- R-br - DINF UFPR

Re: [R-br] Ajustes de modelos não-lineares em gases in vitro
by Adriele Giaretta Biase 28 Out '15

28 Out '15

Olá pessoal, eu enviei uma dúvida sobre qual melhor estrutura de correlação residual devo considerar num modelo não linear (logístico bicompartimental) para ajuste de dados com produção de gases in vitro, que possui uma alta dependência residual. Eu organizei melhor o script e os dados, em anexo (novo anexo), em que os dados que estão na planilha, a primeira coluna é o x variável independente representando o tempo. E o y são as mensurações de gases. Então a nova planilha está exatamente as informações no qual preciso obter o ajuste do conjunto. Tentei inserir algumas estruturas de correlação, mas não deu certo. Alguém sabe como devo ajustar esse conjunto de dados (qual melhor estrutura de correlação residual que posso considerar) usando modelos não lineares na função gnls? Adriele #----------------------------------------------------------------------- setwd('C:\\Users\\Adriele\\Desktop') gas<-read.csv("gases_lista_R.csv",sep = ",", header = TRUE) head(gas) attach(gas) #----------------------------------------------------------------------- # Ajuste usando o gnls #Ajuste do modelo exponencial -lote I considerando os erros independentes ( o que não ocorre!!) mod1 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas, start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) summary(mod1) # quadro de estimativas # função para o cálculo do R2 R2 <- function(residuals, observed){ 1-(sum(residuals)^2)/sum((observed-mean(observed))^2) } R2(residuals(mod1), gas$y) residuosnI<-summary(mod1)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod1) hist(residuosnI) plot( ACF(mod1, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - AR() mod2 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corAR1(), start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) summary(mod2) # quadro de estimativas R2(residuals(mod2), gas$y) residuosnI<-summary(mod2)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod2) hist(residuosnI) plot(x,mod2$residuals) plot(mod2) plot( ACF(mod2, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - AR() mod3 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corAR1(form=~x), start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) summary(mod3) # quadro de estimativas R2(residuals(mod3), gas$y) residuosnI<-summary(mod3)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod3) hist(residuosnI) plot(x,mod3$residuals) plot( ACF(mod3, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - AR2() mod4 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corARMA(p=2,q=0), start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) summary(mod4) # quadro de estimativas R2(residuals(mod4), gas$y) residuosnI<-summary(mod4)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod4) hist(residuosnI) plot( ACF(mod4, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - ARIMA(p=2,q=1) mod5 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corARMA(p=2,q=1), start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) summary(mod5) # quadro de estimativas R2(residuals(mod5), gas$y) residuosnI<-summary(mod5)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod5) hist(residuosnI) plot( ACF(mod5, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - ARIMA(p=2,q=2) mod6 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corARMA(p=2,q=2), start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) summary(mod6) # quadro de estimativas R2(residuals(mod6), gas$y) residuosnI<-summary(mod6)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod6) hist(residuosnI) plot( ACF(mod6, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - ARIMA(p=3,q=1) mod7 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corARMA(p=3,q=1), start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) summary(mod7) # quadro de estimativas R2(residuals(mod7), gas$y) residuosnI<-summary(mod7)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod6) hist(residuosnI) plot( ACF(mod7, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - AR() a ordem das obsevações mod8 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corAR1(form=~1), start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) summary(mod8) # quadro de estimativas R2(residuals(mod8), gas$y) residuosnI<-summary(mod8)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod6) hist(residuosnI) -- Adriele Giaretta Biase. Mestre em Estatística e Experimentação Agropecuária - UFLA. Doutoranda em Estatística e Experimentação Agronômica - ESALQ/ USP Contato: (19) 8861-0619.

1 0

Meetup R São Paulo Users Group (IME-USP) - Programação novembro do 2015
by Luis Benites Sánchez 28 Out '15

28 Out '15

Caros, Neste mês de novembro teremos dois Meetups (6 e 27) de usuários de R de São Paulo, no auditório Jacy Monteiro no Bloco B. Segue a programação do mês de novembro. Programação da sexta *6 de novembro* (14h-16:30h) - [14:00 - 14:20] Como publicar seu livro em uma editora internacional - Robinson dos Santos (Springer) - [Presencial] - [14:20 - 15:10] Misturas Finitas de Distribuições Usando o R - Prof. Celso Rômulo (UFAM) - [Presencial] - [15:10 - 15:25] Coffee Break - [15:25 - 16:15] Regressão não linear com o R - Prof. Walmes Zeviani (LEG/DEST/UFPR) - [Online] - [16:15 - 16:25] Sorteio de livros Programação da sexta *27 de novembro* (14h-16:10h) - [14:00 - 14:55] Introdução aos modelos mistos em R - Ana Paula Zerbeto (IME-USP) - [Presencial] - [14:55 - 15:05] Coffee Break - [15:05 - 16:00] Web scraping usando o R - Julio Trecenti (IME-USP) - [Presencial] - [16:00 - 16:10] Sorteio de livros As palestras serão transmitidas ao vivo pela conexão IPTV da USP e YouTube. Para poder participar, pode confirmar sua participação gratuitamente no site do Meetup :) Para mais informações: Site: www.meetup.com/pt/useR-SP Canal de YouTube: www.youtube.com/channel/UCb9PdJYYaElE6Uqb1KxhE8w e-mail: meetuprsp(a)gmail.com Um abraço, Luis Benites Sánchez Rocío Paola Maehara Organizadores do São Paulo R Users Group

1 0

Ajuda com Box-cox
by Bruce Kelly 28 Out '15

28 Out '15

Boa tarde listeiros, estou tentando realizar a transformação num data.frame, estou utilizando a package AID. Quanto seleciono um objeto e rodo a função aparece o seguinte mensagem: There were 50 or more warnings (use warnings() to see the first 50) Mas ele apresentou os resultados, porem quem seleciono outro objeto do frame ele da a seguinte mensagem: Enlarge the range of the lambda in a positive direction Alguém pode me ajudar, seja com material sobre o box-cox. Att, Bruce

1 0

OFF - Python
by Andre Oliveira 28 Out '15

28 Out '15

Bom dia,seria uma boa depois de aprender um pouco de R investir no Python? André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

1 0

Re: [R-br] Ajustes de modelos não-lineares em gases in vitro
by Adriele Giaretta Biase 27 Out '15

27 Out '15

Olá Mauro, no dataset estão as variáveis: Time e y. Time é a variável independente que deve ser convertida em horas da seguinte forma: x=Time/60 # para deixar o tempo em horas E y é a variável resposta (gases) e dependente do modelo. Adriele. -- Adriele Giaretta Biase. Mestre em Estatística e Experimentação Agropecuária - UFLA. Doutoranda em Estatística e Experimentação Agronômica - ESALQ/ USP Contato: (19) 8861-0619.

2 2

sugestão análise experimento no tempo
by Maurício Lordêlo 27 Out '15

27 Out '15

Caros, Recebi os dados de um experimento sem a orientação prévia de um profissional da área de Estatística. Foram seis grupos de plantas, sendo que cada grupo tinha inicialmente 15 plantas. Um desses grupos foi o controle e em cada um dos outros cinco grupos foi aplicado um regulador de crescimento (hormônio). O esquema de aplicação/avaliação de cada tratamento foi o seguinte: 1. Tempo zero: aplicação de cada um dos reguladores nos grupos; 2. Após 7 dias, sorteio de 5 plantas por grupo e realizadas as medições 3. 7 dias depois, aplicação dos hormônios nas 10 plantas restantes 4. 7 dias depois, sorteio de 5 plantas por grupo e realizadas as medições 5. 7 dias depois, aplicação dos hormônios nas 5 plantas restantes 6. 7 dias depois, medições nas 5 plantas restantes. Em cada avaliação foram analisadas as variáveis resposta: altura, comprimento da raiz, peso de folhas, ... O objetivo é avaliar qual dos hormônios produziu melhores resultados ao longo do tempo. Fiz alguns gráficos e ajustei um modelo considerando um fatorial duplo. Devido a forma como foi realizado o delineamento, não sei se o fatorial é adequado. Alguém tem sugestões de como analisar estes dados? https://www.dropbox.com/s/lkhzb87gh1vtgas/dados.txt?dl=0 dados = read.table("dados.txt",sep="",header=TRUE) attach(dados) summary(dados) plot(altura~hormonio) plot(altura~tempo) require(latticeExtra) xyplot(altura~hormonio|tempo) xyplot(altura~tempo|hormonio) modelo = aov(altura ~ hormonio*tempo) summary(modelo) plot(modelo) residuos = modelo$residuals shapiro.test(residuos)

3 4

OFF TOPIC - vaga de estágio no Rio de Janeiro
by Pedro Emmanuel Alvarenga Americano do Brasil 27 Out '15

27 Out '15

Amigos de R, Desculpa não ser do tópico da lista, mas achei que alguem da lista pudesse se beneficiar. Recebi e estou passando pra frente. Passem pra frente também se acharem pertinente. O cartaz diz: Requisitos: - Estar cursando graduação em estatística ou matemática com término entre dezembro de 2016 e julho de 2017; - Ter conhecimentos de inferência estatística, modelos lineares generalizados e probabilidade. - Utilizar a linguagem R; - Ingles inermediário Atividades - Conduzir análises de modelagem com modelos generalizados, de sobrevivência e outras modelagens (redes neurais, árvores de decisão, etc) - Elaboração de relatórios Sobre a vaga: 20h semanais Início em Jan 2016 Bolsa no valor de 1400 mais aux transporte e alimentação Seleção a partir de curriculum e entrevista contato: rh(a)epimedsolutions.com Abraço forte e que força esteja sempre com voces. Pedro Brasil

1 0

Re: [R-br] Digest R-br, volume 58, assunto 21
by Adriele Giaretta Biase 26 Out '15

26 Out '15

Olá Mauro, no dataset estão as variáveis: Time e y. Time é a variável independente que deve ser convertida em horas da seguinte forma: x=Time/60 # para deixar o tempo em horas E y é a variável resposta (gases) e dependente do modelo. Adriele. Em 26 de outubro de 2015 12:00, <r-br-request(a)listas.c3sl.ufpr.br> escreveu: > Enviar submissões para a lista de discussão R-br para > r-br(a)listas.c3sl.ufpr.br > > Para se cadastrar ou descadastrar via WWW, visite o endereço > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > ou, via email, envie uma mensagem com a palavra 'help' no assunto ou > corpo da mensagem para > r-br-request(a)listas.c3sl.ufpr.br > > Você poderá entrar em contato com a pessoa que gerencia a lista pelo > endereço > r-br-owner(a)listas.c3sl.ufpr.br > > Quando responder, por favor edite sua linha Assunto assim ela será > mais específica que "Re: Contents of R-br digest..." > > > Tópicos de Hoje: > > 1. RES: Ajustes de modelos não-lineares em gases in vitro > (Mauro Sznelwar) > > > ---------------------------------------------------------------------- > > Message: 1 > Date: Sun, 25 Oct 2015 22:29:57 -0200 > From: "Mauro Sznelwar" <sznelwar(a)uol.com.br> > To: <r-br(a)listas.c3sl.ufpr.br> > Subject: [R-br] RES: Ajustes de modelos não-lineares em gases in > vitro > Message-ID: <000001d10f85$722d3f50$5687bdf0$(a)com.br> > Content-Type: text/plain; charset="utf-8" > > Eu tentei rodar e não reconheceu a variável ‘x’, não está no seu data set. > > > > Olá, > > eu gostaria de saber se é possível usar estruturas de correlação nos > resíduos quando ajusto modelos não-lineares em mensurações de dados de > produção de gases in vitro (caracterizado por mensurações acumuladas ao > longo do tempo) e sem repetição. > > > > Breve descrição do banco de dados de gases in vitro: o experimento foi > conduzido em frascos de (125 mL) que contem fruído ruminal com feno de > alfalfa. Esses frascos são acoplados aos sensores que medem pressão dos > gases no interior dos frascos com o conversor digital que registra > automaticamente a cada 5 minutos, durante o período de 48 horas. As > mensurações dos gases são, portanto acumuladas ao longo do tempo. Tenho > quatro compostos (amostras) diferentes que chamei de (y, y2, y3 e y4), em > que cada uma amostra contem 577 mensurações ao longo do tempo (x) que é > dado em horas. > > > > Eu preciso ajustar modelos não-lineares para cada amostra (exponencial, > logístico e logístico bicompartimental). O modelo logístico > bicompartimental foi o que melhor se ajustou sem usar estrutruras de > correlação, porém, a análise residual possuí uma forte dependência (visto > que os dados são acumulados, ou seja, a mensuração no tempo (t+1) depende > da mensuração anterior do tempo t. > > Então, eu teria que entrar com estruturas de correlações no modelo > logístico bicompartimental para melhorar a análise residual? > > > > Eu tentei algumas estruturas usando o argumento “correlation”, da função > gnls. No quadro abaixo segue o seguinte resumo das estruturas inseridas no > modelo, com os respectivos resultados gerados pela FAC ou os erros > retornados pelo software R. > > > modelo > > correlation > > Erros > > FAC - residual > > > M1 > > sem estrutrura de correlação > > Sem erro > > Tendência : possivelmente independência e heterogeneidade > > > M2 > > AR1: corAR1() > > Erro: step halving factor reduced below minimum in NLS step > > - > > > M3 > > AR1: corAR1(form=~x) > > Sem erro > > Tendência : possivelmente independência e heterogeneidade > > > M4 > > AR2: corAR1(p=2, q=0) > > Coefficient matrix not invertible > > - > > > M5 > > ARIMA: corARMA(p=2,q=1) > > step halving factor reduced below minimum in NLS step > > - > > > M6 > > ARIMA: corARMA(p=2,q=2) > > Coefficient matrix not invertible > > - > > > M7 > > ARIMA: corARMA(p=3,q=1) > > Coefficient matrix not invertible > > - > > > M8 > > AR(): corAR1(form=~1) > > Erro: step halving factor reduced below minimum in NLS step > > - > > > > Observação: Eu fiz a análise usando a metodologia de séries temporais > (modelo linear não estacionário – com uma diferença d=1) e a FAC e FACP > mostraram que os resíduos eram ruído branco, como nos modelos ARIMA(p=1, > d=1, q=0), ARIMA(p=2, d=1, q=0) e ARIMA(p=3, d=1, q=0). Seria possível > ajustar modelos não-lineares (logístico bicompartimental) usando estruturas > de correlações como o ARIMA? > > Os dados e o script seguem em anexo com todos os modelos que tentei > ajustar (somente para uma amostra, ou seja, correspondente as colunas > chamadas de y e x). Agradeço se puderem me dar uma orientação. > > > > > > rm(list=ls(all=TRUE)) > > #pacotes necessários para a análise. > > require(manipulate) > > require(nlstools) > > require(car) > > require(nlme) > > require(lmtest) > > # modelos estudados > > #a * (1 - exp(-b * (t - c))) # modelo exponencial > > #a /(1+exp(2+4*b*(c-t))) # modelo logistico > > #a/(1+exp(2+4*b*(c-t)))+d/(1+exp(2+4*e*(c-t))) # modelo logistico 2 pool > > > > #----------------------------------------------------------------------- > > setwd('E:\\autoregressivo_modelo') > > gas01<-read.csv("gas.csv",sep = ",", header = TRUE) > > gas01 > > head(gas01) > > attach(gas01) > > t=Time/60 # para deixar o tempo em horas > > dim(gas01) > > > > gas=cbind(gas01,t) > > names(gas) <- c("Time","y","y2","y3", "y4", "x") # variáveis que quero > ajustar y (variavel dependente gases) e x o tempo em horas > > head(gas) > > dim(gas) > > attach(gas) > > > > #=================================================================== > > > > # Ajuste usando o gnls > > #Ajuste do modelo exponencial -lote I considerando os erros independentes > > mod1 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), > > data=gas, start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) > > summary(mod1) # quadro de estimativas > > R2(residuals(mod1), gas$y) > > residuosnI<-summary(mod1)$resid > > shapiro.test(residuosnI) > > ks.test(rnorm(577),residuosnI) > > plot(mod1) > > hist(residuosnI) > > > > > > # Ajuste do modelo Logístico 2 pool considerando - AR() > > mod2 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), > > data=gas,correlation=corAR1(), > > start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) > > summary(mod2) # quadro de estimativas > > R2(residuals(mod2), gas$y) > > residuosnI<-summary(mod2)$resid > > shapiro.test(residuosnI) > > ks.test(rnorm(577),residuosnI) > > plot(mod2) > > hist(residuosnI) > > plot(x,mod2$residuals) > > plot(mod2) > > # ------------------------------------------------------------------------ > > > > > > # Ajuste do modelo Logístico 2 pool considerando - AR() > > mod3 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), > > data=gas,correlation=corAR1(form=~x), > > start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) > > summary(mod3) # quadro de estimativas > > R2(residuals(mod3), gas$y) > > residuosnI<-summary(mod3)$resid > > shapiro.test(residuosnI) > > ks.test(rnorm(577),residuosnI) > > plot(mod3) > > hist(residuosnI) > > plot(x,mod3$residuals) > > plot( ACF(mod3, maxLag =24), alpha = 0.05 ) > > # ------------------------------------------------------------------------ > > > > # Ajuste do modelo Logístico 2 pool considerando - AR2() > > mod4 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), > > data=gas,correlation=corARMA(p=2,q=0), > > start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) > > summary(mod4) # quadro de estimativas > > R2(residuals(mod4), gas$y) > > residuosnI<-summary(mod4)$resid > > shapiro.test(residuosnI) > > ks.test(rnorm(577),residuosnI) > > plot(mod4) > > hist(residuosnI) > > plot( ACF(mod4, maxLag =24), alpha = 0.05 ) > > # ------------------------------------------------------------------------ > > > > # Ajuste do modelo Logístico 2 pool considerando - ARIMA(p=2,q=1) > > mod5 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), > > data=gas,correlation=corARMA(p=2,q=1), > > start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) > > summary(mod5) # quadro de estimativas > > R2(residuals(mod5), gas$y) > > residuosnI<-summary(mod5)$resid > > shapiro.test(residuosnI) > > ks.test(rnorm(577),residuosnI) > > plot(mod5) > > hist(residuosnI) > > plot( ACF(mod5, maxLag =24), alpha = 0.05 ) > > # ------------------------------------------------------------------------ > > > > > > # Ajuste do modelo Logístico 2 pool considerando - ARIMA(p=2,q=2) > > mod6 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), > > data=gas,correlation=corARMA(p=2,q=2), > > start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) > > summary(mod6) # quadro de estimativas > > R2(residuals(mod6), gas$y) > > residuosnI<-summary(mod6)$resid > > shapiro.test(residuosnI) > > ks.test(rnorm(577),residuosnI) > > plot(mod6) > > hist(residuosnI) > > plot( ACF(mod6, maxLag =24), alpha = 0.05 ) > > # ------------------------------------------------------------------------ > > > > # Ajuste do modelo Logístico 2 pool considerando - ARIMA(p=3,q=1) > > mod7 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), > > data=gas,correlation=corARMA(p=3,q=1), > > start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) > > summary(mod7) # quadro de estimativas > > R2(residuals(mod7), gas$y) > > residuosnI<-summary(mod7)$resid > > shapiro.test(residuosnI) > > ks.test(rnorm(577),residuosnI) > > plot(mod6) > > hist(residuosnI) > > plot( ACF(mod7, maxLag =24), alpha = 0.05 ) > > > > > > Agradeço desde já, > > Adriele. > > > > -- > > Adriele Giaretta Biase. > > Mestre em Estatística e Experimentação Agropecuária - UFLA. > Doutoranda em Estatística e Experimentação Agronômica - ESALQ/ > USP > > Contato: (19) 8861-0619. > > > > --- > Este email foi escaneado pelo Avast antivírus. > https://www.avast.com/antivirus > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: < > http://listas.inf.ufpr.br/pipermail/r-br/attachments/20151025/d63a5a47/atta… > > > > ------------------------------ > > Subject: Legenda do Digest > > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > > > ------------------------------ > > Fim da Digest R-br, volume 58, assunto 21 > ***************************************** > -- Adriele Giaretta Biase. Mestre em Estatística e Experimentação Agropecuária - UFLA. Doutoranda em Estatística e Experimentação Agronômica - ESALQ/ USP Contato: (19) 8861-0619.

1 0

Ajustes de modelos não-lineares em gases in vitro
by Adriele Giaretta Biase 25 Out '15

25 Out '15

Olá, eu gostaria de saber se é possível usar estruturas de correlação nos resíduos quando ajusto modelos não-lineares em mensurações de dados de produção de gases *in vitro* (caracterizado por mensurações acumuladas ao longo do tempo) e sem repetição. Breve descrição do banco de dados de gases *in vitro*: o experimento foi conduzido em frascos de (125 mL) que contem fruído ruminal com feno de alfalfa. Esses frascos são acoplados aos sensores que medem pressão dos gases no interior dos frascos com o conversor digital que registra automaticamente a cada 5 minutos, durante o período de 48 horas. As mensurações dos gases são, portanto acumuladas ao longo do tempo. Tenho quatro compostos (amostras) diferentes que chamei de (y, y2, y3 e y4), em que cada uma amostra contem 577 mensurações ao longo do tempo (x) que é dado em horas. Eu preciso ajustar modelos não-lineares para cada amostra (exponencial, logístico e logístico bicompartimental). O modelo logístico bicompartimental foi o que melhor se ajustou sem usar estrutruras de correlação, porém, a análise residual possuí uma forte dependência (visto que os dados são acumulados, ou seja, a mensuração no tempo (t+1) depende da mensuração anterior do tempo t. Então, eu teria que entrar com estruturas de correlações no modelo logístico bicompartimental para melhorar a análise residual? Eu tentei algumas estruturas usando o argumento “correlation”, da função gnls. No quadro abaixo segue o seguinte resumo das estruturas inseridas no modelo, com os respectivos resultados gerados pela FAC ou os erros retornados pelo software R. modelo correlation Erros FAC - residual M1 sem estrutrura de correlação Sem erro Tendência : possivelmente independência e heterogeneidade M2 AR1: corAR1() Erro: step halving factor reduced below minimum in NLS step - M3 AR1: corAR1(form=~x) Sem erro Tendência : possivelmente independência e heterogeneidade M4 AR2: corAR1(p=2, q=0) Coefficient matrix not invertible - M5 ARIMA: corARMA(p=2,q=1) step halving factor reduced below minimum in NLS step - M6 ARIMA: corARMA(p=2,q=2) Coefficient matrix not invertible - M7 ARIMA: corARMA(p=3,q=1) Coefficient matrix not invertible - M8 AR(): corAR1(form=~1) Erro: step halving factor reduced below minimum in NLS step - Observação: Eu fiz a análise usando a metodologia de séries temporais (modelo linear não estacionário – com uma diferença d=1) e a FAC e FACP mostraram que os resíduos eram ruído branco, como nos modelos ARIMA(p=1, d=1, q=0), ARIMA(p=2, d=1, q=0) e ARIMA(p=3, d=1, q=0). Seria possível ajustar modelos não-lineares (logístico bicompartimental) usando estruturas de correlações como o ARIMA? Os dados e o script seguem em anexo com todos os modelos que tentei ajustar (somente para uma amostra, ou seja, correspondente as colunas chamadas de y e x). Agradeço se puderem me dar uma orientação. rm(list=ls(all=TRUE)) #pacotes necessários para a análise. require(manipulate) require(nlstools) require(car) require(nlme) require(lmtest) # modelos estudados #a * (1 - exp(-b * (t - c))) # modelo exponencial #a /(1+exp(2+4*b*(c-t))) # modelo logistico #a/(1+exp(2+4*b*(c-t)))+d/(1+exp(2+4*e*(c-t))) # modelo logistico 2 pool #----------------------------------------------------------------------- setwd('E:\\autoregressivo_modelo') gas01<-read.csv("gas.csv",sep = ",", header = TRUE) gas01 head(gas01) attach(gas01) t=Time/60 # para deixar o tempo em horas dim(gas01) gas=cbind(gas01,t) names(gas) <- c("Time","y","y2","y3", "y4", "x") # variáveis que quero ajustar y (variavel dependente gases) e x o tempo em horas head(gas) dim(gas) attach(gas) #=================================================================== # Ajuste usando o gnls #Ajuste do modelo exponencial -lote I considerando os erros independentes mod1 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas, start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) summary(mod1) # quadro de estimativas R2(residuals(mod1), gas$y) residuosnI<-summary(mod1)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod1) hist(residuosnI) # Ajuste do modelo Logístico 2 pool considerando - AR() mod2 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corAR1(), start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) summary(mod2) # quadro de estimativas R2(residuals(mod2), gas$y) residuosnI<-summary(mod2)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod2) hist(residuosnI) plot(x,mod2$residuals) plot(mod2) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - AR() mod3 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corAR1(form=~x), start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) summary(mod3) # quadro de estimativas R2(residuals(mod3), gas$y) residuosnI<-summary(mod3)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod3) hist(residuosnI) plot(x,mod3$residuals) plot( ACF(mod3, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - AR2() mod4 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corARMA(p=2,q=0), start=c(a=0.78, b=0.06, c=-5.5923, d=0.367, e=0.0226)) summary(mod4) # quadro de estimativas R2(residuals(mod4), gas$y) residuosnI<-summary(mod4)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod4) hist(residuosnI) plot( ACF(mod4, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - ARIMA(p=2,q=1) mod5 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corARMA(p=2,q=1), start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) summary(mod5) # quadro de estimativas R2(residuals(mod5), gas$y) residuosnI<-summary(mod5)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod5) hist(residuosnI) plot( ACF(mod5, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - ARIMA(p=2,q=2) mod6 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corARMA(p=2,q=2), start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) summary(mod6) # quadro de estimativas R2(residuals(mod6), gas$y) residuosnI<-summary(mod6)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod6) hist(residuosnI) plot( ACF(mod6, maxLag =24), alpha = 0.05 ) # ------------------------------------------------------------------------ # Ajuste do modelo Logístico 2 pool considerando - ARIMA(p=3,q=1) mod7 <- gnls(y ~ a/(1+exp(2+4*b*(c-x)))+d/(1+exp(2+4*e*(c-x))), data=gas,correlation=corARMA(p=3,q=1), start=c(a=1.1179, b=0.0562, c=-9.5923, d=0.367, e=0.0226)) summary(mod7) # quadro de estimativas R2(residuals(mod7), gas$y) residuosnI<-summary(mod7)$resid shapiro.test(residuosnI) ks.test(rnorm(577),residuosnI) plot(mod6) hist(residuosnI) plot( ACF(mod7, maxLag =24), alpha = 0.05 ) Agradeço desde já, Adriele. -- Adriele Giaretta Biase. Mestre em Estatística e Experimentação Agropecuária - UFLA. Doutoranda em Estatística e Experimentação Agronômica - ESALQ/ USP Contato: (19) 8861-0619.

3 2

Problemas com criação de listas
by Paulo Henrique Pimenta 23 Out '15

23 Out '15

Olá Listeiros, Estou com um problema na criação de novas listas no R. Abaixo segue parte do meu código: arq_1 <- read.table("C:/Users/Paulo/Documents/Alturas_Ilha_Fiscal-2015-10-22/Alturas_Ilha_Fiscal/50140002560102196123121961ALT_MOD.xls") ######################################################################################################## Fazendo a mao mes a mes #################### jan <- arq_1[which(arq_1$V2==1),] fev <- arq_1[which(arq_1$V2==2),] mar <- arq_1[which(arq_1$V2==3),] abril <- arq_1[which(arq_1$V2==4),] maio <- arq_1[which(arq_1$V2==5),] junho <- arq_1[which(arq_1$V2==6),] julho <- arq_1[which(arq_1$V2==7),] agosto <- arq_1[which(arq_1$V2==8),] setembro <- arq_1[which(arq_1$V2==9),] outubro <- arq_1[which(arq_1$V2==10),] novembro <- arq_1[which(arq_1$V2==11),] dezembro <- arq_1[which(arq_1$V2==12),] ################automatizando##################### for (i in 1:12){ mes[i] <- arq_1[which(arq_1$V2==i),] } Eu gostaria de poder automatizar o primeiro processo, a captação de um bloco da lista arq_1 para a variável mes[i], porém eu recebo a mensagem: There were 12 warnings (use warnings() to see them) e ao abrir os warnings: Warning messages: 1: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 2: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 3: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 4: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 5: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 6: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 7: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 8: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 9: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 10: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 11: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length 12: In mes[i] <- arq_1[which(arq_1$V2 == i), ] : number of items to replace is not a multiple of replacement length Fazendo pelo processo manual dá certo, mas pq fazendo pelo processo “automatizado" não é possível. Peço ajuda de vocês para encontrar uma saída! Um grande abraço a todos Paulo. Sent from Windows Mail

3 4

Link de transmissão do Meetup (segunda parte) Criação de pacotes em R
by Luis Benites Sánchez 23 Out '15

23 Out '15

Link de transmissão ao vivo da segunda parte do Meetup, Criação de pacotes em R: http://youtu.be/2CI8OvZPhqI -- Luis B. Sánchez Ph.D Candidate Dept. of Statistics-IME, University at São Paulo (USP) São Paulo, BRAZIL lsanchez(a)ime.usp.br Skype: lbenitesanchez Twitter: @lbenitesanchez www.luis-benites.com/

1 0

Comandos
by sergio simao joao 23 Out '15

23 Out '15

Bom dia. Acabo de ser novo usuário do programa R, e estou tendo problema de encontrar comandos que permitem comparar graficamente a significância de dois ou mais grupos de medias.Pedir desculpa desde já porque ser uma questão tao básica. Continuação de optimo dia

3 2

Imputação de dados com processamento paralelo
by Pedro Emmanuel Alvarenga Americano do Brasil 23 Out '15

23 Out '15

Amigos de R, Eu estou trabalhando com um banco de dados que possui mais de 220000 linhas. Eu cheguei numa parte do plano de análise em que imputação multipla será conduzida. Eu já usei a função Hmisc::aregIMpute e mice::mice que considero muito boas. O problema é que com essa quantidade de dados pra descobrir que deu um erro eu levo de 2h a 8h esperando. Então eu fiz um estrategia de testar em bancos menores subsets do principal. Eu procurei por ai e há outros pacotes que fazem imputação mas não consegui encontrar qualquer um que possa fazer imputação com computação em paralelo. Alguem saberia indicar uma função que faça imputação multipla com computação em paralelo? Alguem ja tentou criar um algoritmo de computação em paralelo para fazer imputação multipla com Hmisc::aregImput? Abraço a todos, Pedro Brasil

4 8

[LEMBRETE] Meetup R São Paulo Users Group (IME-USP) - Sexta 23 de outubro do 2015
by Luis Benites Sánchez 22 Out '15

22 Out '15

Caros, Amanha sexta teremos nossa reunião número 5 do Meetup de usuários de R de São Paulo, no auditório Jacy Monteiro no Bloco B das 14 ate as 16 horas. Segue a programação desta sexta. Programação da sexta 23 de outubro (14h-16h) - [14:00 - 14:55] Usando o R no ambiente corporativo - [14:55 - 15:05] Coffee Break - [15:05 - 16:00] Criação de pacotes em R Segue os resumos das palestras: 1) Usando o R no ambiente corporativo - Fernando Henrique Ferraz P Rosa, Souza Cruz S.A. Resumo: A utilização do R em grandes corporações oferece sempre um desafio. Por questão de histórico, inércia ou desconhecimento, a maioria das organizações sempre deu preferência aos pacotes comerciais (SPSS, SAS, Minitab, etc.) . A ideia desta apresentação é compartilhar um pouco dos desafios que passei para adoção do R ao longo dos 12 anos de experiência atuando no mercado em diversas empresas de médio e grande porte, algumas das soluções adotadas e casos de sucesso com o uso de ferramentas open-source. 2) Criação de pacote em R - Julio Trecenti, IME-USP Resumo: Criar pacotes em R é a melhor forma de tornar um código reprodutível. Além disso, é eficiente para transferir conhecimento, uma vez que é mais prático rodar um código já documentado do que implementar soluções do zero a partir de teses e dissertações. Neste encontro vamos mostrar superficialmente como criar pacotes com a ajuda do devtools e do RStudio. Com isso, gostaríamos de motivar pesquisadores a implementarem novos modelos no R, contribuindo para nossa comunidade. As palestras serão transmitidas ao vivo pela conexão IPTV da USP e YouTube (segue o link: https://plus.google.com/u/0/events/cirduc4q5mk8bb8egkvgmmcm5eo) Para poder participar, pode confirmar sua participação gratuitamente no site do Meetup :) Para mais informações: Site: www.meetup.com/pt/useR-SP Canal de YouTube: www.youtube.com/channel/UCb9PdJYYaElE6Uqb1KxhE8w e-mail: meetuprsp(a)gmail.com Um abraço, Luis Benites Sánchez Rocío Paola Maehara Organizadores do São Paulo R Users Group

1 0

Problemas em foreach e parallel
by Clécio da Silva Ferreira 21 Out '15

21 Out '15

Prezados, estou tentando utilizar as ferramentas de paralelo em R para Windows. Acontecem dois problemas: 1. Às vezes parece que os workers não 'ativam', dando a mensagem de erro abaixo. Note que não roda, pois o tetaM continua como matriz de 0s. Eu às vezes tenho de colar as funções mais de uma vez para então 'ligar'. 2. Neste exemplo, eu faço replicações de amostras de um MRLM (só um treinamento) e estimo o modelo para cada amostra. Independente da quantidade de amostras que eu gero (M amostras), ele sempre me devolve com 3 resultados a menos. 3 é o nº de cores que eu coloquei. Alguém tem alguma ideia da origem do problema? Ah, eu fiz para outros modelos que trabalho e ocorrem os mesmos problemas # Criação dos cores em paralelo: library(doParallel) library(foreach) cl<-makeCluster(3, type="SOCK") library(doSNOW) registerDoSNOW(cl) # Código # Modelo Normal n=100 M=10 p=2 X=matrix(1,n,p) X[,2]=runif(n) beta0=matrix(c(5,1),2,1) sigma2=1 yM=matrix(0,n,M) for (k in 1:M) { erro=rnorm(n,0,sigma2) yM[,k]=X%*%beta0+erro } tetaM=matrix(0,p,M) strt<-Sys.time() tetaM=foreach (k = 1:M,.combine=cbind) %dopar% { y=yM[,k] tetaM[,k]=lm(y~X-1)$coefficients #sgn.logL(teta3,y,X) } print(Sys.time()-strt) tetaM # Rodando no R: > tetaM=matrix(0,p,M) > strt<-Sys.time() > tetaM=foreach (k = 1:M,.combine=cbind) %dopar% { + y=yM[,k] + tetaM[,k]=lm(y~X-1)$coefficients + #sgn.logL(teta3,y,X) + } Error in e$fun(obj, substitute(ex), parent.frame(), e$data) : worker initialization failed: 5.207760032192210.72556160440376 > print(Sys.time()-strt) Time difference of 0.06304097 secs > > tetaM [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] 0 0 0 0 0 0 0 0 0 0 [2,] 0 0 0 0 0 0 0 0 0 0 > tetaM=matrix(0,p,M) > strt<-Sys.time() > tetaM=foreach (k = 1:M,.combine=cbind) %dopar% { + y=yM[,k] + tetaM[,k]=lm(y~X-1)$coefficients + #sgn.logL(teta3,y,X) + } > print(Sys.time()-strt) Time difference of 0.07505703 secs > > tetaM result.1 result.2 result.3 result.4 result.6 result.7 result.10 X1 4.738553 4.584143 4.923599 4.962845 4.737695 5.2330998 4.9280171 X2 1.313208 1.855138 1.121618 1.053215 1.571513 0.6168855 0.9040763 Atenciosamente, Prof. Clécio da Silva Ferreira Depto de Estatística - UFJF Tel: (32) 2102-3306 Página: www.ufjf.br/clecio_ferreira

2 3

Fwd: Erro em chave
by Ivan Bezerra Allaman 21 Out '15

21 Out '15

---------- Mensagem encaminhada ---------- De: Ivan Bezerra Allaman <ivanalaman(a)gmail.com> Data: 19 de outubro de 2015 11:13 Assunto: Re: Erro em chave Para: r-br(a)listas.c3sl.ufpr.br O erro diz que a chave expirou! Já tentastes utilizar a chave que está no CRAN agora? (S,f,P) Allaman -- \begin{signature} <<>>= Prof. D.Sc. Ivan Bezerra Allaman Laboratório de Estatística Computacional Departamento de Ciências Exatas e Tecnológicas Universidade Estadual de Santa Cruz Ilhéus/BA - Brasil Fone: +55 73 3680-5596 E-mail:ivanalaman@gmail.com @ \end{signature}

2 2

Meetup R São Paulo Users Group (IME-USP) - Sexta 23 de outubro do 2015
by Luis Benites Sánchez 21 Out '15

21 Out '15

Caros, Nesta sexta teremos nossa reunião número 5 do Meetup de R no auditório Jacy Monteiro no Bloco B das 14 ate as 16 horas. Segue a programação desta sexta. Programação da sexta 23 de outubro (14h-16h) - [14:00 - 14:55] Usando o R no ambiente corporativo - [14:55 - 15:05] Coffee Break - [15:05 - 16:00] Criação de pacotes em R Segue os resumos das palestras: 1) Usando o R no ambiente corporativo - Fernando Henrique Ferraz P Rosa, Souza Cruz S.A. Resumo: A utilização do R em grandes corporações oferece sempre um desafio. Por questão de histórico, inércia ou desconhecimento, a maioria das organizações sempre deu preferência aos pacotes comerciais (SPSS, SAS, Minitab, etc.) . A ideia desta apresentação é compartilhar um pouco dos desafios que passei para adoção do R ao longo dos 12 anos de experiência atuando no mercado em diversas empresas de médio e grande porte, algumas das soluções adotadas e casos de sucesso com o uso de ferramentas open-source. 2) Criação de pacote em R - Julio Trecenti, IME-USP Resumo: Criar pacotes em R é a melhor forma de tornar um código reprodutível. Além disso, é eficiente para transferir conhecimento, uma vez que é mais prático rodar um código já documentado do que implementar soluções do zero a partir de teses e dissertações. Neste encontro vamos mostrar superficialmente como criar pacotes com a ajuda do devtools e do RStudio. Com isso, gostaríamos de motivar pesquisadores a implementarem novos modelos no R, contribuindo para nossa comunidade. As palestras serão transmitidas ao vivo pela conexão IPTV da USP e YouTube (segue o link: https://plus.google.com/u/0/events/cirduc4q5mk8bb8egkvgmmcm5eo) Confirme gratuitamente sua participação no site do Meetup :) Para mais informações: Site: www.meetup.com/pt/useR-SP Canal de YouTube: www.youtube.com/channel/UCb9PdJYYaElE6Uqb1KxhE8w e-mail: meetuprsp(a)gmail.com <https://webmail.ime.usp.br/imp/dynamic.php?page=mailbox#> Um abraço, Luis Benites Sánchez Rocío Paola Maehara Organizadores do São Paulo R Users Group --

1 0

Falta de memória
by Ze Henrique 20 Out '15

20 Out '15

Boa tarde pessoal, estou trabalhando com um bando de dados muito grande e precisando fazer loop ai está aparece um erro de falta de espaço de memória da máquina, porém quando faço de um a um é possível executar. Alguém poderia me ajudar como devo preceder. Parece que o loop armazena e usa toda a memória disponível mesmo sendo pra ele executar em cima da outra. O erro que aparece é este: 'Realloc' could not re-allocate memory (277104640 bytes) Desde já agradeço a ajuda de todos. -- *José Henrique Soler Guilhen* Mestrando em Genética e Melhoramento Universidade Federal do Espírito Santo - CCAUFES

4 3

Fwd: package or namespace load failed for ‘dismo’
by Ivan Bezerra Allaman 19 Out '15

19 Out '15

---------- Mensagem encaminhada ---------- De: Ivan Bezerra Allaman <ivanalaman(a)gmail.com> Data: 19 de outubro de 2015 11:09 Assunto: Re: package or namespace load failed for ‘dismo’ Para: r-br(a)listas.c3sl.ufpr.br Por gentileza atualize a sua versão do R e tente instalar o pacote novamente. (S,f,P) Allaman -- \begin{signature} <<>>= Prof. D.Sc. Ivan Bezerra Allaman Laboratório de Estatística Computacional Departamento de Ciências Exatas e Tecnológicas Universidade Estadual de Santa Cruz Ilhéus/BA - Brasil Fone: +55 73 3680-5596 E-mail:ivanalaman@gmail.com @ \end{signature}

1 0

PCA
by ana paula coelho madeira 18 Out '15

18 Out '15

Prezados colegas, bom dia! Estou estudando sobre o PCA e gostaria de pedir sugestões de materiais que tratam dessas análises no R. Desde já agradeço. Ana Paula

3 2

Erro em chave
by Andre Oliveira 18 Out '15

18 Out '15

Prezad@s boa tarde, estou com este problema no Ubuntu 14.04 sudo apt-get update && sudo apt-get upgrade.....Atingido http://ppa.launchpad.net trusty/main amd64 Packages Atingido http://ppa.launchpad.net trusty/main i386 Packages Atingido http://ppa.launchpad.net trusty/main Translation-en Baixados 490 B em 10s (44 B/s) Lendo listas de pacotes... Pronto W: Erro GPG: http://cran-r.c3sl.ufpr.br trusty/ Release: As seguintes assinaturas eram inválidas: KEYEXPIRED 1445181253 KEYEXPIRED 1445181253 KEYEXPIRED 1445181253Lendo listas de pacotes... Pronto Construindo árvore de dependências Lendo informação de estado... Pronto Calculando atualização... Pronto 0 pacotes atualizados, 0 pacotes novos instalados, 0 a serem removidos e 0 não atualizados. andre@andre-Inspiron-3542:~$ Desde 2008 sempre resolvi assim: andre@andre-Inspiron-3542:~$ cd /home/andre/Arquivos/Pendrive/KINGSTON/sweave/r_br/Chave_R/chave_r andre@andre-Inspiron-3542:~/Arquivos/Pendrive/KINGSTON/sweave/r_br/Chave_R/chave_r$ ls chave.txt andre@andre-Inspiron-3542:~/Arquivos/Pendrive/KINGSTON/sweave/r_br/Chave_R/chave_r$ sudo apt-key add chave.txt OK andre@andre-Inspiron-3542:~/Arquivos/Pendrive/KINGSTON/sweave/r_br/Chave_R/chave_r$ Acontece que, após o procedimento, o erro dizendo sobre a chave continua! Isto apareceu depois de uma atualização .deb para o site da caixa ser instalada. Alguma dica? obrigado André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

2 2

package or namespace load failed for ‘dismo’
by Jefferson Ferreira-Ferreira 18 Out '15

18 Out '15

Olá a todos. Eu instalei pacote dismo, mas eu tenho recebido o seguinte erro de carregamento: *Carregando pacote necessário: raster* *Carregando pacote necessário: sp* *Erro: .onLoad falhou em loadNamespace () para 'dismo', detalhes:* * chamada: NULL* * erro: 'tmpdir' não é um objeto exportado 'namespace: raster'* *Error: package or namespace load failed for ‘dismo’* Quando eu digito traceback() eu recebo: *2: stop (gettextf ("pacote ou carga namespace falhou por% s", sQuote (pacote)),* * ligar. = FALSE, domain = NA)* *1: biblioteca ("dismo")* Session info: *> sessionInfo()* *R version 3.0.3 (2014-03-06)* *Platform: x86_64-w64-mingw32/x64 (64-bit)* *locale:* *[1] LC_COLLATE=Portuguese_Brazil.1252 LC_CTYPE=Portuguese_Brazil.1252 * *[3] LC_MONETARY=Portuguese_Brazil.1252 LC_NUMERIC=C * *[5] LC_TIME=Portuguese_Brazil.1252 * *attached base packages:* *[1] stats graphics grDevices utils datasets methods base * *other attached packages:* *[1] raster_2.2-31 sp_1.0-14 Revobase_7.2.0 RevoMods_7.2.0 RevoScaleR_7.2.0* *[6] lattice_0.20-29 rpart_4.1-5 * *loaded via a namespace (and not attached):* *[1] codetools_0.2-8 foreach_1.4.2 grid_3.0.3 iterators_1.0.7 tools_3.0.3 * Se alguém tiver qualquer dica, agradeço! Desde já, obrigado. -- *Jefferson Ferreira-Ferreira* Geógrafo – GEOPROCESSAMENTO IDSM | Coordenadoria de TI Jefferson.ferreira(a)mamiraua.org.br *Instituto de Desenvolvimento Sustentável Mamirauá* Ministério da Ciência, Tecnologia e Inovação Telefone: +55 97 3343-9710 *Google Maps* - Mapas deste e-mail: Exibir mapa ampliado <https://maps.google.com.br/maps?q=-3.355557,-64.731151&ll=-3.355471,-64.731…> *Contatos particulares:* *(55) 9615-0100*

1 0

Realização de sorteios e a cada processo geração de arquivos *txt individuais
by ASANTOS 15 Out '15

15 Out '15

Prezados listeiros, Estou tentando a cada realização de um sorteio com a função sample(), criar um arquivo *txt com os resultados, mas de uma maneira que o nome do arquivo guarde a informação do número do sorteio, como por exemplo sorteio_10.txt, fiz um CRM para tentar fazer isso, o sorteio faz, mas como alterar o nome do arquivo que não consigo fazer, alguém poderia me ajudar? bd<-rnorm(10000)## Banco de dados Nbsp=10# Número de simulações ## Função para realização das simulações e armazenamento das informações RES<-NULL for(Nsim in 1:Nbsp){ sample_bd<-sample(bd,10) RES<-cbind(rep(Nbsp, length(sample_bd)),sample_bd) write.table(RES,"sorteio_N.txt", row.names=F, col.names=F,append=T) } # -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 ======================================================================

4 4

[LEMBRETE] Teremos transmissão ao vivo - Meetup R São Paulo Users Group (IME-USP) - Sexta 09 de outubro do 2015
by Luis Benites Sánchez 10 Out '15

10 Out '15

Caros, Amanha teremos nossa quarta reunião do Meetup de R no auditório Antonio Gilioli no Bloco A das 14 ate as 16 horas. Segue a programação de amanha. - [14:00 - 14:55] Modelo Poisson BS para dados de longa duração em R - [14:55 - 15:05] Coffee Break - [15:05 - 16:00] Shiny: aplicações web com R Segue os resumos: Sexta 9 de outubro (14h-16h) - Conferências: 1) Modelo Poisson Birnbaum-Saunders para dados de longa duração em R - Profa. Elizabeth Mie Hashimoto, Universidade Tecnológica Federal do Paraná, UTFPR. . Resumo: Neste trabalho, foi proposto um modelo para dados de tempo de vida que se caracterizam por apresentar uma função de sobrevivência imprópria, ou seja, a medida que o tempo aumenta a função de sobrevivência não tende para zero, mas sim, para uma proporção denotada por p0, que representa os indivíduos não susceptíveis ao evento de interesse. Assim, para a construção do modelo fez-se a suposição de que o número de causas concorrentes do evento de interesse segue uma distribuição Poisson e o tempo para a ocorrência do evento segue uma distribuição Birnbaum-Saunders. A vantagem dos modelos de longa duração é a possibilidade estimar o parâmetro, p0. Dessa forma, para ilustrar a aplicação do modelo Poisson Birnbaum-Saunders fazendo uso do R, foi utilizado um conjunto de dados da literatura e as estimativas dos parâmetros do modelo foram obtidas a partir do método da máxima verossimilhança. 2) Shiny: aplicações web com R - Eduardo Elias Ribeiro Junior, Graduando em Estatística pela Universidade Federal do Paraná e integrante do Programa de Educação Tutorial (PET-Estatística) na UFPR. Resumo: O R possui excelentes formas para visualização e análise de dados. Porém os resultados provenientes das análises no R são geralmente estáticos, apresentados em forma de relatórios. Isto impossibilita que o leitor submeta novos valores para mesma análise sem que se compile novamente os códigos. Em contraste, o pacote shiny facilita a criação de aplicações web que são interativas a estímulos do leitor, permitindo visualizar novos resultados assim que novos valores forem inseridos. A palestra tem como objetivo apresentar o pacote shiny e introduzir os conceitos principais para a construção de aplicações web. As palestras serão transmitidas ao vivo pela conexão IPTV da USP (segue o link: http://www.iptv.usp.br/portal/transmission.action?idItem=30252) e YouTube (segue o link: https://plus.google.com/u/0/events/c1l0eia9apmbjbhhc8k1qfh36lg) Confirme gratuitamente sua participação no site do Meetup :) Para mais informações: Site: www.meetup.com/pt/useR-SP Canal de YouTube: www.youtube.com/channel/UCb9PdJYYaElE6Uqb1KxhE8w <http://www.youtube.com/channel/UCb9PdJYYaElE6Uqb1KxhE8w> e-mail: meetuprsp(a)gmail.com Um abraço, Luis Benites Sánchez Rocío Paola Maehara Organizadores do São Paulo R Users Group

3 2

Transformando lista em matriz
by Paulo Henrique Pimenta 09 Out '15

09 Out '15

Olá a todos os listeiros, Estou com um problema! Possuo dados de maré em forma de lista, com 1 coluna e 7824 linhas contendo dia, horário e nível de maré. Gostaria de saber como posso transformar essa lista numa matriz e poder facilmente trabalhar com os dados. Abraços. Paulo Henrique de A. S. Pimenta. Graduando em Meteorologia (Bacharelado) - IAG/USP. Fone: +5511981318435.

2 1

Re: [R-br] Erro em fit não linear
by sznelwar 09 Out '15

09 Out '15

3 3

Michelle Baú Gaczyk compartilhou "AA.N_Novo_MomentosEstatísticosSemestre1.txt" com você
by Michelle via Dropbox 09 Out '15

09 Out '15

De Michelle: "Olá, compartilhei pelo drop box o data sete para o ajuste arctanh!<br/>Muito obrigada" Clique aqui para visualizar.[1] (Michelle compartilhou estes arquivos usando o Dropbox. Bom divertimento!) [1]: https://www.dropbox.com/l/s/TRWCUSkVIxr7WzmIo6mapm?text=1

1 0

Erro em fit não linear
by Michelle Bau Graczyk 08 Out '15

08 Out '15

Caros,boa noite, estou tentando fazer um fit em um conjunto de dados mas ele me retorna o erro: Erro em nls(y ~ func(x, c, a, b), data = dados2, start = guess, trace = TRUE) : fator de passos 0.000488281 reduzido abaixo de 'minFactor' de 0.000976562 Alguém, por favor, saberia me dizer como posso concertar isso? O programa segue abaixo: > require(lattice) > l<-1 > file<-read.table(paste0("/Users/bau/ProjetoU-Shape/AA.N_Novo_MomentosEstatísticosSemestre",l,".txt"), header=TRUE) > media<-file[3:389,2] > media [1] 24117.500 13168.333 13861.667 18031.667 19581.667 18797.500 15147.500 16699.167 17911.667 [10] 16430.000 15874.167 15470.000 16360.833 18240.000 15018.333 18155.833 14793.333 17348.333 [19] 19142.500 21510.833 17417.500 17450.833 19335.833 14439.167 16995.000 14624.167 18152.500 [28] 18240.000 16124.167 18489.167 14679.167 17181.667 18115.833 15302.500 13445.833 15159.167 [37] 20161.667 15321.667 14252.500 15850.833 13745.000 13915.833 15810.833 13280.833 14680.833 [46] 12119.167 12100.833 16263.333 13210.833 15323.333 12921.667 14374.167 12805.833 13955.000 [55] 12920.833 12016.667 13795.000 14751.667 12735.833 12267.500 12896.667 11947.500 12723.333 [64] 14574.167 12818.333 14187.500 11534.167 12134.167 10910.000 12596.667 11503.333 12515.833 [73] 12709.167 14239.167 11495.000 13163.333 11990.000 10506.667 11984.167 10225.000 11447.500 [82] 11966.667 12115.833 11273.333 10478.333 10375.000 12240.833 11178.333 10699.167 11474.167 [91] 10075.000 12563.333 14194.167 13675.833 12290.000 11357.500 10956.667 12120.000 11663.333 [100] 11078.333 11371.667 10549.167 12766.667 14523.333 10948.333 10809.167 10772.500 11190.000 [109] 9748.333 14768.333 11070.000 10362.500 10942.500 9190.833 12433.333 10302.500 10838.333 [118] 12184.167 8899.167 10073.333 10393.333 9760.000 10390.833 11309.167 9319.167 8183.333 [127] 9531.667 9843.333 8924.167 10070.833 8730.000 10109.167 10507.500 11991.667 8540.833 [136] 11396.667 9405.000 9284.167 9146.667 9640.000 8991.667 8352.500 7969.167 10366.667 [145] 9319.167 8555.000 8578.333 7897.500 8881.667 8842.500 9579.167 9022.500 9914.167 [154] 9933.333 10987.500 8835.000 8473.333 9029.167 8619.167 8782.500 9901.667 8566.667 [163] 8490.833 7475.833 7510.833 8990.000 6865.833 6564.167 7418.333 7356.667 7485.000 [172] 8482.500 9325.000 7989.167 7370.833 7921.667 8243.333 8005.833 8551.667 9119.167 [181] 8760.000 7193.333 9693.333 7742.500 11112.500 7497.500 6685.000 8441.667 7150.000 [190] 6189.167 6760.833 6255.833 8953.333 8413.333 7731.667 6546.667 7179.167 8060.000 [199] 7023.333 9560.000 7071.667 7770.000 6640.000 5910.833 8896.667 7938.333 7098.333 [208] 7282.500 7291.667 8557.500 7326.667 8196.667 12226.667 8380.000 6513.333 9100.833 [217] 6303.333 7525.000 7297.500 7375.833 7224.167 7029.167 9325.833 5923.333 7674.167 [226] 5882.500 8318.333 7263.333 7574.167 7268.333 7530.000 9355.833 8654.167 7426.667 [235] 7794.167 7008.333 7974.167 10410.000 7181.667 7440.000 6345.000 5503.333 6674.167 [244] 9780.000 7740.000 6981.667 5926.667 9352.500 10264.167 8406.667 6532.500 6478.333 [253] 8561.667 8072.500 7700.000 7189.167 6443.333 8120.000 7190.833 6520.833 7539.167 [262] 8013.333 7191.667 7660.000 7276.667 8233.333 7500.833 8582.500 8019.167 7231.667 [271] 10179.167 8445.000 9302.500 7680.833 9114.167 8432.500 7475.000 7779.167 8895.000 [280] 9171.667 9753.333 7490.000 10211.667 11380.000 8524.167 8077.500 10155.000 9406.667 [289] 11199.167 8286.667 9850.000 10032.500 9740.833 7321.667 8494.167 10023.333 9450.000 [298] 10995.833 10166.667 10881.667 8832.500 10015.000 11526.667 11015.833 10857.500 9627.500 [307] 11716.667 10213.333 9765.000 8673.333 8560.833 10153.333 12676.667 11633.333 10933.333 [316] 10492.500 10300.000 9853.333 10602.500 9778.333 9030.000 12785.833 10950.000 11523.333 [325] 12445.000 10896.667 10875.833 11619.167 13154.167 11693.333 12561.667 11002.500 11017.500 [334] 10700.833 14557.500 12236.667 10875.833 11762.500 12705.000 13452.500 11402.500 11232.500 [343] 11739.167 13043.333 11583.333 11468.333 11772.500 13278.333 14787.500 13462.500 13837.500 [352] 13491.667 12455.000 14412.500 14211.667 15135.000 13923.333 15175.000 16048.333 16182.500 [361] 17939.167 17191.667 18522.500 18923.333 17106.667 15255.833 14752.500 15868.333 21636.667 [370] 17807.500 19451.667 17064.167 20163.333 16959.167 17077.500 19470.833 17424.167 18996.667 [379] 24262.500 21454.167 21115.833 18455.000 22215.000 27894.167 28049.167 30302.500 37730.000 > y<-media > tempo<-c(-193:193/193) > tempo [1] -1.000000000 -0.994818653 -0.989637306 -0.984455959 -0.979274611 -0.974093264 -0.968911917 [8] -0.963730570 -0.958549223 -0.953367876 -0.948186528 -0.943005181 -0.937823834 -0.932642487 [15] -0.927461140 -0.922279793 -0.917098446 -0.911917098 -0.906735751 -0.901554404 -0.896373057 [22] -0.891191710 -0.886010363 -0.880829016 -0.875647668 -0.870466321 -0.865284974 -0.860103627 [29] -0.854922280 -0.849740933 -0.844559585 -0.839378238 -0.834196891 -0.829015544 -0.823834197 [36] -0.818652850 -0.813471503 -0.808290155 -0.803108808 -0.797927461 -0.792746114 -0.787564767 [43] -0.782383420 -0.777202073 -0.772020725 -0.766839378 -0.761658031 -0.756476684 -0.751295337 [50] -0.746113990 -0.740932642 -0.735751295 -0.730569948 -0.725388601 -0.720207254 -0.715025907 [57] -0.709844560 -0.704663212 -0.699481865 -0.694300518 -0.689119171 -0.683937824 -0.678756477 [64] -0.673575130 -0.668393782 -0.663212435 -0.658031088 -0.652849741 -0.647668394 -0.642487047 [71] -0.637305699 -0.632124352 -0.626943005 -0.621761658 -0.616580311 -0.611398964 -0.606217617 [78] -0.601036269 -0.595854922 -0.590673575 -0.585492228 -0.580310881 -0.575129534 -0.569948187 [85] -0.564766839 -0.559585492 -0.554404145 -0.549222798 -0.544041451 -0.538860104 -0.533678756 [92] -0.528497409 -0.523316062 -0.518134715 -0.512953368 -0.507772021 -0.502590674 -0.497409326 [99] -0.492227979 -0.487046632 -0.481865285 -0.476683938 -0.471502591 -0.466321244 -0.461139896 [106] -0.455958549 -0.450777202 -0.445595855 -0.440414508 -0.435233161 -0.430051813 -0.424870466 [113] -0.419689119 -0.414507772 -0.409326425 -0.404145078 -0.398963731 -0.393782383 -0.388601036 [120] -0.383419689 -0.378238342 -0.373056995 -0.367875648 -0.362694301 -0.357512953 -0.352331606 [127] -0.347150259 -0.341968912 -0.336787565 -0.331606218 -0.326424870 -0.321243523 -0.316062176 [134] -0.310880829 -0.305699482 -0.300518135 -0.295336788 -0.290155440 -0.284974093 -0.279792746 [141] -0.274611399 -0.269430052 -0.264248705 -0.259067358 -0.253886010 -0.248704663 -0.243523316 [148] -0.238341969 -0.233160622 -0.227979275 -0.222797927 -0.217616580 -0.212435233 -0.207253886 [155] -0.202072539 -0.196891192 -0.191709845 -0.186528497 -0.181347150 -0.176165803 -0.170984456 [162] -0.165803109 -0.160621762 -0.155440415 -0.150259067 -0.145077720 -0.139896373 -0.134715026 [169] -0.129533679 -0.124352332 -0.119170984 -0.113989637 -0.108808290 -0.103626943 -0.098445596 [176] -0.093264249 -0.088082902 -0.082901554 -0.077720207 -0.072538860 -0.067357513 -0.062176166 [183] -0.056994819 -0.051813472 -0.046632124 -0.041450777 -0.036269430 -0.031088083 -0.025906736 [190] -0.020725389 -0.015544041 -0.010362694 -0.005181347 0.000000000 0.005181347 0.010362694 [197] 0.015544041 0.020725389 0.025906736 0.031088083 0.036269430 0.041450777 0.046632124 [204] 0.051813472 0.056994819 0.062176166 0.067357513 0.072538860 0.077720207 0.082901554 [211] 0.088082902 0.093264249 0.098445596 0.103626943 0.108808290 0.113989637 0.119170984 [218] 0.124352332 0.129533679 0.134715026 0.139896373 0.145077720 0.150259067 0.155440415 [225] 0.160621762 0.165803109 0.170984456 0.176165803 0.181347150 0.186528497 0.191709845 [232] 0.196891192 0.202072539 0.207253886 0.212435233 0.217616580 0.222797927 0.227979275 [239] 0.233160622 0.238341969 0.243523316 0.248704663 0.253886010 0.259067358 0.264248705 [246] 0.269430052 0.274611399 0.279792746 0.284974093 0.290155440 0.295336788 0.300518135 [253] 0.305699482 0.310880829 0.316062176 0.321243523 0.326424870 0.331606218 0.336787565 [260] 0.341968912 0.347150259 0.352331606 0.357512953 0.362694301 0.367875648 0.373056995 [267] 0.378238342 0.383419689 0.388601036 0.393782383 0.398963731 0.404145078 0.409326425 [274] 0.414507772 0.419689119 0.424870466 0.430051813 0.435233161 0.440414508 0.445595855 [281] 0.450777202 0.455958549 0.461139896 0.466321244 0.471502591 0.476683938 0.481865285 [288] 0.487046632 0.492227979 0.497409326 0.502590674 0.507772021 0.512953368 0.518134715 [295] 0.523316062 0.528497409 0.533678756 0.538860104 0.544041451 0.549222798 0.554404145 [302] 0.559585492 0.564766839 0.569948187 0.575129534 0.580310881 0.585492228 0.590673575 [309] 0.595854922 0.601036269 0.606217617 0.611398964 0.616580311 0.621761658 0.626943005 [316] 0.632124352 0.637305699 0.642487047 0.647668394 0.652849741 0.658031088 0.663212435 [323] 0.668393782 0.673575130 0.678756477 0.683937824 0.689119171 0.694300518 0.699481865 [330] 0.704663212 0.709844560 0.715025907 0.720207254 0.725388601 0.730569948 0.735751295 [337] 0.740932642 0.746113990 0.751295337 0.756476684 0.761658031 0.766839378 0.772020725 [344] 0.777202073 0.782383420 0.787564767 0.792746114 0.797927461 0.803108808 0.808290155 [351] 0.813471503 0.818652850 0.823834197 0.829015544 0.834196891 0.839378238 0.844559585 [358] 0.849740933 0.854922280 0.860103627 0.865284974 0.870466321 0.875647668 0.880829016 [365] 0.886010363 0.891191710 0.896373057 0.901554404 0.906735751 0.911917098 0.917098446 [372] 0.922279793 0.927461140 0.932642487 0.937823834 0.943005181 0.948186528 0.953367876 [379] 0.958549223 0.963730570 0.968911917 0.974093264 0.979274611 0.984455959 0.989637306 [386] 0.994818653 1.000000000 > x<-tempo > > dados <- data.frame(x=x,y=y) > dados2 <- dados[-c(1,387),] > > xyplot(y~x, data=dados, type=c("p","smooth")) > > ## Valores iniciais. > > guess <- list(c=1.0,a=1.0, b=0.001) > > ## Modelo não linear. > func <- function(x, c,a,b){ + y <- (atanh((sqrt((x+(b*(x^2)))^2)/c)^2) + a) + return(y) + } > with(guess, + curve(func(x, c,a,b),min(dados$x), max(dados$x))) Mensagens de aviso perdidas: In atanh((sqrt((x + (b * (x^2)))^2)/c)^2) : NaNs produzidos > abline(v=194, lty=2) > > > ## Sobrepondo dados e função a partir dos valores iniciais. > plot(y~x, data=dados, xlab="tempo", ylab="volume/média") > > > f <- expression(atanh((sqrt((x+(b*(x^2)))^2)/c)^2) + a) > > fit <- nls(y~func(x, c,a,b), data=dados2, start=guess, trace=TRUE) 55389072390 : 1.000 1.000 0.001 6020970037 : -224.49929 10765.82603 49.04659 Erro em nls(y ~ func(x, c, a, b), data = dados2, start = guess, trace = TRUE) : fator de passos 0.000488281 reduzido abaixo de 'minFactor' de 0.000976562 > Muito Obrigada, Michelle

2 1

Como calcular o rank dos dados para uma análise não paramétrica
by Simone D. Sartorio 08 Out '15

08 Out '15

Pessoal, bom dia! Eu tentando aplicar um teste não paramétrico, em particular o "teste Scheirer-Ray-Hare". Ele é uma extensão do Kruskal-Wallis para experimento com 2 fatores (em esquema fatorial). Já fucei no R e não encontrei essa função pronta. Logo, preciso obter apenas o rank dos dados para poder aplicar o teste, mas não obtive sucesso ao procurar como obter esse rank com a função kruskal.test...alguém poderia me ajudar? Aqui vai um exemplo fictício para poderem me ajudar...lembrando que esse exemplo é de um fator apenas. O que eu quero é apenas a obtenção dos ranks. #----------------------------------------------------------A<-c(27,14,8,18,7)B<-c(48,18,32,51,22)C<-c(11,0,3,15,8)D<-c(44,72,81,55,39) orq.dados<-data.frame(Campo<-gl(4,5), Orquideas<-c(A,B,C,D)); orq.dadosa<- kruskal.test(Orquideas~Campo, orq.dados)summary(a)names(a)?kruskal.test #---------------------------------------------------------- desde já, muito obrigada!Simone

4 5

Sorteio aleatório de valores e substituir por NA
by ASANTOS 07 Out '15

07 Out '15

Caros Listeiros, Estou tentando criar uma rotina para primeiro sortear 20% de linhas de um data frame com 10 variáveis e n=100, e com o resultado desse sorteio eu gostaria de sortear 10% dos valores independente da variável e substituir por NA. No entanto, estou com dois problemas para realizar isso: 1) O objeto sampl.data.10 criado que corresponde ao sorteio de 10% dos valores não corresponde ao objeto que originou o sorteio (sampl.n.20); e 2) Quando faço o sorteio de 10% dos valores e substituo por NA, perco a informação do identificador da amostra ou seja meu dados$ID, segue CRM abaixo, alguém poderia me dar um help? #Variáveis artificiais dados<-runif(1000) dados<-(dados*100)+c(1:500, 500:1) dados<-matrix(dados,nrow=50,ncol=10) dados<-as.data.frame(dados) names(dados)<-c("var1", "var2","var3","var4","var5","var6","var7","var8","var9","var10") dados$ID<-1:length(dados[,1]) dados<-as.data.frame(dados) #Pacote require(dplyr) ## Seleciono 20% das linhas do objeto dados sampl.n.20<-sample_frac(dados, 0.2) sampl.n.20 ##Seleciono 10% de valores independente da variável n.data<-0.1*(length(sampl.20[,1])*length(sampl.20[1,])) sampl.data.10<-matrix(sample(c(NA, sampl.20[,1]),length(sampl.20[,1])*length(sampl.20[1,]), replace = TRUE), n.data) sampl.data.10 Obrigado, -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 ======================================================================

2 2

Formação decimal
by Andre Oliveira 06 Out '15

06 Out '15

Pessoas,pesquisei na lista e no google, mas não resolvi o que desejo. Como modificar de forma global ou especifica de uma tabela e exibir números inteiros com duas casa decimais (00), assim 8 = 8,00. André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

4 3

Re: [R-br] Como calcular o rank dos dados para uma análise não paramétrica
by Leal 06 Out '15

06 Out '15

Você tem material sobre esse teste? Desde já agradeço Luiz Conectado pela Motorola "Simone D. Sartorio" <sisartorio(a)yahoo.com.br> escreveu: >_______________________________________________ >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

Modelo Linear Generalizado
by Alisson Lucrécio 06 Out '15

06 Out '15

Caro Colegas, Boa noite. Estou fazendo uma análise de dados de contagem de nematóides móveis e imóveis sob efeito de 9 tratamentos em um modelo linear generalizado com distribuição binomial. Estou com duvida se estou usando o modelo corretamente e porque os coeficientes relacionados ao tratamentos B T-12 e B T-24 não foram significativos. Algum colega poderia me ajudar? Obrigado. *CMR* sub_data <- structure(list(tratamento = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 8L, 8L, 9L, 9L, 9L, 9L, 9L, 9L ), .Label = c("A", "B", "B T-0", "B T-1", "B T-2", "B T-3", "B T-6", "B T-12", "B T-24"), class = "factor"), repeticao = c(1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 5L, 5L, 5L, 5L, 5L, 5L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L, 1L, 2L, 3L, 4L, 5L, 6L), moveis = c(20L, 11L, 20L, 15L, 20L, 20L, 18L, 20L, 20L, 20L, 20L, 20L, 16L, 20L, 20L, 20L, 14L, 21L, 5L, 5L, 6L, 4L, 5L, 5L, 8L, 6L, 7L, 5L, 6L, 5L, 2L, 1L, 1L, 3L, 2L, 2L, 0L, 1L, 3L, 1L, 0L, 3L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), imoveis = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 4L, 5L, 5L, 5L, 4L, 5L, 16L, 15L, 14L, 21L, 20L, 21L, 13L, 14L, 13L, 14L, 14L, 14L, 28L, 19L, 32L, 18L, 26L, 26L, 33L, 29L, 24L, 28L, 21L, 22L, 22L, 20L, 20L, 20L, 20L, 10L, 20L, 12L, 16L, 18L, 13L, 20L)), .Names = c("tratamento", "repeticao", "moveis", "imoveis"), class = "data.frame", row.names = c(NA, 54L)) glm_out <- glm(cbind(imoveis, moveis) ~ tratamento -1, family=binomial, data = sub_data) summary(glm_out) -- Alisson Lucrecio da Costa

4 8

Re: [R-br] Reclassificando mapa baseado em outro mapa e distribuição de probabilidades
by Ricardo Dobrovolski 06 Out '15

06 Out '15

Faltou a função! Em 5 de outubro de 2015 12:37, Ricardo Dobrovolski <rdobrovolski(a)gmail.com> escreveu: > Prezados, > > Quero reclassificar o map1 de acordo com o map2. > > O mapa 2 tem duas categorias, 3 e 2. > > Quero que as células do map1 com a categoria 3 virem 2 se elas for > sobreposta à categoria 1 do map2, de acordo com uma distribuição de > probabilidades empírica, armazenada em change.dist. > > Na verdade, preparei uma função para resolver esse problema, mas ela é > baseada em um for no qual cada célula é avaliada. E isso é muito lento para > a área avaliada. > > Além disso, como o modelo é probabilistico, teríamos de fazer isso pelo > menos 100 vezes. > > Assim, peço a ajuda dos senhores & senhoras para resolver o problema. > > Segue abaixo a função e em anexo os arquivos. > > Valeu! > > Abraço, > > RD. >

3 2

Re: [R-br] Como calcular o rank dos dados para uma análise não paramétrica
by Leal 06 Out '15

06 Out '15

rank() Conectado pela Motorola "Simone D. Sartorio" <sisartorio(a)yahoo.com.br> escreveu: >_______________________________________________ >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

Meetup R São Paulo Users Group (IME-USP) - Sexta 09 de outubro do 2015
by Luis Benites Sánchez 04 Out '15

04 Out '15

Caros, O Meetup R São Paulo Users Group, iniciativa dos estudantes de Doutorado em Estatística do IME, Luis Benites Sánchez e Rocío Paola Maehara com a colaboração das professoras Viviana Giampioli e Márcia D'Elia Branco do IME, anuncia a seguinte palestra do Meetup do mês de outubro (lembrar que temos atividades planejadas até o 4 de dezembro, veja a programação completo no site do Meetup). Breve descrição do Meetup: As reuniões do Meetup R acontecerão geralmente duas vezes por mês, as sextas, das 14h às 16h. Em cada reunião teremos a apresentação de duas palestras com duração de 45 minutos cada e 10 minutos de perguntas. As palestras serão ministradas por professores e estudantes de pós-graduação de diversas universidades do interior como do exterior. A maioria de las serão online, mais também teremos algumas palestras presenciais. Faremos sorteios de 4 livros. Para o mês de setembro a programação é a seguinte: Sexta 9 de outubro (14h-16h) - Conferências: 1) Modelo Poisson BS para dados de longa duração em R - Profa.Elizabeth Mie Hashimoto, Universidade Tecnológica Federal do Paraná, UTFPR. Resumo: Neste trabalho, foi proposto um modelo para dados de tempo de vida que se caracterizam por apresentar uma função de sobrevivência imprópria, ou seja, a medida que o tempo aumenta a função de sobrevivência não tende para zero, mas sim, para uma proporção denotada por p0, que representa os indivíduos não susceptíveis ao evento de interesse. Assim, para a construção do modelo fez-se a suposição de que o número de causas concorrentes do evento de interesse segue uma distribuição Poisson e o tempo para a ocorrência do evento segue uma distribuição Birnbaum-Saunders. A vantagem dos modelos de longa duração é a possibilidade estimar o parâmetro, p0. Dessa forma, para ilustrar a aplicação do modelo Poisson Birnbaum-Saunders fazendo uso do R, foi utilizado um conjunto de dados da literatura e as estimativas dos parâmetros do modelo foram obtidas a partir do método da máxima verossimilhança. 2) Shiny: aplicações web com R - Eduardo Elias Ribeiro Junior, Departamento de Estatística, Universidade Federal de Paraná. Resumo: O R possui excelentes formas para visualização e análise de dados. Porém os resultados provenientes das análises no R são geralmente estáticos, apresentados em forma de relatórios. Isto impossibilita que o leitor submeta novos valores para mesma análise sem que se compile novamente os códigos. Em contraste, o pacote shiny facilita a criação de aplicações web que são interativas a estímulos do leitor, permitindo visualizar novos resultados assim que novos valores forem inseridos. A palestra tem como objetivo apresentar o pacote shiny e introduzir os conceitos principais para a contrução de aplicações web. Obs. As palestras serão transmitidas ao vivo pela conexão IPTV da USP e YouTube (os links de transmissão serão disponibilizados no site do meetup ou também podem acessar ao link <https://plus.google.com/u/0/events/c1l0eia9apmbjbhhc8k1qfh36lg> e confirmar sua participação online caso não possam comparecer fisicamente no auditório Gilioli do IME-USP. ). As sessões são filmados (se os palestrantes concordar) e ditos vídeos serão disponibilizados no Canal de YouTube do Meetup. Para mais informações: Site: www.meetup.com/pt/useR-SP YouTube: www.youtube.com/channel/UCb9PdJYYaElE6Uqb1KxhE8w e-mail: meetuprsp(a)gmail.com Um abraço, Luis Benites Sánchez e Rocío Paola Maehara Organizadores do São Paulo R Users Group

1 0

Retornar duas soluções do comando optmim
by Wagner Wolff 04 Out '15

04 Out '15

Olá pessoal! Estou precisando de uma ajuda, preciso encontrar uma solução para uma variável que terei que usar um método iterativo para estimá-la, entretanto, existe duas soluções (raízes) ou mais para esta variável e preciso da segunda solução pois é a que tem explicação física, sendo assim, a função optmim me retorna a primeira, gostaria que retornasse todas as soluções possíveis, alguém saberia como posso fazer isso? Ou indicar outra função. Segue o código e o gráfico mostrando as duas soluções, onde a linha horizontal intersepta o perfil. Abraço Ho <- 12 Hvar <- 0.09061577 k <- 4.182488e-06 Lmax_fun <- function(par,Ho,Hvar,So,k){ L <- par ((Ho*Hvar/((-So-(k*L^1.75))*(1-Hvar)))-L)^2 } So <- -0.03 (Lmax <- optim(par=100,fn=Lmax_fun,Ho=Ho,Hvar=Hvar,k=k,So=So,method ="BFGS")) abs(So)/(k*Lmax^1.75) >= 1.75+1 #Condição para valer a escolha da função L <- 1:300 DEN_L <- ((-So-(k*L^1.75))*(1-Hvar))*L plot(L,DEN_L,type = "l",ylim = c(0,max(DEN_L)*1.10)) abline(h=Ho*Hvar) points(x=Lmax,Ho*Hvar) Lmax2 <- 129.3757 points(x=Lmax2,Ho*Hvar)

3 3

curva ROC multiclass
by Daniela Recchia 02 Out '15

02 Out '15

Olá pessoal, gostaria de construir uma curva ROC para uma variável multinomial (nível de escolaridade com 5 categorias) e gostaria de saber se isso seria possível de tal forma: Vi num artigo que eles avaliaram um índice por nível de escolaridade (tinha 3 categorias) e para cada nível eles calcularam o cut-off, sensibilidade, especificidade. Não consigo visualizar como poderia ter para os meus 5 níveis de escolaridade o mesmo tipo de análise: #nível 1 controle, nível 2 casos plot.roc(escolaridade,camcog, percent=TRUE, ci=TRUE, of="thresholds", thresholds="best", print.thres="best") #nível 1 controle, nível 3 casos plot.roc(escolaridade,camcog,levels=c(1,3), percent=TRUE, ci=TRUE, of="thresholds", thresholds="best", print.thres="best") #nível 1 controle, nível 4 casos plot.roc(escolaridade,camcog,levels=c(1,4), percent=TRUE, ci=TRUE, of="thresholds", thresholds="best", print.thres="best") #nível 1 controle, nível 5 casos plot.roc(escolaridade,camcog,levels=c(1,5), percent=TRUE, ci=TRUE, of="thresholds", thresholds="best", print.thres="best") Estou na dúvida se da forma que tenho feito estaria correto, por exemplo no primeiro plot pretendo ter os valores para o nível de escolaridade 2, no segundo par ao nível 3 e etc. Seria possível ter (como no artigo) o cut-off e parâmetros para cada nível? Obrigada! -- Daniela Rodrigues Recchia

1 0

Re: [R-br] quem é o autor de tanks.R ???
by Marcos Vital 02 Out '15

02 Out '15

Caramba, gente, que legal! Adorei conhecer a função (e adoro esses joguinhos, hehehe). Vocês conhecem outros joguinhos pro R? Já vou ali conferir o pacote fun, que alguém mencionou, mas queria saber se existem outros. Pode parecer besteira, mas acho que essas coisas descontraídas ajudam a atrair pessoas para o R. Fora que usuários mais avançados podem se interessar em entender como foi feito, o que acaba sendo positivo também. Rodrigo, tudo bem divulgar por aí o seu código? Para dar crédito, colocamos apenas o seu nome ou você tem algum link (site pessoal, lattes, sei lá) que gostaria que acompanhasse? Eu tenho um blog onde divulgo coisas de R, e penso em fazer uma postagem sobre o seu "tanks" por lá, pode ser? Abraços! Marcos

1 0

quem é o autor de tanks.R ???
by Cleber N.Borges 02 Out '15

02 Out '15

olá a todos, um bom tempo atrás, alguém postou um código (segue abaixo) Alguém sabe o autor? (pq queria dar o devido crédito ao autor) Obrigado Cleber #=============================== tank <- function(x) { desenha <- function(ang1,ang2,t) { ang1 <- ang1 ang2 <- ang2 par(mar=rep(0,4),xaxs='i',yaxs='i') plot(seq(0,t,by=0.01),mapa,type='n',ylim=c(0,t)) xplot <- seq(0,t,by=0.01) polygon(c(xplot,t,0),c(mapa,t,t),col='slategray1') segments(p1,y1,sin(ang1/180*pi)*(t/30)+p1,cos(ang1/180*pi)*(t/30)+y1,lwd=2) segments(p2,y2,-sin(ang2/180*pi)*(t/30)+p2,cos(ang2/180*pi)*(t/30)+y2,lwd=2) points(p1,y1,pch=16,cex=3,col=4) points(p2,y2,pch=16,cex=3,col=2) polygon(c(xplot,t,0),c(mapa,0,0),col="green1") legend('topleft',paste(formatC(c('Angulo:','Força:','Vida:')),formatC(c(ang1,f1,v1),digits=2,width=7,format='f')),bty='n') legend('topright',paste(formatC(c('Angulo:','Força:','Vida:')),formatC(c(ang2,f2,v2),digits=2,width=7,format='f')),bty='n') text(t/2,t-.5,paste('Distância: ',round(t1,2))) if (v2 < 0) { text(10,10,'Você ganhou! \\o/',cex=3) ; stop('Fim de jogo') } if (v1 < 0) { text(10,10,'Você perdeu! <o>',cex=3) ; stop('Fim de jogo') } } atira <- function(p,ang,forc,t,...) { ang1 <- (ifelse(p == 2,ang-90,90-ang))/180*pi x <- ifelse(p == 1,p1,p2) a <- -(tan(ang1)/forc) ^2*(t1/20) b <- (tan(ang1)-2*a*x) c <- -(a*x^2 + b*x) x <- if (p == 1) seq(p1,t,.01) else seq(p2,.01,-.01) yt <- a * x^2 + b*x + c + ifelse(p == 1,y1,y2) y <- rep(NA,length(yt)) if (sum(yt < mapa[x*100]) > 1) { y[1:(which(yt < mapa[x*100])[2])] <- yt[1:(which(yt < mapa[x*100])[2])] } else { y <- yt } check <- ifelse(p == 1,(p2-p1-.39)*100,(p2-p1-.39)*100) if (!is.na(y[check])) { pi <- if (p == 1) p2 else p1 pi <- pi + c(.39,-.39) alv <- a * pi^2 + b*pi + c + ifelse(p == 1,y1-y2,y2-y1) if (any(alv < 0) && any(alv > 0)) { pi <- if (p == 1) p2 else p1 d <- dnorm((a * pi^2 + b*pi + c + ifelse(p == 1,y1-y2,y2-y1))*10) if (p == 1) { v2 <<- v2-d*100 } if (p == 2) { v1 <<- v1-d*100 } } } lines(x,y,lty=2,...) return(invisible(cbind(x,y))) } tecla <- function(bot) { if (bot %in% c('Left','Right')) { ang1 <<- min(max(ang1 + ifelse(bot == 'Left',-.25,+.25),0),90) } if (bot %in% c('Up','Down')) { f1 <<- max(f1 + ifelse(bot == 'Up',.05,-.05),0) } if (bot == ' ') { atira(1,ang1,f1,t,col=1) ; Sys.sleep(1) ; desenha(ang1,ang2,t) ; joga() } desenha(ang1,ang2,t) return() } joga <- function() { if (n == 1) { m <- mapa[(p1*100+1):(p2*100-1)] a2 <- atan((m-y1)/seq(.01,p2-p1-.01,.01)) a1 <- atan((m-y2)/seq(p2-p1-.01,.01,-.01)) ang2 <<- max(min(70-max(a1,a2)*180/pi,70),20) f2 <<- (p2-p1)*t1/70 } else { f2 <<- f2t } desenha(ang1,ang2,t) o <- atira(2,ang2,f2,t) fv <<- rbind(fv,c(f2,ifelse(is.na(o[(nrow(o) - p1*100),2]),1,2))) if ((any(fv[,2] == 1)) && (any(fv[,2] == 2))) { f2t <<- mean(c(max(fv[fv[,2] == 1,1]),min(fv[fv[,2] == 2,1]))) } else { if (is.na(o[(nrow(o) - p1*100),2])) { f2t <<- f2*1.20*(t1/80+1) ln <<- n } else { f2t <<- f2*.8 } } f3t <<- f2t Sys.sleep(1) desenha(ang1,ang2,t) n <<- n+1 } ln <<- vector() f2t <- 0 fv <- vector() f1 <- 2 f2 <- 2 v1 <- 100 v2 <- 100 ang1 <- 45 ang2 <- 45 t1 <- round(runif(1,5,20),2) t <- 20 p1 <- round(runif(1,.05,.2)*t,2) p2 <- round(runif(1,.80,.95)*t,2) mapa <- filter(cumsum(sample(c(.25,.1,0,-.1,-.25),t*100+7,rep=T,prob=c(1,5,20,5,1))),rep(1,7)/7) mapa <- mapa[!is.na(mapa)] mapa <- mapa - min(mapa) + .1 mapa[mapa > 5] <- 5 mapa[seq(p1*100-49,p1*100+49)] <- mean(mapa[seq(p1*100-49,p1*100+49)]) mapa[seq(p2*100-49,p2*100+49)] <- mean(mapa[seq(p2*100-49,p2*100+49)]) y1 <- mapa[p1*100] y2 <- mapa[p2*100] desenha(ang1,ang2,t) n <- 1 getGraphicsEvent('Tanks',onKeybd=tecla) atira(1,ang1,2,t,col=1) atira(2,ang2,2,t,col=4) } tank() # Direcionais (esquerda e direita) movem e espaço atira. --- Este email foi escaneado pelo Avast antivírus. https://www.avast.com/antivirus

4 4

Remoção de coordinates() em SpatialGridDataFrame de diferentes dimensões
by ASANTOS 01 Out '15

01 Out '15

Caros Listeiros, Eu criei dos raster r1 e r2, respectivamente com dimensões 10x10 e 15x15, porém eu converti os rasters em SpatialGridDataFrame e gostaria de remover as coordenadas e respectivos valores do objeto 15x15 para que ele fique com o mesmo tamanho e nas mesmas coordenadas que o objeto 10x10, porém não estou conseguindo determinar quais pixels estão contidos em no objeto r1.grid que não existe em r2.grid, segue CRM abaixo, alguém poderia me ajudar? ### <code r> require(raster); require(rgdal); require(dplyr) ## Criando dois raster GTiff #10x10 r1 <- raster(nc=10, nr=10) r1 <- setValues(r1, round(runif(ncell(r))* 255)) writeRaster(r1, filename="r1.tif", format="GTiff", overwrite=TRUE) #15x15 r2 <- raster(nc=15, nr=15) r2 <- setValues(r2, round(runif(ncell(r))* 255)) writeRaster(r2, filename="r2.tif", format="GTiff", overwrite=TRUE) #Converter para SpatialGridDataFrame r1.gtiff<-readGDAL('r1.tif') r1.grid<- as(r1.gtiff, 'SpatialGridDataFrame') r2.gtiff<-readGDAL('r2.tif') r2.grid<- as(r2.gtiff, 'SpatialGridDataFrame') #Detecção de quais pixels estão contidos em r1.grid e r2.grid df.pixels<-anti_join(coordinates(r1.grid),coordinates(r2.grid), copy=TRUE, replace = TRUE) #Remoção das 125 coordenadas e do valor dos pixels de r2.grid para deixar os dois SpatialGridDataFrame com mesmo tamanho new.r2.grid<-r2.grid[which(df.pixels), ] Obrigado, -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 ======================================================================

2 2

NaNs produzidos
by Samuel luna de almeida 30 Set '15

30 Set '15

Boa tarde grupo, Ao lognormalizar taxas da população em estudo, recebi de retorno do R uma mensagem que desconheço. Alguém sabe identificar? segue trecho do script: > baseG04$LOGNTX_J04 = log(tx_bruta_J04 -0.001) Warning message: In log(tx_bruta_J04 - 0.001) : NaNs produzidos Agradecido, Samuel

5 7

Validação cruzada da krigagem
by Wagner Wolff 29 Set '15

29 Set '15

Olá pessoal da lista, a dúvida é a seguinte! É possível utilizar testes como Shapiro-Wilk e Breusch Pagan para verificar, respectivamente a normalidade e homocedasticidade de resíduos oriundos de uma validação cruzada da krigagem? Att Wagner Wolff

5 7

sobre gdal_translate e gdalwarp
by Antonio Silva 29 Set '15

29 Set '15

Olá Tenho algumas dúvidas sobre o uso gdal no R. Depois de converter um arquivo HDF, com dados de temperatura de superfície do mar, para geotiff eu quero reprojetar para WGS84 ou SIRGAS2000 e contar entre as lats de 22 a 29 S e longs de 40 a 50 W. o HDF para exemplo está em https://app.box.com/s/16cf7qv6af6gsz1v66staori2mtneu0r Estou seguindo basicamente https://scottishsnow.wordpress.com/2014/08/24/many-rastered-beast/ Bem, converti o HDF com: gdal_translate("A20080012008031.L3m_MO_SST_4","georef.tif",sd_index=1,a_ullr=c(0,4320,8640,0), a_srs="+proj=eqc +lat_ts=0 +lat_0=0 +lon_0=0 +x_0=0 +y_0=0 +a=6371007 +b=6371007 +units=m +no_defs") Sem a_ullr e a_srs quando utilizava o gdalwarp eu recebia mensage: "ERROR 1: Unable to compute a transformation between pixel/line and georeferenced coordinates" Copiei os valores de a_ullr and a_srs values de GDALinfo("georef.tif") map <- raster("georef.tif") plot(map) Meu problema agora é reprojetar e cortar a imagem georef.tif: gdalwarp("georef.tif", "georef2.tif", s_srs="+proj=eqc +lat_ts=0 +lat_0=0 +lon_0=0 +x_0=0 +y_0=0 +a=6371007 +b=6371007 +units=m +no_defs", t_srs="+proj=longlat +ellps=GRS80 +towgs84=0,0,0,0,0,0,0 +no_defs") map2 <- raster("georef2.tif") plot(map2) Map2 não está em SIRGAS2000 e a opção de corte te=c(-50,-29,-40,-22) não funciona. Onde será que estou errando? Talvez em a_ullr e a_srs, não sei. Agradeço muito qualquer ajuda. Sds Antonio Olinto

1 1

R puro ou Editores (RStudio, Tin R...)
by Leonardo Monteiro 29 Set '15

29 Set '15

Pessoal, bom dia. Provavelmente o que ocorreu comigo já ocorreu com bastante mais gente também! Eu estou criando algumas rotinas no R (RStudio) e algumas vezes "não roda". Entretanto, quando eu copio o codigo para o R (puro) ele roda normalmente. Isso é erro de versão? Ou do próprio programa (RStudio)? Outro problema que frequentemente ocorre é no caso do uso da condicional "if" pq as vezes se eu faço: if(a>10) {x} else { y } isso roda mas "nao funciona" e se eu escrevo de outra maneira, como, por exemplo: { if (a>10) {x} else {y} } aí roda numa boa ("mesmo assim, em algumas situações ocorre o msm da situação acima). Qual seria a maneira mais adequada de escrever essa estrutura do if? PS: por favor, quem for responder, responda para o email: monteiroleonardo6(a)gmail.com pq nao tenho acesso a lista do meu trabalho. obrigado, Leonardo

2 1

Informação do conteúdo de uma variável como definição de outra variável
by SILVIA PATRICIA BARRETO SANTANA 28 Set '15

28 Set '15

Muito boa tarde a todos! Pessoal, Consegui resolver meu problema! Para que possa ajudar a outros, consegui resolver meu problema com uma sugestão anterior dada pelo prof. Éder Comunello. Para o problema atual utilizei a seguinte rotina res1m9_1$c<- sapply(seq(nrow(res1m9_1)), function(x) { sel1m9_1<- seq(res1m9_1$ini[x], res1m9_1$fim[x]) print(sum(DC_MHN1m9[sel1m9_1,17]), na.rm=TRUE) }) res1m9_1$chu1<-rep(0, times=length(res1m9_1$lengths)) res1m9_1$chu1[res1m9_1$c>0]=1 Muitíssimo obrigado a todos. Prof. David muito obrigada. Cordialmente, Silvia

1 0

Informação do conteúdo de uma variável como definição de outra variável
by SILVIA PATRICIA BARRETO SANTANA 28 Set '15

28 Set '15

Prof. David, boa tarde! Obrigada pela sugestão contudo, nem sempre o vetor tem comprimento três, este valor é variável, podendo ter 20 elementos de comprimento, por exemplo. Acho que a rotina a ser construída deve pegar a informação da variável "ini" e "fim" que será correspondente a posição inicial da variável "ind" e a posição posição final, este novo vetor, conterá a quantidade de números que irei testar se zero ou um. Atenciosamente, Silvia

1 0

Informação do conteúdo de uma variável como definição de outra variável
by SILVIA PATRICIA BARRETO SANTANA 27 Set '15

27 Set '15

Caro David, Tenho dois bancos dt1 e dt2, preciso forma o dt3. Por exemplo, comp=3 então devo pegar as 3 linhas do ind, em dt2, verificar se possui algum valor "1" e retornar em dt3 o valor ind_2=1, pois (1,0,1). Cordialmente, Silvia

2 1

RMarkdown - Imagem externa
by Andre Oliveira 27 Set '15

27 Set '15

Boa tarde,inseri uma imagem no meu arquivo RMarkdown. Porém ficou muito grande a figura. Qual é o parâmetro para coloca-la em 4 cm por 3 cm? ![ifes](/home/andre/Arquivos/logo34.png) André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

4 8

Informação do conteúdo de uma variável como definição de outra variável
by SILVIA PATRICIA BARRETO SANTANA 27 Set '15

27 Set '15

Prezados Gostaria de obter ajuda para juntar informação de um dataframe e colocar em outro dataframe, por exemplo, tenho: dt1 Comp ini fim 1 3 1 3 2 4 4 7 3 1 8 8 4 3 9 11 outro dataframe dt2 ind 1 1 2 0 3 1 4 0 5 1 6 0 7 0 8 0 9 1 10 0 11 0 Gostaria de obter um terceiro dataframe da seguinte forma: dt3 Comp ini fim ind_2 1 3 1 3 (1,0,1)=1 2 4 4 7 (0,1,0,0)=1 3 1 8 8 (0)=0 4 3 9 11 (1,0,0)=1 Obs. A variável ind_2 é indicadora da condição: se "0" ou "1" então "1", apenas "0" se todos forem iguais a "0". Os três valores dentro dos parênteses são referentes à var "Comp" do df1 com a sequência da variável "Ind" no dt2, . Grata. Silvia

2 1