- R-br - DINF UFPR

uma ajuda
by alanarocha＠sapo.pt 23 Nov '12

23 Nov '12

bom dia a todos, oEu estou a fazer um trabalho onde tenho uma variavel condicional cm dois niveis "H" e "C" para relacionar com duas variaveis ou seja verificar se no H ha relaçao entre pthi e dose e em C ver se se ha relacao entre pthi e dose. eu fiz analise de regressão e uma anova que nao sei se será necessário. mostro meus dados e codigo. ao grafico que fiz nao cnsigo cola-lo, existe algum mil para onde possa envialo em anexo se for necessario. 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 grupo pthi dose #'pthi ~ dose+grupo' indica: modele pthi como função estatística das variáveis dose e grupo (efeito aditivo dos modelos lineares); #a variável grupo entrou alterando o intercepto da regressão entre (pthi) e (dose). class(grupo) [1] "factor" class(pthi) [1] "numeric" class(dose) [1] "integer" modelo <- lm(pthi~dose+grupo) modelo 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 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 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 x11() par(col="green") plot(pthi~dose+grupo,x1lab="dose",x2lab="grupo",ylab="pthi", main="grafico de dspersão") #Adicionar a reta da regressão no gráfico: abline(modelo3) #recta da regressão text("y=760.1821+0.1729dose-159.5969grupo, p=0.07231") ue preciso obter um grafico dedispersão onde se veja uma curva do H e outra do C mesmo não havend relação a minha onclusao O modelo entre pthi~dose entre grupos Ao relacionar pthi~dose sendo o grupo H ou C a estimativa da recta dos mínimos quadrados/regressão/relação foi Pthi estimado=760.1821+0.1729*dose-159.5969*grupo a tabela ANOVA revela cada pvalue superior a 5 e 10% o que traduz a ineficiência do modelo de regressão ou seja não há relação. Estes modelos de regressão não têm qualquer significância estatística. o que posso escrever sobre a anova para quem nao sabe o que é perceber melhor? Agradeço desde ja a vossa ajuda. Ana Roca

1 0

Re: [R-br] [STAT-MATH] R como opção de software livre
by Richard Santos 23 Nov '12

23 Nov '12

Ótima dúvida, abaixo. Encaminhando para o grupo do R também. Ou seja, como parametrizar o R para propor às empresas? (Revolution, etc). Grato. Richard Em 23/11/12, Jose Fernandes<josefer75(a)yahoo.com.br> escreveu: > Meus caros, > > Aproveito para fazer uma breve apresentação. Sou Prof de estatística na > Universidade de Cabo Verde (aqui vai o mapa para quem nunca ouviu falar > neste país > http://maps.google.pt/maps?hl=pt-PT&q=cabo+verde&bav=on.2,or.r_gc.r_pw.r_qf…) > Sempre trabalhei com SAS, mas aqui em cabo verde as empresas não utilizam > SAS (por ser caro, entre outras razões...). Assim, pensei em utilizar o R > por ser open source. Mas como ainda conheço pouco de R gostaria de saber > como que faço para parametrizar o R de modo que posso propor às > empresas? Acabei de ver o Revolutions. Penso que isso poderá ser importante > para mim e para as empresas aqui em Cabo verde. > > Cptos, > > José Moniz Fernandes > PhD Statistics > > > ________________________________ > De: Leonard de Assis <assis.leonard(a)gmail.com> > Para: STAT-MATH(a)yahoogrupos.com.br > Enviadas: Quinta-feira, 22 de Novembro de 2012 23:15 > Assunto: Re: [STAT-MATH] R como opção de software livre > > > > Outra dica boa: > https://docs.google.com/document/edit?id=1esDVxyWvH8AsX-VJa-8oqWaHLs4stGlIb… > > R Coding conventions > > []s > Leonard de Assis http://about.me/ldeassis > Em 22/11/2012 20:31, Luciano Kalatalo escreveu: > > >>Muito boa esta dica dos padrões do R no Google >> >> >>Valeu >> >> >> >> >>Luciano >> >> >> >> >> >>2012/11/22 Flavio Barros <flaviomargarito(a)gmail.com> >> >> >>>- sempre prefiro a programação, mas a programação do R é mais extensa >>>do que o SAS e o SPSS. Por exemplo, para um comando de igualdade no >>>SAS ou no SPSS se digita X4=1 e no R se digita dados$x4 != 1; >>> >>> > Os programas em R são bem compactos na verdade (em termos de sintaxe), mesmo > se comparados a outras linguagens como python, ruby ou mesmo o matlab. Vide > (http://blog.revolutionanalytics.com/2012/11/which-programming-language-is-t…) > >>> >>> >>>Quando a usar X4 = 1 ou dados$x4 = 1 no R é possível das duas formas, >>> basta 'fixar' o conjunto de dados antes com o attach(dados). >>> Particularmente eu prefiro escrever x <- 4 (padrão do google >>> também! http://google-styleguide.googlecode.com/svn/trunk/google-r-style.html#assig… >>> que diga-se de passagem é um usuário ativo do R.) >>> >>> >>>- para grandes bases, tem-se algumas opções como Revolution, mas mesmo >>>o Revolution parece que apresenta um problema que encontrei similar ao >>>Minitab, que as variáveis envolvidas tem que ter o mesmo tamanho ou >>>formato. Eu não queria encontrar nenhuma limitação quanto a ler >>>grandes bases; >>> >>> >>>Na verdade isso não é necessário. No R existem algumas estruturas de dados >>> como o matrix, o data.frame e o list. De fato, se você quiser ler os seus >>> dados em uma matriz, todos os dados tem que ser do mesmo tipo, mas em um >>> data.frame não! O formato XDF da revolution também não impõe esse tipo de >>> limitação. Caso as variáveis tenham tamanhos diferentes ainda é possível >>> ler como um list de forma que nem o tamanho das variáveis precisa ser >>> igual. Mande um e-mail para o suporte da revolution que acredito que o >>> problema foi sua implementação. Eles respondem rápido. Já recebei uma >>> resposta no domingo depois de 20 minutos! >>> >>> >>>- para cada procedimento que se quer fazer, pode ser necessário >>>instalar um pacote diferente, eu tentei pedir para o administrador do >>>meu trabalho que uma pasta minha fiique livre para eu instalar >>>pacotes, mas não sei se isso vai ser feito. >>> >>> >>>Acho que já foi falado aqui, mas não custa lembrar: não é necessário >>> privilégio de administrador para instalar pacotes. Caso você não seja >>> administrador basta dar um install.packages('pacote') que ele vai criar >>> um biblioteca local de pacotes. Esse não é um problema. >>> >>> >>>No mais, é normal para aprender qualquer software ter que gastar >>>tempo, mas as questões que citei acima se quiserem podem considerar >>>como gosto pessoal mesmo. Mas acho importante eu citar essas questões >>>para os empregadores saberem, pelo menos. Pois creio que essas >>>questões não permitem ainda dizer para todos que o R é uma opção fácil >>>de programa livre, porque não é tão fácil assim. Mas ele é ótimo, não >>>que não seja ótimo. Apenas acho que ainda há argumentos para que uma >>>empresa compre tanto o SPSS, quando achar que precisa, quanto o SAS, >>>quando for necessário. >>> >>> >>>Na minha opinião existem casos e casos para migrar do SAS ou SPSS para o >>> R. Uma questão importante é o treinamento: se a empresa já tem >>> profissionais bem treinados usando SAS, muito código pronto que seria >>> difícil migrar a melhor solução é continuar a usar essas ferramentas. >>> Agora no caso de um consultor, uma startup ou uma empresa pública que vai >>> optar por um pacote estatístico acredito que o R é sim uma melhor opção. >>> >>> >>>O R é muito utilizado no Google por exemplo. Se é bom para o Google dá >>> para usar em qualquer empresa. >>> >>> >>>Não advogo todo mundo usar o R, mas a linguagem tem muitas características >>> interessantes, é bem intuitiva para quem programa em outras linguagens >>> (python, C, Java por ex) e tem custo muito menor que o SAS ou SPSS. E é >>> open source. >>> >>> >>>No seu caso Richard que acredito que deve ter uma boa experiência em SAS, >>> trocar pode não ser a melhor opção para você. Se você tem acesso a uma >>> licença do SAS ou do SPSS e tem experiência com essas ferramentas não >>> vejo porque trocar. No entanto é interessante ir aprendendo o R em >>> paralelo. >>> >>> >>>Flavio Barros >>>Contact me: flaviomargarito(a)gmail.com >>> >>>“ "Sing like no one's listening, love like you've never been hurt, dance >>> like nobody's watching, and live like its heaven on earth." - Mark Twain >>> ” Get this email app! >>>Create your free signature: CLICK HERE! >>> >>> >>> >>>2012/11/22 Richard Santos <jamesrichardsantos(a)gmail.com> >>> >>> >>>>Caros, >>>> >>>>Apenas gostaria de > informar que eu, como > estatístico, > particularmente, >>>>não vou divulgar para as > empresas e instituições > que o R é uma opção >>>>com os mesmos níveis de > facilidade do que o SAS e > o SPSS. Eu não tenho >>>>dúvidas de que alguém que > fique expert no R consiga > fazer tudo e ainda >>>>mais rápido do que o SAS. >>>> >>>>Apenas que eu pessoalmente > não vou optar pelo R > agora, pelo menos por >>>>enquanto, ainda que eu > tenha que trazer notebook > para o trabalho, por >>>>alguns motivos que não > tive adesão por questão de > gosto pessoal: >>>> >>>>- sempre prefiro a > programação, mas a > programação do R é mais > extensa >>>>do que o SAS e o SPSS. Por > exemplo, para um comando > de igualdade no >>>>SAS ou no SPSS se digita > X4=1 e no R se digita > dados$x4 != 1; >>>> >>>>- para grandes bases, > tem-se algumas opções como > Revolution, mas mesmo >>>>o Revolution parece que > apresenta um problema que > encontrei similar ao >>>>Minitab, que as variáveis > envolvidas tem que ter o > mesmo tamanho ou >>>>formato. Eu não queria > encontrar nenhuma > limitação quanto a ler >>>>grandes bases; >>>> >>>>- para cada procedimento > que se quer fazer, pode > ser necessário >>>>instalar um pacote > diferente, eu tentei pedir > para o administrador do >>>>meu trabalho que uma pasta > minha fiique livre para eu > instalar >>>>pacotes, mas não sei se > isso vai ser feito. >>>> >>>>No mais, é normal para > aprender qualquer software > ter que gastar >>>>tempo, mas as questões que > citei acima se quiserem > podem considerar >>>>como gosto pessoal mesmo. > Mas acho importante eu > citar essas questões >>>>para os empregadores > saberem, pelo menos. Pois > creio que essas >>>>questões não permitem > ainda dizer para todos que > o R é uma opção fácil >>>>de programa livre, porque > não é tão fácil assim. Mas > ele é ótimo, não >>>>que não seja ótimo. Apenas > acho que ainda há > argumentos para que uma >>>>empresa compre tanto o > SPSS, quando achar que > precisa, quanto o SAS, >>>>quando for necessário. >>>> >>>>Obrigado. >>>> >>>>Abraços, >>>>Att. >>>>Richard >>>> >>> >>> >> > >

1 0

ajuda do R
by alanarocha＠sapo.pt 23 Nov '12

23 Nov '12

Bom dia queria a vossa ajuda. tenho um trabalho onde tenho uma variavel condicional com dois niveis "H" e "c" para relacionar com duas variaveis. e fiz a analise de regressão e anova. não sei se preciso fazer anova neste caso. O meu orientador queria que eu fizesse um grafico de dispersão a mostrar so os H e outra so a mostrar os C. Como eu sou cega nao consigo saber se o grafico mostra isso e queria saber se tenho de fazer mais algum grafico. mostro aqui os meus dados e codigo. 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 grupo pthi dose #'pthi ~ dose+grupo' indica: modele pthi como função estatística das variáveis dose e grupo (efeito aditivo dos modelos lineares); #a variável grupo entrou alterando o intercepto da regressão entre (pthi) e (dose). class(grupo) [1] "factor" class(pthi) [1] "numeric" class(dose) [1] "integer" modelo <- lm(pthi~dose+grupo) modelo 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 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 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 x11() par(col="green") plot(pthi~dose+grupo,x1lab="dose",x2lab="grupo",ylab="pthi", main="grafico de dispersao") #Adicionar a reta da regressão no gráfico: abline(modelo3) #recta da regressão text("y=760.1821+0.1729dose-159.5969grupo,p=0.07231") gráfico: n cnsigo colar aqui o grafico apara que mil posso enviar em anexo?o Ana

1 0

Parcela Subdividida com dados desbalanceados
by ROSIANA RODRIGUES ALVES 23 Nov '12

23 Nov '12

Olá Pessoal, Estou com problemas em analisar dados de um experimento com parcelas subdivididas no tempo desbalanceado. Geralmente eu faço a analise o seguindo modelo modelo <- aov(Bloco + FatorA *Tempo + Error(FatorA:Bloco)), mas quando eu faço com os dados com parcela perdida a somas de quadrados não estão saindo correntamente eles saem assim : Error: FatorA:Bloco Df Sum Sq Mean Sq F value Pr(>F) Bloco 3 0.1158 0.0386 0.278 0.8400 FatorA 3 2.1162 0.7054 5.073 0.0355 * Tempo 1 0.0124 0.0124 0.089 0.7743 Cultivar:Tempo 1 0.0152 0.0152 0.110 0.7504 Residuals 7 0.9733 0.1390 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Error: Within Df Sum Sq Mean Sq F value Pr(>F) Tempo 1 1.7152 1.7152 24.943 0.000542 *** Cultivar:Tempo 3 0.5318 0.1773 2.578 0.112073 Residuals 10 0.6877 0.0688 preciso de sugestões para fazer essa analise. Obrigada desde já.

3 2

Parcela Subdividida
by tiago souza marçal 22 Nov '12

22 Nov '12

Pessoal, gostaria de saber se em parcela subdividida eu devo realizar o teste normalidade dos resíduos (shapiro.test()) para a parcela e subparcela separadamente. Agradeço desde já pela ajuda. Att. Tiago.

2 1

Normalidade dos resíduos em parcela subdividida
by tiago souza marçal 22 Nov '12

22 Nov '12

Pessoal, gostaria de saber se em parcela subdividida eu tenho que verificar a normalidade dos resíduos (shapiro.test()) da parcela e da subparcela? Agradeço desde já por qualquer ajuda. Att. Tiago.

1 0

rect.hclust
by Mauricio Figueira 22 Nov '12

22 Nov '12

Oi, estou tentando delimitar os grupos no Cluster analysis, porém a função rect.hclust extrapola os limites dos retângulos, deixando-os abertos. O script que estou usando segue abaixo. #dissimilaridade EUCLIDIANA dis<-vegdist (dados, method = "euclidean") dis range(dis) clust<- hclust(dis, "average") plot(clust, main="Análise de Agrupamento", sub="Ligação pela média", xlab="Locais e orgãos", ylab="Dissimilaridade (Distância Euclidiana)") cor(dis, cophenetic(clust)) rect.hclust(clust, k=2, border="red")#desenhar dois retângulos x <- rect.hclust(clust, h=40)#cortar na altura de 40 Se alguém puder me ajudar, desde já agradeço. Maurício Figueira Mestrando em Engenharia Florestal (UFSM) Herbário do Departamento de Ciências Florestais (HDCF) Currículo: http://lattes.cnpq.br/1022600405818850 Tel.:(55) 9663-4920

2 2

Remover linhas do banco de dados, sujeito a algum critério da variável
by Abel Brasil Ramos da Silva 22 Nov '12

22 Nov '12

Olá a todos, Preciso excluir as linhas do banco de dados segundo algum critério da variável, por exemplo: x1=c(seq(1,10),NA,seq(1,10)) x2=c(seq(1,9),NA,seq(1,11)) x3=c(seq(1,8),NA,seq(1,12)) x4=c(seq(1,7),NA,seq(1,13)) x5=c(seq(1,6),NA,seq(1,14)) dados=data.frame(x1,x2,x3,x4,x5) >dados x1 x2 x3 x4 x5 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 7 7 7 7 7 NA 8 8 8 8 NA 1 9 9 9 NA 1 2 10 10 NA 1 2 3 11 NA 1 2 3 4 12 1 2 3 4 5 13 2 3 4 5 6 14 3 4 5 6 7 15 4 5 6 7 8 16 5 6 7 8 9 17 6 7 8 9 10 18 7 8 9 10 11 19 8 9 10 11 12 20 9 10 11 12 13 21 10 11 12 13 14 se eu utilizar > na.exclude(dados) x1 x2 x3 x4 x5 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 12 1 2 3 4 5 13 2 3 4 5 6 14 3 4 5 6 7 15 4 5 6 7 8 16 5 6 7 8 9 17 6 7 8 9 10 18 7 8 9 10 11 19 8 9 10 11 12 20 9 10 11 12 13 21 10 11 12 13 14 as linhas 7 a 11 foram excluídas, porém como eu trabalho com banco de dados de 50 variáveis, gostaria de excluir , por exemplo, as linhas cuja variáveis x4 e x5 sejam igual a NA (não somente NA, mas outro critério numérico ou caracteres), produzindo o seguinte resultado: x1 x2 x3 x4 x5 1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6 6 6 6 9 9 9 NA 1 2 10 10 NA 1 2 3 11 NA 1 2 3 4 12 1 2 3 4 5 13 2 3 4 5 6 14 3 4 5 6 7 15 4 5 6 7 8 16 5 6 7 8 9 17 6 7 8 9 10 18 7 8 9 10 11 19 8 9 10 11 12 20 9 10 11 12 13 21 10 11 12 13 14 Obrigado.

3 8

Ajuda gráfico
by Sérgio Henrique almeida da silva ju 22 Nov '12

22 Nov '12

Olá Amigos Estou rodando um gráfico através da função mosaicplot: exemplo: CAT=c(rep('CI',60),rep('CII',30),rep('CIII',10)) SEXO=c(rep('F',28),rep('M',32),rep('F',20),rep('M',10),rep('F',7),rep('M',3)) MOSAICO = cbind(as.data.frame(CAT),as.data.frame(SEXO)) edit(MOSAICO) tabela =table(MOSAICO$CAT,MOSAICO$SEXO) mosaicplot(tabela) Porém gostaríamos de que os grupos (CI, CII e CIII) tivessem os mesmos tamanhos (Como o gráfico anexo). O que podemos fazer na função ou no comando para que os gráficos fiquem da forma anexa? Obrigado mais uma vez! http://www.datafilehost.com/download-fe09c339.html -- 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

1 1

Modelo Misto + LSD de Fisher
by Juliana Passos 22 Nov '12

22 Nov '12

Olá, eu gostaria de usar o teste de comparações múltiplas LSD de Fisher após rodar um modelo misto, porém não encontrei nenhuma função para tal. Os comandos que tentei são: mod1 <- aov(resposta ~ fator + Error(sujeito/fator), data=dados) require(nlme) mod2 <- lme(resposta ~ fator, random = ~1|sujeito/fator,data=dados) Usando o mod2 consigo rodar o teste de Tukey com a seguinte função: glht(mod2,linfct=mcp(fator="Tukey")) Porém eu preciso do LSD de Fisher. Encontrei a função LSD.test, mas ela não funciona para modelo misto require(agricolae) LSD.test(mod1,"fator", group=TRUE) Alguém sabe me indicar alguma função que faça o teste LSD de Fisher considerando o mod1, mod2, ou outro modelo com mesmos resultados? Desde já agradecida, Juliana

8 9