- R-br - DINF UFPR

leitura de dados
by Bernardo Rodrigues 01 Dez '12

01 Dez '12

Boa tarde. gostaria de saber como leios os dados de um documento em r. coloquei dados<-read.table("dados.r",header=F) como faço para os dados .txt e nao deu. Obrigada

5 5

Instalação do Revolution R - pede serial number
by Richard Santos 30 Nov '12

30 Nov '12

Caros, A instalação do Revolution R pede um serial number, que parece ser de 12 dígitos. Qual digito? rsrssrsr Richard

6 12

Construção de Mapa
by Edson Lira 30 Nov '12

30 Nov '12

Bom dia a todos, tenho um banco de dados de doação apta de 2000 a 2012 (dados até outubro). Abaixo os links dos arquivos que estou trabalhando. Sou novo na plotagm de mapas, estou querendo aprender. Estou usando o material do Jakson (por sinal, muito bom). http://www.datafilehost.com/download-f19b102f.html# script http://www.datafilehost.com/download-62c89b81.html #dados http://www.datafilehost.com/download-88dbbc7c.html # shape bairros zonas http://www.datafilehost.com/download-88dbbc7c.html #prj http://www.datafilehost.com/download-090c879a.html# sbn http://www.datafilehost.com/download-c7d90384.html #sbx Gostaria de fazer dois mapas com esses dados. 1. Plotar o mapa de manaus com as zonas geográficas, tendo no mapas os nomes(labels) das zonas e na legenda as doações aptas (quantidade de doações aptas). 2.Fazer a mesma rotina, só que por bairros, neste caso seriam necessários duas legendas(uma para bairro, pois acho que os nomes não caberiam, e a outra para a quantide de doação por bairro). Espero ter sido claro. [ ]'s. Edson Lira Estatístico Manaus-Amazonas

4 4

dúvida
by alanarocha＠sapo.pt 30 Nov '12

30 Nov '12

estive a ver o help(abline) mas o unico exemplo que encontro é para o modelo y~x onde posso encontrar um exemplo da função abline() para lm(pthi~dose+grupo) ?Ana

5 4

modelo e gráfico
by alanarocha＠sapo.pt 30 Nov '12

30 Nov '12

Presados, tenho este modelo como os dois níveis como sei o valor estimado do nível default criado pelo R? modCH<-lm(pthi~dose+grupo) modCH summary(modCH) outra questão é que sei que abline() é para modeos do tipo y~x eu queria um exemplo de como fazer as rectas para o meu modelo que envolve factor desde já obrigada Ana

3 2

Gráfico
by Edmar Caldas 30 Nov '12

30 Nov '12

Uma ajuda, preciso expostar um gráfico para o formato gif como fazer? Edmar

2 1

erro para executar gráfico
by alanarocha＠sapo.pt 30 Nov '12

30 Nov '12

Fiz o seguinte codigo mas não me é desenhado nenhum grafico porque erá? modCH<-lm(pthi~dose+grupo) modCH summary(modCH) par(mfrow=c(1,2)) plot(pthi~dose, col="red", xlab="Pthi", ylab="Dose_Cinacalset", main="Relação_Cinacalset") abline(modCH) Warning message: In abline(modCH) : only using the first two of 3 regression coefficients Ana

2 1

uma dúvida
by alanarocha＠sapo.pt 30 Nov '12

30 Nov '12

Bom dia, tenho este modelo como os dois níveis como sei o valor estimado do nível default criado pelo R? modCH<-lm(pthi~dose+grupo) modCH summary(modCH) Ana

2 1

uma dúvida
by alanarocha＠sapo.pt 30 Nov '12

30 Nov '12

Bom dia, tenho este modelo como os dois níveis como sei o valor estimado do nível default criado pelo R? modCH<-lm(pthi~dose+grupo) modCH summary(modCH) Ana

1 0

Dividir banco de dados
by Thiago de Andrade 29 Nov '12

29 Nov '12

Boa noite! Preciso dividir meu conjunto de dados aleatoriamente em duas metades. Trata-se de um data frame com 1372 linhas e 10 colunas. Alguém pode me ajudar? -- Thiago de Andrade Mestrando em Psicologia Social, PPGP-UFPB Núcleo de Pesquisas em Desenvolvimento Sócio-Moral (NPDSM) (83) 9642 4099

2 2

soma de quadrado tipo 4
by Ze Henrique 29 Nov '12

29 Nov '12

Boa noite a todos. Aguem pode me ajudar como fazer a soma de quadrado tipo 4 no programa R, ou um local que eu possa encontrar como fazer isto. Obrigado desde já a todos.

4 5

Divulgação da lista R-Ecology
by Luciano F. Sgarbi 29 Nov '12

29 Nov '12

Bom dia, O Grupo R-Eclogy foi criado a pouco tempo em Goiânia, e é destinado a discussões de problemas em linguagem R, com foco em Ecologia/Evolução e programação. Se acaso alguém tiver interesse é só acessar o site ( http://groups.google.com/group/r-ecologia?hl=pt-BR) e solicitar o convite para participar. Caso tiver interesse, mas não está conseguindo solicitar o convite, escreva diretamente para o meu e-mail pessoal (luciano.f.sgarbi(a)gmail.com) que eu resolvo o problema. Abraços, Luciano -- Luciano F. Sgarbi Mestrando em Ecologia e Evolução - UFG Laboratório de Ecologia de Insetos Cel. (62)8174-2262 Lab. (62)3521-1732 https://groups.google.com/d/forum/r-ecologia

1 0

Pacote ACD: Categorical data analisys with complete or missing responses
by Fabio Mathias Corrêa 28 Nov '12

28 Nov '12

Nobres colegas, O pacote foi construído com a colaboração de Frederico Zanqueta Poleto, Julio da Mota Singer, Daniel Carlos Paulino, Fabio Mathias Correa e Enio Galinkin Jelihovschi As rotinas do pacote ACD são parte da dissertação de mestrado de Poleto (2006) cujo objetivo é analisar dados categorizados com omissão pelas metodologias de máxima verossimilhança (MV) mínimos quadrados generalizados (MQG). Esse tipo de dado ocorre quando as respostas em algumas variáveis para uma parte das unidades experimentais não são observadas. A teoria apresentada em Poleto (2006) estende os resultados do Capítulo 13 de Paulino e Singer (2006) para permitir a inclusão de variáveis explicativas. Como dados completos podem ser encarados como um caso particular de dados com omissão, as rotinas tambám permitem a sua análise. É um pacote recém criado, ainda não foram implementadas funções gráficas e melhorias nas funções podem ser realizadas. Com o tempo vamos melhorando o pacote! valeu! Fábio Mathias Corrêa Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e da Terra - DCET Campus Soane Nazaré de Andrade, km 16 Rodovia Ilhéus-Itabuna CEP 45662-900. Ilhéus-Bahia Tel.: 73-3680-5076

3 3

Lista de arquivos em uma pasta
by Edwin Isensee 28 Nov '12

28 Nov '12

Prezados, Uso o R em um MacBook. Preciso saber como obter a lista de arquivos em um folder, usando uma máscara. Por exemplo, preciso listar no R todos os arquivos que satisfaçam a máscara "NETWORK*.csv". Alguém sabe como fazer? Já consegui usando apenas a extensão, mas usando uma máscara, não estou conseguindo. Att, Edwin Isensee

2 1

Re: [R-br] Ajuda com NA
by Eder Comunello 28 Nov '12

28 Nov '12

Assumindo o conteúdo do dput armazenado em um objeto dados... dados2 <- dados$afia3[-which(is.na(dados$afia3))] Pra funcionar com essa solução deve-se endereçar o elemento da lista 'afia3'. ================================================ Éder Comunello Ph.D. Student in Agricultural Systems Engineering (USP/ESALQ) Piracicaba, SP, Brazil [22 42.7'S, 47 37.8'W] Researcher at Embrapa Western Region Agriculture Dourados, MS, Brazil [22 16.5'S, 54 49.0'W] ================================================ UTC-03:00

1 0

Ajuda com NA
by Sérgio Henrique almeida da silva ju 28 Nov '12

28 Nov '12

Olá Estou tentando excluir os NAs do meu banco, já fiz de tudo, inclusive mandinga, mas não consigo: structure(list(afia3 = c(0, 1, 0, 3, 0, 0, 0, 0, 0, 0, 0, 5, 0, 0, 0, 0, 2, 4, 0, 3, 0, 3, 0, 0, 0, 3, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 5, 0, 1, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 1, 2, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 7, NA, 0, 0, 0, 0, 2, 2, 0, 3, 0, 0, 0, 0, 5, 0, 3, 1, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 4, 5, 0, 1, 2, 0, 0, 0, 2, 0, 0, 0, 0, 0, 4, 4, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 3, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 2, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 2, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 2, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 3, 2, 5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 5, 2, 1, 3, 3, 0, 0, 0, 0, 6, 0, 0, 0, 4, 0, 0, 0, 0, 0, 3, 4, 4, 3, 3, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 2, 1, 0, 0, 3, 2, 0, 0, 0, 0, 0, 0, 0, 7, 0, 0, 0, 0, 0, 0, 0, 0, 0, 5, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 3, 0, 2, 0, 0, 3, 0, 0, 0, 0, 3, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 5, 0, 4, 0, 0, 0, 2, 0, 0, 7, 0, 0, 0, 0, 0, 0, 5, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 3, NA, 0, 0, 0, 5, 0, 0, 4, 0, 0, 0, 0, 0, 0, 5, 6, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 6, 2, 3, 0, 3, 0, 3, 0, 0, 0, 0, 0, 0, 0, 3, 3, 3, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 6, 5, 3, 0, 0, NA, 0, 0, 5, 0, 0, 0, 4, 0, 0, 0, 6, 0, 0, 0, 0, 3, 0, 0, NA, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 4, 0, 0, 0, NA, 0, 0, 0, 2, 0, 0, 0, 7, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 0, 0, 0, 0, 0, 0, 0, 0, 5, 3, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 1, 3, 0, 3, 5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 1, 0, 0, 0, 0, 0, 2, 0, 0, 3, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 5, 0, 0, 3, 0, 0, 4, 0, 0, 2, 3, 0, 0, 0, 0, 2, 0, 0, 0, 6, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 3, 4, 0, 5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 3, 0, 2, 0, 0, 0, 0, 3, 0, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 5, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 4, 0, 0) Como posso fazer isso? Abraços -- Sérgio Henrique Almeida da Silva Junior Doutorando em Epidemiologia em Saúde Pública Escola Nacional de Saúde Pública Sérgio Arouca - ENSP/FIOCRUZ http://lattes.cnpq.br/1611345552843383 Tel: (21) 94429486/78101651 id: 123*20942

6 11

ESPERANÇA DE QUADRADOS MÉDIOS
by tiago souza marçal 28 Nov '12

28 Nov '12

Boa noite prezados colegas, Vocês poderiam me indicar algum material onde eu tenha acesso a esperança de quadrados médios do delineamento em quadrado latino e arranjo de parcelas subsubdivididas. A baixo segue um exemplo do que estou querendo: Modelo: Yijk = m + Gi + Aj + GAij + Eijk FV GL E(QM) Ambiente a-1 σ2 + gσ2a Genótipo g-1 σ2 + arσ2a G x A (a-1)(g-1) σ2 + rσ2ga Resíduo ga(r-1) σ2 Em que: a - é o número de ambientes. g - é o número de genótipos. r - é o número de repetições Agradeço desde já pela ajuda. Att. Tiago.

3 4

Sobre o R Revolution - para esclarecimentos
by Diogo Ferrari 28 Nov '12

28 Nov '12

Caros, Eu tenho mencionado o Revolution, e vejo que algumas perguntas tem pipocado. Deixe eu tentar esclarecer algumas coisas que talvez seja util para as necessidades de alguns usuários. O Revolution faz tudo que o R faz. Ele é uma espécie de IDE, e a única diferença é que ele tem algumas funções a mais feitas em java pelos desenvolvedores. Essas funções a mais são para uso de Big-data e HPC, só isso. Tais funções fazem parte do pacote Revoscale (um ?Revoscale no R Revolution informa bastante), que já vem com o R Revolution e carregam automaticamente quando você abre o software. O Revolution é gratuito para uso acadêmico, e tem quase todas as funcionalidades da versão paga, exceto algumas coisas para HPC. Na prática, não faz falta. Basta pedir para baixar essa versão no site, fazer o mini cadastro que você recebe no e-mail o key para instalar e o link para baixar. A grande vantagem na minha opinião é o uso do big-data. Para isso, o Revolution tem um formato de arquivo que facilita o processamento. Assim como o SPSS tem o .sav, o Stata o .dta, o Revolution le todos, mas tem um arquivo próprio .xdf, que torna a análise mais eficiente (.xdf é um arquivo indexado, etc., etc.). Minha experiência: estou analisando 6 censos brazileiros (5x +/- 20.000.000 de casos em cada). Com um pouco de programação estatística + Revolution + .xdf, faço uma logit, de uma vez, nesses 5 censos (e mais 1 com +/-200.000 casos) em 10 segundos usando um note care2duo, 3GB e 160GB. Não encontrei desempenho assim em qualquer outro software. Para qualquer outra coisa que não envolva trabalhar com dados na hd ao invés da memória, ou que trabalhe com tamanho big-data, o R sem essas funcionalidades a mais funciona muito bem. Abs. -- Diogo Ferrari University of San Paulo (USP) Faculty of Philosophy, Languages, Literature and Human Sciences (FFLCH) Department of Political Science (DCP) San Paulo/SP - Brazil E-mail: diogo.ferrari(a)usp.br Open Source! Use R! Use Linux! "A vida é a arte de tirar conclusões suficientes de dados insuficientes"

4 5

Modelo aleatorio fixo ou variado
by Ze Henrique 28 Nov '12

28 Nov '12

Boa noite colegas. Gostaria que alguem me ajuda-se com algum material ou me explique quando utilizar modelo fixo e modelo aleatório. Obrigado desde já a todos.

2 2

Divulgação de R como software livre de estatística
by Richard Santos 28 Nov '12

28 Nov '12

Caros, Pelo que estou aprendendo do R, penso em alguns pontos importantes sobre como falar para as empresas e instituições do governo a respeito do software livre em Estatística, o único que existe que atende requisitos mínimos, o R. Peço que apontem quando discordar de algum ponto. Obrigado. - uma programação mais extensa do que os outros sotwares estatísticos viáveis (que são pagos, a maioria não tão caros - Stata: 3.290 reais, Minitab: 2990 reais, o próprio Revolution R: 2000 reais, SPSS: um pouco mais, SAS: mais caro); - demanda mais tempo de aprendizado do que os demais também, antes de começar a usar; - uma das soluções para grandes bases e com point in click do R é paga, então acaba não tendo a vantagem de ser livre; - sem ser pago, o R também tem soluções de grandes bases e de point in click, mas é preciso já conhecer R de intermediário para avançado para conseguir instalar e conseguir usas essas opções. A maioria das pessoas que falam que o R faz tudo e gratuito, defende mas sem na hora saber fazer, tendo apenas o nível básico do software. Ainda preciso ver alguém com razoável conhecimento do R usando grandes bases de dados, ou testar os pacotes sugeridos pela lista (vou fazer isso). Richard

3 2

código em R
by alanarocha＠sapo.pt 28 Nov '12

28 Nov '12

modC<-lm(pthi~dose+grupo) modC Call: lm(formula = pthi ~ dose + grupo) Coefficients: (Intercept) dose grupoH 752.8614 0.1791 -159.5864 summary(modC) Call: lm(formula = pthi ~ dose + grupo) Residuals: Min 1Q Median 3Q Max -862.97 -323.87 -60.89 222.13 1936.94 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 752.86139 84.56014 8.903 1.22e-15 *** dose 0.17913 0.08253 2.171 0.0315 * grupoH -159.58641 92.49382 -1.725 0.0864 . --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 540.3 on 158 degrees of freedom (1 observation deleted due to missingness) Multiple R-squared: 0.03447, Adjusted R-squared: 0.02225 F-statistic: 2.82 on 2 and 158 DF, p-value: 0.0626 eu fiz isto, percebo que o grupo C aparece por defeito do R. ams como esplico no relatorio qual o valor estimado para o grupo C e para o grupo H? E se no meu ficheiro de dados o H aparece primeiro porque é que o R considera o C primeiro? Ana

2 1

código em R
by alanarocha＠sapo.pt 28 Nov '12

28 Nov '12

modC<-lm(pthi~dose+grupo) modC Call: lm(formula = pthi ~ dose + grupo) Coefficients: (Intercept) dose grupoH 752.8614 0.1791 -159.5864 summary(modC) Call: lm(formula = pthi ~ dose + grupo) Residuals: Min 1Q Median 3Q Max -862.97 -323.87 -60.89 222.13 1936.94 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 752.86139 84.56014 8.903 1.22e-15 *** dose 0.17913 0.08253 2.171 0.0315 * grupoH -159.58641 92.49382 -1.725 0.0864 . --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 540.3 on 158 degrees of freedom (1 observation deleted due to missingness) Multiple R-squared: 0.03447, Adjusted R-squared: 0.02225 F-statistic: 2.82 on 2 and 158 DF, p-value: 0.0626 eu fiz isto, percebo que o grupo C aparece por defeito do R. ams como esplico no relatorio qual o valor estimado para o grupo C e para o grupo H? E se no meu ficheiro de dados o H aparece primeiro porque é que o R considera o C primeiro? Ana

1 0

Separando nomes com espaços em branco após o nome
by Fátima Lima Paula 28 Nov '12

28 Nov '12

Prezados, já aprendi a separar nomes, mas agora surgiu um problema: esse banco que estou usando, foi exportado do sihd2 e vem com os espaços do campo que é para ser preenchido. Assim, tenho nomes com esse aspecto: nome=c("Maria Tereza dos Santos ", "Jorge Roberto da Silva ", "José de Faria Almeida ") nome=factor(nome) idade=c(76,87,98) data=data.frame(nome, idade) Preciso que os nomes sejam divididos da seguinte forma: data$nome1=c("Maria", "Jorge", "José") data$nome2=c("Tereza dos", "Roberto da","de Faria") data$nome3=c("Santos", "Silva", "Almeida") Fui usar o script que guardei do Walmes, mas não deu certo. O problema está nos espaços que ficam depois do nome. Só para ilustrar, vejam o que retorna: separado=strsplit(as.character(nome),split=" ") > head(separado) [[1]] [1] "Maria" "Tereza" "dos" "Santos" "" "" "" "" [9] "" "" "" "" "" [[2]] [1] "Jorge" "Roberto" "da" "Silva" "" "" "" [8] "" "" "" "" "" "" [[3]] [1] "José" "de" "Faria" "Almeida" "" "" "" [8] "" "" "" "" "" "" "" [15] "" "" "" "" O pior é que não existe um número constante de espaços, nem de total de linhas. É exatamente assim como no exemplo. Alguém pode me ajudar, por favor?

2 2

dúvida em código
by alanarocha＠sapo.pt 28 Nov '12

28 Nov '12

sim eu já tinha removido essa linha e o problema é o mesmo.

1 0

dúvida em codigo
by alanarocha＠sapo.pt 28 Nov '12

28 Nov '12

Eu não estou a perceber porque é que o meu codigo le 3 níveis quando devia ser so 2 H e C. https://dl.dropbox.com/u/9337305/regressão.R Ana

2 1

Re: [R-br] [STAT-MATH] Instalação do Revolution R - pede serial number
by Richard Santos 27 Nov '12

27 Nov '12

Não sei se todos concordam comigo, mas penso que seria importante divulgar para as empresas e empregadores e governo que o Revolution R comercial, que permite várias opções com BigData, é pago também, assim como o SPSS, Minitab, etc. Deixa de ter a vantagem de ser um software livre. 2012/11/27 Flavio Barros <flaviomargarito(a)gmail.com> > ** > > > Como você baixou? Se você fez um cadastro deve ter recebido esse número no > seu e-mail. Caso contrário faça o cadastro para uso acadêmico que você > recebe o serial no e-mail. > > Para uso comercial tem que comprar a licença. > > Flavio Barros > [image: Facebook] <http://www.facebook.com/flavio.barros.1650?ref=tn_tnmn> [image: > LinkedIn] <http://www.linkedin.com/profile/view?id=61839390&trk=tab_pro> > Contact me: [image: Google Talk] flaviomargarito(a)gmail.com > “"If ever there is tomorrow when we're not together.. there is something > you must always remember. you are braver than you believe, stronger than > you seem, and smarter than you think. but the most important thing is, even > if we're apart.. i'll always be with you." - Winnie the Pooh<http://www.quotesdaddy.com/quote/280037/winnie-the-pooh/if-ever-there-is-to…> > ” Get this email app! <http://www.wisestamp.com/apps/quotes?utm_source=extension&utm_medium=email&…> > > Create your free signature: > <http://r1.wisestamp.com/r/landing?promo=33&dest=http%3A%2F%2Fwww.wisestamp.…> CLICK > HERE!<http://r1.wisestamp.com/r/landing?promo=33&dest=http%3A%2F%2Fwww.wisestamp.…> > > > 2012/11/27 Richard Santos <jamesrichardsantos(a)gmail.com> > >> ** >> >> >> Caros, >> A instalação do Revolution R pede um serial number, que parece ser de >> 12 dígitos. Qual digito? rsrssrsr >> Richard >> > > > __._,_.___ > > <flaviomargarito@gmail.com?subject=Res%3A%20Re%3A%20%5BSTAT-MATH%5D%20Instala%E7%E3o%20do%20Revolution%20R%20-%20pede%20serial%20number>| através > de email<STAT-MATH@yahoogrupos.com.br?subject=Res%3A%20Re%3A%20%5BSTAT-MATH%5D%20Instala%E7%E3o%20do%20Revolution%20R%20-%20pede%20serial%20number>| Responder > através da web<http://br.groups.yahoo.com/group/STAT-MATH/post;_ylc=X3oDMTJxamFnMG02BF9TAz…>| Adicionar > um novo tópico<http://br.groups.yahoo.com/group/STAT-MATH/post;_ylc=X3oDMTJlMWU2ZDM5BF9TAz…> > Mensagens neste tópico<http://br.groups.yahoo.com/group/STAT-MATH/message/27136;_ylc=X3oDMTM2bWU4c…>( > 2) > Atividade nos últimos dias: > > - Novos usuários<http://br.groups.yahoo.com/group/STAT-MATH/members;_ylc=X3oDMTJmN3ZzdHNyBF9…> > 17 > > Visite seu Grupo<http://br.groups.yahoo.com/group/STAT-MATH;_ylc=X3oDMTJlNnB0ZGpuBF9TAzk3NDk…> > O Dia dos Namorados está chegando. Encontre alguém especial até lá!<http://global.ard.yahoo.com/SIG=15mg922oo/M=830568.15128937.14797398.129601…> > ------------------------------ > Não passe mais um Dia dos Namorados sozinho(a). Conheça o Y! Encontros.<http://global.ard.yahoo.com/SIG=15m73tkvv/M=758712.15012700.14784528.129601…> > [image: Yahoo! Grupos]<http://br.groups.yahoo.com/;_ylc=X3oDMTJkM3Q4cTgxBF9TAzk3NDkwNDM1BGdycElkAz…> > Trocar para: SÃ³ Texto<STAT-MATH-traditional@yahoogrupos.com.br?subject=Mudar+Formato+de+Envio:+Tradicional>, > Resenha DiÃ¡ria<STAT-MATH-digest@yahoogrupos.com.br?subject=Envio+de+email:+Resenha>• Sair > do grupo <STAT-MATH-unsubscribe(a)yahoogrupos.com.br?subject=Sair+do+grupo>• Termos > de uso <http://br.yahoo.com/info/utos.html> > . > > __,_._,___ >

2 4

OT Fwd: Revolution Webinar Series: Real-time Big Data Analytics: From Deployment to Production
by Leandro Marino 27 Nov '12

27 Nov '12

Enviado de um dispositivo móvel. Sent from a mobile device. ---------- Mensagem encaminhada ---------- De: "Revolution Analytics" <info(a)revolutionanalytics.com> Data: 27/11/2012 21:49 Assunto: Revolution Webinar Series: Real-time Big Data Analytics: From Deployment to Production Para: <leandromarino(a)leandromarino.com.br> ** [image: Revolution Analytics] 2012 Fall Webinar Series Hello Everyone! There's still time to register for this Thursday's webinar " *Real-time Big Data Analytics: From Deployment to Production<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> *" presented by David Smith, VP of Marketing & Community at Revolution Analytics. Join us as David describes the five stages of real-time analytics deployment, the technologies supporting each stage, and how Revolution Analytics software works with the entire analytics stack to bring Big Data analytics to real-time production environments. *Reserve your seat now!<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> * Featured Webinar [image: David Smith] *Real-time Big Data Analytics: From Deployment to Production<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> * As the Big Data market has evolved, the focus has shifted from data operations (storage, access and processing of data) to data science (understanding, analyzing and forecasting from data). And as new models are developed, organizations need a process for deploying analytics from research into the production environment. In this talk, we'll describe the five stages of real-time analytics deployment: - Data distillation - Model development - Model validation and deployment - Model refresh - Real-time model scoring We'll review the technologies supporting each stage, and how Revolution Analytics software works with the entire analytics stack to bring Big Data analytics to real-time production environments. [image: REGISTER NOW]<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> [image: Presenter] *David Smith* VP Marketing & Community, Revolution Analytics [image: Date] *Thursday, November 29, 2012* [image: Time] *10:00AM - 11:00AM Pacific Time* (Click here for time in your local time zone<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> ) Archived Webinars *Presented Nov 15, 2012* *New Advances in High Performance Analytics with R: ‘Big Data’ Decision Trees and Analysis of Hadoop Data<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> * Revolution R Enterprise 6.1 includes two important advances in high performance predictive analytics with R: (1) big data decision trees, and (2) the ability to easily extract and perform predictive analytics on data stored in the Hadoop Distributed File System (HDFS). Classification and regression trees are among the most frequently used algorithms for data analysis and data mining. The implementation provided in Revolution Analytics’ RevoScaleR package is parallelized, scalable, distributable, and designed with big data in mind. *Presented Nov 8, 2012* *Order Fulfillment Forecasting at John Deere: How R Facilitates Creativity and Flexibility<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> * Statistical analysis has been known to be invaluable to any manufactory's quality assurance for decades. Recently the value of valid statistical analysis has also been demonstrated to radically improve the ability of a company's ability to weather extreme peaks and valley in customer demand. John Deere has been able to adjust to commodity spikes and housing downturns much better than its competitors have. This is in part due to the implementation of statistical analysis and the use of R software in the order fulfillment function of John Deere. *Presented Nov 1, 2012* *The Rise of Data Science in the Age of Big Data Analytics: Why Data Distillation and Machine Learning Aren't Enough*<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> The reason why Big Data is important is because we want to use it to make sense of our world. It's tempting to think there's some "magic bullet" for analyzing big data, but simple "data distillation" often isn't enough, and unsupervised machine-learning systems can be dangerous. (Like, bringing-down-the-entire-financial-system dangerous.) Data Science is the key to unlocking insight from Big Data: by combining computer science skills with statistical analysis and a deep understanding of the data and problem we can not only make better predictions, but also fill in gaps in our knowledge, and even find answers to questions we hadn't even thought of yet. *Presented Jun 28, 2012* *Achieving High-Performing, Simulation-Based Operational Risk Measurement with RevoScaleR<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> * Under the Basel II Accord, financial institutions are required for the first time to determine capital requirements for a new class of risk – operational risk. Large and internally active banks are required to estimate operational risk exposure using the Advanced Measurement Approach (AMA), which relies on advanced empirical models. As banks continue to develop and enhance their own AMA models for operational risk measurement, they are increasingly utilizing R to perform various modeling tasks. *Presented Jun 20, 2012* *100% R and More: Plus What's New in Revolution R Enterprise 6.0<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> * R users already know why the R language is the lingua franca of statisticians today: because it's the most powerful statistical language in the world. Revolution Analytics builds on the power of open source R, and adds performance, productivity and integration features to create Revolution R Enterprise. In this webinar, author and blogger David Smith will introduce the additional capabilities of Revolution R Enterprise. *Presented Jun 5, 2012* *Introduction to R for Data Mining<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> * We at Revolution Analytics are often asked “What is the best way to learn R?” While acknowledging that there may be as many effective learning styles as there are people we have identified three factors that greatly facilitate learning R. In this webinar, we focus on data mining as the application area and show how anyone with just a basic knowledge of elementary data mining techniques can become immediately productive in R. *Presented May 2, 2012* *R + Hadoop = Big Data Analytics<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> * RHadoop is an open source project spearheaded by Revolution Analytics to grant data scientists access to Hadoop’s scalability from their favorite language, R. It allows users to write general MapReduce programs, offering the full power and ecosystem of an existing, established programming language. In this webinar, Antonio will provide a brief introduction to Hadoop and R. He will describe how rmr allows R developers to program in the MapReduce framework, and provides for all developers an alternative way to implement MapReduce programs that strikes a delicate compromise between power and usability. *Presented Mar 28, 2012* *Actuarial Analytics in R<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…> * With data analysis showing up in domains as varied as baseball, evidence-based medicine, predicting recidivism and child support lapses, judging wine quality, credit scoring, supermarket scanner data analysis, and “genius” recommendation engines, “business analytics” is part of the zeitgeist. This is a good moment for actuaries to remember that their discipline is arguably the first – and a quarter of a millennium old – example of business analytics at work. Today, the widespread availability of sophisticated open-source statistical computing and data visualization environments provides the actuarial profession with an unprecedented opportunity to deepen its expertise as well as broaden its horizons, living up to its potential as a profession of creative and flexible data scientists. *View and download all of this year's archived webinars from the Revolution Analytics website<http://pages.revolutionanalytics.com/track?type=click&enid=bWFpbGluZ2lkPXJl…>. * *Revolution Analytics* 101 University Ave, Suite 300, Palo Alto, CA 94301. 1-855-GET-REVO / +1 650 646 9545 *Email management options: Unsubscribe from all<http://info.revolutionanalytics.com/UnsubscribePage.html?mkt_unsubscribe=1&…>| Manage my email subscription frequency<http://info.revolutionanalytics.com/ManageYourSubscriptions.html>| Update my profile <http://info.revolutionanalytics.com/UpdateYourProfile.html>*

1 0

Criar uma coluna a partir de campos de outra coluna
by Fátima Lima Paula 27 Nov '12

27 Nov '12

Prezados, tenho: nome=c("Maria","João","Pedro","Tereza","José") idade=c(79,87,80,69,72) doenca=c("tifo", "coqueluche","catapora","tifo","sarampo") data=data.frame(nome,idade,doenca) data Quero criar no data, uma coluna chamada tifo que terá essa aparência: tifo=c("sim","não","não","sim","não") Alguém poderia me ajudar?

3 4

Acesso a planilha do formulário de pesquisa R_br
by Fabio Mathias Corrêa 27 Nov '12

27 Nov '12

Pessoal, Segue o link para quem quiser ir brincando com os dados da planilha de pesquisa sobre o perfil dos usuário do R no Brasil. A planilha não pode ser modificada, apenas visualizada! Se alguém tiver algum local que possa disponibilizar os gráficos, seria bom também! https://docs.google.com/spreadsheet/ccc?key=0AsTYxk2c2WjedFpZSEh1QWhuNWpsNV… Valeu! Fábio Mathias Corrêa Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e da Terra - DCET Campus Soane Nazaré de Andrade, km 16 Rodovia Ilhéus-Itabuna CEP 45662-900. Ilhéus-Bahia Tel.: 73-3680-5076

1 0

cadastro de usuários R - Recife
by Ary Casado 27 Nov '12

27 Nov '12

Pessoal, Estou começando a divulgar a ideia de um grupo de discussão e estudos sobre R aqui no Recife, baseado no que começou a ser discutido na lista. Gostaria de entrar entrar em contato com usuários da lista que sejam do Recife e interior, vinculados a UFPE, UFRPE, UPE e outras instituições para que possamos preparar um cadastro desses usuários, juntar com o cadastro de usuários que não estão na lista e partir para uma primeira reunião de interessados. Então entrem em contato com o meu e-mail pessoal (ary_casado(a)yahoo.com.br) para que possamos dar o primeiro passo. Como trabalho aqui na UFPE penso em fazer a divulgação dos não participantes da lista através de e-mail, facebook e pequenos cartazes nos quadros de avisos dos departamentos. Arykerne Nascimento Eng. Químico - UFPE Especialista em Informática - UFPE Mestrando em Ciências Nucleares - UFPE

6 9

gráfico de dispersão
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

Olá Tiago, ja funcionou. obrigada como é agora para o grafico? Ana

2 1

dúvida
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

é possível dois modelos de regressão darem os mesmos valores? foi o que me aconteceu. será melhor ter os dados de cada grupo em ficheiros separados? arquivo de dados: https://dl.dropbox.com/u/9337305/correlacaocinacalcet.csv script https://dl.dropbox.com/u/9337305/regressão.R Ana

3 2

Como detectar o NA num dataframe
by Fátima Lima Paula 27 Nov '12

27 Nov '12

Prezados, após conseguir criar os NAs nos espaços em branco (mais uma vez, obrigada Benilton), verifiquei que a variável sexo apresenta 156.460 homens e 145.716 mulheres e 1 NA. Tentei usar sexonulo=subset(sih,sih$sexo=="NA") Mas retornou: sexonulo [1] seq esp aih carater compet cnes [7] munhosp dataint datasaida procedim modalid motivsaida [13] diagprinc diagsec diagobito nome datanas sexo [19] mae logradouro bairro munpac uf cep [25] idade prontuario enfermaria into <0 linhas> (ou row.names de comprimento 0) Alguém poderia me ajudar?

2 2

ACESSO A CÓDIGOS
by tiago souza marçal 27 Nov '12

27 Nov '12

Como faço para ter acesso aos códigos de algumas funções que parecem estar bloqueadas como por exemplo a função Anova() do pacote car. Att. Tiago.

2 2

Substituir espaço em branco por NA
by Fátima Lima Paula 27 Nov '12

27 Nov '12

Prezados, estou com um problema elementar. Ao ler um banco banco2008=read.csv2("BancoSIH2008.csv",header=T) verifiquei que os espaços em branco continuaram em branco. Como faço para que eles se tornem NA. Obrigada Fátima

8 17

obter coordenadas do grafico via mouse interativamente ( sem locator() )
by Cleber N.Borges 27 Nov '12

27 Nov '12

olá, Preciso obter as coordenadas de pontos e, condicionalmente a estas coordenadas, traçar novos graficos de forma interativa. "locator()" não serve pq fica congelado até escolher todos pontos. Quero que a cada 'click', gere um novo grafico. Tentei adaptar os exemplos da função "getGraphicsEvent()" mas ainda não entendi o funcionamento direito. Gostaria de que fosse retornado as coordenadas de onde o usuario dar o 'click'... Abaixo segue o que tentei fazer. Agradeço antecipadamente a aquem tentar ajudar Grato. Cleber ############## plot( cbind(1:3,1), cex=2 ) mousedown <- function( buttons, x, y ){ x <- grconvertX(x, 'dev', 'user') y <- grconvertY(y, 'dev', 'user') r <- c( x,y ) return( r ) } setGraphicsEventHandlers(prompt="Click and drag, hit q to quit", onMouseDown = mousedown ) getGraphicsEvent() ##############

2 2

erro
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

Infelizmente deu o seguinte erro: grupoH<-subset(dados,grupo=="H") > modH<-lm(grupoH$pthi~grupoH$dose) Error in model.frame.default(formula = grupoH$pthi ~ grupoH$dose, drop.unused.levels = TRUE) : invalid type (NULL) for variable 'grupoH$pthi' > summary(modH) Error in summary(modH) : object 'modH' not found Ana

2 1

Lentidão do mclapply() em alguns casos, mas não em outros
by Adriano S. Melo 27 Nov '12

27 Nov '12

Colegas, Estou com um problema de lentidão no uso do mclapply do pacote multicore. Uso Ubuntu 12.04 em Dell Latitude E6500, 4Gb Ram e processador Centrino2. Trabalho com R no gedit (repeti algumas coisas diretamente no R executado no terminal mas não mudou nada). Já brinquei bastante com o comando, mas ainda não consegui entender exatamente o que está acontecendo (veja que fiz vários testes abaixo). Seguindo uma mensagem anterior desta lista (18out12), executei o codigo do Fernando H. Toledo em: http://ridiculas.wordpress.com/2011/10/23/paralelizacao-de-processos/ O tempo de processammento SEM mcapply foi de: 1> tempoA[3] elapsed 2.065 Com o mcapply foi de: 1> tempoB[3] elapsed 2.135 Visto que o tempo do mclapply foi até maior, tentei descobrir o que estava acontecendo. Achei isto (https://github.com/markmfredrickson/RItools/issues/2) "My understanding is that multicore first checks to see if the mc.cores argument is set. If so, it uses that value. Next, it checks options("cores"), if this is set, it will use that value. If neither condition is true, it runs detectCores() itself. So in general, we do not need to manually detect cores. The multicore help page has more details on this. If you want to override in RItools, you have two options. 1) options("cores" = 2) -- multicore will respect this. 2) options("RItools-apply" = function(lst, f) { mclapply(lst, f, mc.cores= 2) }). You can also use the second strategy to set other mclapply options. No meu computador: getOption("cores") NULL Usei a sugestão 1) acima: options("cores" = 2) getOption("cores") [1] 2 Executei o código novamente, mas não adiantou: 1> tempoA[3] elapsed 2.197 1> tempoB[3] elapsed 2.302 Usei a sugestão 2) acima, mas também não adiantou: 1> tempoA[3] elapsed 2.172 1> tempoB[3] elapsed 2.249 Fechei tudo e repeti os comandos usando o mclapply do pacote parallel. Ele não reconheceu o número de CPUs e portanto coloquei como argumento: mc.cores = 2 Melhorou apenas um pouquinho: 1> tempoA[3] elapsed 2.22 1> tempoB[3] elapsed 2.205 ===>> Continuei brincando com o mclapply e vi que as coisas podem ser diferentes: system.time({ a<-mclapply(1:1000, function(numero) sd(rnorm(100000))) }) usuário sistema decorrido 528.277 4.544 92.195 system.time({ a<-vector('list', 1000) for (i in 1:1000){a[[i]]<-sd(rnorm(100000))} }) usuário sistema decorrido 16.301 0.520 16.835 #### Notem que aqui o mclapply foi BEM lento. #### Mas neste exemplo abaixo ele reduziu o tempo pela metade (como esperado, visto que tenho 2 CPUs): library(vegan) data(BCI) system.time({ a<-mclapply(1:100, function(numero) nestednodf(BCI)) }) usuário sistema decorrido 127.996 2.520 47.902 system.time({ a<-vector('list', 100) for (i in 1:100){a[[i]]<-nestednodf(BCI)} }) usuário sistema decorrido 82.765 0.352 83.204 #### Eu tenho 2 CPUs: 1> detectCores() # função do pacote parallel [1] 2 No Monitor do Sistema pude observar que de fato o mclapply está usando as duas CPUs para processamento (tanto com multicore quanto com parallel). Sugestões do que pode estar acontecendo? Em que situação vale a pena usar o mclapply? Abraços, Adriano S. Melo Ecologia - UFG

3 5

Re: [R-br] cadastro de usuários R - Recife
by Roney Fraga 27 Nov '12

27 Nov '12

Acredito ser possível criar grupos regionais. Contudo, a maior dificuldade na minha opinião é que as pessoas não conhecem a lista R–br. Pelo menos essa é a realidade entre os economistas. Abraço Roney

3 2

Fatorial com parcelas perdidas
by tiago souza marçal 27 Nov '12

27 Nov '12

Prezados, gostaria de saber se no caso de parcelas perdidas é só substituir o valor perdido par NA e usar a função aov() como no exemplo abaixo. fator1<-c(rep("A",12),rep("B",12)) fator2<-c(rep("C",4),rep("D",4),rep("E",4),rep("C",4),rep("D",4),rep("E",4)) resposta<-c(39.03794, 30.19444, 32.57167, 34.87484, NA ,37.15130, 39.67066, 32.34696, 19.96688, 63.33362, 43.74447, 47.39147, 37.37704, NA, 29.35858, 28.76528, 16.092950, 21.080503, 16.906132, 12.345620, 26.475927, 23.639545, 23.890539, NA) dados<-data.frame(fator1,fator2,resposta) anova<-aov(resposta~fator1*fator2) summary(anova) Existe algum pacote que realiza testes de comparação múltipla para dados desbalanciados. Att. Tiago.

5 11

o meu arquivo de dados
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

Mais uma vez peço desculpas por não ter percebido. aEspero agora dar pra alguem me ajudar. obrigada https://dl.dropbox.com/u/9337305/correlacaocinacalcet.csv Ana Rocha

1 0

o meu arquivo de dados
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

Mais uma vez peço desculpas por não ter percebido. aEspero agora dar pra alguem me ajudar. obrigada https://dl.dropbox.com/u/9337305/correlacaocinacalcet.csv Ana Rocha

1 0

o meu arquivo de dados
by alanarocha＠sapo.pt 27 Nov '12

27 Nov '12

Mais uma vez peço desculpas por não ter percebido. aEspero agora dar pra alguem me ajudar. obrigada https://dl.dropbox.com/u/9337305/correlacaocinacalcet.csv Ana Rocha

1 0

series temporais
by Natalia Martins 27 Nov '12

27 Nov '12

Prezados, boa tarde. Analisando dados de temperatura identifiquei um modelo SARMA(1,0,0) x (1,1,1) e a função auto.arima identificou um outro modelo, que não é o mesmo. Fui verificar o criterio de escolha da função e segundo o tutorial, diz se: A referida função consiste no ajuste de possíveis modelos optando pelo modelo com o menor critério de BIC, AIC ou AICc, realizando uma pesquisa sobre o melhor modelo, dentro das limitações de ordem fornecida. No entanto quando comparei o modelo identificado por mim e pela função auto.arima, o meu modelo tinha um menor AIC, BIC e AICc. Aguem poderia me ajudar? Att, -- Natália da Silva Martins Bacharel em Estatística - Universidade Estadual de Maringá/ UEM Mestranda em Estatística e Experimentação Agronômica - ESALQ/ USP Contato: (19) 8306-4743

3 4

ajuda com o R
by Ana 27 Nov '12

27 Nov '12

Primeiro quer pedir desculpa por ter colado o meu codigo no corpo dos mails. o meu objectivo é: O que eu teciono fazer é relacionar as variaveis pthi e dose em funça da variavel efactor qu tem dois niveis C e H. pretendo relacionar pthi~dose para o nivel H e outra relação para o nivel C e fazer um grafico que mostre as duas em separado fiz: o script vai aqui: https://dl.dropbox.com/u/9337305/regressao.R Ahttps://dl.dropbox.com/u/9337305/regressao.R na Rocha

3 2

Adicionar caractere a uma tabela
by Sérgio Henrique almeida da silva ju 26 Nov '12

26 Nov '12

Prezados Gostaria de adicionar um caractere (%) aos meus dados, como faço isso? dput(tabela) structure(c(1361081L, 5468835L, 34263L, 7287738L, 1873030L, 6446889L, 215967L, 10973252L), .Dim = c(4L, 2L), .Dimnames = structure(list( Grupo = c("Grupo I", "Grupo II", "Grupo III", "TOTAL"), Sexo = c("Feminino", "Masculino")), .Names = c("Grupo", "Sexo"))) > tabela1<-round(prop.table(tabela, 1), 2)*100 gostaria que minha tabela ficasse assim: > tabela Sexo Grupo Feminino Masculino Grupo I 42% 58% Grupo II 46% 54% Grupo III 14% 86% TOTAL 40% 60% Abraços -- Sérgio Henrique Almeida da Silva Junior Doutorando em Epidemiologia em Saúde Pública Escola Nacional de Saúde Pública Sérgio Arouca - ENSP/FIOCRUZ http://lattes.cnpq.br/1611345552843383 Tel: (21) 94429486/78101651 id: 123*20942

2 2

Análise de concordância usando kappa
by Gisele Correia 26 Nov '12

26 Nov '12

Boa tarde. Prezados, Alguém poderia me ajudar a rodar uma estatística kappa no R? Meus dados possuem um "n" igual a 40, com 3 avaliadores/juízes e 4 categorias. Alguém poderia me ajudar? Att, -- Gisele Correia Engenheira de Pesca PPG-CIPET/UFAM "Agradeço por todas as dificuldades que enfrentei (e ainda enfrento)... se não fosse por elas, não teria saído do lugar. A facilidade nos impede de caminhar. Mesmo as críticas nos auxiliam muito..." Chico Xavier

3 3

uma pequena ajuda para o R
by alanarocha＠sapo.pt 26 Nov '12

26 Nov '12

Bom dia, peço desculpa pois o script não estava completo. nO que eu teciono fazer é relacionar as variaveis pthi e dose em funça da variavel efactor qu tem dois niveis C e H. pretendo relacionar pthi~dose para o nivel H e outra relação para o nivel C e fazer um grafico que mostre as duas em separado fiz: setwd("G:/SIN/Users/Ana Rua/Ana_trabalho") #objectivo: #avaliar a correlação de pthi com DOSE_Cinacalcet, controlando os efeitos da variável GRUPO, que é do tipo fator com dois estados, H e C. dados<-read.table("correlacaocinacalcet.csv",header=TRUE,sep=";") dados Doente Grupo Pthi Dose_Cinacalcet 1 54020637 H 221.60 1080 2 54020698 H 317.00 2790 3 54020681 H 412.60 930 4 54131227 H 462.00 900 5 54030338 H 474.90 930 6 54220370 H 547.00 930 7 54110496 H 547.50 930 8 54110160 H 589.00 930 9 54140258 H 709.00 930 10 54110468 H 804.90 930 11 54130380 H 842.00 930 12 54300217 H 855.40 930 13 54110542 H 911.50 930 14 54300021 H 979.30 930 15 54020732 H 1000.00 930 16 54300160 H 1054.00 840 17 54300040 H 1178.00 900 18 54131239 H 1409.00 930 19 54140376 H 1579.00 420 20 54020303 H 2794.00 1860 21 54030135 H 204.00 420 22 54140295 H 236.00 2790 23 54140011 H 253.00 930 24 54210252 H 334.00 930 25 54130307 H 358.00 390 26 54300160 H 360.80 930 27 54210085 H 426.00 930 28 54030451 H 494.50 1860 29 54020681 H 535.90 900 30 54030344 H 594.60 1860 31 54110542 H 615.70 900 32 54110255 H 659.00 1860 33 54110468 H 666.10 900 34 54020637 H 705.70 480 35 54300040 H 765.20 930 36 54300217 H 875.80 930 37 54110496 H 953.20 900 38 54131239 H 982.00 930 39 54300021 H 1275.00 930 40 54110160 H 1297.00 900 41 54110070 H 1312.00 1440 42 54130380 H 1330.00 930 43 54020732 H 1388.00 900 44 54020303 H 2060.00 2790 45 54110386 H 2432.00 900 46 54210217 H 63.50 1860 47 54110255 H 86.19 1710 48 54210104 H 236.00 2040 49 54210333 H 249.00 1860 50 54300040 H 256.00 390 51 54030135 H 265.90 60 52 54140295 H 322.70 2790 53 54030451 H 354.60 1860 54 54110542 H 436.00 930 55 54060515 H 458.80 510 56 54110468 H 460.40 930 57 54210252 H 480.10 930 58 54300160 H 480.90 900 59 54210085 H 627.80 930 60 54110496 H 700.50 930 61 54110160 H 700.90 930 62 54020732 H 739.90 870 63 54030344 H 760.70 1860 64 54020681 H 808.60 870 65 54300021 H 830.10 900 66 54210233 H 883.00 930 67 54140326 H 1033.00 390 68 54300217 H 1074.00 900 69 54210181 H 1138.00 2820 70 54130380 H 1145.00 900 71 54110070 H 1174.00 1350 72 54020637 H 1308.00 870 73 54220660 H 1401.00 1860 74 54300248 H 1462.00 1860 75 54020303 H 1536.00 2700 76 54131031 C 76.50 780 77 54210217 C 159.30 390 78 54210252 C 161.10 780 79 54210181 C 268.00 2070 80 54300021 C 280.90 390 81 54030451 C 364.10 720 82 54300160 C 574.30 390 83 54110468 C 603.90 390 84 54030135 C 651.80 390 85 54300255 C 727.10 360 86 54110542 C 738.60 390 87 54110255 C 745.00 390 88 54210233 C 764.50 1170 89 54020681 C 771.20 420 90 54300217 C 772.30 840 91 54140011 C 788.70 540 92 54030344 C 807.50 780 93 54210085 C 813.60 900 94 54110160 C 856.30 780 95 54300268 C 865.10 840 96 54110070 C 882.70 810 97 54140326 C 883.90 540 98 54140295 C 916.30 600 99 54110496 C 923.70 780 100 54210333 C 984.70 780 101 54300068 C 1044.00 420 102 54210104 C 1084.00 810 103 54020637 C 1287.00 2970 104 54020732 C 1332.00 390 105 54130380 C 1334.00 600 106 54210180 C 1401.00 420 107 54300248 C 1452.00 390 108 54110386 C 2664.00 780 109 54020303 C 2980.00 1620 110 54300068 C 176.70 390 111 54210217 C 217.00 390 112 54210104 C 221.60 1080 113 54110160 C 369.70 720 114 54300160 C 373.00 420 115 54030451 C 484.40 840 116 54300156 C 512.10 390 117 54030135 C 574.50 390 118 54210252 C 613.00 780 119 54210181 C 613.30 1080 120 54130380 C 626.30 840 121 54060515 C 706.10 840 122 54140326 C 777.30 720 123 54030344 C 793.20 780 124 54110468 C 819.00 360 125 54300255 C 822.60 390 126 54110255 C 855.20 390 127 54140011 C 861.50 960 128 54300021 C 948.70 960 129 54110496 C 984.50 660 130 54300268 C 1069.00 780 131 54140295 C 1130.00 720 132 54110070 C 1177.00 780 133 54210180 C 1250.00 1170 134 54300217 C 1318.00 780 135 54210333 C 1382.00 870 136 54300248 C 1404.00 570 137 54110542 C 1446.00 360 138 54210085 C 2230.00 1170 139 54110386 C 2577.00 720 140 54020303 C 2924.00 1440 141 54210180 C 116.80 1080 142 54210181 C 229.70 960 143 54210217 C 267.90 270 144 54210252 C 285.80 690 145 54300068 C 311.80 390 146 54300156 C 470.20 420 147 54110255 C 485.90 390 148 54030451 C 526.40 780 149 54110374 C 628.10 720 150 54110070 C 687.10 780 151 54210333 C 702.70 1170 152 54030344 C 722.20 840 153 54140326 C 765.30 840 154 54130380 C 811.80 780 155 54300217 C 845.20 720 156 54030135 C 853.80 420 157 54300255 C 949.30 570 158 54210104 C 978.10 780 159 54140295 C 1076.00 780 160 54300268 C 1240.00 780 161 54210085 C 1391.00 1260 162 54300248 C 1738.00 780 grupo<-dados$Grupo pthi<-dados$Pthi dose<-dados$Dose_Cinacalcet [1] H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H [38] H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H [75] H C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C [112] C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C [149] C C C C C C C C C C C C C C Levels: C H pthi [1] 221.60 317.00 412.60 462.00 474.90 547.00 547.50 589.00 709.00 [10] 804.90 842.00 855.40 911.50 979.30 1000.00 1054.00 1178.00 1409.00 [19] 1579.00 2794.00 204.00 236.00 253.00 334.00 358.00 360.80 426.00 [28] 494.50 535.90 594.60 615.70 659.00 666.10 705.70 765.20 875.80 [37] 953.20 982.00 1275.00 1297.00 1312.00 1330.00 1388.00 2060.00 2432.00 [46] 63.50 86.19 236.00 249.00 256.00 265.90 322.70 354.60 436.00 [55] 458.80 460.40 480.10 480.90 627.80 700.50 700.90 739.90 760.70 [64] 808.60 830.10 883.00 1033.00 1074.00 1138.00 1145.00 1174.00 1308.00 [73] 1401.00 1462.00 1536.00 76.50 159.30 161.10 268.00 280.90 364.10 [82] 574.30 603.90 651.80 727.10 738.60 745.00 764.50 771.20 772.30 [91] 788.70 807.50 813.60 856.30 865.10 882.70 883.90 916.30 923.70 [100] 984.70 1044.00 1084.00 1287.00 1332.00 1334.00 1401.00 1452.00 2664.00 b[109] 2980.00 176.70 217.00 221.60 369.70 373.00 484.40 512.10 574.50 [118] 613.00 613.30 626.30 706.10 777.30 793.20 819.00 822.60 855.20 [127] 861.50 948.70 984.50 1069.00 1130.00 1177.00 1250.00 1318.00 1382.00 [136] 1404.00 1446.00 2230.00 2577.00 2924.00 116.80 229.70 267.90 285.80 [145] 311.80 470.20 485.90 526.40 628.10 687.10 702.70 722.20 765.30 [154] 811.80 845.20 853.80 949.30 978.10 1076.00 1240.00 1391.00 1738.00 dose [1] 1080 2790 930 900 930 930 930 930 930 930 930 930 930 930 930 [16] 840 900 930 420 1860 420 2790 930 930 390 930 930 1860 900 1860 [31] 900 1860 900 480 930 930 900 930 930 900 1440 930 900 2790 900 [46] 1860 1710 2040 1860 390 60 2790 1860 930 510 930 930 900 930 930 [61] 930 870 1860 870 900 930 390 900 2820 900 1350 870 1860 1860 2700 [76] 780 390 780 2070 390 720 390 390 390 360 390 390 1170 420 840 [91] 540 780 900 780 840 810 540 600 780 780 420 810 2970 390 600 [106] 420 390 780 1620 390 390 1080 720 420 840 390 390 780 1080 840 [121] 840 720 780 360 390 390 960 960 660 780 720 780 1170 780 870 [136] 570 360 1170 720 1440 1080 960 270 690 390 420 390 780 720 780 [151] 1170 840 840 780 720 420 570 780 780 780 1260 780 levels(grupo) [1] "C" "H" class(dose) # dose é da classe INTEIRO e pode ser convertido para FATOR na ANOVA dose_real <- as.real(dose) # dose foi convertido para formato de numeros reais lm( formula, data, weights, subset, na.action ) 'formula' - é uma fórmula estatística que indica o modelo a ser ajustado. Possui a mesma forma básica que foi vista na funções gráficas. 'data' - o conjunto de dados (data.frame). 'weights' - são os pesos para regressão ponderada. 'subset' - um vetor com as condições que definem um sub-conjunto dos dados. 'na.acation' - função que especifica o que fazer no caso de observações perdidas (NA). O valor default é 'na.omit' que elimina as linhas (observações) que possuem observações perdidas nas variáveis definidas na fórmula. modelo1<-lm(pthi~dose) modelo1 class(modelo1) [1] "lm" 'pthi ~ dose' indica: modele pthi como função estatística de dose; Call: lm(formula = pthi ~ dose) Coefficients: (Intercept) dose 738.3511 0.1177 summary: a função 'summary' apresenta um resumo do modelo linear com: 1. estatísticas descritivas dos resíduos; 2. teste t dos coeficientes de regressão; 3. erro padrão da estimativa; 4. coeficiente de determinação e coef. de det. ajustado; 5. teste F geral do modelo. summary(modelo1) #summario das estatísticas estimadas Call: lm(formula = pthi ~ dose) Residuals: Min 1Q Median 3Q Max -893.70 -363.16 -44.26 236.59 2051.04 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 738.35105 84.15885 8.773 2.47e-15 *** dose 0.11766 0.07688 1.530 0.128 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 545.3 on 160 degrees of freedom Multiple R-squared: 0.01443, Adjusted R-squared: 0.008268 F-statistic: 2.342 on 1 and 160 DF, p-value: 0.1279 anova: a função 'anova' apresenta a Tabela de análise de variância, tendo as variáveis preditoras como fatores: anova(modelo1) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) dose 1 696390 696390 2.3422 0.1279 Residuals 160 47571107 297319 X11() # abre uma nova janela para plotar os graficos (veja no windows) par(col="red") plot(pthi~dose,xlab="dose",ylab="pthi", main="y=738.3511+0.1177dose, p=0.1279") #Adicionar a reta da regressão no gráfico: abline(modelo1) 'pthi ~ grupo' indica: modele pthi como função estatística de grupo; modelo2 <- lm(pthi~grupo) modelo2 Call: lm(formula = pthi ~ grupo) Coefficients: (Intercept) grupoH 888.49 -84.84 summary(modelo2) Call: lm(formula = pthi ~ grupo) Residuals: Min 1Q Median 3Q Max -811.99 -344.45 -94.97 221.10 2091.51 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 888.49 58.71 15.134 <2e-16 *** grupoH -84.84 86.28 -0.983 0.327 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 547.6 on 160 degrees of freedom Multiple R-squared: 0.006007, Adjusted R-squared: -0.0002057 F-statistic: 0.9669 on 1 and 160 DF, p-value: 0.3269 anova(modelo2) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) grupo 1 289930 289930 0.9669 0.3269 Residuals 160 47977567 299860 x11() par(col="blue") plot(pthi~grupo,xlab="grupo",ylab="pthi", main="y=88.49-84.84grupo, p=0.1279") #Adicionar a reta da regressão no gráfico: abline(modelo2) modelo3 <- lm(pthi~dose+grupo) modelo3 Call: lm(formula = pthi ~ dose + grupo) Coefficients: (Intercept) dose grupoH 760.1821 0.1729 -159.5969 > summary(modelo3) Call: lm(formula = pthi ~ dose + grupo) Residuals: Min 1Q Median 3Q Max -858.70 -322.92 -64.76 219.93 1939.70 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 760.18206 84.59910 8.986 7.13e-16 *** dose 0.17291 0.08286 2.087 0.0385 * grupoH -159.59687 92.60311 -1.723 0.0868 . --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 anova(modelo3) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) dose 1 696390 696390 2.3711 0.12559 grupo 1 872380 872380 2.9703 0.08675 . Residuals 159 46698728 293703 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 541.9 on 159 degrees of freedom Multiple R-squared: 0.0325, Adjusted R-squared: 0.02033 F-statistic: 2.671 on 2 and 159 DF, p-value: 0.07231 x11() par(col="blue") plot(pthi~dose+grupo,x1lab="dose",x2lab="grupo",ylab="pthi", main="grafico de dispersão") #Adicionar a reta da regressão no gráfico: abline(modelo3) #recta da regressão text("y=760.1821+0.17291dose-159.5969grupo, p=0.07231") modelo4 <- lm(pthi~dose*grupo) modelo4 Call: lm(formula = pthi ~ dose * grupo) Coefficients: (Intercept) dose grupoH dose:grupoH 593.0182 0.3982 125.6516 -0.3258 summary(modelo4) Call: lm(formula = pthi ~ dose * grupo) Residuals: Min 1Q Median 3Q Max -1149.24 -343.87 -81.02 209.53 1940.74 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 593.0182 124.0998 4.779 4.01e-06 *** dose 0.3982 0.1481 2.689 0.00794 ** grupoH 125.6516 180.9915 0.694 0.48855 dose:grupoH -0.3258 0.1781 -1.830 0.06920 . --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 538 on 158 degrees of freedom Multiple R-squared: 0.05257, Adjusted R-squared: 0.03458 F-statistic: 2.923 on 3 and 158 DF, p-value: 0.03575 anova(modelo4) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) dose 1 696390 696390 2.4061 0.12287 grupo 1 872380 872380 3.0141 0.08449 . dose:grupo 1 968840 968840 3.3474 0.06920 . Residuals 158 45729888 289430 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 x11() par(col="blue") plot(pthi~dose*grupo,x1lab="dose",x2lab="grupo",ylab="pthi", main="grafico de dispersão") #Adicionar a reta da regressão no gráfico: abline(modelo4) obrigada desde já CumprimenosAnaRocha

3 2

Re: [R-br] R lê o Censo Demográfico, com o Revolution e tals?
by Roney Fraga 26 Nov '12

26 Nov '12

Richard, Como estão os seus dados do Censo Demográfico, em qual formato? Você deseja uma função para importar ou para trabalhar no dia-a-dia com grande volume de dados? Talvez os seguintes posts possam ajudar: http://r-br.2285057.n4.nabble.com/R-br-Trabalhar-com-muitos-dados-td4656568… http://r-br.2285057.n4.nabble.com/R-br-microdados-censo-IBGE-2010-td4655864… Abraço -- Roney

3 2

Re: [R-br] Criar data.frame utilizando a PNAD
by Roney Fraga 26 Nov '12

26 Nov '12

Alexandre, Essa discussão já passou aqui pela lista, acho que o justificativa do pacote IBGEPesq não funcionar em Linux e Mac esta ligado a linguagem utilizada para criar o pacote. Mas existe algumas alternativas para importar esses dados, e alternavas muito confiáveis. As mais fáceis são: a) função read.fwf() b) https://sites.google.com/site/marcosfs2006/textos (Usando R para Importar Microdados) conforme sugestão do Jakson Alves de Aquino, a função fsv2csv() também pode ser encontrada no pacote descr. Se tiver problema em trabalhar com grande quantidade de dados, como POF ou Censo, aqui na lista tem algumas sugestões para resolver isso. Essas sugestões estão ligadas aos pacotes ff, ffbase, RSQLite, bigmemory, etc... Abraço -- Roney

1 0