *Pendentes_2012* *novos_2011* *novos_2012* *GOIÂNIA* *Ana* *serv* *82331* *82332* *7282* *7283* *4635* *4636* *GOIÂNIA* *Paulo* *terc* *15733* *15734* *6819* *6820* *4636* *4271* *ANÁPOLIS* *Roberto* *serv* *9989* *9990* *5420* *5421* *4125* *4126* Obrigado.

2 1

Re: [R-br] Suavização do gráfico
by sznelwar＠uol.com.br 16 Abr '17

16 Abr '17

1 0

Re: [R-br] Substituiçao de missing
by suzabio 16 Abr '17

16 Abr '17

Olá Leonardo, Obrigada! Deu certo, eu não estava conseguindo ver um jeito de substituir esses NAs, tudo que eu pensei deu errado.Um abraço e boa Páscoa! Suzana Enviado do meu dispositivo Samsung -------- Mensagem original -------- De : Leonardo Aguirre <leoaguirre32(a)gmail.com> Data: 16/04/2017 09:28 (GMT-03:00) Para: suzana de souza rodrigues <suzabio(a)yahoo.com.br>, "a lista Brasileira oficial de discussão do programa R." <r-br(a)listas.c3sl.ufpr.br> Assunto: Re: [R-br] Substituiçao de missing Como vc já calculou as medias, uma opção é jogar esse campo na tabela usando a função merge() e depois utilizar a função ifelse() para substituir os NA. Abs, Leonado Em 16 de abr de 2017 9:11 AM, "suzana de souza rodrigues via R-br" <r-br(a)listas.c3sl.ufpr.br> escreveu: Bom dia,Tenho um banco de dados: regiao semana notificados confirmados sexo local1 1 1 82 45 M A2 1 2 105 32 F A3 1 3 134 71 M A4 1 4 80 44 M A5 1 5 102 32 M A6 1 6 108 46 F A Formado por 50 regiões, a variável confirmados apresenta missings (NA).Preciso substituir os missings pela média de casos confirmados por região.Calculei a média por região por esse comando, sem considerar os missings: media <- bancos%>% group_by(regiao)%>% summarise(mean(na.exclude(confirmados)))as.data.frame(media) Com esse resultado: regiao mean(na.exclude(confirmados))1 1 50.151522 2 51.526043 3 69.907694 4 45.185575 5 61.658166 6 57.796887 7 47.305268 8 69.717959 9 68.4070410 10 62.2552111 11 58.00000 Só que não estou conseguindo trocar os missings por essas médias e preciso de ajuda nisso.Desde já agradeço,Suzana _______________________________________________ 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

Substituiçao de missing
by suzana de souza rodrigues 16 Abr '17

16 Abr '17

Bom dia,Tenho um banco de dados: regiao semana notificados confirmados sexo local1 1 1 82 45 M A2 1 2 105 32 F A3 1 3 134 71 M A4 1 4 80 44 M A5 1 5 102 32 M A6 1 6 108 46 F A Formado por 50 regiões, a variável confirmados apresenta missings (NA).Preciso substituir os missings pela média de casos confirmados por região.Calculei a média por região por esse comando, sem considerar os missings: media <- bancos%>% group_by(regiao)%>% summarise(mean(na.exclude(confirmados)))as.data.frame(media) Com esse resultado: regiao mean(na.exclude(confirmados))1 1 50.151522 2 51.526043 3 69.907694 4 45.185575 5 61.658166 6 57.796887 7 47.305268 8 69.717959 9 68.4070410 10 62.2552111 11 58.00000 Só que não estou conseguindo trocar os missings por essas médias e preciso de ajuda nisso.Desde já agradeço,Suzana

2 1