- R-br - DINF UFPR

Multi Layer Perceptron para Múltiplas Variáveis Independentes
by Lucas Venezian Povoa 11 Mar '14

11 Mar '14

Olá comunidade R, Eu gostaria de saber se existe algum pacote no R para gerar análises de estimativa com Redes Neurais Muti Layer Perceptron (MLP) para múltiplas variáveis independentes. O que procuro é algo parecido com o código abaixo: > data <- data.frame(a = rnorm(100, 10, 3), b = rnorm(100, 0, 1), y = runif(100)) > > lm(y ~ a + b, data) > > mlp(y ~ a + b, data, hiddenl = 1) > Obrigado pela ajuda. Lucas Venezian Povoa

3 4

Integração Google Maps
by Frederico Steinmetz Alvarez 10 Mar '14

10 Mar '14

Boa noite a todos. Será que algum dos membros da lista saberia me informar se existe algum pacote no R que faça a integração com o google maps? Estou precisando montar um mapa com informações sobre o município, algo tipo camadas. Gostaria de apresentar as informações como pontos no google maps para melhor visualização espacial dos dados. Atenciosamente -- Frederico Steinmetz Alvarez Engenheiro Eletricista - Sistemas de Produção - UFSC Mestre em Eng. Mecânica - Energia Eólica - UFPE (48) 8448-5994 (Oi) (48) 9101-5994 (Vivo)

4 5

(sem assunto)
by Fátima Lima Paula 10 Mar '14

10 Mar '14

Prezados, eu tenho um data frame assim cap=c("A1","A3","B2","B5","C6","C8","D4","F5","G8","H1","K9","A1","A3","B2","B5","C6","C8","D4","F5","G8","H1","K9") Var1=c("nao","nao","nao","nao","nao","nao","nao","nao","nao","nao","nao", "sim","sim","sim","sim","sim","sim","sim","sim","sim","sim","sim") Var2=c(2,5,7,4,1,2,4,8,9,6,7,4,5,3,2,4,5,8,7,0,1,1) df=cbind(cap,Var1,Var2) df=as.data.frame(df) df cap Var1 Var2 1 A1 nao 2 2 A3 nao 5 3 B2 nao 7 4 B5 nao 4 5 C6 nao 1 6 C8 nao 2 7 D4 nao 4 8 F5 nao 8 9 G8 nao 9 10 H1 nao 6 11 K9 nao 7 12 A1 sim 4 13 A3 sim 5 14 B2 sim 3 15 B5 sim 2 16 C6 sim 4 17 C8 sim 5 18 D4 sim 8 19 F5 sim 7 20 G8 sim 0 21 H1 sim 1 22 K9 sim 1 E gostaria que ficasse assim: cap=c("A1","A3","B2","B5","C6","C8","D4","F5","G8","H1","K9") Var1=c("nao","nao","nao","nao","nao","nao","nao","nao","nao","nao","nao") Var2=c(2,5,7,4,1,2,4,8,9,6,7) Var3=c("sim","sim","sim","sim","sim","sim","sim","sim","sim","sim","sim") Var4=c(4,5,3,2,4,5,8,7,0,1,1) df=cbind(cap,Var1,Var2,Var3,Var4) df=as.data.frame(df) df cap Var1 Var2 Var3 Var4 1 A1 nao 2 sim 4 2 A3 nao 5 sim 5 3 B2 nao 7 sim 3 4 B5 nao 4 sim 2 5 C6 nao 1 sim 4 6 C8 nao 2 sim 5 7 D4 nao 4 sim 8 8 F5 nao 8 sim 7 9 G8 nao 9 sim 0 10 H1 nao 6 sim 1 11 K9 nao 7 sim 1 Alguém poderia me ajudar? Obrigada Fátima -- "Minha felicidade depende da qualidade dos meus pensamentos"

2 2

visualizar redes grandes com igraph
by Roney Fraga Souza 08 Mar '14

08 Mar '14

Caros, Estou tentando aprimorar a visualização de uma rede grande onde possa identificar a evolução de grupos. A menor rede que tenho tem 5000 vértices e 40000 edges, sendo que a maior tem 240000 vertices e mais de 2 milhões de edges (ainda não sei como trabalhar com essa rede no R, mas isso é outra história). A melhor visualização de rede que encontrei foi essa (figura a): https://dl.dropboxusercontent.com/u/61883020/rede.grande.grupos.tiff o autor utiliza o algoritmo de visalização large graph layout (LGL), disponível no pacote igraph em layout.lgl(). O problema é que não consegui combinar os argumentos da função para gerar uma rede em formato 'esférico', com baixa nível de sobreposição dos grupos. Alguém tem alguma sugestão? Atenciosamente Roney # ------------------------------ # Início código R # ------------------------------ # carregando os pacotes igraph() e plyr() library(igraph) library(plyr) # criando uma rede aleatória com quatro componentes fortemente conectados # isso vai garantir grupos homogêneos # # para realizar testes optei por criar uma rede pequena, pois, o tempo necessário para visualizar uma rede # maior aumenta significativamente g <- erdos.renyi.game(50, p=1/2) + erdos.renyi.game(50, p=1/2) + erdos.renyi.game(50, p=1/2) + erdos.renyi.game(50, p=1/2) # adicionando links entre os quatro diferentes componentes g <- add.edges( g, c(1,51, 1,52, 51,101, 51,102, 101,151, 102,152, 150,151, 1,101, 1,102, 1,151, 1,200 ) ) g # nomeando os vértices em uma sequencia de 1 a 200 (necessário para fazer o merge() nos próximos passos) V(g)$name <- 1:200 # clusterizando # A Clauset, MEJ Newman, C Moore: Finding community structure in very large networks fc <- fastgreedy.community(as.undirected(g)) # quatro grupos foram identificados, como era de ser esperar table(membership(fc)) sizes(fc) # adicionado qual grupo cada vértice pertence V(g)$grupo <- membership(fc) # pretendo colorir os edges conforme o grupo de quem esta citando, # para isso vou fazer um merge para adicionar esse atributo dos vértices nos edges # criando um data frame dos vértices e de qual grupo este pertence g.ver <- data.frame( name=V(g)$name, grupo=V(g)$grupo ) head(g.ver) # criando um data frame dos edges g.edg <- as.data.frame(get.edgelist(g)) head(g.edg) g.edg <- plyr::rename(g.edg, c('V1'='citante')) g.edg <- plyr::rename(g.edg, c('V2'='citado')) # adicionando qual grupo cada edge pertence, assumindo que se um vértice pertence ao # grupo 1 e tem 8 edges com outros vértices, todos os 8 nós pertencem ao grupo 1 g.edg2 <- merge( g.edg, g.ver, by.x = 'citante', by.y = 'name', all.x = TRUE, all.y = F ) dim(g.edg2) head(g.edg2) # adicionando cores nos edges para os diferentes grupos E(g)$grupo.citante <- g.edg2$grupo E(g)[grupo.citante==1]$color <- 'dark green' E(g)[grupo.citante==2]$color <- 'dark red' E(g)[grupo.citante==3]$color <- 'dark blue' E(g)[grupo.citante==4]$color <- 'sky blue' # adicionado cores nos vértices para os diferentes grupos V(g)[grupo==1]$color <- 'dark green' V(g)[grupo==2]$color <- 'dark red' V(g)[grupo==3]$color <- 'dark blue' V(g)[grupo==4]$color <- 'sky blue' # adicionado cores na borda dos vértices para os diferentes grupos V(g)[grupo==1]$vertex.frame.color <- 'dark green' V(g)[grupo==2]$vertex.frame.color <- 'dark red' V(g)[grupo==3]$vertex.frame.color <- 'dark blue' V(g)[grupo==4]$vertex.frame.color <- 'sky blue' # http://igraph.sourceforge.net/doc/R/layout.html # definir o layout da rede l1 <- layout.lgl( g # maxiter = 150, # The maximum number of iterations to perform (150) # maxdelta = vcount(g), # The maximum change for a vertex during an iteration (the number of vertices) # area = 30*vcount(g)^2 # The area of the surface on which the vertices are placed (square of the number of vertices) # coolexp = , # The cooling exponent of the simulated annealing (1.5) # repulserad = vcount(g) # Cancellation radius for the repulsion (the area times the number of vertices) # cellsize = # The size of the cells for the grid. When calculating the repulsion forces between vertices only vertices in the same or neighboring grid cells are taken into account (the fourth root of the number of area) # root = # The id of the vertex to place at the middle of the layout. The default value is -1 which means that a random vertex is selected ) plot( g, layout = l1, vertex.label = NA, vertex.size = 0.0000001, edge.arrow.size = FALSE, edge.arrow.width = FALSE, ) # ------------------------------ # Fim código R # ------------------------------

1 0

Re: [R-br] Teste Paralelismo no r
by Robert Iquiapaza 06 Mar '14

06 Mar '14

Geovane Assumindo que as regressões propostas nos gráficos (p8) fazem sentido e satisfazem os pressupostos do modelo de regressão linear poderia fazer o seguinte: library(car) escol='Superior/Pós graduação' model2=lm(Risco~0+(Idade*Quintis),subset(dados,Escolaridade3cat==escol)) summary(model2) # o teste para ‘Idade:Quintis5‘ na verdade está testando se os coeficientes angulares são iguais ( ou a diferença deles é zero) #para testar a diferença dos interceptos linearHypothesis(model2, "Quintis1 - Quintis5 =0") linearHypothesis(model2, "Idade:Quintis5 =0") Aqui mostrei os testes para uma escolaridade (escol), na verdade vc tem mais informação, teria que rodar um só modelo com todas as informações e fazer os testes nele: model1=lm(Risco~0+Idade*Escolaridade3cat*Quintis,data=dados) summary(model1) Boa sorte Robert From: Benilton Carvalho Sent: Thursday, March 06, 2014 2:15 PM To: r-br ; geovane barbosa Subject: Re: [R-br] Teste Paralelismo no r Geovane, Para realizar uma analise de dados, o estatistico precisa entender a (hi/e)storia dos dados. Por exemplo, sem saber do que se tratam os dados, e' dificil acreditar que a regressao linear simples que voce apresenta no seu exemplo seja adequada. A outra coisa: como/onde entra o fator "Quintis" existente no seu conjunto de dados? Enfim, supondo adequacidade em todos os sentidos (cabera' a vc verificar os pressupostos), se o interesse e' averiguar a identidade das regressoes nos tres grupos escolares (vou ignorar Quintis aqui, pois realmente nao sei o que e', nem como entra na sua analise), eu ajustaria os modelos com interacao (vis-a-vis Escolaridade) e compararia com o modelo simplificado (que contem apenas Idade): fit1 = lm(Risco ~ Idade*Escolaridade3cat, data=dados) fit0 = lm(Risco ~ Idade, data=dados) anova(fit0, fit1) benilton Em 6 de março de 2014 10:43, geovane barbosa <geovanecb(a)yahoo.com.br> escreveu: Olá pessoal , segue em anexo um exemplo reprodutível. Quero verificar se os interceptos proporcionados pelas retas de regressão bem como a inclinação são estatisticamente diferente e significativas, como faço isso? segue abaixo os codigos e banco num link. O teste do paralelismo consiste em verificar se as inclinações são estatisticamente significantes? dados<-read.csv("bancoteste.csv",sep=";",dec=",",header=T) dados$Escolaridade3cat<-factor(dados$Escolaridade3cat,label=c("Fundamental","Médio","Superior/Pós graduação"),levels=1:3) dados$Quintis<-factor(dados$Quintis) c <- ggplot(dados, aes(y=Risco, x=Idade, linetype=Quintis)) p8 <-c + stat_smooth(method=lm, se=FALSE,color="black",size=1.5)+ xlab("Idade")+ylab("Risco")+scale_colour_hue(name="")+theme_bw()+facet_grid(.~ Escolaridade3cat,space="free",scales="free_x") https://www.dropbox.com/s/ymyzh7p0xhmumda/bancoteste.csv Em Quinta-feira, 6 de Março de 2014 10:12, geovane barbosa <geovanecb(a)yahoo.com.br> escreveu: Olá Prof, segue em anexo um exemplo reprodutível. Como eu lhe disse anteriormente, queria verificar se os interceptos proporcionados pelas retas de regressão bem como a inclinação são estatisticamente diferente e significativas, como faço isso? segue abaixo os codigos e o banco de dados ficticio. O teste do paralelismo consiste em verificar se as inclinações são estatisticamente significantes? dados<-read.csv("bancoteste.csv",sep=";",dec=",",header=T) dados$Escolaridade3cat<-factor(dados$Escolaridade3cat,label=c("Fundamental","Médio","Superior/Pós graduação"),levels=1:3) dados$Quintis<-factor(dados$Quintis) c <- ggplot(dados, aes(y=Risco, x=Idade, linetype=Quintis)) p8 <-c + stat_smooth(method=lm, se=FALSE,color="black",size=1.5)+ xlab("Idade")+ylab("Risco")+scale_colour_hue(name="")+theme_bw()+facet_grid(.~ Escolaridade3cat,space="free",scales="free_x") Em Quarta-feira, 5 de Março de 2014 16:54, Benilton Carvalho <beniltoncarvalho(a)gmail.com> escreveu: A gente pede que exemplos reprodutíveis sejam dados para que possamos dar uma resposta definitiva sem a necessidade de idas e vindas. Como eu não entendi quais são os três cenários, fica a tarefa p vc: o caso a que vc se refere consiste em testar se as interações das variáveis de interesse com os referidos grupos são conjuntamente iguais a zero. b On Mar 5, 2014 11:00 AM, "geovane barbosa" <geovanecb(a)yahoo.com.br> wrote: Olá pessoal bom dia. Estou com uma questão que não consigo soluciona-la. Realize um regressão linear múltipla para comprar um grau de risco por idade e por escolaridade. Quero verificar se a inclinação proporcionada por essas retas é estatisticamente significativa, ou seja comparando a inclinação nos três cenários. bem como tambem seu intercepto. Como eu faço isso? Seria o test de Brant? Não consigo encontrar tal ferramenta no r. abraços _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível. _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível. _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível. -------------------------------------------------------------------------------- _______________________________________________ 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

teste kappa por categorias
by branco.sk8＠ig.com.br 06 Mar '14

06 Mar '14

prezados, gentileza. como se faz para fazer o teste kappa por categorias (condicionar a outra variável?) (ex. testar concordância kappa entre dois teste em função do sexo, ou em função da idade etc) (OBS. já sei fazer o teste kappa, só não sei fazer o kappa por outras variáveis... obrigado

2 1

Re: [R-br] Teste Paralelismo no r
by geovane barbosa 06 Mar '14

06 Mar '14

Olá pessoal , segue em anexo um exemplo reprodutível. Quero verificar se os interceptos proporcionados pelas retas de regressão bem como a inclinação são estatisticamente diferente e significativas, como faço isso? segue abaixo os codigos e banco num link. O teste do paralelismo consiste em verificar se as inclinações são estatisticamente significantes? dados<-read.csv("bancoteste.csv",sep=";",dec=",",header=T) dados$Escolaridade3cat<-factor(dados$Escolaridade3cat,label=c("Fundamental","Médio","Superior/Pós graduação"),levels=1:3) dados$Quintis<-factor(dados$Quintis) c <- ggplot(dados, aes(y=Risco, x=Idade, linetype=Quintis)) p8 <-c + stat_smooth(method=lm, se=FALSE,color="black",size=1.5)+ xlab("Idade")+ylab("Risco")+scale_colour_hue(name="")+theme_bw()+facet_grid(.~ Escolaridade3cat,space="free",scales="free_x") https://www.dropbox.com/s/ymyzh7p0xhmumda/bancoteste.csv Em Quinta-feira, 6 de Março de 2014 10:12, geovane barbosa <geovanecb(a)yahoo.com.br> escreveu: Olá Prof, segue em anexo um exemplo reprodutível. Como eu lhe disse anteriormente, queria verificar se os interceptos proporcionados pelas retas de regressão bem como a inclinação são estatisticamente diferente e significativas, como faço isso? segue abaixo os codigos e o banco de dados ficticio. O teste do paralelismo consiste em verificar se as inclinações são estatisticamente significantes? dados<-read.csv("bancoteste.csv",sep=";",dec=",",header=T) dados$Escolaridade3cat<-factor(dados$Escolaridade3cat,label=c("Fundamental","Médio","Superior/Pós graduação"),levels=1:3) dados$Quintis<-factor(dados$Quintis) c <- ggplot(dados, aes(y=Risco, x=Idade, linetype=Quintis)) p8 <-c + stat_smooth(method=lm, se=FALSE,color="black",size=1.5)+ xlab("Idade")+ylab("Risco")+scale_colour_hue(name="")+theme_bw()+facet_grid(.~ Escolaridade3cat,space="free",scales="free_x") Em Quarta-feira, 5 de Março de 2014 16:54, Benilton Carvalho <beniltoncarvalho(a)gmail.com> escreveu: A gente pede que exemplos reprodutíveis sejam dados para que possamos dar uma resposta definitiva sem a necessidade de idas e vindas. Como eu não entendi quais são os três cenários, fica a tarefa p vc: o caso a que vc se refere consiste em testar se as interações das variáveis de interesse com os referidos grupos são conjuntamente iguais a zero. b On Mar 5, 2014 11:00 AM, "geovane barbosa" <geovanecb(a)yahoo.com.br> wrote: > >Olá pessoal bom dia. > > > > >Estou com uma questão que não consigo soluciona-la. > > > > >Realize um regressão linear múltipla para comprar um grau de risco por idade e por escolaridade. > > >Quero verificar se a inclinação proporcionada por essas retas é estatisticamente significativa, ou seja comparando a inclinação nos três cenários. bem como tambem seu intercepto. Como eu faço isso? Seria o test de Brant? Não consigo encontrar tal ferramenta no r. > > >abraços > > > > > >_______________________________________________ >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.

2 1

Coordenadas Geográficas no Pacote GeoR
by Helder Gramacho 06 Mar '14

06 Mar '14

Boa tarde, É possível trabalhar com coordenadas geográficas (em graus decimais) no pacote GeoR? Caso seja possível, para estimar o semivariograma utilizamos as distâncias calculadas em metros ou em graus decimais? A maioria dos trabalhos que tenho visto tem utilizado coordenadas planas UTM, e aí surgiu a dúvida: Quando a região estiver situada entre dois fusos UTM como proceder? Att, Hélder Santos *agrohelder(a)gmail.com <agrohelder(a)hotmail.com>*

2 4

Teste Paralelismo no r
by geovane barbosa 05 Mar '14

05 Mar '14

Olá pessoal bom dia. Estou com uma questão que não consigo soluciona-la. Realize um regressão linear múltipla para comprar um grau de risco por idade e por escolaridade. Quero verificar se a inclinação proporcionada por essas retas é estatisticamente significativa, ou seja comparando a inclinação nos três cenários. bem como tambem seu intercepto. Como eu faço isso? Seria o test de Brant? Não consigo encontrar tal ferramenta no r. abraços

2 1

Colocar estatística Z na curva normal - TH
by Andre Oliveira 04 Mar '14

04 Mar '14

Pessoal, estou aqui tentando, mas sem sucesso colocar a estatística Ztab, Zcal, mas sem sucesso. media <- 170 stder <- 8 x <- seq(media-3*stder, media+3*stder, 0.01) y <- dnorm(x, media, stder) plot(x, y, type='l',axes=F,xlab="",ylab="") abline(h=0) hx <- seq(media+2*stder, media+3*stder, 0.01) hy <- dnorm(hx, media, stder) n <- length(hy) polygon(c(hx, rev(hx)), c(hy, rep(0, n)), col=2) # Tentei text(locator(n=1),"Zcal=3.53") text(locator(n=1),"Ztab=1,64") Mas, preciso aumentar a área abaixo do gráfico para plotar estes valores e não consegui! Alguém tem alguma sugestão? Outra situação é que Z_{cal} para ficar mais elegante não funcionou com locator. obrigado

3 4