- R-br - DINF UFPR

Como achar vizinhos
by Wagner Bonat 09 Jul '14

09 Jul '14

Ola pessoal ! Estou com um pequeno problema e gostaria da opinião do pessoal da lista como resolver de uma forma eficiente. Tenho uma área que foi dividida em quadrados 1 km X 1 km e o numero de acidentes foi contado em cada um desses quadrados. Agora eu quero saber o numero de acidentes em cada vizinho de primeiro ordem e colocar cada numero em uma coluna diferente criando uma serie de covariáveis a idéia e montar um modelo autoregressivo. Eu nao quero apenas vizinhos de primeira ordem, mas até 20 th ordem. Alguma idéia ? Por onde comecar ? Obrigado -- Wagner Hugo Bonat LEG - Laboratório de Estatística e Geoinformação UFPR - Universidade Federal do Paraná

3 3

stemCompletion() package 'tm'
by Fernando Gama 09 Jul '14

09 Jul '14

Olá pessoal. Gostaria de saber quem já trabalhou com o stemCompletion() em seus projetos e que poderia me ajudar na seguinte questão.... . 1. Crio uma cópia do corpus (pois utilizarei o próprio documento como um dicionário). 2. Após este procedimento aplico o processo de stemming dos termos. 3. Logo em seguida utilizo o stemCompletion() para o preenchimento dos termos. 1. *dictionary* <- corpus tdm_corpus <- Corpus(VectorSource(corpus)) 2. tdm_corpus<-tm_map(tdm_corpus, *stemDocument*, language = "portuguese") 3. tdm_corpus<-tm_map(tdm_corpus, *stemCompletion*, dictionary=*dictionary*) O processo de stemming é realizado normalmente, assim como o processo de preenchimento dos termos o grande problema é que a medida que o número de amostras aumenta o custo para realizar o prenchimento aumenta muito. Por exemplo, em um primeiro momento trabalhei com 100 documentos - foi rápido. Porém, quando aumentei para 1000 demorou *consideravelmente*. Como é a primeira vez que trabalho com isso e estou trabalhando com uma quantidade de documentos significativa, gostaria de saber se de fato é isso que acontece normalmente ou se existe alguma outra maneira de contornar este problema. Fico muito grato a quem contribuir de alguma maneira. Abs, Fernando.

1 0

Geany + R
by Andre Oliveira 08 Jul '14

08 Jul '14

Pessoal alguém sabe se existe algum plugin que integre com Geany + R? Com LaTeX existe acabei de colocar aqui no ubuntu André Oliveira Souza

10 14

Automatizar leitura de arquivos e converter nome em colunas
by ASANTOS 08 Jul '14

08 Jul '14

Boa tarde pessoal, Tenho inúmeros arquivos dpt que podem ser lidos com txt e gostaria de fazer o seguinte, ler os dados que são apenas uma coluna em cada arquivo e transpor eles, em seguida, pegar o nome do arquivo e a cada _ criar uma nova coluna, sendo um arquivo: Cupim%20Syntermes_COLONIA%201_operario_1_c1_140616.dpt Gostaria que a última coluna fosse os dados transpostos no arquivo e as colunas fosse: Cupim%20Syntermes, COLONIA%20, operario, 1, c1 e 140616. Segue CRM com três arquivos: #------------------------------------------------------------------------------- ### Download a partir de uma lista de links com os arquivos #------------------------------------------------------------------------------- # ### ObtenÃ§Ã£o de links links <- c( "https://www.dropbox.com/s/l5ofrqw01tnfmmv/Cupim%20Syntermes_COLONIA%201_ope…", "https://www.dropbox.com/s/tkxkov16z813oc6/Cupim%20Syntermes_COLONIA%201_ope…", "https://www.dropbox.com/s/hjcmw9qutwwolo0/Cupim%20Syntermes_COLONIA%201_ope…") tokens <- gsub("^.*/s/","",dirname(links)) fileNames <- basename(links) newLinks <- file.path("http://dl.dropbox.com/s", tokens, fileNames); newLinks for (a in newLinks) { tryCatch(download.file(a, dest=basename(a), mode='wb'), error=function(...) print("Falha no download!"))} ### Verificando arquivos baixados corretamente ############################################################################## fileInfo <- file.info(fileNames); fileInfo ### observe o segundo arquivo files.OK <- fileNames[fileInfo$size>0 & !is.na(fileInfo$size)]; files.OK ### Operando arquivos baixados corretamente ############################################################################## for (b in files.OK) { t <- strsplit(b,"_|\\.")[[1]][2] XYZ <- data.frame(rep(t),t(b[b[,1],])) outName <- paste0('XYZ-', t, '.txt') write.table(XYZ, file ="termiteNIR.mod", row.names=F,append=T) message(noquote(paste(outName, "salvo em", getwd()))) } #</code> -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 ======================================================================

2 2

Fwd: [R-PT] why R?
by Leandro Marino 08 Jul '14

08 Jul '14

Recebi na lista do portuguesa e acho que vale a pena compartilhar. Abs Enviado de um dispositivo móvel. ---------- Mensagem encaminhada ---------- De: "Marta Rufino" <marta.m.rufino(a)gmail.com> Data: 08/07/2014 04:50 Assunto: [R-PT] why R? Para: <r-pt(a)googlegroups.com> Cc: Bom dia, Publicaram esta apresentação, que é mais uma que demonstrar as capacidades do R. Achei que pode ser útil, para quando às vezes temos de o fazer, e não encontramos os dados. Têm ainda alguns exemplos, que eu acho muito interessantes (alguns já conhecia outros não). https://speakerdeck.com/stephenturner/introduction-to-r-for-life-scientists Abraço, M. -- *Marta M. Rufino* (Posdoctoral Researcher) * ____________________________________________________**IPMA* (Portuguese Institute for the Sea and Atmosphere) Av. de Brasília 6 1449-006 Lisboa (+351) 21 302 7076 Portugal __________________________________________ *"How inappropriate to call this planet Earth when it is quite clearly Ocean."* Sir Arthur C. Clarke -- Pode ver esta mensagem no fórum do grupo em https://groups.google.com/d/msg/r-pt/topic-id/message-id --- Recebeu esta mensagem porque subscreveu ao grupo "r-pt" do Grupos do Google. Para anular a subscrição deste grupo e parar de receber emails do mesmo, envie um email para r-pt+unsubscribe(a)googlegroups.com. Para publicar uma mensagem neste grupo, envie um email para r-pt(a)googlegroups.com. Para mais opções, visite https://groups.google.com/d/optout.

2 2

Como resolver a normal no braço...
by andrebvs＠bol.com.br 07 Jul '14

07 Jul '14

8 10

Re: [R-br] RES: Como resolver a normal no braço...
by andrebvs＠bol.com.br 04 Jul '14

04 Jul '14

1 0

Duvida em preenchimento de colunas
by Leonardo Monteiro 04 Jul '14

04 Jul '14

Ae pessoal, eu qro saber se alguem pode me dar uma dica na seguinte: ## anos.observado<- c(1991:2000) anos.estimado<- c(1994:2000) x.estimado<-c(20,10,13,12, 21,24, 20) x.observado<- c(1,2,3,NA,5,6,NA,8,NA,10) ## Eu quero preencher os valores observados 'NA', com os estimados, porem a seq. de anos é diferente. Alguem tem alguma dica? PS: os valores sao apenas de teor ilustrativo. obrigado, Leonardo.

2 1

Efeito fixos e aleatórios
by Alisson Lucrecio 03 Jul '14

03 Jul '14

Caro Colegas da r-br e Walmes, Bom dia a todos. Eu posso incluir em um modelo uma variável independete no efeito aleatório e no efeito fixo assim como esta o modelo abaixo? Obrigado. > dput(estirpe_r_br)structure(list(Tratamento = structure(c(4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L), .Label = c("T_CN", "T_SN", "CIAT 899", "UFLA 02-100", "UFLA 02-127", "UFLA 02-68", "UFLA 04-195"), class = "factor"), Bloco = structure(c(1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L, 1L, 2L, 3L, 4L ), .Label = c("1", "2", "3", "4"), class = "factor"), Local = structure(c(3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L), .Label = c("Lavras", "Lavras 2", "Patos de Minas", "Patos de Minas 2", "PO", "PO 2", "Bambui", "GM", "Luminarias", "Pitangui"), class = "factor"), MSPA = c(22.96, 20.75, 28.56, 22.95, 24.91, 15.2, 12, 20.65, 18.39, 16.18, 14.45, 17.14, 13.02, 26.95, 8.45, 11.47, 23.62, 10.62, 10.35, 19.78, 34.52, 34.16, 35.99, 47.89, 15.32, 12.61, 10.45, 10.45, 24.93, 33.3, 52.25, 19.67, 53.04, 48.77, 34.64, 57.85, 52.43, 36.78, 37.15, 24.28, 23.48, 32.41, 42.63, 32.35, 40.17, 25.84, 31.77, 46.27, 53.27, 29.05, 54.03, 43.19, 28.18, 49.61, 47.09, 42.65, 72.1, 78.8, 58.2, 63.9, 62.5, 90.8, 61.6, 35, 61.4, 98, 64, 68.6, 73.3, 99.3, 72.3, 47.3, 74.4, 45.8, 79.7, 66.6, 140.2, 105.2, 111.8, 127.8, 79.1, 100.8, 91.6, 69.1, 67.8, 76.6, 82.7, 76.4, 81.2, 75.1, 82.3, 73.5, 81, 79.4, 112.1, 73.3, 56.6, 91.8, 86.2, 79.4, 65.2, 85.8, 75.5, 66, 136.2, 152.5, 126.3, 129.8, 68.4, 71.3, 95.5, 64.9, 66.64, 43.91, 72.9, 53.02, 46.5, 50.22, 65.15, 35.87, 49.14, 49.84, 92.12, 34.62, 81.94, 51.85, 72.23, 72.92, 67.5, 46.71, 48.24, 58.98, 66.78, 56.53, 59.89, 38.13, 54.03, 52.78, 51.5, 62.31, 20.06, 26.91, 11.52, 51.73, 24.31, 12.99, 17.35, 26.46, 8.59, 14.13, 25.43, 26.04, 15.53, 16.8, 19.27, 27.85, 12.36, 19.09, 11.05, 41.24, 12.03, 20.47, 17.5, 26.95, 13.49, 16.04, 16.72, 14.69, 42.73, 42.28, 87.11, 54.69, 61.6, 90.5, 38.43, 101.82, 48.37, 72.41, 53.5, 60.12, 41.68, 44.1, 46.95, 43.33, 47.92, 36.53, 33.5, 42.78, 62.4, 75.84, 51.5, 62.83, 44.6, 42.08, 44.29, 44.25, 29.81, 18.11, 21.24, 40.49, 22.49, 26.99, 33.88, 25.28, 22.88, 21.6, 26.87, 19.58, 21.38, 22.74, 18.34, 33.79, 29.69, 25.85, 19.9, 40.38, 18.96, 29.66, 27.93, 14.67, 20.34, 31.48, 22.15, 28.91, 80.38, 98.7, 96.36, 115.54, 56.14, 127.9, 76.04, 65.84, 40.4, 54.64, 36.2, 31.96, 30.76, 72.56, 51.02, 23, 69.26, 75, 51.82, 74.38, 57, 106.94, 80.16, 35.02, 37.36, 38.92, 49.76, 23.4, 29.56, 36.61, 56.75, 51.24, 42.03, 23.76, 46.05, 34.88, 46.99, 37.68, 30.95, 37.45, 37.92, 46.35, 46.75, 37.85, 27.32, 30.34, 56.91, 47.88, 29.41, 33.5, 33.94, 36, 40.16, 33.35, 35.55, 35.3), Irrigacao = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Sem", "Com"), class = "factor"), NT = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L ), .Label = c("2", "3", "4"), class = "factor"), Safra = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("Seca", "Aguas", "Inverno"), class = "factor"), Prep_Solo = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("CO", "PD" ), class = "factor")), .Names = c("Tratamento", "Bloco", "Local", "MSPA", "Irrigacao", "NT", "Safra", "Prep_Solo"), row.names = c(NA, -280L), class = "data.frame") > lmer1 <- lmer(MSPA ~ Tratamento + (1 + Tratamento | Local ), data = estirpe_r_br,+ control=lmerControl(optCtrl=list(maxfun=50000)))> > summary(lmer1)Linear mixed model fit by REML ['lmerMod'] Formula: MSPA ~ Tratamento + (1 + Tratamento | Local) Data: estirpe_r_br Control: lmerControl(optCtrl = list(maxfun = 50000)) REML criterion at convergence: 2253.7 Scaled residuals: Min 1Q Median 3Q Max -2.8159 -0.4992 -0.1138 0.4992 3.8454 Random effects: Groups Name Variance Std.Dev. Corr Local (Intercept) 1535.5 39.19 TratamentoT_SN 390.8 19.77 -0.90 TratamentoCIAT 899 573.7 23.95 -0.92 0.89 TratamentoUFLA 02-100 716.9 26.77 -0.80 0.71 0.95 TratamentoUFLA 02-127 635.4 25.21 -0.83 0.75 0.92 0.95 TratamentoUFLA 02-68 370.3 19.24 -0.91 0.98 0.92 0.77 0.84 TratamentoUFLA 04-195 496.5 22.28 -0.88 0.98 0.94 0.79 0.79 0.97 Residual 150.7 12.28 Number of obs: 280, groups: Local, 10 Fixed effects: Estimate Std. Error t value (Intercept) 60.399 12.543 4.815 TratamentoT_SN -17.636 6.828 -2.583 TratamentoCIAT 899 -15.847 8.056 -1.967 TratamentoUFLA 02-100 -9.145 8.901 -1.027 TratamentoUFLA 02-127 -10.860 8.430 -1.288 TratamentoUFLA 02-68 -15.496 6.676 -2.321 TratamentoUFLA 04-195 -16.052 7.562 -2.123 Correlation of Fixed Effects: (Intr) TrT_SN TCIAT8 TUFLA02-10 TUFLA02-12 TUFLA02-6 TratmntT_SN -0.857 TrtmCIAT899 -0.888 0.837 TUFLA02-100 -0.784 0.679 0.900 TUFLA02-127 -0.812 0.716 0.878 0.909 TrUFLA02-68 -0.868 0.903 0.854 0.729 0.792 TUFLA04-195 -0.851 0.913 0.884 0.755 0.759 0.898 -- Alisson Lucrecio da Costa

3 3

Problema para ajustar modelo nls
by ASANTOS 02 Jul '14

02 Jul '14

Boa tarde Pessoal, Estou tentando ajustar os coeficientes de um modelo não linear e uma das variáveis esta sendo confundida com uma função, mudei o nome e não resolveu, segue CRM: var.H.termes<-c(0.07692308,0.20923521,0.24819625,0.03059211,0.03995434,0.11122031,0.25221018, 0.1343785,0.09014085,0.07893114,0.23298351,0.10613884,0.01098901,0.10188088,0.25029985)## Vetor da variância p.H.termes<-c(0.08333333,0.29292929,0.56565657,0.03125,0.04109589,0.12612613, 0.50909091,0.15789474,0.09859155,0.08571429,0.36206897,0.11904762,0.01098901,0.11363636,0.45689655)## Vetor de probabilidade ## Lei de potência de Taylor binomial - log(v)=log(a)+b*log[p(1-p)] mod<-nls(log(var.H.termes)~log(a)+b*log[p.H.termes(1-p.H.termes)],start=list(a=1,b=1)) Alguém poderia me ajudar? -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 ======================================================================

4 3