- R-br - DINF UFPR

[Ajuda] Arquivo Sweave TexLive 2013
by Andre Oliveira 04 Nov '13

04 Nov '13

Pessoas, querendo atualizar no Ubtntu12.04 instalei o TexLive 2013 era TexLive 2009, porém, meu arquivo .rnw não acha a biblioteca Sweave. Achei estarnaho, pois, nunca tive problema com Sweave no Linux. Alguém sabe onde devo coloca o arquivo Sweave em que pasta do TeXLive 2013? André Oliveira Souza

1 0

Erro na função Krigagem Ordinária
by Helder Gramacho 03 Nov '13

03 Nov '13

Boa noite, sou iniciante na Geoestatística e no R, estava praticando numa espécie de tutorial situado no seguinte link: http://jurachumbo.blogspot.com.br/p/resultados_06.html Estava executando os comandos até que apareceu um erro que não estou conseguindo entender, seguem os comandos e o erro: data(jura) jura.grid=juragrid.dat coordinates(jura.grid)=~Xloc+Yloc gridded(jura.grid) = TRUE m<-vgm(0.12645599,"Exp", 0.1593586, 0.04550649) x<-krige(log(Pb)~1,jura, jura.grid, model=m) Error in krige(log(Pb) ~ 1, jura, jura.grid, model = m) : erro na avaliação do argumento 'locations' na seleção do método para a função 'krige': 'Error: object 'jura' not found ' Alguém saberia me explicar qual é o problema? Desde já agradeço, Hélder Gramacho dos Santos Engenheiro Agrônomo Mestrando Ciênc. Geod. Tec. Geoinformação-UFPE *agrohelder(a)gmail.com <agrohelder(a)hotmail.com>*

2 4

Gráficos de barra com duas variáveis sendo comparada
by Rodrigo Muniz 03 Nov '13

03 Nov '13

Caros Membros da Lista, Tenho o seguinte grupo de dados: 0 - 10 10 - 20 Mata Nativa 10.046667 7.600000 Citrus 37 12.363333 23.126667 Citrus 37 15.326667 27.580000 Citrus 24 4.380000 8.856667 Citrus 18 10.430000 21.576667 Citrus 31 9.196667 18.036667 Pasto 37 6.690000 12.533333 Eu gostaria de plotar esses dados em um único gráfico de barras, sendo que as barra correspondente a "Mata nativa" nas camadas 0-10 e 10-20 ficassem lado a lado, e o mesmo para as outras classe. Alguém poderia me dar uma ajuda? Desde já agradeço. -- *Rodrigo A. Muniz* Eng. Agrônomo. Ms Produção Vegetal (UENF) Doutorando em Engenharia de Sistemas Agrícolas (ESALQ/USP) Cel (19) 8300-4333 (Pessoal) Tel (19) 3375-1196 (Residêncial) Tel (19) 3447-8537 (Trabalho)

3 3

Diferença entre séries temporais
by Diogo Caribe de Sousa 03 Nov '13

03 Nov '13

Caros, Vocês podem me dar uma dica de como testo se existe diferença entre duas séries temporais. Obrigado

3 2

Codificação de arquivo .nnw
by Andre Oliveira 02 Nov '13

02 Nov '13

Boa noite, ha 3 anos contrui uma apostila usando o Latex + Sweave .rnw e foi criado no Windows com TinnR. Resolvi atualisar a apostila e compilar o arquivo .rnw, porém, percebi que meu arquivo .rnw está com toda ascentuação comprometida. Onde tem ascentos, til tudo com ponto de interrogação. Recorro a vocês do grupo para tentar resolver este problema. Como mudei para Linux cheguei abrir este arquivo no Linux com Rstudio. Alguma dica? obrigado André Oliveira Souza

1 0

package ‘divisors’ is not available (for R version 3.0.2)
by Andre Oliveira 02 Nov '13

02 Nov '13

Pessoas, preciso da ajuda de vocês estou tentado instalar estes pacotes e obtenho a aviso. install.packages("divisors",dep=T) package ‘divisors’ is not available (for R version 3.0.2) Minha versão consta a informação. R version 3.0.2 (2013-09-25) -- "Frisbee Sailing" Copyright (C) 2013 The R Foundation for Statistical Computing Platform: i686-pc-linux-gnu (32-bit) R é um software livre e vem sem GARANTIA ALGUMA. Você pode redistribuí-lo sob certas circunstâncias. Digite 'license()' ou 'licence()' para detalhes de distribuição. R é um projeto colaborativo com muitos contribuidores. Digite 'contributors()' para obter mais informações e 'citation()' para saber como citar o R ou pacotes do R em publicações. Digite 'demo()' para demonstrações, 'help()' para o sistema on-line de ajuda, ou 'help.start()' para abrir o sistema de ajuda em HTML no seu navegador. Digite 'q()' para sair do R. O que pode estar ocorrendo? obrigado André Oliveira Souza

4 8

[OFF-TOPIC] Arquivos para Tese em Latex UFLA 2013/1
by walmes . 01 Nov '13

01 Nov '13

Saudações, Venho por meio deste divulgar que está disponível em https://github.com/walmes/Tese arquivos para fazer Dissertação e Tese com LaTex nos formatos da UFLA vigentes em 2013/1. Aos que não são acadêmicos da UFLA vale a pena verificar como usar o abntcite para fazer referências bibliográficas segundo as normas da ABNT. Para iniciantes em LaTex, o projeto da Tese inclui um longo preâmbulo para formatação do documento nas normas, além disso tem exemplos de como fazer anexos (inclusive com código R) e rotacionar tabelas que não são tarefas cotidianas, então vale ter como consulta. Outra coisa interessante é a partição do código fonte e a organização em diretórios. À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 skype: walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================

2 1

Re: [R-br] erro na validação cruzada com pacote geoR
by Hélio Gallo Rocha 31 Out '13

31 Out '13

Caro Eder, Já havia feito a retirada de tendencia com o atributo altura da planta, que está ligado com a produção. O variograma gerado ficou diferente se usar polinomial de 1st, mas não sei como validar isso depois... Abraço Em 31 de outubro de 2013 13:15, Éder Comunello <comunello.eder(a)gmail.com>escreveu: > Boa tarde, Helio! > > Vi seu email, mas vou precisar reservar um tempo pra tratar dele. Você > chegou a usar as glebas como covariável na modelagem? Para isso cada ponto > deveria ter uma var a mais identificando a gleba origem. > > Atte., > > > > Éder Comunello <c <comunello.eder(a)gmail.com>omunello.eder(a)gmail.com> > Dourados, MS - [22 16.5'S, 54 49'W] > > > Em 29 de outubro de 2013 22:25, Hélio Gallo Rocha < > heliogallorocha(a)gmail.com> escreveu: > >> Caro Eder, >> >> Só hoje vi seu post com CRM anexo. >> >> Muito obrigado pela revisão do CRM. >> >> Como também está a procura de uma maior entendimento da geoestatística, >> vamos seguindo. >> >> >> Vou numerar para separar as observações: >> >> 1. Pra entender melhor a área, realmente é café, o recorte esta meio >> estranho, mas na realidade são três talhões de 0.5 ha cada. >> Cada um tem uma característica bem diferenciada com relação a >> produção:alta, baixa e média. >> >> Segundo li, numa situação em que a média é flutuante, como parece ser o >> caso, teríamos de usar krigagem ordinária. >> >> >> A maioria das observações tinha notado, a linha: >> plot(dados, lowess=T, trend='1st') >> achei interessante, mostrando o resultado da retirada de tendencia. >> >> 2. no final : >> >> ### Lembra do resíduo que separei anteriormente? >> ### Se fosse usar... >> va.r = variog(dados.res, uvec=uvec, pairs.min=pairs, max.dist=hmax, >> estimator="classical") >> va.r.env <- variog.mc.env(dados.res, obj.var = va.r) >> plot(va.r, xlab="Dist. (m)", ylim=c(0,summary(va.r$v)[6]*1.1), >> env=va.r.env, main="Residual") >> >> Foi possível gerar o semivariograma sem tendencia, com os resíduos, >> fazer o ajuste assentimento usando: eyefit(va.r) >> >> Dai fazer a validação, fazendo a validação ou não e gerar o mapa sem >> tendencia. >> >> 3. Quanto ao envelopamento, não sei se estou certo, mas ele simula >> valores máximos e minimos para dependencia, mas como é uma simulação, a >> cada vez que vc. roda, pode ter pontos com dependencia, nem que seje um, e >> as vezes não dá nenhum, mas de qualquer forma indica que o valor do alcance >> é pequeno em relação ao todo e baixa dependencia espacial, como nos meus >> dados. >> >> Esse item do envelopamento vale discussão, principalmente em situações >> que a variancia sobe além do limite superior e desce, isso significa algo >> importante, mas o que? >> >> 4. Quanto aos links do Landim já tinha visto, usando o surfer, também >> vale atenção. >> Fiz o recomendado por ele, mas dobrou os valores do mapa., vc. tentou? >> >> 5. Quanto ao ajuste por verosimilhança colocada pelo Prof. Paulo: >> Na primeira vez que havia rodado os dados achei muito estranho, pois o >> semivariograma subia indefinidamente e o semivariograma teórico por >> verossimilhança, usando likfit, baixou muito o patamar. >> Interessante se usar likfit com trend="1st", o semivariograma teórico >> baixa mais ainda, das dai não consigo krigar >> >> 6. Não sei se posso fazer o ajuste assentimento usando o semivariograma >> com tendencia mas usar os parametros sem tendencia. >> >> 7. Tenho de retirar a tendencia sempre? >> Tem casos que há uma patamar claro, mas se rodar o variog com trend, fica >> efeito pepita puro...e ai? >> >> 8. Outra coisa que não sei se estou entendendo: >> após a retirada da tendencia, fazer o mapa com o residuo, mas os valores >> não tem nada a ver com os reais, onde estou entendendo errado? >> >> Abraço, >> >> Hélio >> >> >> >> >> >> Em 26 de outubro de 2013 11:05, Eder Comunello [via R-br] < >> ml-node+s2285057n4660724h12(a)n4.nabble.com> escreveu: >> >>> Senhores, bom dia! >>> >>> Agradeço novamente ao Prof. Paulo pela atenção dispensada. >>> >>> Hélio, quanto ao script que eu tinha ficado de olhar, vou colocar minhas >>> considerações abaixo. >>> >>> Procurei não mudar muito, mas acabei alterando um pouco. Os comentários >>> estão no corpo do script. >>> >>> Lembrando sempre que também estou aprendendo sobre o assunto, então pode >>> ter muita coisa errada ou mal interpretada aí. Mas acho que pode te ajudar. >>> >>> Outra coisa é que não tenho muito ideia do que os dados são, como foram >>> obtidos e as condições da área de onde vieram, o que pra mim é fundamental >>> pra análise. Pelos indícios nos dados (localização, estrutura), vou >>> arriscar que são dados da produção de café ou citros e que o terreno está >>> numa pendente da direita pra esquerda, com maior produção na parte baixa. O >>> que chamou a atenção é o formato da área que é bem particular e não parece >>> muito 'natural'. >>> >>> Mas como o foco principal é o uso do R/geoR, vou tentar me deter nisso. >>> >>> Use por sua própria conta e risco! :D >>> >>> >>> ### <BEGIN> >>> >>> require(geoR) #;require(tcltk2) >>> setwd("C:/LAB/RGIS/trend"); dir() >>> par.ori <- par(no.readonly = TRUE) >>> >>> url1 <- 'https://dl.dropboxusercontent.com/u/117618178/helio/dados.txt' >>> url2 <- 'https://dl.dropboxusercontent.com/u/117618178/helio/recorte.txt >>> ' >>> >>> ### Como criar uma pasta pública no Dropbox... >>> browseURL('https://www.dropbox.com/help/16/pt_BR') >>> >>> ### 1. Carregando dados >>> ------------------------------------------------------ >>> dados <- read.geodata(url1, coords.col=1:2, data.col=3, sep="", header=T) >>> dados$borders <- read.table(url2, header=T) >>> summary(dados); length(dados$data) >>> ls(dados);ls.str(dados) >>> >>> ### 2. Visualizando dados >>> ---------------------------------------------------- >>> >>> ### Visão geral >>> par(mfrow=c(1,1)); par()$mfrow >>> points(dados) >>> points(dados, pt.div="quart") >>> points(dados, pt.div="quint") >>> ### tem pelos três sub-áreas bem marcadas... >>> >>> ### Verificando tendências com o plot.geodata >>> -------------------------------- >>> ### Antes de partir pros variogramas, use o plot.geodata para >>> pré-avaliar tendências >>> ### Bom para esclarecer opções de trend, pois notei certa confusão >>> (cte,1st,2nd) >>> ### Recomendo ler o item 'trend' na ajuda da função plot.geodata >>> ?plot.geodata >>> >>> plot(dados, lowess=T) >>> plot(dados, lowess=T, trend='cte') ### mesmo que anterior >>> ### linhas de comando anteriores são equivalentes: trend='cte' é >>> 'default' da geoR! >>> ### nos gráf. 2 e 3, plota-se as coord vs. dados. Observar as distorções >>> na linha 'lowess' >>> >>> plot(dados, lowess=T, trend=~coords) >>> plot(dados, lowess=T, trend='1st') >>> plot(dados, lowess=T, trend=~dados$coords[,1]+dados$coords[,2]) >>> ### as três linhas anteriores são equivalentes >>> ### o uso da polinomial de primeira ordem melhora o comportamento do >>> histograma >>> ### mas a linha de lowess continua com comportamento anômalo >>> >>> plot(dados, lowess=T, trend='2nd') >>> plot(dados, lowess=T, >>> trend=~I(coords)+I(coords^2)+I(coords[,1]*coords[,2])) >>> ### as duas linhas anteriores são equivalentes (polinomal de segunda >>> ordem)! >>> ### não aparenta agregar nenhuma melhoria >>> >>> ### Mais sobre modelos de tendência com trend.spatial >>> ------------------------ >>> ### Pra melhorar o entendimento dos modelos, dá pra dar uma olhada nas >>> matrizes >>> ?trend.spatial >>> head(unclass(trend.spatial('cte', dados))) ### constante >>> head(unclass(trend.spatial(~coords, dados))) ### polinomal 1a ordem, >>> usando coords >>> head(unclass(trend.spatial('1st', dados))) ### mesmo que anterior >>> head(unclass(trend.spatial('2nd', dados))) ### polinomal 2a ordem, >>> usando coords >>> head(unclass(trend.spatial(~coords[,1], dados))) ### em função de X >>> head(unclass(trend.spatial(~coords[,2], dados))) ### em função de Y >>> head(unclass(trend.spatial(~coords+I(coords[,1]^2), dados))) ### coords >>> + X**2 >>> head(unclass(trend.spatial(~I(coords)+I(coords^2), dados))) >>> head(unclass(trend.spatial(~I(coords)+I(coords^2)+I(coords[,1]*coords[,2]), >>> dados))) ### mesmo que 2nd >>> head(unclass(trend.spatial(~I(coords)+I(coords[,1]^2), dados))) >>> head(unclass(trend.spatial(~I(coords^2), dados))) >>> head(unclass(trend.spatial(~coords[,1]*coords[,2], dados))) >>> head(unclass(trend.spatial(~I(coords[,1]*coords[,2]), dados))) >>> head(unclass(trend.spatial(~coords[,1]+I(coords[,1]^2)+coords[,2], >>> dados))) >>> >>> ### Separando o drift com base na matriz trend.spatial >>> ----------------------- >>> trend.matrix <- unclass(trend.spatial(trend='1st', geodata=dados)); >>> nrow(trend.matrix) >>> trend.lm <- lm(dados$data ~ trend.matrix) >>> trend.res <- lm(dados$data ~ trend.matrix)$residuals >>> trend.fit <- lm(dados$data ~ trend.matrix)$fitted.values >>> >>> ### 'Empacotando' os resíduos em um >>> geodata----------------------------------- >>> dados.res <- dados >>> names(trend.res) <- NULL; trend.res >>> dados.res$data <- trend.res; dados.res$data >>> str(dados.res) >>> ### Pode usar dados.res pra fazer a análise variográfica no lugar de >>> dados, >>> ### caso tenha problemas com krige.conv()!!! >>> >>> ### Embora o uso da polinomial de 1a ordem tenha representado alguma >>> melhoria, >>> ### eu não fiquei muito entusiamado por conta do 'lowess' apresentado >>> ### Talvez fosse o caso de testar covariáveis. >>> ### Uma fácil de obter e que pode ter relação é a altitude... >>> ### Mas vamos investigar o efeito nos variogramas >>> >>> ### 3. Distancia máxima e parâmetros para semivariograma >>> --------------------- >>> hmax <- summary(dados)[[3]][[2]]*.8 ; hmax ### 80% da máxima distância >>> uvec <- 12; pairs <- 20 ### pairs.min >>> >>> ### 4. Variogramas >>> ----------------------------------------------------------- >>> ### Não precisaria rodar todos, afinal como visto, tá repetindo >>> modelos!!! >>> ### v0:média constante; v1:1st; v2:2nd; v3:cte; v4:coords >>> v0 <- variog(dados, uvec=uvec, pairs.min=pairs, max.dist=hmax, >>> estimator="classical") >>> v1 <- variog(dados, uvec=uvec, pairs.min=pairs, max.dist=hmax, >>> estimator="classical", trend="1st") >>> v2 <- variog(dados, uvec=uvec, pairs.min=pairs, max.dist=hmax, >>> estimator="classical", trend="2nd") >>> v3 <- variog(dados, uvec=uvec, pairs.min=pairs, max.dist=hmax, >>> estimator="classical", trend="cte") >>> v4 <- variog(dados, uvec=uvec, pairs.min=pairs, max.dist=hmax, >>> estimator="classical", trend=~coords) >>> >>> ### envelopes >>> v0.env <- variog.mc.env(dados, obj.var = v0) >>> v1.env <- variog.mc.env(dados, obj.var = v1) >>> v2.env <- variog.mc.env(dados, obj.var = v2) >>> v3.env <- variog.mc.env(dados, obj.var = v3) >>> v4.env <- variog.mc.env(dados, obj.var = v4) >>> >>> ### 5. Visualizando variogramas >>> ---------------------------------------------- >>> par(par.ori) >>> par(mfrow=c(2,3)) >>> >>> points(dados, pt.div="quartiles",xlab="Leste", ylab="Norte") >>> >>> plot(v0, xlab="Dist. (m)", ylim=c(0,summary(v0$v)[6]*1.1), env=v0.env, >>> main="Isotrópico com tendência") >>> >>> text(v0$u,v0$v,round(v0$n,1),pos=1);text(v0$u,v0$v,round(v0$u,1),pos=3);lines(v0$u,v0$v);abline(h=mean(v0$v)) >>> >>> plot(v1, xlab="Dist. (m)", ylim=c(0,summary(v1$v)[6]*1.1), env=v1.env, >>> main="Isotrópico trend 1st") >>> >>> text(v1$u,v1$v,round(v1$n,1),pos=1);text(v1$u,v1$v,round(v1$u,1),pos=3);lines(v1$u,v1$v);abline(h=mean(v1$v)) >>> >>> plot(v2, xlab="Dist. (m)", ylim=c(0,summary(v2$v)[6]*1.1), env=v2.env, >>> main="Isotrópico trend 2nd") >>> >>> text(v2$u,v2$v,round(v2$n,1),pos=1);text(v2$u,v2$v,round(v2$u,1),pos=3);lines(v2$u,v2$v);abline(h=mean(v2$v)) >>> >>> plot(v3, xlab="Dist. (m)", ylim=c(0,summary(v3$v)[6]*1.1), env=v3.env, >>> main="Isotrópico trend cte") >>> >>> text(v3$u,v3$v,round(v3$n,1),pos=1);text(v3$u,v3$v,round(v3$u,1),pos=3);lines(v3$u,v3$v);abline(h=mean(v3$v)) >>> >>> plot(v4, xlab="Dist. (m)", ylim=c(0,summary(v4$v)[6]*1.1), env=v4.env, >>> main="Isotrópico trend coords") >>> >>> text(v4$u,v4$v,round(v4$n,1),pos=1);text(v4$u,v4$v,round(v4$u,1),pos=3);lines(v4$u,v4$v);abline(h=mean(v4$v)) >>> >>> ### Analisando os variogramas >>> ------------------------------------------------ >>> ### Realmente o comportamento do histograma de trend='cte' parece conter >>> uma tendência, >>> ### mas os modelos de 'retirada' usados deixam os dados sem uma >>> estrutura de >>> ### variação. Dificilmente vai conseguir ajustar um bom modelo nesses >>> casos, pois >>> ### o comportamento é muito errático. É possível que O erro que você >>> estava obtendo >>> ### seja decorrente da fragilidade do modelo ajustado. >>> >>> ### Realmente não ficou bom! Mas e aí? O que dá pra fazer? Tenta ssim >>> mesmo? >>> ### Ainda tem que testar a anisotropia, que não tem no seu script >>> original. >>> ?variog4 >>> >>> va <- variog4(dados, uvec=uvec, pairs.min=pairs, max.dist=hmax, >>> estimator="classical") >>> par(par.ori) >>> plot(va) >>> >>> ### Pronto! Apareceu anisotropia... >>> ### Tem duas sugestões de leitura abaixo pra dar uma ajuda... >>> browseURL(' >>> http://www.rc.unesp.br/igce/aplicada/DIDATICOS/LANDIM/tkrigagem.pdf') >>> browseURL(' >>> https://www.soils.org/publications/sssaj/abstracts/61/1/SS0610010298') >>> >>> ### Você vai ter que estudar adequadamente a questão da anisotropia em >>> seus dados >>> ### Isso não te isenta do efeito combinado anisotropia + tendência >>> ### Só pra testar as possibilidades, vamos fazer o variograma na direção >>> 135 graus >>> >>> ### Vai ter que entrar a direções, sendo mais fácil usar PI/n >>> ### Tabela das direções (PI/n) para variogramas >>> denom <- c(1:4,6,8,10,12,24,36,45,60); k <- (pi/180) ### Denominadores >>> data.frame(rad=paste0('pi/', denom), rad2=round(pi/denom,4), >>> deg=pi/denom/k) >>> ### 135 é 3*45 ou 3*pi/4 >>> >>> va.135 <- variog(dados, uvec=uvec, pairs.min=pairs, dir=3*pi/4, >>> max.dist=hmax, estimator="classical") >>> plot(va.135) >>> ### Aqui parece ser mais fácil ajustar. Talvez tenha que ajustar o 'lag' >>> ### Avaliar a questão da distância entre amostras... >>> >>> ### Lembra do resíduo que separei anteriormente? >>> ### Se fosse usar... >>> va.r = variog(dados.res, uvec=uvec, pairs.min=pairs, max.dist=hmax, >>> estimator="classical") >>> va.r.env <- variog.mc.env(dados.res, obj.var = va.r) >>> plot(va.r, xlab="Dist. (m)", ylim=c(0,summary(va.r$v)[6]*1.1), >>> env=va.r.env, main="Residual") >>> >>> ### Vou parar por aqui, porque antes de prosseguir vai precisar ver >>> ### adequadamente essa questão da anisotropia. >>> ### No caso do efeito ser só da anisotropia, vai simplificar a krigagem >>> e você >>> ### não deve mais ter o problema que vinha tendo. >>> >>> ### <END> >>> >>> Éder Comunello <[hidden email]<http://user/SendEmail.jtp?type=node&node=4660724&i=0>[hidden >>> email] <http://user/SendEmail.jtp?type=node&node=4660724&i=1>> >>> Dourados, MS - [22 16.5'S, 54 49'W] >>> >>> >>> >>> >>> _______________________________________________ >>> R-br mailing list >>> [hidden email] <http://user/SendEmail.jtp?type=node&node=4660724&i=2> >>> 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. >>> >>> ------------------------------ >>> If you reply to this email, your message will be added to the >>> discussion below: >>> >>> http://r-br.2285057.n4.nabble.com/Re-R-br-erro-na-validacao-cruzada-com-pac… >>> To unsubscribe from R-br, click here<http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=unsubscrib…> >>> . >>> NAML<http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=macro_view…> >>> >> >> >> >> -- >> Hélio Gallo Rocha >> IFSULDEMINAS - Câmpus Muzambinho >> >> _______________________________________________ >> 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. >> > > -- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho

1 0

Legenda em gráfico de regressão
by Edson Lira 31 Out '13

31 Out '13

Caros amigos, tenho a rotina abaixo: require(PASWR) data(vit2005) attach(vit2005) names(vit2005) head(vit2005) Elevator<-as.factor(elevator) contrasts(Elevator) modSimpl<-lm(totalprice~area) summary(modSimpl) plot(totalprice~area) Este banco tem uma variável que é o Elevator (presença ou ausência do elevador), gostaria de plotar o gráfico da regressão totalprice~area, identificando os pontos aonde tem a presença ou ausência do elevador. Como faço? plot(totalprice~area) Edson Lira Estatístico Manaus-Amazonas

3 2

ggplot2
by geovane barbosa 30 Out '13

30 Out '13

OLá pessoal tudo bem, estou usando o seguinte código e esta dando o seguinte erro Error: Aesthetics must either be length one, or the same length as the dataProblems:IDADEA, factor(Cor2) Alguém poderia me dar uma dica aguardo #################################### #################################### Prof. Geovane Carlos Barbosa UCL - Faculdade do Centro Leste ################################### ###################################

3 2