- R-br - DINF UFPR

(Transmissão ao vivo) Meetup R São Paulo Users Group (IME-USP) Sexta 21 de agosto do 2015
by Luis Benites Sánchez 24 Ago '15

24 Ago '15

Caros, Foi disponibilizado no site do Meetup de R (www.meetup.com/pt/useR-SP) o link de transmissão ao vivo. Mais para que possam aceder ao link precisam cadastrar-se no grupo (em forma gratuita), só os que vão comparecer fisicamente no Auditório Jacy Monterio do IME devem confirmar sua participação no dia de amanha (21 de agosto). Devem lembrar que para poder participar do Meetup, é necessário que se cadastrem no site do Meetup e confirmem sua participação. -- Luis B. Sánchez Organizador do Meetup R São Paulo Users Group e-mail: meetuprsp(a)gmail.com site: www.meetup.com/pt/useR-SP

8 11

Calcular média e construir histogramas na função split
by Argemiro Midones Bastos 23 Ago '15

23 Ago '15

Boa tarde. Tenho um data.frame e pós aplicar a função split, gostaria de calcular a média e o desvio padrão dos grupos, qual a outra função poderia utilizar? lapply? É possível fazer um histograma juntando 4 grupos em um mesmo gráfico? Agradeço esclarecimentos, Att -- Argemiro M Bastos Professor - Câmpus Macapá (96) 98117-7014

2 1

Loop para mudar nomes de colunas em data.frames
by André Vieira 20 Ago '15

20 Ago '15

Pessoal, Quero rodar um loop que, em um dos comandos, adicione números em sequência (e.g. 1, 2, 3) apenas à segunda coluna de várias bases de dados. No meu caso, imaginei que precisaria usar um loop dentro de outro, mas não funcionou. (Ainda estou começando no R, como vocês podem perceber). Segue um exemplo mais simples com a base "iris": data1 <- iris data2 <- iris data3 <- iris list_data <- list(data1, data2, data3) list_emp <- vector("list", length(list_data)) for(i in 1:length(list_data)){ file <- list_data[[i]] Sepal.Length <- tapply(file$Sepal.Length, file$Species, length) newData <- as.data.frame(Sepal.Length) newData <- cbind(Species = rownames(newData), newData) rownames(newData) <- NULL list_emp[[i]] <- newData for(j in 1:3){ colnames(list_emp[[i]][2]) <- paste("Sepal.Length", j, sep = "_") # Nao funciona } rm(Sepal.Length, file, i, newData) } O loop deveria retornar uma lista com data frames na forma: # Species | Sepal.Length_1 # setosa | 50 # versicolor | 50 # virginia | 50 # Species | Sepal.Length_2 # setosa | 50 # versicolor | 50 # virginia | 50 # Species | Sepal.Length_3 # setosa | 50 # versicolor | 50 # virginia | 50 Alguém pode me ajudar a corrigir a linha que não funciona? Além disso, aceito sugestões que não sejam com for loops. Abs., André -- *André Vieira* Mestre, Sociologia, UFMG (M.Sc., Sociology, UFMG) Bacharel, Sociologia, UnB (B.Sc., Sociology, UnB) Licenciado, Sociologia, UnB (B.Ed., Sociology, UnB) GitHub <http://github.com/ahpvieira> Currículo Lattes <http://lattes.cnpq.br/6721713322923268> Skype: andre.hpv

2 1

Função para comparar acessos. Dados binários. RAPD.
by Luiz Roberto Martins Pinto 19 Ago '15

19 Ago '15

Caros companheiros da Lista R, # Os dados abaixo referem-se a 2 acessos de mandioca (A1 e A2), e 101 marcadores RAPD (1=presença da marca; 0=ausência da marca; NA=dado perdido); portanto os dados são binários. # Preciso de uma função que me retorne a probabilidade (p-value) do acesso A1 ser semelhante ao acesso A2. A1=c("1",NA,"1","0","1","0","1","1","0","1","1","0","1","1","1","1","1","0","1","1","1","1","1","1","1","1","1","1","1","1","0","0","1","1","1","1","1","1","1","0","1","1","1","1","1","1","1","1","1","1","1","1",NA,"1",NA,"0","1","0","0","1","1","1","1","1","1","0","0","1","1","1","1","0","1","0","1","0","0","1","1","1","1","1","1","1","1","0","0","1","1","1","1","1","1","0","1","1","1","1","1","1","0") A2=c("1","1","1","0","1","0","1","1","0","1","1","0","1","1","1","1","1","0","1","1","1","1","1","1","1","1","1","1","1","1","0","0","1","1","1","1","1","1","1","0","1","1","1","1","1","1","1","1",NA,NA,NA,NA,NA,NA,NA,NA,NA,NA,NA,"1","0","1","1","1","1","0","0","1","1","1","1","0","1","0","1",NA,NA,"1","1","1","1","1","1","1","1","0","0","1","1","1","1","1","1","0","1","1","1","1","1","1","1") Agradeço a boa-vontade de quem puder ajudar. Abraços, 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

3 6

Re: [R-br] Criar um txt com cabeçalho
by Alexandre Santos 18 Ago '15

18 Ago '15

Muito obrigado Marcus, resolvido!!!!! De:"Marcus Nunes" <marcus.nunes(a)gmail.com> Data:17:20 Seg, 17 de Ago de PM Assunto:Re: [R-br] Criar um txt com cabeçalho Alexandre, substitua o último comando de seu CMR pelo seguinte: write.table(x=dados, file="dados_f.txt", append=TRUE, quote=FALSE). 2015-08-17 17:19 GMT-03:00 ASANTOS <alexandresantosbr(a)yahoo.com.br>: Prezados listeiros, Quase consegui fazer o que queria no meu dados_f.txt, alguém teria alguma solução de como remover os sinais " ", no meu txt final? Segue CRM: lat<-c(343248.0,342784.4,342796.2, 343084.7,343020.3) long<-c(8212396.7,8212346.0,8212263.4,8212369.7,8212404.6) coords<-cbind(lat,long) w<-rep("w", 5) utm<-rep("utm",5) id<-seq(1:5) zon<-rep("21L", 5) id2<-seq(1:5) d1<-rep("00/00/00",5) h2<-rep("00:00:00",5) n1<-rep(0,5) n2<-rep(2,5) n3<-rep(48,5) n4<-rep(0,5) n5<-rep(13,5) dados<-cbind(w,utm,id,zon,lat,long,id2,d1,h2,n1,n2,n3,n4,n5) dados dados = read.table("dados.txt", dec=".", sep = ",", h=T ,col.names = c("w","utm","id","zon","lat","long","id2","d1","h2","n1","n2","n3","n4","n5")) summary(dados) write.table(dados, file= "dados.txt", row.names= T, sep=", ", quote=F) dados = read.table("dados.txt", h=T) names(dados) <- NULL header <- c("Version,212\n\nWGS1984(GPS),217,6378137,298.257223563,0,0,0\nUSERGRID,0,0,0,0,0\n") writeLines(text=header, con="dados_f.txt") write.table(x=dados, file="dados_f.txt", append=TRUE) 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 ====================================================================== Em 17/08/2015 10:55, ASANTOS escreveu: Bom dia Walmes, Quase deu quase certo, apenas preciso que: Version,212 WGS1984(GPS),217,6378137,298.257223563,0,0,0 ### Dê um espaço USERGRID,0,0,0,0,0### Fique logo abaixo do WGS1984 sem espaço "w." "utm." "id." "zon." "lat." "long." "id2." "d1." "h2." "n1." "n2." "n3." "n4." "n5" ### Desapareça essa linha "1," "w," "utm," "1," "21L," "343248," "8212396.7," "1," "00/00/00," "00:00:00," "0," "2," "48," "0," 13 ### Desapareçam todos os " " "2," "w," "utm," "2," "21L," "342784.4," "8212346," "2," "00/00/00," "00:00:00," "0," "2," "48," "0," 13 "3," "w," "utm," "3," "21L," "342796.2," "8212263.4," "3," "00/00/00," "00:00:00," "0," "2," "48," "0," 13 "4," "w," "utm," "4," "21L," "343084.7," "8212369.7," "4," "00/00/00," "00:00:00," "0," "2," "48," "0," 13 "5," "w," "utm," "5," "21L," "343020.3," "8212404.6," "5," "00/00/00," "00:00:00," "0," "2," "48," "0," 13 Segue CRM: lat<-c(343248.0,342784.4,342796.2, 343084.7,343020.3) long<-c(8212396.7,8212346.0,8212263.4,8212369.7,8212404.6) coords<-cbind(lat,long) w<-rep("w", 5) utm<-rep("utm",5) id<-seq(1:5) zon<-rep("21L", 5) id2<-seq(1:5) d1<-rep("00/00/00",5) h2<-rep("00:00:00",5) n1<-rep(0,5) n2<-rep(2,5) n3<-rep(48,5) n4<-rep(0,5) n5<-rep(13,5) dados<-cbind(w,utm,id,zon,lat,long,id2,d1,h2,n1,n2,n3,n4,n5) dados dados = read.table("dados.txt", dec=".", sep = ",", h=T ,col.names = c( "w","utm","id","zon","lat","long","id2","d1","h2","n1","n2","n3","n4","n5")) summary(dados) write.table(dados, file= "dados.txt", row.names= T, sep=", ", quote=F) dados = read.table("dados.txt", h=T) header <- c("Version,212\nWGS1984(GPS),217,6378137,298.257223563,0,0,0\n\n USERGRID,0,0,0,0,0\n\n") writeLines(text=header, con="dados_f.txt") write.table(x=dados, file="dados_f.txt", append=TRUE) 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 ====================================================================== Em 17/08/2015 09:58, Walmes Zeviani escreveu: Combine writeLines() com write.table(). header <- c("Walmes Zeviani\n 2015-08-17\n\n") writeLines(text=header, con="my.txt") write.table(x=cars, file="my.txt", append=TRUE) À disposição. Walmes. _______________________________________________ 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. _______________________________________________ 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. -- Marcus Nunes http://marcusnunes.me/ _______________________________________________ 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

Meetup R São Paulo Users Group (IME-USP) Sexta 21 de agosto do 2015
by Luis Benites Sánchez 18 Ago '15

18 Ago '15

Prezados usuários de R no Brasil, Gostaria poder compartilhar com todos você a seguinte noticia: O Meetup R São Paulo Users Group (www.meetup.com/pt/useR-SP/) organizado por as Prof. Márcia D'elia Branco (IME), Viviana Giampioli (IME) e os estudantes de doutorado em Estatística do IME, Luis Benites e Paola Maehara começa nesta sexta feira, 21 de agosto ate 4 de dezembro do 2015. Para poder conhecer mais sobre o Meetup a continução uma pequena descrição: Descrição do Meetup As reuniões do Meetup do R serão geralmente de duas vezes por mês, nas sextas das 14 até as 16 horas. Em cada reunião teremos a apresentação de duas palestras de uma duração de 45 min cada e 10 min de perguntas. As palestras serão ministradas por professores e estudantes de pós-graduação de diversas universidades do interior como do exterior. A maioria delas serão presenciais, mais também teremos palestras online. As palestras serão no Auditório Jacy Monteiro do IME-USP. A programação desta semana será 14 a 15 horas - Apertura - Conferência: Prof. Dr. Paulo Justiniano (UFPR - Brasil) - Por que o R? 15 a 16 horas - Conferência: Prof. Msc Christian Galarza (ESPOL - Equador) - Modelos em Regressão Quantílica. Perguntas frequentes: 1) Tem algum preço participar dos Meetups? Não, é gratuito 2) Como posso participar dos Meetups? O participante deve-se cadastrar no site do meetup e confirmar sua apresentação Para mais informações: Site: www.meetup.com/pt/useR-SP e-mail: meetuprsp(a)gmail.com Atenciosamente Luis Benites Sánchez

7 6

(sem assunto)
by Gleyson Vieira dos Santos 18 Ago '15

18 Ago '15

Olá. Pessoal estou tentando analisar uma característica de OPG, utilizando o pacote MCMCglmm, no entanto o mesmo requer uma matriz de parentesco. Quando tento calcular a matriz 9a partir de um pedigree) utilizando a função kin.morgan do pacote "gap" o programa R para e fecha. Creio que seja o número de animais existente no pedigree (2011 animais), pois quando utilizo um pedigree com menos animais (até 1000 animais) consigo calcular. setwd("D:\\ANALISES\\Alencariano J. S. Falcão - LINDENBERG") dados=read.table("dados.txt",h=T) dim(dados) ped=read.table("gre.txt") colnames(ped)=c("ani","pai","mae") dim(ped) outersect = function(x, y) {sort(c(setdiff(x, y), setdiff(y, x)))} out=outersect(dados[,1],ped[,1]) length(out) int=merge(dados,ped,by=intersect("ani","ani")) dim(int) library("gap") # pacote para calcular matriz de parentesco A0=kin.morgan(ped) #funcao do pacote A=2*A0$kin.matrix Como posso calcular essa matriz? -- GLEYSON VIEIRA DOS SANTOS ZOOTECNISTA - UFPI DOUTORANDO EM CIÊNCIA ANIMAL-UFPI TEL: (89) 9985-5488

3 2

Criar um txt com cabeçalho
by ASANTOS 17 Ago '15

17 Ago '15

*Prezados listeiros,** ** ** Tenho um data frame com coordenadas geográficas sendo:* lat<-c(343248.0,342784.4,342796.2, 343084.7,343020.3,342711.5) long<-c(8212396.7,8212346.0,8212263.4,8212369.7,8212404.6,8212307.6) coords<-cbind(lat,long) * E informações adicionais como* w<-rep("w", 5) utm<-rep("utm",5) id<-seq(1:5) zon<-rep("21L", 5) id2<-seq(1:5) d1<-rep("00/00/00",5) h2<-rep("00:00:00",5) n1<-rep(0,5) n2<-rep(2,5) n3<-rep(48,5) n4<-rep(0,5) n5<-rep(13,5) *Junto tudo em um data frame:* dados<-cbind(w,utm,id,zon,lat,long,id2,d1,h2,n1,n2,n3,n4,n5) dados *Agora gostaria de criar um arquivo *txt com a função write.table(), mas antes gostaria de colocar um cabeçalho:* Version,212 WGS1984(GPS),217,6378137,298.257223563,0,0,0 USERGRID,0,0,0,0,0 *De forma que meu arquivo final em *txt ficasse***, sem os "" e separado por vírgula*: * Version,212 WGS1984(GPS),217,6378137,298.257223563,0,0,0 USERGRID,0,0,0,0,0 w,utm,1,21L,343248.0,8212396.7,1,00/00/00,00:00:00,0,2,48,0,13 w,utm,2,21L,342784.4,8212346.0,2,00/00/00,00:00:00,0,2,48,0,13 w,utm,3,21L,342796.2,8212263.4,3,00/00/00,00:00:00,0,2,48,0,13 w,utm,4,21L,343084.7,8212369.7,4,00/00/00,00:00:00,0,2,48,0,13 w,utm,5,21L,343020.3,8212404.6,5,00/00/00,00:00:00,0,2,48,0,13 *Isso é possível de fazer no R, muito 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 ======================================================================

5 9

Ordenamento de matriz by colnames e by rownames
by Luiz Roberto Martins Pinto 17 Ago '15

17 Ago '15

Caros, Fiz: n<-14 pv<-matrix(nrow=(n),ncol=(n)) # estimo valores para pv[i,j], que, obrigatoriamente, seguem a seguinte ordem de entrada na matriz pv rn<-c("SSRY_027","SSRY_021","SSRY_141","SSRY_008","SSRY_185","SSRY_324","SSRY_040","SSRY_035","SSRY_235","SSRY_183","SSRY_043","GA_005","GA_136","GA_012") colnames(pv)<-rn rownames(pv)=<-rn # esta matriz de p-valor é simétrica e tem 1.00 na diagonal principal # Necessito gerar a pvC, com pv sorteada para rownames e colnames. Consequentemente esta matriz também é simétrica, com 1.00 na diagonal principal sort(rn) "GA_005" "GA_012" "GA_136" "SSRY_008", "SSRY_021", "SSRY_027" "SSRY_035" "SSRY_040" "SSRY_043", "SSRY_141" "SSRY_183" "SSRY_185" "SSRY_235" "SSRY_324 # Não consegui utilizar o comando 'order' para fazer isto. 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

2 2

(sem assunto)
by Gleyson Vieira dos Santos 17 Ago '15

17 Ago '15

Olá. Estou tentando calcular uma matriz de parentesco utilizando pacote "gap" porém quando o programa vai calcular ocorre um erro o R trava. Gostaria de saber se existe outro pacote para calcular sendo que existem mais de 100 animais, coisa que o 'gap" não fez ( a matriz so é calculada quando o numero de indivíduos e menor que 999 animais). desde ja grato -- GLEYSON VIEIRA DOS SANTOS ZOOTECNISTA - UFPI DOUTORANDO EM CIÊNCIA ANIMAL-UFPI TEL: (89) 9985-5488

4 3

glmer e colinearidade
by Pedro Emmanuel Alvarenga Americano do Brasil 16 Ago '15

16 Ago '15

Amigos de R, FIz um modelo logistico multinivel com a função glmer. Depois um parecerista fez alguns comentários pertinentes a respeito da modelagem e um deles é que há razões para acreditar que ha variáveis colineares. Há alguma função que testa colinearidade em objetos criados pela glmer? Procurei aqui e não achei. Eu estava habituado a usar a rms::vif (variance inflation factor). Mas so funciona para objetos classe rms. Alguma dica de como fazer isso? Abraço, Pedro Brasil

2 3

Como analisar várias variáveis ao mesmo tempo com o R
by Ederson Civardi 15 Ago '15

15 Ago '15

*Obrigado Walmes por vossa ajuda. Irei consultar as funções apply que sugeriu.* *Quero fazer testes de hipóteses, Anova, regressões, testar pressuposições, transformações, entre outras e utilizar a mesma rotina, porém para várias variáveis em estudo. Desde que sejam possíveis de serem realizadas.* *Att.* *Ederson*

3 2

Como analisar várias variáveis ao mesmo tempo com o R
by Ederson Civardi 13 Ago '15

13 Ago '15

Prezados(as) Estou com um problema que, talvez seja banal para muitos, mas não sei como faze-lo. Minha dúvida ou problema é de como analisar várias variáveis ao mesmo tempo no R, utilizando uma rotina comum a todas? Tem algum exemplo ou rotina que seja possível executar as análise de diversas variáveis ao mesmo tempo? Desde já agradeço. *Ederson*

2 1

Dúvida no ajuste de modelo de GEE para dados binários, longitudinais
by Gilenio Borges Fernandes 11 Ago '15

11 Ago '15

Prezados(as) Ajustei o seguinte modelo de GEE para dados binários, longitudinais: load(https://dl.dropboxusercontent.com/u/73337918/d6.rda) attach(d6) d6$REF_P <- as.factor(d6$REF_P) d6$TCM_PRE <- as.factor(d6$TCM_PRE) d6$TCM_REL <- as.factor(d6$TCM_REL) d6$MAN_CON <- as.factor(d6$MAN_CON) d6$MAN_PER <- as.factor(d6$MAN_PER) d6$EST_CIV <- as.factor(d6$EST_CIV) d6$GR_ESC <- as.factor(d6$GR_ESC) d6$GR_OCUP <- as.factor(d6$GR_OCUP) d6$GR_ESCP <- as.factor(d6$GR_ESCP) d6$INT_PGOV <- as.factor(d6$INT_PGOV) d6$INT_PPRE <- as.factor(d6$INT_PPRE) d6$INT_PART <- as.factor(d6$INT_PART) d6$GR_DCAP <- as.factor(d6$GR_DCAP) d6$RESC_ANT <- as.factor(d6$RESC_ANT) # d6$GR_ESC <- relevel(d6$GR_ESC, ref="LE_FI") d6$REG_MES <- relevel(d6$REG_MES, ref="Ms_Mt") library(geepack) mod6c <- geeglm(RES_CONT ~ GR_ESC+GR_OCUP+SEXO+MAN_PER+REF_P+ TCM_PRE+TCM_REL+INT_PGOV+INT_PPRE+REG_MES+GR_DCAP+IDHM_PNUD+RESC_ANT,id = MUNIC, data = d6, family = binomial(link=logit), corstr = "ar1") summary(mod6c) Coefficients: Estimate Std.err Wald Pr(>|W|) (Intercept) 1.54944 0.58054 7.123 0.00761 ** GR_ESCFC_MI 0.05587 0.15362 0.132 0.71610 GR_ESCMC_SI 0.25302 0.12323 4.215 0.04006 * GR_ESCSC_PG 0.47851 0.15347 9.722 0.00182 ** GR_OCUP2 -0.01318 0.19240 0.005 0.94540 GR_OCUP3 -0.49723 0.20344 5.974 0.01452 * GR_OCUP4 0.20693 0.18915 1.197 0.27397 GR_OCUP5 0.05465 0.13705 0.159 0.69005 GR_OCUP6 -0.16555 0.20084 0.679 0.40979 GR_OCUP7 0.25329 0.22578 1.259 0.26192 GR_OCUP8 -0.56514 0.20535 7.574 0.00592 ** GR_OCUP9 0.11389 0.23092 0.243 0.62187 GR_OCUP10 -0.32457 0.16519 3.860 0.04944 * SEXOM -0.38449 0.15291 6.322 0.01192 * MAN_PER2 -0.02760 0.08483 0.106 0.74493 MAN_PER3 0.89274 0.22867 15.241 9.46e-05 *** REF_P2 -0.90280 0.16081 31.516 1.98e-08 *** TCM_PRE2 0.32531 0.17539 3.440 0.06362 . TCM_PRE3 1.10453 0.38724 8.136 0.00434 ** TCM_PRE4 0.07393 0.16962 0.190 0.66292 TCM_PRE5 0.45656 0.17748 6.618 0.01010 * TCM_PRE6 -1.07012 0.43169 6.145 0.01318 * TCM_REL2 -0.88695 0.22036 16.202 5.69e-05 *** TCM_REL3 -0.51005 0.23513 4.706 0.03006 * TCM_REL4 -0.20505 0.21699 0.893 0.34466 TCM_REL5 0.05124 0.26072 0.039 0.84418 TCM_REL6 -0.53652 0.27731 3.743 0.05303 . TCM_REL7 -0.49148 0.21464 5.243 0.02204 * TCM_REL8 0.21678 0.21973 0.973 0.32385 TCM_REL9 0.32581 0.31959 1.039 0.30799 TCM_REL10 0.59204 0.25881 5.233 0.02216 * TCM_REL11 -0.06144 0.22802 0.073 0.78759 TCM_REL12 -0.51748 0.28703 3.250 0.07140 . INT_PGOV1 -0.86442 0.37774 5.237 0.02211 * INT_PGOV2 -0.62852 0.39466 2.536 0.11126 INT_PPRE1 1.07552 0.37019 8.441 0.00367 ** INT_PPRE2 0.94990 0.43197 4.836 0.02788 * REG_MESMs_CN -0.29830 0.19545 2.329 0.12696 REG_MESMs_CS -0.25052 0.22930 1.194 0.27460 REG_MESMs_EO 0.01757 0.31662 0.003 0.95575 REG_MESMs_Nd -0.41248 0.20274 4.139 0.04190 * REG_MESMs_S -1.09423 0.22003 24.732 6.59e-07 *** REG_MESMs_VSF -0.68058 0.26449 6.621 0.01008 * GR_DCAP2 0.05559 0.15406 0.130 0.71821 GR_DCAP3 -0.02412 0.18018 0.018 0.89351 GR_DCAP4 0.21081 0.21921 0.925 0.33622 GR_DCAP5 0.62488 0.22953 7.412 0.00648 ** GR_DCAP6 0.60297 0.74007 0.664 0.41522 IDHM_PNUD -2.48469 0.77384 10.310 0.00132 ** RESC_ANT1 1.60297 0.08113 390.413 < 2e-16 *** Não consegui entender os resultados seguintes: INT_PGOV1 -0.86442 0.37774 5.237 0.02211 * INT_PGOV2 -0.62852 0.39466 2.536 0.11126 .............................................. > tapply(fitted(mod6c), INT_PGOV, mean) 0 1 2 0.6868 0.7403 0.7717 > tapply(predict(mod6c), INT_PGOV, mean) 0 1 2 0.9619 1.2828 1.4899 A variável categórica INT_PGOV tem três níveis: 0, 1, e 2. O R coloca o 0 como baseline. Se o preditor linear e o valor ajustado da resposta são maiores nos níveis 1 e 2 de INT_PGOV, as estimativas dos parâmetros correspondentes a (INT_PGOV1:-0.86442) e (INT_PGOV2: -0.62852) não deviam ser positivas ????. Alguém tem alguma ideia? Desde já agradeço qualquer comentário. Att. -- Gilênio Borges Fernandes Professor Associado IV (Aposentado) Professor Adjunto A (Substituto) Universidade Federal da Bahia Instituto de Matemática 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 URL: http://lattes.cnpq.br/6764860618464860

3 3

Modelo Linear Misto + Regressão Truncada no R
by Carolina Pena 11 Ago '15

11 Ago '15

Boa tarde a todos, Preciso ajustar um modelo linear misto no R, o problema é que minha variável resposta varia de 0 a 5 (ela é contínua nesse intervalo, mas há vários casos de 5, por exemplo). Para cada indivíduo, há várias medições da resposta, por isso gostaria de utilizar um modelo misto. Tentei utilizar o pacote nlme do R, o comando "lme", ou seja, ajustei um modelo linear misto ignorando o fato dos dados serem truncados em 0 e 5. O gráfico de resíduos (resíduos versus fitted) não é uma nuvem aleatória em torno de zero, os resíduos parecem formar uma espécie de losango com centro em zero e o histograma apresenta uma cauda à esquerda. Com isso, minha pergunta é: há algum pacote no R no qual eu conseguiria ajustar um modelo linear misto na situação em que a variável resposta é truncada? Eu encontrei dois pacotes que ajustam regressão truncada, mas nenhum deles permite o ajuste de um modelo misto. Desde já agradeço! Um abraço, Carolina

2 1

Ordenar vetor Y por fator X
by Andre Oliveira 10 Ago '15

10 Ago '15

Bom, existe alguma forma mais elegante de fazer esta ordenação? Pode ser por fator e população ou fator, região e população. Tentei sem sucesso com. dados[order(dados$fator,dados$pop2007, decreasing=T),] dput(dados) structure(list(fator = structure(c(2L, 10L, 12L, 5L, 6L, 8L, 11L, 9L, 13L, 1L, 7L, 3L, 4L), .Label = c("Campinas", "Feira de Santana", "Guarulhos", "Jaboatão" , "Niterói" , "Nova Iguaçu" , "Osasco", "Recife", "Rio de Janeiro", "Salvador", "Santo André" , "São Paulo" , "Sorocaba"), class = "factor"), região = structure(c(1L, 1L, 2L, 2L, 2L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 1L), .Label = c(" NE", " SE"), class = "factor"), estado = structure(c(1L, 1L, 5L, 3L, 3L, 2L, 4L, 3L, 4L, 4L, 4L, 4L, 2L), .Label = c(" BA", " PE", " RJ", " SP", " SP "), class = "factor"), pop2007 = c(544113L, 2714119L, 11104712L, 476669L, 858150L, 1528970L, 676846L, 6178762L, 590846L, 1073020L, 724368L, 1289047L, 661901L)), .Names = c("fator", "região", "estado", "pop2007"), class = "data.frame", row.names = c(NA, -13L)) dados[order(dados$estado,dados$pop2007,decreasing=T),] fator região estado pop2007 9 Sorocaba SE SP 590846 3 São Paulo SE SP 11104712 7 Santo André SE SP 676846 2 Salvador NE BA 2714119 8 Rio de Janeiro SE RJ 6178762 6 Recife NE PE 1528970 11 Osasco SE SP 724368 5 Nova Iguaçu SE RJ 858150 4 Niterói SE RJ 476669 13 Jaboatão NE PE 661901 12 Guarulhos SE SP 1289047 1 Feira de Santana NE BA 544113 10 Campinas SE SP 1073020 André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

5 6

For loop
by Carolina Magda Roma 10 Ago '15

10 Ago '15

Olá, Estou trabalhando neste código aqui: Código: # Para selecionar o vm_data>0 rownames.positive <- function(data, i) { return <- colnames(data)[!is.na(data[i,])] } # Para selecionar os rets>0 rownames.positive1 <- function(data, j) { return <- colnames(data)[!is.na(data[j,])] } valid.tickers <- function(vm_data,rets, years, years1) { #years = rownames(vm_data), years1 = rownames(rets) nomeativos <- list() for (i in 1:dim(vm_data)[[1]]){ for (j in 1: dim(rets)[[1]]){ # i=2; j=42 a <- rownames.positive(vm_data, years[i]) b <- rownames.positive1(rets[,a], years1[j]) nomeativos[[j]] <- b }} names(nomeativos)<-years1[1:j] return(nomeativos) } Estou tentando fazer dois filtros em um banco de dados, no qual primeiro verifico se existe vm_data>0 através da função rownames.positive e, consequentemente, para os ativos que passaram neste filtro, aplico a função rownames.positive1 para identificar rets>0. Com isso, uso a função valid.tickers para aplicar os dois filtros e retornar uma lista com apenas os ativos (AT) válidos. Minhas variáveis vm_data e rets estao abaixo: vm_data At1 At2 At3 At4 At5 At6 2000-01-01 NA 7.478553 106.05138 154.9142 246.72923 84.74537 2000-02-01 56.45321 22.248116 49.97758 124.3428 100.43189 57.89444 2000-03-01 10.53851 222.545990 15.49008 36.3656 47.19245 51.59810 head(rets,10) At1 At2 At3 At4 At5 At6 2000-01-01 -0.84032326 1.18251249 0.2791886 -0.3506028 -1.2780974 0.61644019 2000-01-03 1.93239850 -0.05272626 0.2532625 1.3811129 1.1809074 -2.00703218 2000-01-04 0.56596405 0.36471560 1.2898374 1.0211276 -1.0492678 -0.13936848 2000-01-05 -0.72244969 -2.13653307 0.6436690 -1.4931114 1.4653181 -0.65127247 2000-01-06 -0.15135535 -1.15261317 0.1577168 0.1466359 1.4614018 1.29129399 2000-01-07 0.08811143 -0.93320399 -0.6568275 -1.1365693 -0.1147392 1.16723028 2000-01-08 -1.01018908 -0.79147444 -0.2458063 0.6530664 -0.2351105 -1.56632861 2000-01-10 -1.41642902 -0.73998066 NA -0.1959526 1.6433762 -1.83665410 2000-01-11 -1.88839674 -1.07155233 -0.9909747 1.5976778 1.1155120 0.02490766 2000-01-12 -0.68444922 -0.69488280 -0.3216356 0.0174740 -0.2322832 0.48464970 tail(rets) At1 At2 At3 At4 At5 At6 2000-02-29 -0.061260477 0.3558457 1.0351393 0.5690812 -0.5696858 -0.4889139 2000-03-01 1.023446137 0.2470349 0.2481944 0.7226727 0.9731186 -0.6501507 O problema que não estou conseguindo resolver é que meu "for" para o contador j está errado. Quero que para cada i (mês) de vm_data selecionar apenas os rets>0 para os dias desse respectivo mês usando contador j. Da forma como está no meu código valid.tickers está retornando através de nomeativos que na data $'2000 - 01 - 01 os AT de 1 a 6 passaram nos dois filtros, o que não é verdade, pois para todo o mês 01, o AT1 já não deveria aparecer, pois a variável vm_data na linha 1 tem AT1 = NA. Assim, valid.tickers parece armazenar apenas o i=3 para j= 1:dim(rets)[[1]], pois se eu fizer manualmente i=1 e j=1, o resultado está correto, mas quando uso o "for" não. Portanto, como posso fazer i=1,2 e 3 sendo que para cada i quero delimitar que o contador j possa varrer apenas aquelas observações da variável rets nas quais o mês e ano de rets são iguais aos de i? Quero um resultado final com uma lista de length=52, que é a dim(rets)[[1]], no qual, por exemplo, nomeativos[[j]] = b retorne que $'2000-01-01' os AT de 2 a 6 sao válidos (pois, vm_data para o mês 01 no AT1 = NA e no rets todos os demais AT são maiores que zero), de igual maneira, $'2000-02-18' retorne apenas os AT 1, 2, 4, 5 e 6 (pois, não há NA no vm_data para o mês 2, mas há um NA na variável rets para o AT3 nessa data). Obrigada pela ajuda!

2 1

Teste para assimetria para duas amostras
by Victor Eduardo 10 Ago '15

10 Ago '15

Pessoal, existe algum pacote que trabalha com teste de assimetria? No meu caso eu tenho interesse em verificar se os meus dados são assimétricos. Quero comparar se uma amostra tem a mesma assimetria de outra amostra. Existe algo que trabalhe com isso? Atenciosamente, Victor Eduardo

3 5

Dificuldades com o modelo de regressão linear múltipla usando o gls.
by Alice Peres 09 Ago '15

09 Ago '15

Estou usando um modelo de regressão múltipla no R com o gls, mas preciso usar a função predict para estimar uma variável futura. Só que essa função predict não aceita gls. Alguém pode me ajudar ? Abs

3 3

Dúvida com lógica booleana
by Franklin Januario da Silva 07 Ago '15

07 Ago '15

Boa tarde Srs. Estou iniciando com a linguagem R e me deparei com uma situação da qual não tenho tido êxito em solucionar, preciso iterar sobre um vetor e onde houver valores NA substituí-los por 0, isso porque ao executar a função getValues da biblioteca raster sobre uma linha que contenha em algumas das células o valor NA, e tentar obter o somatório destas, o R me retorna NA, vou tentar ser mais claro: Tenho o seguinte vetor: > vetor [1] 575 618 558 549 499 487 450 412 382 342 365 254 311 362 312 335 339 267 300 350 527 555 561 545 [25] 597 580 548 576 624 664 632 NA 539 567 574 611 660 763 658 599 577 543 514 409 364 374 361 354 [49] 454 555 620 617 559 559 NA NA 544 560 Se eu fizer sum(vetor) obtenho isso: > sum(vetor) [1] NA Então tentei iterar sobre o vetor substituindo os valores NA por 0: > for (i in 1:length(vetor)){ + if (vetor[i]==NA){ + vetor[i]<-0}} Error in if (vetor[i] == NA) { : valor ausente onde TRUE/FALSE necessário > Pensei que talvez fosse necessário criar um objeto com o valor NA para realizar a comparação, criei o "vazio", mas obtenho o mesmo erro: > vazio [1] NA > for (i in 1:length(vetor)){ + if (vetor[i]==vazio[1]){ + vetor[i]<-0}} Error in if (vetor[i] == vazio[1]) { : valor ausente onde TRUE/FALSE necessário > Algum sugestão? Grato. [http://www.cerradinho.com/CBio.png] Franklin Januario da Silva Agricola 64 3634-2806 64 9979-0608 cerradinho.com.br<http://www.cerradinho.com.br>

4 3

Material para análise hierárquica de processos (AHP)
by ASANTOS 07 Ago '15

07 Ago '15

Caros Listeiros, Alguém conhece algum bom material para realização de análise hierárquica de processos (AHP) usando o R? Muito 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 1

Erro ao utilizar o o pacote sampling
by Savano Pereira 07 Ago '15

07 Ago '15

Prezados, Estou utilizando o pacote sampling para realizar uma amostragem estratificada. O comando que estou usando é: aas.1000 <- strata(pop.order, stratanames=c("estrato"), size=rep(100,10), method="srswor") O erro que está dando é: Error in if (method != "srswr" & length(y) < size[i]) { : valor ausente onde TRUE/FALSE necessário Realmente, não sei o que está havendo, pois a o número de elementos em cada estrato da população é: estrato 1 2 3 4 5 6 7 8 9 10 elementos 7297 2069 1318 948 706 548 423 318 233 139 Alguém já teve este problema? Att, --- Savano Pereira TEL: 21 9-8771-9063

1 0

tiff() pixels, dpi e megabytes
by Pedro Emmanuel Alvarenga Americano do Brasil 06 Ago '15

06 Ago '15

Amigos de R, Peço paciencia nesse email porque eu não sei reproduzir o meu problema. Estou tentando submeter um paper de pesquisa a um periodico. No sitio deles a orientação é que as figuras devem ser tiff, ter no mínimo 300 dpi, e no maximo 40 megapixels. O tamanho de todos os arquivos não deve exceder 100 MB. O tamanho do arquivo não é problema porque dá pra comprimir. Usualmente eu uso algo do tipo (480 de altura e largura é o padrao e res 72 é o padrao.) tiff("meugrafico.tiff,width=480*10,heigh=480*10,res=72*10,compress="lzw") Entendendo que manter essas proporções de 480 x 480 com res = 72 é importante para manter o gráfico sem distorção. Só que um dos meus graficos é grande na horizontal e na vertical o que significa que pra não distorcer o grafico, mater tudo dentro das margens e mantendo a mesma resulução e devo fazer algo do tipo tiff("meugrafico.tiff,width=480*10,heigh=480*17.5,res=72,compression="lzw") Então o grafico já possui um montão de megapixels e poucos dpi. Quando eu tento aumentar a resolução para 300 dpi com algo como tiff("meugrafico.tiff,width=480*10*4.2,heigh=480*17.5*4.2,res=72*4.2,compression="lzw") o grafico excede a quantidade de megapixels que o arquivo pode ter. Eu descobri que o paint pode reduzir os megapixels e manter o dpi, mas essa figura tem tantos megapixels que o paint dá erro na hora que abre. Então até agora, eu estou tendo que submeter uma figura com dpi aquem do desejado e megapixels dentro do esperado. A pergunta é: há alguma forma de aumentar a resolução, sem ditorcer a imagem e sem aumentar a quantidade de megapixles, preferencialmente com o R? Abraço forte a todos, Pedro Brasil

3 5

Erro
by Pedro Mestre 06 Ago '15

06 Ago '15

Prezad@s, boa tarde. Estou tentando atualizar o R pelo "installr" seguindo os passos disponíveis no link ( http://www.r-bloggers.com/a-step-by-step-screenshots-tutorial-for-upgrading…) porém, está dando o seguinte erro: Erro em file(con, "r") : não é possível abrir a conexão As linhas de comando que executei (inclusive com as explicações) foram essas: # installing/loading the latest installr package: install.packages("installr"); library(installr) # install+load installr updateR() # updating R. Alguém sabe o que pode ser? PS. Desculpem se a dúvida é básica, mas não domino linguagem de programação. Abraços e obrigado, -- Pedro Mestre Ferreira Alves Assistente Técnico de Pesquisa Instituto de Pesca Av. Bartolomeu de Gusmão, 192 Ponta da Praia - Santos - SP CEP: 11030-906 Fone/Fax: (13) 3261 2342 www.pesca.sp.gov.br/pmestre@pesca.sp.gov.br Sent with MailTrack <https://mailtrack.io/install?source=signature&lang=en&referral=pedromestref…>

3 5

[OffTopic] Termos de mesma hierarquia em DoE (Delineamento de Experimentos)
by Cleber N.Borges 04 Ago '15

04 Ago '15

Prezados, Gostaria de uma indicação de bibliografia que dê detalhes (teóricos) sobre o porquê quando uma variável participa de uma *Interação* que se mostra significativa, mantém se no modelo o *Efeito Principal* mesmo que este não for. Agradeço pelas informação desde já. Cleber --- Este email foi escaneado pelo Avast antivírus. https://www.avast.com/antivirus

2 1

geoR parana
by Hélio Gallo Rocha 04 Ago '15

04 Ago '15

Boa tarde listeiros, Estudando os dados de precipitação parana, nativos no geoR, observa-se tendencia no semivariogramas . Nos mapas exploratórios,observa-se tendencia na direção sudoeste, o que, a meu modo de ver, é natural, pois os dados climáticos apresentam variação mais ampla do que apenas área de um estado. Utilizando da Verossimilhança para estimar os parâmetros ( efeito pepita, patamar e alcance) com os dados sem retirada de tendencia e com três modos de retirada de tendencia, observou-se grande variação entre os parâmetros estimadas por vero entre as três retiradas de tendencia. Os parâmetros estimados para os dados sem retirada de tendencia foram mais discrepantes ainda, quando comparados com os com retirada de tendencia (acréscimos em torno de 300%). Interessantes foram os quatro mapas estimados por krigagem, que apresentaram pouca variação. Algum listeiro já estudou estes dados? Alguma explicação para parâmetros tão diferentes, produzirem mapas com pouca variação? -- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho

2 2

Qualidade de vida
by Edson Lira 04 Ago '15

04 Ago '15

Estou tentando analisar um banco que mede qualidade de vida. Abaixo um script usado no SPSS (http://www.ufrgs.br/psiquiatria/psiq/whoqol86.html)Instrumentos de Avaliação de Qualidade de vida - OMS - versão em português | | | | | | | | | | | Instrumentos de Avaliação de Qualidade de vida - OMS - v...Versão em português dos Instrumentos de Avaliação de Qualidade de Vida - WHOQOL-100 e WHOQOL-bref - da Organização Mundial de Saúde. Projeto de... | | | | Visualizar em www.ufrgs.br | Visualizado por Yahoo | | | | | STEPS FOR CHECKING AND CLEANING DATA AND COMPUTING FACET AND DOMAIN SCORES Recode q3 q4 q26 (1=5) (2=4) (3=3) (4=2) (5=1). (scores based on a 4-20 scale) compute dom 1= (mean.6 (q3, q4, q10, q15, q16, q17, q18)) * 4. compute dom 2= (mean.5 (q5, q6, q7, q11, q19, q26)) * 4 compute dom 3= (mean.2 (q20,q21,q22)) * 4 compute dom 4= (mean.6 (q8, q9, q12, q13, q14, q23, q24, q25)) * 4 compute overall= (mean.2 (q1, q2)) * 4 (scores transformed to a 0-100 scale) compute dom1b= (dom1 - 4) * (100/16). compute dom2b= (dom2 - 4) * (100/16). compute dom3b= (dom3 - 4) * (100/16). compute dom4b= (dom4 - 4) * (100/16). compute q1b= (q1 - 1) * (100/16). compute q2b= (q2 - 1) * (100/16). Gostaria de replicar este script, alguém poderia me ajudar? O link do banco: Download qv.csv | | | | | | | | | | | Download qv.csvDownload qv.csv free. File hosted free by DataFileHost. | | | | Visualizar em www.datafilehos... | Visualizado por Yahoo | | | | | [ ]'s Edson LiraEstatístico Manaus-Amazonas

2 1

Exportar resultado de ctree para txt
by Paulo Nogueira Starzynski 03 Ago '15

03 Ago '15

Olá colegas de lista. Estou criando algumas árvores de decisão usando party::ctree e gostaria de gravar o resultado em um arquivo texto, para documentar o resultado rapidamente. Um simples txt, sem formatação, já bastaria. Tentei: library(party) airq <- subset(airquality, !is.na(Ozone)) airct <- ctree(Ozone ~ ., data = airq, controls = ctree_control(maxsurrogate = 3)) airct plot(airct) write(airct, file = "/home/paulo/Documentos/ctree.txt") Mas obtenho: "Error in cat(list(...), file, sep, fill, labels, append) : argumento 1 (tipo 'S4') não suportado por 'cat'" Tentei com writeLines, write.table, etc... inclusive adicionando print() ao objeto airct. Não funcionou. Alguém pode orientar? Estou errando algo simples creio. Grato, Paulo Nogueira Starzynski

3 3

Reorganizar base de dados
by Bernardo Rangel Tura 02 Ago '15

02 Ago '15

Bom dia a todos Estou precisando realizar uma operação de ordenação de um grupo de variáveis para o modelo que a equipe resolveu utilizar preciso transforma uma base de dados deste formato: idquestionario cod_cartao ord_cartao 1 1 33333 5 2 1 Morto 4 3 1 12123 2 4 1 22332 3 5 1 32332 5 6 1 11111 1 7 1 33132 5 8 1 33231 5 9 1 21333 3 10 10 23222 7 11 10 Morto 9 12 10 12233 4 13 10 33333 8 14 10 12111 2 15 10 22332 5 16 10 11333 3 17 10 32213 6 18 10 11111 1 Para este formato idquestionario 11111 33333 MORTO 12123 22332 32332 33132 33231 1 1 1 5 4 2 3 5 5 5 2 10 1 8 9 NA 5 NA NA NA 21333 23222 12233 12111 11333 32213 3 NA NA NA NA NA NA 7 4 2 3 6 Para deixar mais claro idquestionario = identificador, ord_cartao = posição que o cartão foi ordenado, cod_cartao = código do cartão (total 244 códigos) Cada pessoa responde 9 dos 244 códigos (3 fixos e 6 variáveis), cada linha inicia com o identificador cada código de cartão (cod_cartao) passa a ser uma nova variável e o seu valor naquela linha é o ranqueamento (ord_cartao) ou NA se o paciente não foi sorteado para este cartão. alguém pode me ajudar? Obrigado por antecipação []s Tura

2 2

Re: [R-br] Digest R-br, volume 56, assunto 3
by Diogo Braga Mendes 01 Ago '15

01 Ago '15

use a função *reshape* conforme código a seguir: reshape(dados, v.names = "ord_cartao", idvar = "idquestionario", timevar = "cod_cartao", direction = "*wide*") em que dados (codificando mortes por 99999) é: dados<-structure(list(idquestionario = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 10, 10, 10, 10, 10, 10, 10, 10, 10), cod_cartao = c(33333, 99999, 12123, 22332, 32332, 11111, 33132, 33231, 21333, 23222, 99999, 12233, 33333, 12111, 22332, 11333, 32213, 11111), ord_cartao = c(5, 4, 2, 3, 5, 1, 5, 5, 3, 7, 9, 4, 8, 2, 5, 3, 6, 1)), .Names = c("idquestionario", "cod_cartao", "ord_cartao"), row.names = c(NA, -18L), class = "data.frame") Diogo Braga Mendes Estatístico do IPAMB-Belém/PA. Mestre em Estatística-PPGME/UFPA. Bacharel em Estatística, CONRE 9558.

1 0

RES: Digest R-br, volume 55, assunto 25
by Franklin Januario da Silva 30 Jul '15

30 Jul '15

Boa tarde, Obrigado pela contribuição, apliquei a seguinte solução indicada pelo colega Crysttian Arantes Paixão "Use is.na(vetor) te retorna True onde for na." Mas para fins de aprendizado vou testar também vossa solução. Obrigado. -----Mensagem original----- De: R-br [mailto:r-br-bounces@listas.c3sl.ufpr.br] Em nome de r-br-request(a)listas.c3sl.ufpr.br Enviada em: quinta-feira, 30 de julho de 2015 12:00 Para: r-br(a)listas.c3sl.ufpr.br Assunto: Digest R-br, volume 55, assunto 25 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. Dúvida com lógica booleana (Franklin Januario da Silva) 2. RES: Dúvida com lógica booleana (Jobenil - Gmail) ---------------------------------------------------------------------- Message: 1 Date: Wed, 29 Jul 2015 17:31:05 +0000 From: Franklin Januario da Silva <Franklin.Silva(a)cerradinho.com.br> To: "r-br(a)listas.c3sl.ufpr.br" <r-br(a)listas.c3sl.ufpr.br> Subject: [R-br] Dúvida com lógica booleana Message-ID: <006302C31529284486686A3E9F94CC5E01421D8579(a)UCEXCH02.cerradinho.local> Content-Type: text/plain; charset="iso-8859-1" Boa tarde Srs. Estou iniciando com a linguagem R e me deparei com uma situação da qual não tenho tido êxito em solucionar, preciso iterar sobre um vetor e onde houver valores NA substituí-los por 0, isso porque ao executar a função getValues da biblioteca raster sobre uma linha que contenha em algumas das células o valor NA, e tentar obter o somatório destas, o R me retorna NA, vou tentar ser mais claro: Tenho o seguinte vetor: > vetor [1] 575 618 558 549 499 487 450 412 382 342 365 254 311 362 312 335 339 267 300 350 527 555 561 545 [25] 597 580 548 576 624 664 632 NA 539 567 574 611 660 763 658 599 577 543 514 409 364 374 361 354 [49] 454 555 620 617 559 559 NA NA 544 560 Se eu fizer sum(vetor) obtenho isso: > sum(vetor) [1] NA Então tentei iterar sobre o vetor substituindo os valores NA por 0: > for (i in 1:length(vetor)){ + if (vetor[i]==NA){ + vetor[i]<-0}} Error in if (vetor[i] == NA) { : valor ausente onde TRUE/FALSE necessário > Pensei que talvez fosse necessário criar um objeto com o valor NA para realizar a comparação, criei o "vazio", mas obtenho o mesmo erro: > vazio [1] NA > for (i in 1:length(vetor)){ + if (vetor[i]==vazio[1]){ + vetor[i]<-0}} Error in if (vetor[i] == vazio[1]) { : valor ausente onde TRUE/FALSE necessário > Algum sugestão? Grato. [http://www.cerradinho.com/CBio.png] Franklin Januario da Silva Agricola 64 3634-2806 64 9979-0608 cerradinho.com.br<http://www.cerradinho.com.br> -------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20150729/742f535a/atta…> ------------------------------ Message: 2 Date: Wed, 29 Jul 2015 14:48:58 -0300 From: "Jobenil - Gmail" <pjobenil(a)gmail.com> To: <r-br(a)listas.c3sl.ufpr.br> Subject: [R-br] RES: Dúvida com lógica booleana Message-ID: <001701d0ca26$da6d0450$8f470cf0$(a)gmail.com> Content-Type: text/plain; charset="iso-8859-1" Tente sum(vetor, na.rm = TRUE) Veja também help(sum) De: R-br [mailto:r-br-bounces@listas.c3sl.ufpr.br] Em nome de Franklin Januario da Silva Enviada em: quarta-feira, 29 de julho de 2015 14:31 Para: r-br(a)listas.c3sl.ufpr.br Assunto: [R-br] Dúvida com lógica booleana Boa tarde Srs. Estou iniciando com a linguagem R e me deparei com uma situação da qual não tenho tido êxito em solucionar, preciso iterar sobre um vetor e onde houver valores NA substituí-los por 0, isso porque ao executar a função getValues da biblioteca raster sobre uma linha que contenha em algumas das células o valor NA, e tentar obter o somatório destas, o R me retorna NA, vou tentar ser mais claro: Tenho o seguinte vetor: > vetor [1] 575 618 558 549 499 487 450 412 382 342 365 254 311 362 312 335 339 267 300 350 527 555 561 545 [25] 597 580 548 576 624 664 632 NA 539 567 574 611 660 763 658 599 577 543 514 409 364 374 361 354 [49] 454 555 620 617 559 559 NA NA 544 560 Se eu fizer sum(vetor) obtenho isso: > sum(vetor) [1] NA Então tentei iterar sobre o vetor substituindo os valores NA por 0: > for (i in 1:length(vetor)){ + if (vetor[i]==NA){ + vetor[i]<-0}} Error in if (vetor[i] == NA) { : valor ausente onde TRUE/FALSE necessário > Pensei que talvez fosse necessário criar um objeto com o valor NA para realizar a comparação, criei o "vazio", mas obtenho o mesmo erro: > vazio [1] NA > for (i in 1:length(vetor)){ + if (vetor[i]==vazio[1]){ + vetor[i]<-0}} Error in if (vetor[i] == vazio[1]) { : valor ausente onde TRUE/FALSE necessário > Algum sugestão? Grato. <http://www.cerradinho.com/CBio.png> Franklin Januario da Silva Agricola 64 3634-2806 64 9979-0608 cerradinho.com.br <http://www.cerradinho.com.br> --- This email has been checked for viruses by Avast antivirus software. https://www.avast.com/antivirus -------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20150729/ce1c3d43/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 55, assunto 25 ***************************************** [http://www.cerradinho.com/CBio.png] Franklin Januario da Silva Agricola 64 3634-2806 64 9979-0608 cerradinho.com.br<http://www.cerradinho.com.br>

1 0

Comparação de modelos
by Felinto COSTA 29 Jul '15

29 Jul '15

Prezados. Sejam dois modelos ajustados aos mesmos dados experimentais: um de uma regressão linear múltipla com a variável resposta transformada (log) e o outro, um modelo linear generalizado tendo distribuição gama para a variável e função log de ligação (os dados são contínuos e positivos). Pergunto qual seriam as medidas objetivas, comuns a ambos naturalmente, que possam ser utilizadas para responder: qual deles melhor se ajustou aos dados? Obrigado FCosta

2 4

Mstate - msprep
by Fátima Lima Paula 28 Jul '15

28 Jul '15

Prezados, quero fazer uma análise utilizando o pacote mstate e estou empacada na hora de transformar os dados para "formato longo". Os estados são: internação para alta, internação para óbito, alta para óbito e alta para readmissão. Criei o st1 - alta, st2 - óbito e st3 - readmissão. Os tempos ficaram: t1 - internação até a alta t2 - internação ao óbito t3 - internação até a readmissão Na verdade não sei se era para criar os tempos assim, pois tem óbitos no hospital (antes da alta) e óbitos após a alta. Criei a matriz com as possíveis transições de estados. Na hora que tento preparar o banco com o comando msprep, dá o seguinte erro: Erro em Tstop * 1/stat : argumento não-numérico para operador binário Estou enviando um banco reduzido para teste. Caso alguém tenha experiência, poderia me dizer que erro é esse que está saindo no final? Obrigada, Fátima #Dados m<-as.data.frame(matrix(0,ncol=7,nrow=15)) colnames(m)<-c("id","st3","st1","st2","t3","t1","t2") m$id<-c(1:15) m$st3<-c(rep("1",7),rep("0",8)) m$st1<-c(rep("1",10),"0",rep("1",3),"0") m$st2<-c(rep("0",10),rep("1",5)) t3<-c("33","102","442","798","305","98","751","14","31","8","6","44","21","32","7") t1<-c("32","26","32","9","44","12","15","14","31","8","6","9","18","1","7") t2<-c("33","102","442","798","305","98","751","14","31","8","6","44","21","32","7") m #st3="1" para readmitido e "0" para não readmitido #st1="1" para alta e "0" para quem morreu no hospital #st2="1" para quem morreu no hospital e após a alta e "0" para quem não morreu #t3=tempo da internação até a readmissão #t1=tempo da internação até a alta #t2=tempo da internação até o óbito #Criando a matriz tmat<-matrix(NA,4,4) tmat[1,c(2,3)]<-c(1,2) tmat[2,3:4]<-3:4 dimnames(tmat)<-list(from=c("Int","Alta","Obito","Read"),to=c("Int","Alta", "Obito","Read")) tmat #Passando o banco para longo library(mstate) msb1<-msprep(time=c(NA,"t1","t2","t3"), status=c(NA,"st1","st2","st3"),data=m,id="id",trans=tmat) -- "Minha felicidade depende da qualidade dos meus pensamentos"

1 0

Atualização monetária
by Daniel Marcelino 24 Jul '15

24 Jul '15

Olá, estou precisando atualizar uma série de valores monetários pelo INPC/IPCA e gostaria de saber se alguém conhece algum pacote que faz isso? Fazer a interpolação é bem simples, mas eu recorro a lista por desencargo de consciência antes de ter que coletar os dados no IBGE. Daniel

3 2

Combinar linhas de um dataframe com colunas de outro dataframe
by Giselle Davi 23 Jul '15

23 Jul '15

Prezados, Recorro à vocês com o objetivo de obter um dataframe (result) selecionando linhas de um dataframe (right) e colunas de outro dataframe (left). Para isso construí um exemplo simples ilustrando parte da matrizes, cada qual com a citação das dimensões reais das matrizes que tenho e o que preciso. Desde já agradeço à atenção.Exemplo: left <- matrix(data = 1:20, nrow = 5, ncol = 4)colnames(left)<- c("D01.F01","D01.F02","D2.F03","D4.F03")rownames(left)<- c("SNP1","SNP2","SNP3","SNP4","SNP5")left# dim real= 207891 x 93right<- matrix(data=1:9, nrow=3, ncol=3)colnames(right)<- c("D01.FO1","D02.F03","D05.F07")rownames(right)<- c("SNP6","SNP7","SNP8")right# dim real= 142907 x 91result<- matrix(data=1:10, nrow=5, ncol=2)colnames(result)<- c("D01.F01","D02.F03")rownames(result)<- c("SNP1","SNP2","SNP3","SNP4","SNP5")result#dim desejada= 142907 x 93 Att, Giselle

2 1

Erro EMV
by Vanessa Felix 21 Jul '15

21 Jul '15

Olá amigos, Estou criando uma rotina (ainda em teste) para usar nos meus dados originais...Será que poderiam me ajudar pq desse erro: teste<-c(0,2,0,1,0,1,3,0,0,0,4) x <-c(0,2,1,5,3,1,0,1,5,7,2) info1<-c() info2<-c() dzip1= function(y,x,p,beta){ for (i in 1:length(y)) { beta0 = beta[1] beta1 = beta[2] lambda=exp(beta0+beta1*x[i]) if (y[i]==0) {info1[i]<-p+((1-p)*exp(-lambda))} if (y[i]>0) {info2[i]<-((1-p)*exp(-lambda)*(lambda^y[i]))/factorial(y[i])} } return(na.exclude(c(info1,info2))) } dzip1(teste,x,0.3,c(0.5,2.5)) MV1 <- function(p,beta) { D = dzip1(teste,x,p,beta) -sum(log(D)) } library(stats4) mle(MV1, start = list(p=0.5, beta=c(0.5,1)),method="L-BFGS-B") > mle(MV1, start=list(p=0.5, beta=c(0.5,1)),method="L-BFGS-B") Erro em optim(start, f, method = method, hessian = TRUE, ...) : objeto (list) não é coercível para tipo 'double' O mesmo programa funcionou mto bem, sem usar a função de ligação. O problema começou qdo coloquei os betas. Como não conheço mto a função mle, talvez vcs possam me ajudar.... Abçs, -- ------------------------------------------------------------------------------------------ Vanessa Felix do Nascimento Sergio Graduada em Estatística - ICE/UFJF Mestranda em Saúde Coletiva - IMS/UERJ Assistente de pesquisa I - Instituto de Pesquisa Econômica Aplicada – IPEA (32) 9142-8428 (21) 97557-3956 -------------------------------------------------------------------------------------------

1 0

smooth.bibasis
by David Matta 21 Jul '15

21 Jul '15

Caros, Estou utilizando da função smooth.bibasis para suavizar uma superficie a partir do produto tensorial de bases b-splines (codigo abaixo). Ocorre que quando altero o número de pontos observados (ns e nt) e mantenho o número de bases o algoritmo trava. Alguém já fez algo parecido? Grato David snbasis = 15 sbasis = create.bspline.basis(c(0,1),snbasis) tnbasis = 15 tbasis = create.bspline.basis(c(0,1),tnbasis) lambdas = 1e-3 fdPars = fdPar(sbasis, 2, lambdas) lambdat = 1e-3 fdPart = fdPar(tbasis, 2, lambdat) ns = 15 nt = 15 sarg = seq(0,1,len=ns) targ = seq(0,1,len=nt) sigma = 0.2 y0 = outer(sin(2*pi*sarg),cos(2*pi*targ)) y = y0 + rnorm(matrix(0, ns,nt))*sigma result = smooth.bibasis(sarg, targ, y, fdPars, fdPart)

2 2

Duvida negrito em expression
by Leonardo Monteiro 18 Jul '15

18 Jul '15

Pessoal, tenho o seguinte: x<- 1:10 y = 1/x plot (x,y, main = expression (dados)) preciso que o título (no caso, dados) seja em negrito. alguma sugestão? Obrigado, Leonardo.

5 7

Relacionar banco de dados
by Carolina Magda Roma 18 Jul '15

18 Jul '15

Olá, Tenho 3 arquivos que estou precisando relacionar. Tenho uma variável chamada PERMNO em um arquivo (crspf) e tenho outra variável chamada Global.Company.Key em outro arquivo (compf). Além disso, tenho um arquivo em excel chamado CCM_ que mostra a que Global.Company.Key cada PERMNO está relacionado. Os arquivos são do tipo abaixo: [image: Imagem inline 2] Em compf, existe uma variável que preciso chamada credit rating em base mensal. Entretanto, a mesma é identificada a nível de empresa (representada pelo Global.Company.Key). Já em crspf, as minhas informações estão em nível de ativo (PERMNO) em base diária. Assim, uma empresa (Global.Company.Key) pode ter vários ativos (PERMNOs). Minha dúvida é: como posso criar um data frame no qual tenha as variáveis PERMNO e o respectivo credit rating dessa companhia? Obrigada, Carol

4 3

Uso da função melt()
by Michelle Bau Graczyk 17 Jul '15

17 Jul '15

Boa tarde, Eu tenho uma matriz de correlação e eu preciso derrete-la para fazer um mapa de calor usando a função ggplot. Eu tentei o código abaixo mas não obtive sucesso. Alguém, por favor, saberia me dizer como eu poderia concerta-lo? Muito Obrigada, Michelle > MatrizCorrelação<-read.table("/Users/bau/MatrizCorrelaçãoMontagem/MatrizCorrelaçãoGLOBALHoraFixa1.txt", header=TRUE) > rownames(MatrizCorrelação)<-c("AA","AIG","AXP","BA","CAT","C","DD","DIS","GE","GM","HD","HON","HPQ","IBM","INTC","JNJ","JPM","KO","MCD","MMM","MO","MRK","MSFT","PFE","PG","SBC","UTX","VZ","WMT","XOM") > colnames(MatrizCorrelação)<-c("AA","AIG","AXP","BA","CAT","C","DD","DIS","GE","GM","HD","HON","HPQ","IBM","INTC","JNJ","JPM","KO","MCD","MMM","MO","MRK","MSFT","PFE","PG","SBC","UTX","VZ","WMT","XOM") > show(MatrizCorrelação) AA AIG AXP BA CAT C AA 1.00000000 0.64408120 -0.08888420 0.041492345 -0.214144744 -0.101349733 AIG 0.64408120 1.00000000 -0.10988391 0.617295058 0.088028379 -0.075095179 AXP -0.08888420 -0.10988391 1.00000000 0.984315107 -0.116418296 0.990267878 BA 0.04149235 0.61729506 0.98431511 1.000000000 0.209267495 0.983175770 CAT -0.21414474 0.08802838 -0.11641830 0.209267495 1.000000000 -0.024951121 C -0.10134973 -0.07509518 0.99026788 0.983175770 -0.024951121 1.000000000 DD 0.27753220 -0.06536848 -0.15801568 -0.122672004 0.176294459 -0.149479128 DIS -0.05058204 0.07235002 -0.08595773 -0.061708245 0.096877395 0.118710406 GE -0.06195607 0.16175071 -0.12809978 -0.079195094 0.076001045 -0.113810967 GM -0.17302090 0.15943410 -0.13486542 -0.125961248 0.139394559 -0.079676333 HD 0.77105494 0.27298539 -0.03724273 0.437911231 0.187631652 -0.006079136 HON -0.10570566 -0.16445830 0.98729684 0.979601320 0.152368239 0.990517707 HPQ 0.61508079 -0.04910831 0.89736340 0.001407106 -0.024794271 0.879260018 IBM -0.14325256 0.22296189 -0.09312546 -0.052157000 0.282121137 -0.098088741 INTC -0.04183314 0.17127360 0.88475464 0.977763826 0.153557706 0.905222038 JNJ 0.39952357 -0.06097491 -0.06834544 0.016560533 -0.029220211 -0.085020474 JPM 0.01327878 -0.06526108 0.98205656 0.973315186 0.108371050 0.975930796 KO 0.26902580 0.13846002 -0.10938672 -0.016723587 -0.035708476 -0.071168592 MCD -0.11488201 -0.03488877 0.97909811 0.962730357 0.133474400 0.973565190 MMM 0.85773623 0.48376538 -0.19690222 0.757310198 0.055221755 -0.203401567 MO -0.07279634 -0.10441677 0.96450379 0.958209633 0.100724040 0.983380621 MRK -0.01910645 0.17189420 0.88570136 0.847176890 0.326006258 0.936235229 MSFT 0.35282208 0.26522725 0.20144247 0.217889673 0.209585726 0.191500107 PFE 0.71883544 0.38611556 -0.09965413 0.117492327 0.112854712 -0.078326817 PG 0.10236671 0.47079288 0.87924130 0.982927812 0.008548316 0.887794977 SBC 0.44428023 0.22142371 -0.05977186 -0.054472383 0.120476639 -0.039427691 UTX 0.54274188 0.68774761 0.16461583 0.735488521 0.441567683 0.086510831 VZ 0.30501108 0.24618829 -0.12762753 0.160866226 0.396779942 -0.129212617 WMT 0.77504411 0.36572997 -0.11559086 0.614663934 0.193168981 -0.109499052 XOM 0.81993320 0.29718190 0.91731073 0.742123060 0.309676262 0.887007970 DD DIS GE GM HD HON AA 0.2775322031 -0.05058204 -0.061956065 -0.17302090 0.771054943 -0.10570566 AIG -0.0653684788 0.07235002 0.161750706 0.15943410 0.272985391 -0.16445830 AXP -0.1580156785 -0.08595773 -0.128099781 -0.13486542 -0.037242735 0.98729684 BA -0.1226720044 -0.06170825 -0.079195094 -0.12596125 0.437911231 0.97960132 CAT 0.1762944592 0.09687739 0.076001045 0.13939456 0.187631652 0.15236824 C -0.1494791277 0.11871041 -0.113810967 -0.07967633 -0.006079136 0.99051771 DD 1.0000000000 0.08783621 0.219436466 0.05454161 0.222548990 -0.09710260 DIS 0.0878362119 1.00000000 -0.097986050 0.09671508 0.019253735 0.02492730 GE 0.2194364655 -0.09798605 1.000000000 -0.07464910 0.062579177 -0.12484867 GM 0.0545416056 0.09671508 -0.074649103 1.00000000 -0.165530144 0.07422148 HD 0.2225489902 0.01925374 0.062579177 -0.16553014 1.000000000 -0.16409932 HON -0.0971025994 0.02492730 -0.124848669 0.07422148 -0.164099317 1.00000000 HPQ -0.1167076236 0.03523964 0.259152551 -0.08918722 0.335373767 -0.06660235 IBM -0.0983199840 0.06958259 0.092813651 0.10000633 -0.080677701 -0.06706757 INTC -0.0808370611 0.04800232 -0.052272579 -0.16632106 0.064111405 0.96641571 JNJ 0.3049063611 0.06805802 0.009974141 -0.01028822 0.368360457 -0.05172531 JPM -0.1374144575 -0.07747589 -0.069195345 -0.11317405 0.302011943 0.96576594 KO -0.0957552068 -0.08278180 -0.019693951 0.08340010 0.633619019 -0.11972446 MCD -0.1400976129 -0.15791131 -0.076893201 0.01860467 -0.079703107 0.97490691 MMM -0.0229856560 -0.10135307 0.164736998 -0.13349162 0.805178951 -0.20208163 MO -0.1497471686 0.01051476 -0.127495071 0.09013588 0.098128503 0.95074800 MRK -0.0679381407 0.51070153 -0.113882492 0.10834896 0.406467216 0.90301349 MSFT 0.0754694369 0.16517350 0.106216006 0.05085640 0.361052148 0.24126114 PFE 0.0809256468 0.13541261 0.140722998 0.01548618 0.237424055 -0.10050867 PG -0.1388098856 -0.05085018 -0.098617228 -0.02184240 0.760744742 0.96286144 SBC -0.2021367506 -0.02090362 -0.014672962 0.11867336 0.539474608 -0.04806091 UTX 0.2894449830 0.02297845 -0.083819849 0.02513422 0.625110674 0.08030012 VZ 0.0008030282 -0.02372907 -0.031313893 -0.11937086 0.338167833 -0.19417485 WMT 0.2899811736 -0.05719813 0.121443858 -0.10411422 0.762089961 -0.06754262 XOM -0.1091177189 -0.01506886 -0.180892010 -0.18349266 0.623279211 -0.17881846 HPQ IBM INTC JNJ JPM KO AA 0.615080794 -0.14325256 -0.041833138 0.399523572 0.01327878 0.269025800 AIG -0.049108313 0.22296189 0.171273601 -0.060974907 -0.06526108 0.138460020 AXP 0.897363395 -0.09312546 0.884754635 -0.068345443 0.98205656 -0.109386725 BA 0.001407106 -0.05215700 0.977763826 0.016560533 0.97331519 -0.016723587 CAT -0.024794271 0.28212114 0.153557706 -0.029220211 0.10837105 -0.035708476 C 0.879260018 -0.09808874 0.905222038 -0.085020474 0.97593080 -0.071168592 DD -0.116707624 -0.09831998 -0.080837061 0.304906361 -0.13741446 -0.095755207 DIS 0.035239643 0.06958259 0.048002324 0.068058023 -0.07747589 -0.082781796 GE 0.259152551 0.09281365 -0.052272579 0.009974141 -0.06919534 -0.019693951 GM -0.089187222 0.10000633 -0.166321056 -0.010288220 -0.11317405 0.083400099 HD 0.335373767 -0.08067770 0.064111405 0.368360457 0.30201194 0.633619019 HON -0.066602346 -0.06706757 0.966415706 -0.051725309 0.96576594 -0.119724456 HPQ 1.000000000 -0.15701234 0.151721547 0.107106093 0.87748415 0.009943835 IBM -0.157012338 1.00000000 -0.039948654 0.020173673 -0.09548061 -0.058925664 INTC 0.151721547 -0.03994865 1.000000000 0.003201919 0.88754083 -0.065405458 JNJ 0.107106093 0.02017367 0.003201919 1.000000000 0.17881168 0.190810501 JPM 0.877484151 -0.09548061 0.887540829 0.178811675 1.00000000 -0.087498384 KO 0.009943835 -0.05892566 -0.065405458 0.190810501 -0.08749838 1.000000000 MCD -0.079793246 -0.08487497 0.951691306 0.012224842 0.96546727 -0.089030871 MMM 0.003599907 -0.00184816 -0.026441216 0.323647219 0.02841221 0.697119121 MO 0.265279473 -0.08384818 0.955166076 0.345472431 0.97526394 -0.084530558 MRK -0.065863614 0.02588809 0.810354526 0.246594467 0.85285390 -0.079041477 MSFT 0.201191442 0.17888449 0.246199067 0.189760581 0.22872513 0.170259396 PFE 0.082804173 0.01478451 0.071951248 0.528572295 0.11845951 -0.061489407 PG 0.180362173 -0.06510797 0.948012402 0.415851593 0.88791235 -0.010360697 SBC 0.314991719 0.14796807 -0.040912484 0.659737204 0.01986489 0.096273094 UTX -0.044531751 0.24482269 0.474124511 -0.141775588 0.01967263 0.320491202 VZ 0.293833023 0.28141939 0.136536306 0.746279724 0.44116583 -0.146987598 WMT -0.164553642 -0.10344137 0.305813548 -0.185844027 -0.01222057 0.429589230 XOM 0.873558490 -0.01355011 0.135825195 0.095164950 0.90935280 0.023801710 MCD MMM MO MRK MSFT PFE AA -0.114882005 0.857736231 -0.07279634 -0.01910645 0.35282208 0.71883544 AIG -0.034888767 0.483765381 -0.10441677 0.17189420 0.26522725 0.38611556 AXP 0.979098108 -0.196902215 0.96450379 0.88570136 0.20144247 -0.09965413 BA 0.962730357 0.757310198 0.95820963 0.84717689 0.21788967 0.11749233 CAT 0.133474400 0.055221755 0.10072404 0.32600626 0.20958573 0.11285471 C 0.973565190 -0.203401567 0.98338062 0.93623523 0.19150011 -0.07832682 DD -0.140097613 -0.022985656 -0.14974717 -0.06793814 0.07546944 0.08092565 DIS -0.157911312 -0.101353066 0.01051476 0.51070153 0.16517350 0.13541261 GE -0.076893201 0.164736998 -0.12749507 -0.11388249 0.10621601 0.14072300 GM 0.018604672 -0.133491624 0.09013588 0.10834896 0.05085640 0.01548618 HD -0.079703107 0.805178951 0.09812850 0.40646722 0.36105215 0.23742405 HON 0.974906915 -0.202081627 0.95074800 0.90301349 0.24126114 -0.10050867 HPQ -0.079793246 0.003599907 0.26527947 -0.06586361 0.20119144 0.08280417 IBM -0.084874971 -0.001848160 -0.08384818 0.02588809 0.17888449 0.01478451 INTC 0.951691306 -0.026441216 0.95516608 0.81035453 0.24619907 0.07195125 JNJ 0.012224842 0.323647219 0.34547243 0.24659447 0.18976058 0.52857229 JPM 0.965467274 0.028412214 0.97526394 0.85285390 0.22872513 0.11845951 KO -0.089030871 0.697119121 -0.08453056 -0.07904148 0.17025940 -0.06148941 MCD 1.000000000 -0.002245452 0.94996006 0.79129517 0.13975360 -0.06190441 MMM -0.002245452 1.000000000 0.12314993 0.39646696 0.46448561 0.76680157 MO 0.949960063 0.123149928 1.00000000 0.80766662 0.16859328 0.34554920 MRK 0.791295169 0.396466958 0.80766662 1.00000000 0.33130833 0.48887353 MSFT 0.139753596 0.464485612 0.16859328 0.33130833 1.00000000 0.25001730 PFE -0.061904406 0.766801566 0.34554920 0.48887353 0.25001730 1.00000000 PG 0.967108956 0.877382077 0.95432399 0.88725460 0.29352175 0.51502779 SBC -0.051205675 0.565865102 0.02652422 0.04986324 0.23363406 0.37208816 UTX -0.166869876 0.728133059 -0.31543056 0.17848601 0.54720408 0.23349921 VZ -0.114262073 0.401455663 0.34122580 0.48851378 0.32428938 0.48834627 WMT 0.323884209 0.749895547 -0.08402821 -0.04128828 0.55588607 0.12075279 XOM -0.048449716 0.264692382 0.20692791 0.23032417 0.31490297 0.11798174 PG SBC UTX VZ WMT XOM AA 0.102366713 0.44428023 0.54274188 0.3050110822 0.77504411 0.81993320 AIG 0.470792883 0.22142371 0.68774761 0.2461882948 0.36572997 0.29718190 AXP 0.879241301 -0.05977186 0.16461583 -0.1276275273 -0.11559086 0.91731073 BA 0.982927812 -0.05447238 0.73548852 0.1608662257 0.61466393 0.74212306 CAT 0.008548316 0.12047664 0.44156768 0.3967799421 0.19316898 0.30967626 C 0.887794977 -0.03942769 0.08651083 -0.1292126166 -0.10949905 0.88700797 DD -0.138809886 -0.20213675 0.28944498 0.0008030282 0.28998117 -0.10911772 DIS -0.050850179 -0.02090362 0.02297845 -0.0237290706 -0.05719813 -0.01506886 GE -0.098617228 -0.01467296 -0.08381985 -0.0313138935 0.12144386 -0.18089201 GM -0.021842401 0.11867336 0.02513422 -0.1193708629 -0.10411422 -0.18349266 HD 0.760744742 0.53947461 0.62511067 0.3381678330 0.76208996 0.62327921 HON 0.962861445 -0.04806091 0.08030012 -0.1941748467 -0.06754262 -0.17881846 HPQ 0.180362173 0.31499172 -0.04453175 0.2938330232 -0.16455364 0.87355849 IBM -0.065107969 0.14796807 0.24482269 0.2814193875 -0.10344137 -0.01355011 INTC 0.948012402 -0.04091248 0.47412451 0.1365363063 0.30581355 0.13582519 JNJ 0.415851593 0.65973720 -0.14177559 0.7462797239 -0.18584403 0.09516495 JPM 0.887912350 0.01986489 0.01967263 0.4411658296 -0.01222057 0.90935280 KO -0.010360697 0.09627309 0.32049120 -0.1469875979 0.42958923 0.02380171 MCD 0.967108956 -0.05120567 -0.16686988 -0.1142620730 0.32388421 -0.04844972 MMM 0.877382077 0.56586510 0.72813306 0.4014556626 0.74989555 0.26469238 MO 0.954323988 0.02652422 -0.31543056 0.3412257993 -0.08402821 0.20692791 MRK 0.887254598 0.04986324 0.17848601 0.4885137831 -0.04128828 0.23032417 MSFT 0.293521747 0.23363406 0.54720408 0.3242893772 0.55588607 0.31490297 PFE 0.515027787 0.37208816 0.23349921 0.4883462710 0.12075279 0.11798174 PG 1.000000000 0.07123866 0.55045995 0.3788365053 0.71045317 0.31342135 SBC 0.071238658 1.00000000 -0.05513004 0.5813479300 0.04242171 0.41568437 UTX 0.550459948 -0.05513004 1.00000000 0.0958598232 0.75842292 0.77676007 VZ 0.378836505 0.58134793 0.09585982 1.0000000000 0.02010254 0.51042235 WMT 0.710453169 0.04242171 0.75842292 0.0201025354 1.00000000 0.21252902 XOM 0.313421347 0.41568437 0.77676007 0.5104223538 0.21252902 1.00000000 > > > as.data.frame(as.dist(MatrizCorrelação)) Erro em as.data.frame.default(as.dist(MatrizCorrelação)) : cannot coerce class ""dist"" to a data.frame > #MatrizCorrelação<-read.table(paste0("/Users/bau/MatrizCorrelaçãoMontagem/MatrizCorrelaçãoGLOBALHoraFixa",i,".txt"))) > melted_MatrizCor<-melt(MatrizCorrelação) Using as id variables > > > ggplot(data=melted_MatrizCor,aes(x=Var1,y=Var2,fill=value)) + geom_tile() Erro em eval(expr, envir, enclos) : objeto 'Var1' não encontrado

3 3

Parcelas sub-divididas com fatorial nas parcelas
by Tiago Souza Marçal 16 Jul '15

16 Jul '15

Boa noite pessoal, estou com experimento de três fatores e gostaria da opinião de vocês para modelar uma análise de variância. De forma mais direta eu tenho dois ambientes e em cada um deles tenho um experimento em arranjo fatorial em DIC com um tratamento adicional. #CMR set.seed(102) resp <- rnorm(100,50,13) resp # O primeiro fator se refere a dois ambientes (temperaturas diferentes). temp <- gl(2,50) # O segundo fator se refere a duas substâncias aplicadas e um controle com a ausência das substâncias dentro de cada um dos # ambientes. subs <- factor(c(gl(2,20),rep("Adicional1",10),gl(2,20),rep("Adicional2",10))) # O terceiro fator se refere a duas doses de cada uma das substâncias e um controle (dose 0 - já citado a cima) # dentro de cada um dos ambientes. dose <- factor(c(gl(2,10),gl(2,10),rep("Adicional1",10),gl(2,10),gl(2,10),rep("Adicional2",10))) O arquivo de dados seria o seguinte: dat <- data.frame(temp,subs,dose,resp) Por fim montei um quadro para a provável ordem das fontes de variação que consegui enxergar para o modelo. Vocês concordam com a ordem e com as fontes de variação? Alguém tem ideia de como modelar este problema via função aov() ou lm()? FV temp resíduo 1 subs dose subs x dose subs x temp dose x temp subs x dose x temp temp1 / adicional1 x fatorial1 temp2 / adicional2 x fatorial2 resíduo 2 Agradeço desde já por qualquer ajuda. Att. Tiago. ################################################################# Tiago de Souza Marçal - Engenheiro Agrônomo pelo CCA-UFES Mestrando em Genética e Melhoramento de Plantas pelo CCA-UFES #################################################################

2 2

Criação de painel xyplot - lattice
by Andre Oliveira 16 Jul '15

16 Jul '15

Pessoal, eu sempre uso a lattice para fazer análise exploratória de dados antes do modelo de fato ser aplicado. Faço meu painel e chamo dentro do xy.plot() como no exemplo abaixo. Aproveitei os dados do Walmes como exemplo para o CMR! soja <- read.table("http://www.leg.ufpr.br/~walmes/data/soja.txt", header=TRUE, sep="\t", dec=",") soja$A <- factor(soja$agua) attach(soja) meu.panel = function(x,y,subscripts) { panel.xyplot(x,y,col =soja$bloco[subscripts],pch=19) } require(lattice) xyplot(rengrao~potassio|A,data=soja,panel=meu.panel,layout = c(3, 1)) Depois de pesquisar bastante tenho duas coisas que não consegui definir em meu painel quanto ao meu caso específico. 1) Como adicionar a legenda com as respectivas cores dos pontos para indicar o bloco neste exemplo da soja? Exemplo vermelho bloco X, Azul bloco Y ..... 2) Neste exemplo da soja esta claro que as cores dos pontos indicam cada bloco. E este é o padrão nos três gráficos gerados com as cores. No entanto tenho um outo banco de dados que não é um delineamento experimental onde tenho os estados brasileiros UF ( MG, ES, PA,...), REGIAO (Norte, sul suldeste...) e uma resposta TOTAL para por cada estado UF. meu.panel = function(x,y,subscripts) { panel.xyplot(x,y,col =dados$UF[subscripts],pch=19) } require(lattice) xyplot(TOTAL~ANO|REGIAO, data=dados,panel=meu.panel,layout = c(5, 1),ylab="Total de premiados",xlab="Ano da olimpíada",main="Premiações por região e ano (2005- 2014)") Como dentro REGIAO não há mesmo número de estados as cores dos pontos não seguem mesmo padrão que os dados de soja acima. Por exemplo dentro região Sudeste o estados do MG e RJ saem com mesma cor ao longo do tempo e dentro da região Norte acontece o mesmo entre alguns estados. Preciso colocar em meu painel cores diferente para cada UF ao longo do tempo por REGIAO. Suspeitei que as cores repetem por estados devido entre regiões não ter o mesmo número de estados, mas é só suposição. Se alguém puder ajudar ficarei grato! André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

2 1

Autorregressão Espacial R
by Ricardo Dobrovolski 16 Jul '15

16 Jul '15

Oi Pessoal, Vocês sabem como fazer modelos autorregressivos no R. Abraço, RD.

3 2

Re: [R-br] Uso da função melt() RESOLVIDO
by Michelle Bau Graczyk 15 Jul '15

15 Jul '15

Oi Diego, Isso. Era isso e o fato de eu fazer meu file virar uma matriz. Muito obrigada! 2015-07-15 15:02 GMT-03:00 Diego Miro <d.miro1089(a)gmail.com>: > Michelle, tente renomear as colunas do objeto melted_MatrizCor. > colnames(melted_MatrizCor) <- c('Var1', 'Var2', 'value') > > _______________________________________________ > 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

Explicação de um modelo GLM
by André Lucas de Oliveira Moreira 15 Jul '15

15 Jul '15

Olá pessoal, boa tarde. Tenho uma dúvida que acredito ser facilmente respondida. Como posso falar da explicabilidade de um modelo GLM ou de uma variável? Alguém tem poderia me ajudar? Pergunto isso no geral, mas agora pretendo aplicar isso em um log-linear que analisei com a função glm() distribuição poisson e log-link. Na verdade trata-se de uma análise log-linear, com todas as variáveis categóricas. O output com a função anova(modelo, "chisq") é esse: Analysis of Deviance Table Model: poisson, link: log Response: Freq Terms added sequentially (first to last) Df Deviance Resid. Df Resid. Dev Pr(>Chi) NULL 11 97.545 Parasitado 1 73.126 10 24.419 < 2.2e-16 *** Idade 2 9.239 8 15.180 0.009859 ** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Obrigado, André -- *MSc. André Lucas de O. Moreira* http://lattes.cnpq.br/7258065668864153 <http://www.wikiaves.com.br/perfil_andrelukinhas> http://www.wikiaves.com.br/perfil_andrelukinhas 79 8837-3562 79 9132-9093

5 6

Re: [R-br] OR e IC usando comandos clm e clm2
by Luciane Maria Pilotto 14 Jul '15

14 Jul '15

Olá, usei os comandos abaixo! ########################################## load(file.choose())#dataframe:"id3.rda" attach(id3) dput(head(id3,10)) structure(list(regiao = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Norte", "Nordeste", "Sudeste", "Sul", "Centro-Oeste"), class = "factor"), estado = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Rondonia", "Acre", "Amazonas", "Roraima", "Para", "Amapa", "Tocantins", "Maranhao", "Piaui", "Ceara", "Rio Grande Do Norte", "Paraiba", "Pernambuco", "Alagoas", "Sergipe", "Bahia", "Minas Gerais", "Espirito Santo", "Rio De Janeiro", "Sao Paulo", "Parana", "Santa Catarina", "Rio Grande Do Sul", "Mato Grosso Do Sul", "Mato Grosso", "Goias", "Distrito Federal" ), class = "factor"), cod_mun = c(1200401L, 1200401L, 1200401L, 1200401L, 1200401L, 1200401L, 1200401L, 1200401L, 1200401L, 1200401L ), setor = c("05000056", "05000056", "05000056", "05000056", "05000056", "05000056", "05000056", "05000056", "05000062", "05000062" ), cap_int = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Interior", "Capital"), class = "factor"), idade = c(15L, 15L, 17L, 17L, 18L, 18L, 18L, 19L, 19L, 15L), getario = structure(c(3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("5 anos", "12 anos", "15 a 19 anos", "35 a 44 anos", "65 a 74 anos"), class = "factor"), sexo = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L ), .Label = c("Male", "Female"), class = "factor"), grp_etni = structure(c(1L, 4L, 4L, 4L, 2L, 4L, 4L, 4L, 4L, 4L), .Label = c("Branca", "Preta", "Amarela", "Parda", "Indigena", "Sem Informacao" ), class = "factor"), quest_01 = c(8L, 2L, 4L, 4L, 3L, 4L, 3L, 3L, 3L, 4L), quest_02 = c(4L, 4L, 2L, 2L, 4L, 1L, 3L, 1L, 3L, 2L), density = c(2, 0.5, 2, 2, 0.75, 4, 1, 3, 1, 2), quest_03 = c(3L, 4L, 6L, 5L, 5L, 3L, 3L, 3L, 6L, 5L), quest_04 = structure(c(2L, 3L, 3L, 4L, NA, 2L, 1L, NA, 3L, 3L), .Label = c("Ate 250", "251 a 500", "501 a 1.500", "1.501 a 2.500", "2.501 a 4.500", "4.501 a 9.500", "Mais de 9.500", "Nao sabe/Nao respondeu" ), class = "factor"), inc_percapita1 = c(46.875, 500, 250, 500, NA, 93.75, 41.6666679382324, NA, 333.333343505859, 250 ), inc_percapita2 = c(46.875, 500, 250, 500, NA, 93.75, 41.6666679382324, NA, 333.333343505859, 250), inc_sqrt1 = c(132.58251953125, 707.106811523438, 500, 1000, NA, 187.5, 72.1687850952148, NA, 577.350280761719, 500), inc_sqrt2 = c(132.58251953125, 707.106811523438, 500, 1000, NA, 187.5, 72.1687850952148, NA, 577.350280761719, 500), q05 = c(11L, 4L, 12L, 6L, 11L, 10L, 7L, 12L, 8L, 7L), quest_06 = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Nao", "Sim", "Nao se aplica", "Nao sabe"), class = "factor"), quest_07 = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L), .Label = c("Nao", "Sim", "Nao se aplica", "Nao sabe"), class = "factor"), quest_08 = c(9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 3L, 9L), quest_09 = structure(c(1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Nao", "Sim", "Nao se aplica", "Nao sabe"), class = "factor"), quest_10 = structure(c(5L, 5L, 2L, 3L, 3L, 2L, 2L, 3L, 3L, 3L), .Label = c("Menos de 1 ano", "1 a 2 anos", ">3 anos", "Outros", "Nïa se aplica", "Nao sabe" ), class = "factor"), quest_11 = structure(c(5L, 5L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L), .Label = c("Publico", "Particular", "Plano de Saude/Convenios", "Outros", "Nao se aplica", "Nao sabe" ), class = "factor"), quest_12 = structure(c(6L, 6L, 2L, 4L, 1L, 3L, 1L, 4L, 2L, 1L), .Label = c("Revisao/Prevencao", "Dor", "Extracao", "Tratamento", "Outros", "Nao se aplica", "Nao sabe"), class = "factor"), quest_13 = structure(c(NA, NA, 2L, 3L, 2L, 3L, 2L, 2L, 2L, 2L), .Label = c("Muito bom", "Bom", "Regular", "Ruim", "Muito Ruim", "Nao se aplica", "Nao sabe"), class = "factor"), quest_14 = structure(c(3L, 2L, 3L, 4L, 2L, 2L, 4L, 3L, 4L, 2L), .Label = c("Muito satisfeito", "Satisfeito", "Nem satisfeito/insatisfeito", "Insatisfeito", "Muito Insatisfeito", "Nao sabe"), class = "factor"), quest_15 = structure(c(1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Nao", "Sim", "Nao se aplica", "Nao sabe"), class = "factor"), exame = c("1", "1", "1", "1", "1", "1", "1", "1", "1", "1"), cpod = c(3L, 0L, 8L, 3L, 3L, 12L, 1L, 6L, 6L, 3L), p_sang = c(0L, 1L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 1L), p_calc = c(0L, 1L, 1L, 0L, 0L, 1L, 0L, 1L, 0L, 0L), cpi_max = structure(c(1L, 3L, 3L, 1L, 1L, 3L, 1L, 3L, 1L, 2L), .Label = c("Higido", "Sangramento", "Calculo", "Bolsa 4-5 mm", "Bolsa 6 mm ou +", "4", "A", "X" ), class = "factor"), dai = c(21L, 32L, 23L, 21L, 19L, 18L, 17L, 23L, 34L, 25L), trauma = c(NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_, NA_integer_), n_higido = c(26L, 28L, 24L, 24L, 25L, 17L, 27L, 25L, 24L, 25L), n_cariado = c(3L, 0L, 6L, 2L, 0L, 2L, 1L, 2L, 4L, 3L), n_restcar = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 2L, 1L, 0L), n_restaur = c(0L, 0L, 2L, 0L, 3L, 6L, 0L, 2L, 0L, 0L), n_perdcar = c(0L, 0L, 0L, 1L, 0L, 4L, 0L, 0L, 1L, 0L), n_perdout = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), perdidos = c(0, 0, 0, 1, 0, 4, 0, 0, 1, 0), usaprots = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0), usaproti = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Não Usa", "Uma Ponte Fixa", "Mais de 1 PF", "Prótese Parcial Removível", "Prótese Fixa + Removível", "Prótese Total", "Sem Informação" ), class = "factor"), necprots = structure(c(1L, 1L, 3L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Não necessita", "Prótese 1 elemento", "Mais de 1 elemento", "Combinação de próteses", "Prótese Total", "Sem Informação"), class = "factor"), necproti = structure(c(1L, 1L, 4L, 2L, 1L, 3L, 1L, 1L, 2L, 1L), .Label = c("Não necessita", "Prótese 1 elemento", "Mais de 1 elemento", "Combinação de próteses", "Prótese Total", "Sem Informação"), class = "factor"), necprot = structure(c(1L, 1L, 3L, 2L, 1L, 2L, 1L, 1L, 2L, 1L), .Label = c("Não necessita", "Parcial 1 maxilar", "Parcial 2 maxilar", "Total 1 maxilar", "Parcial + Total", "Total 2 maxilar", "Sem Informação"), class = "factor"), oidp = c(0L, 0L, 0L, 0L, 0L, 2L, 1L, 0L, 0L, 1L), f1 = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1), f2 = c(0.0518900007009506, 0.0518900007009506, 0.0518900007009506, 0.0518900007009506, 0.0518900007009506, 0.0518900007009506, 0.0518900007009506, 0.0518900007009506, 0.106059998273849, 0.106059998273849), f3 = c(0.0662299990653992, 0.0662299990653992, 0.0662299990653992, 0.0662299990653992, 0.0662299990653992, 0.0662299990653992, 0.0662299990653992, 0.0662299990653992, 0.138889998197556, 0.138889998197556), f = c(0.00343999988399446, 0.00343999988399446, 0.00343999988399446, 0.00343999988399446, 0.00343999988399446, 0.00343999988399446, 0.00343999988399446, 0.00343999988399446, 0.0147299999371171, 0.0147299999371171), bwgr_et = c(291.019989013672, 291.019989013672, 291.019989013672, 291.019989013672, 291.019989013672, 291.019989013672, 291.019989013672, 291.019989013672, 67.879997253418, 67.879997253418 ), cluster = c(120040105000056, 120040105000056, 120040105000056, 120040105000056, 120040105000056, 120040105000056, 120040105000056, 120040105000056, 120040105000062, 120040105000062), cluster2 = c("01120308", "01120308", "01120308", "01120308", "01120308", "01120308", "01120308", "01120308", "01120309", "01120309"), getni = c(1L, 4L, 4L, 4L, 2L, 4L, 4L, 4L, 4L, 4L), q04 = c(2L, 3L, 3L, 4L, NA, 2L, 1L, NA, 3L, 3L), q06 = c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), q07 = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L), q08 = c(0, 0, 0, 0, 0, 0, 0, 0, 3, 0), q10 = c(NA, NA, 2L, 3L, 3L, 2L, 2L, 3L, 3L, 3L), q11 = c(NA, NA, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L), q12 = c(NA, NA, 2L, 4L, 1L, 3L, 1L, 4L, 2L, 1L), q13 = structure(c(NA, NA, 2L, 3L, 2L, 3L, 2L, 2L, 2L, 2L), .Label = c("1", "2", "3", "4", "5"), class = "factor"), q14 = c(3L, 2L, 3L, 4L, 2L, 2L, 4L, 3L, 4L, 2L), q15 = c(1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), edcat = c(3, 1, 4, 2, 3, 3, 2, 4, 2, 2), peso = c(291, 291, 291, 291, 291, 291, 291, 291, 68, 68), cariado = c(3L, 0L, 6L, 2L, 0L, 2L, 1L, 4L, 5L, 3L), getar = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1)), .Names = c("regiao", "estado", "cod_mun", "setor", "cap_int", "idade", "getario", "sexo", "grp_etni", "quest_01", "quest_02", "density", "quest_03", "quest_04", "inc_percapita1", "inc_percapita2", "inc_sqrt1", "inc_sqrt2", "q05", "quest_06", "quest_07", "quest_08", "quest_09", "quest_10", "quest_11", "quest_12", "quest_13", "quest_14", "quest_15", "exame", "cpod", "p_sang", "p_calc", "cpi_max", "dai", "trauma", "n_higido", "n_cariado", "n_restcar", "n_restaur", "n_perdcar", "n_perdout", "perdidos", "usaprots", "usaproti", "necprots", "necproti", "necprot", "oidp", "f1", "f2", "f3", "f", "bwgr_et", "cluster", "cluster2", "getni", "q04", "q06", "q07", "q08", "q10", "q11", "q12", "q13", "q14", "q15", "edcat", "peso", "cariado", "getar"), row.names = c("1241", "1242", "1243", "1244", "1245", "1246", "1247", "1248", "1256", "1268"), class = "data.frame") ################################################################################ id3$q13<-as.factor(id3$q13) m1 <- polr(q13 ~ q11 + q10 + q12 + edcat + q08 + q06 + q14, data=id3, Hess=TRUE) summary(m1) ordinal.or.display(m1) #################################################################################### #Verificando os ajustes do modelo: fm1 <- clm(q13 ~ q11 + q10 + q12 + edcat + q08 + q06 + q14, data=id3) summary(fm1) exp(coef(fm1)) (ci <- confint(fm1)) exp(cbind(OR = coef(fm1), ci)) Obs: o IC não está correto, está usando os coeficientes tb!!! ############################################################################################ nominal_test(fm1)# test partial proportional odds assumption #A variável edcat violou o pressuposto de ordinalidade ##clm2 - partial proprotional odds fm.nom <- clm2(q13 ~ q11 + q10 + q12 + q08 + q06 + q14, data=id3, nominal=~ edcat) summary(fm.nom) exp(coef(fm.nom)) exp(cbind(OR = coef(fm.nom), ci)) Obs: o IC não está correto, está usando os coeficientes tb!!! Obrigada, Luciane __________________________________________________ Luciane Maria Pilotto Mestre e Doutoranda em Saúde Bucal Coletiva - FO/UFRGS NDE Odontologia - UNIVATES Telefone: (51) 84512344 -------------------------------------------- Em qua, 8/7/15, Daniel Marcelino <dmsilva.br(a)gmail.com> escreveu: Assunto: Re: [R-br] OR e IC usando comandos clm e clm2 Para: "R-br Lista" <r-br(a)listas.c3sl.ufpr.br> Data: Quarta-feira, 8 de Julho de 2015, 21:05 Sem exemplo não dá para falar muito. Mas deve haver uma função `confint` para cada função de ajuste, não? Eu não conheço esse pacote, quando preciso ajustar um modelo ordinal, eu uso o a função `` do pacote MASS. modelo <- polr(y ~ x1 + x2, data = dados, Hess=TRUE) summary(modelo); (ci <- confint(modelo)); confint.default(modelo); # ci assumindo normalidade dos dados # Odds Ratios exp(coef(modelo)) # or e ci exp(cbind(or = coef(modelo), ci)) # Tabela (ctable <- coef(summary(modelo))); # calcular e salvar os p values p <- pnorm(abs(ctable[, "t value"]), lower.tail = FALSE) * 2 (ctable <- cbind(ctable, "p value" = p)) Daniel 2015-07-08 20:27 GMT-03:00 Luciane Maria Pilotto <lutipilotto(a)yahoo.com.br>: > Olá pessoal, > > Estou trabalhando com regressão logística ordinal e realizando os ajustes com a função "clm" do pacote ordinal e gostaria de obter o intervalo de confiaça. De acordo com o Tutorial on fitting Cumulative Link Models with the ordinal Package, de Rune Haubo B Christensen (January 21, 2015) é possível rodar o OR, mas não o intervalo de confiaça. O mesmo ocorre com a função "clm2" para partial proportional odds. > > Agradeço qualquer ajuda!! > > > Luciane > > _______________________________________________ > 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.

1 0

Bases B-splines em R^2
by David Matta 11 Jul '15

11 Jul '15

Olá pessoal, Alguém sabe me informar se existe no R algum pacote que gera bases B-splines em R^2. Poderia ser também qualquer outra base em R^2, sendo ela ortogonal ou não. Obrigado David

1 0

Variáveis para utilizar no modelo de trend, geoR
by Wagner Wolff 10 Jul '15

10 Jul '15

Olá pessoal da lista! Eu tenho mais de 10 covariáveis que quero testar para a remoção de tendência espacial de um modelo geoestatístico, no qual utilizarei o AIC como índice de escolha do melhor modelo. Gostaria de saber como eu poderia proceder para fazer um filtro nessas covariáveis, eliminando as que não terão peso significativo no modelo, antes de testar o AIC. Sendo assim minha pergunta é: É garantido que as covariáveis que terão maior correlação com a variável a ser interpolada, serão as que representarão no modelo de retirada de tendência o menor AIC? É válido fazer um gráfico Biplot para analisar isso ou a matriz de correlação já seria suficiente? Obrigado pela atenção! Wagner Wolff

2 3

OR e IC usando comandos clm e clm2
by Luciane Maria Pilotto 09 Jul '15

09 Jul '15

Olá pessoal, Estou trabalhando com regressão logística ordinal e realizando os ajustes com a função "clm" do pacote ordinal e gostaria de obter o intervalo de confiaça. De acordo com o Tutorial on fitting Cumulative Link Models with the ordinal Package, de Rune Haubo B Christensen (January 21, 2015) é possível rodar o OR, mas não o intervalo de confiaça. O mesmo ocorre com a função "clm2" para partial proportional odds. Agradeço qualquer ajuda!! Luciane

4 5

ProgressBar não aparece ao instalar pacotes via script bat (Windows)!
by Ivan Bezerra Allaman 08 Jul '15

08 Jul '15

Boa noite senhores! Quando eu executo um arquivo .bat no qual invoco um arquivo .R para instalar um determinado pacote, a caixa do Progressbar não aparece. Alguém sabe como contornar isso? No CMR abaixo é preciso criar dois arquivos: RUN.bat e teste.R. Em seguida, execute o arquivo RUN.bat. É apenas para a plataforma Windows! RUN.bat-------------------- @ECHO OFF IF EXIST "%ProgramFiles(x86)%\R" set Path="%programfiles(x86)%\R\R-3.2.1\bin" IF EXIST "%ProgramFiles%\R" set Path="%programfiles%\R\R-3.2.1\bin" SET ROPTS=--no-save --no-environ --no-init-file --no-restore --no-Rconsole %Path%"\Rscript.exe" %ROPTS% teste.R 1> ShinyApp.log 2>&1 teste.R----------------------------- install.packages('lba', repos = "http://nbcgib.uesc.br/mirrors/cran/") Desde já, grato! (s,f,p) Allaman

1 0