- R-br - DINF UFPR

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