- R-br - DINF UFPR

Simular números
by Angélica Ricarte 12 Mar '19

12 Mar '19

Prezados, bom dia. Por gentileza, peço ajuda para simular 4 números de forma que a soma dê 100, como na tabela abaixo, por exemplo. Qual o comando e/ou pacote posso utilizar? Comun. Execul. Planej. Analis. TOTAL A1 21,26 20,45 28,74 29,55 100 A2 A3 A4 A5 A6 A7 A8 A9 A10 Grata, aguardo retorno. Att. Angélica Ricarte da Silva Batista Autarquia Educacional do Belo Jardim/Faculdade do Belo Jardim - AEB/FBJ Rodovia PE-166, Km 05 - BR, Belo Jardim - PE Telefone/Phone: +55 (81) 3726-1800 CV<http://lattes.cnpq.br/0601801978475226> <http://lattes.cnpq.br/0601801978475226>

3 3

Conflito de funções
by Elias Carvalho 10 Mar '19

10 Mar '19

Esto enfrentando o seguinte problema: Estou fazendo uma análise onde uso o pacote bnlearn e depois o pacote lavaan. Porém ambos tem a função "print.bn" e no bnlearn está função está embutida em outras funções. Em certos momentos eu crio uma rede Bayesiana e em seguida um modelo SEM com lavaan e depois volto a criar aa rede Bayesiana em em seguida o modelo SEM novamente, e assim sucessivamente, dai o erro ocorre porque o bnlearn acaba usando a função do lavaan. [image: Screenshot from 2017-10-05 10-57-11.png] Alguem poderia me ajudar a solucionar esse problema? -- *In Jesu et Maria* *Obrigado* *Prof. Elias Carvalho* *"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)"Blessed is he who has been able to understand the cause of things"*

2 1

Teste de Qui-quadrado aplicado para a distribuição binomial
by ASANTOS 07 Mar '19

07 Mar '19

Prezados Membros, Estou tentando realizar um teste de aderência (Qui-quadrado) aplicado a dados com distribuição binomial negativa sem sucesso. Em meu CRM: #Pacote MASS library(MASS) #Crio um banco de dados simulado Features<-sort(rep(1:3,100)) Resp1<-rnbinom(200,0.75,0.10) ##60 dados com distribuição binomial negativa Resp2<-rpois(100,10) ##30 dados com distribuição de Poisson Resp<-c(Resp1,Resp2) d<-as.data.frame(cbind(Features,Resp)) #Criando um loop para realizar o teste de Chi quadrado para os três conjuntos de dados - Feature 1, 2 e 3 uniq <- unique(unlist(d$Features)) res<-NULL for (i in 1:length(uniq)){ data_1 <- subset(d, Features == uniq[i]) k <- fitdistr(data_1$Resp,"negative binomial") #Extração dos parâmetros média e mu da binomial negativa par <- k$estimate size <- par[1]#Parâmetro k mu <- par[2]#Média N <- length(data_1$Resp) est <-N*dnbinom(data_1$Resp,size=size,mu=mu) ## Criando valores estimados fecdf <- ecdf(data_1$Resp) ###ecdf- Cria a distribuição cumulativa empírica knotsX <- knots(fecdf) emp <- fecdf(c(knotsX,Inf)) # Distribuição empírica testChi<-chisq.test(table(emp),table(est),correct=TRUE) #Teste de Qui-quadrado sobre a contagem dos dados empíricos versus estimados result<-ifelse(testChi$p.value>0.05,"Binomial Negative","Other distribution") ## Classifica os testes em binomial negativa ou outra distribuição res<-rbind(res,c(uniq[i],result)) colnames(res)<-c("Features","Distribution") } res Meu output é: Features Distribution [1,] "1" "Other distribution" [2,] "2" "Other distribution" [3,] "3" "Binomial Negative" Ou seja, dá o resultado errado, na verdade as Features 1 e 2 é que são binomial negativa e a Feature 3 que são dados com distribuição de Poisson que tem que dar "Other distribution". Alguém teria alguma sugestão para dar? Obrigado -- ====================================================================== 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 99686-6970 (VIVO) (+55) 65 3221-2674 (FIXO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 OrcID: orcid.org/0000-0001-8232-6722 - ResearcherID: A-5790-2016 Researchgate: www.researchgate.net/profile/Alexandre_Santos10 LinkedIn: br.linkedin.com/in/alexandre-dos-santos-87961635 Mendeley:www.mendeley.com/profiles/alexandre-dos-santos6/ ======================================================================

3 4

Re: [R-br] Modelos Mistos - Duvida sobre transformação/distribuição logistica
by sznelwar＠uol.com.br 05 Mar '19

05 Mar '19

2 1

Correlação
by Rodrigo Lopez 03 Mar '19

03 Mar '19

Prezados, Estou tentando representar uma matriz de correlação e não consigo inserir o valor do coeficiente R e o valor P, ou a significância no mesmo plot. Gostaria que a metade superior (upper) mostrasse o R e a de baixo (lower) a significância. Não sei mexer muito com o corrplot.mixed. O máximo que consegui fazer foi inserir o coeficiente R e a significância juntos (ficaram sobrepostos). Alguma sugestão que como posso fazer? Ou mesmo deslocar a significância para não ficar sobreposta no valor do coeficiente *** library(readxl) seed <- read_excel("seed.xlsx") seed cor(seed, method = "pearson") M <- cor(seed, method = "pearson") library(corrplot) library(RColorBrewer) library(Hmisc) m <- rcorr(as.matrix(seed)) m P <- cor.mtest(seed, conf.level = .95) corrplot(M, p.mat = P$p, insig = "label_sig", sig.level = c(.001, .01, .05), pch.cex = 2, pch.col = "white", type = "upper", method = "color", order = "original", outline = "white", tl.col="black", tl.srt=45,diag = FALSE, addCoef.col = "black", col = colorRampPalette(c("blue", "yellow", "red"))(20)) Rodrigo R. Lopes Engenheiro Agrônomo, Dr. CREA RS122642 http://lattes.cnpq.br/7651127569091762 Enviado do meu iPhone

1 0

Correlograma
by Rodrigo Lopez 02 Mar '19

02 Mar '19

Prezados, Estou tentando representar uma matriz de correlação e não consigo inserir o valor do coeficiente R e o valor P, ou a significância no mesmo plot. Gostaria que a metade superior (upper) mostrasse o R e a de baixo (lower) a significância. Não sei mexer muito com o corrplot.mixed. O máximo que consegui fazer foi inserir o coeficiente R e a significância juntos (ficaram sobrepostos). Alguma sugestão que como posso fazer? Ou mesmo deslocar a significância para não ficar sobreposta no valor do coeficiente *** library(readxl) seed <- read_excel("seed.xlsx") seed cor(seed, method = "pearson") M <- cor(seed, method = "pearson") library(corrplot) library(RColorBrewer) library(Hmisc) m <- rcorr(as.matrix(seed)) m P <- cor.mtest(seed, conf.level = .95) corrplot(M, p.mat = P$p, insig = "label_sig", sig.level = c(.001, .01, .05), pch.cex = 2, pch.col = "white", type = "upper", method = "color", order = "original", outline = "white", tl.col="black", tl.srt=45,diag = FALSE, addCoef.col = "black", col = colorRampPalette(c("blue", "yellow", "red"))(20)) Rodrigo R. Lopes Engenheiro Agrônomo, Dr. CREA RS122642 http://lattes.cnpq.br/7651127569091762

1 0

Correlograma
by Rodrigo Lopez 01 Mar '19

01 Mar '19

Prezados, Estou tentando representar uma matriz de correlação e não consigo inserir o valor do coeficiente R e o valor P, ou a significância no mesmo plot. Gostaria que a metade superior (upper) mostrasse o R e a de baixo (lower) a significância. Não sei mexer muito com o corrplot.mixed. O máximo que consegui fazer foi inserir o coeficiente R e a significância juntos (ficaram sobrepostos). Alguma sugestão que como posso fazer? Ou mesmo deslocar a significância para não ficar sobreposta no valor do coeficiente *** library(readxl) seed <- read_excel("seed.xlsx") seed cor(seed, method = "pearson") M <- cor(seed, method = "pearson") library(corrplot) library(RColorBrewer) library(Hmisc) m <- rcorr(as.matrix(seed)) m P <- cor.mtest(seed, conf.level = .95) corrplot(M, p.mat = P$p, insig = "label_sig", sig.level = c(.001, .01, .05), pch.cex = 2, pch.col = "white", type = "upper", method = "color", order = "original", outline = "white", tl.col="black", tl.srt=45,diag = FALSE, addCoef.col = "black", col = colorRampPalette(c("blue", "yellow", "red"))(20)) Rodrigo R. Lopes Engenheiro Agrônomo, Dr. CREA RS122642 http://lattes.cnpq.br/7651127569091762

1 0

Modelos Mistos - Duvida sobre transformação/distribuição logistica
by Fernando Souza 01 Mar '19

01 Mar '19

Prezados Estou analisando um dado experimental utilizando a abordagem dos modelos mistos, através da função lme do pacote nlme. O dado no entanto não apresentou distribuição normal e tentativas como remoção de outliers, transformação foram infrutíferas. Tentei olhar se outra distribuição se ajusta melhor aos dados e encontrei que a distribuição logistica, se ajusta bem (Veja imagens abaixo), porém não sei como ajustar esse modelo utilizando a abordagem de modelos mistos. Visto que meus dados não são dados de proporção, como posso fazer para analisar tal dado? Desculpe a quantidade de informação fornecida abaixo, mas este é o mínimo que consegui organizar para ilustrar minha questão BiometriaAleit<-structure(list(Animal = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 10L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 11L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 14L, 15L, 15L, 15L, 15L, 15L, 15L, 15L, 15L, 15L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 16L, 17L, 17L, 17L, 17L, 17L, 17L, 17L, 17L, 17L, 18L, 18L, 18L, 18L, 18L, 18L, 18L, 18L, 18L, 19L, 19L, 19L, 19L, 19L, 19L, 19L, 19L, 19L, 20L, 20L, 20L, 20L, 20L, 20L, 20L, 20L, 21L, 21L, 21L, 21L, 21L, 21L, 21L, 21L, 21L, 22L, 22L, 22L, 22L, 22L, 22L, 22L, 22L, 22L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 23L, 24L, 24L, 24L, 24L, 24L, 24L, 24L, 24L, 24L, 25L, 25L, 25L, 25L, 25L, 25L, 25L, 25L, 25L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 27L, 27L, 27L, 27L, 27L, 27L, 27L, 27L, 27L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 28L, 29L, 29L, 29L, 29L, 29L, 29L, 29L, 29L, 29L, 30L, 30L, 30L, 30L, 30L, 30L, 30L, 30L, 30L, 31L, 31L, 31L, 31L, 31L, 31L, 31L, 31L, 32L, 32L, 32L, 32L, 32L, 32L, 32L, 32L, 32L, 33L, 33L, 33L, 33L, 33L, 33L, 33L, 33L, 33L, 34L, 34L, 34L, 34L, 34L, 34L, 34L, 34L, 34L, 35L, 35L, 35L, 35L, 35L, 35L, 35L, 35L, 35L, 36L, 36L, 36L, 36L, 36L, 36L, 36L, 36L, 36L, 37L, 37L, 37L, 37L, 37L, 37L, 37L, 37L, 37L, 38L, 38L, 38L, 38L, 38L, 38L, 38L, 38L, 38L, 39L, 39L, 39L, 39L, 39L, 39L, 39L, 39L, 39L, 40L, 40L, 40L, 40L, 40L, 40L, 40L, 40L, 40L, 41L, 41L, 41L, 41L, 41L, 41L, 41L, 41L, 41L, 42L, 42L, 42L, 42L, 42L, 42L, 42L, 42L, 42L, 43L, 43L, 43L, 43L, 43L, 43L, 43L, 43L, 43L, 44L, 44L, 44L, 44L, 44L, 44L, 44L, 44L, 44L, 45L, 45L, 45L, 45L, 45L, 45L, 45L, 45L, 45L), .Label = c("1", "9", "24", "25", "41", "49", "8016", "8019", "8020", "8024", "8025", "8027", "8028", "8029", "8030", "8031", "8032", "8034", "8035", "8037", "8040", "8042", "8058", "8067", "8068", "8109", "8111", "8112", "8114", "8116", "8124", "8128", "8130", "8137", "8405", "8407", "8415", "8420", "8422", "8424", "8425", "8426", "8429", "8434", "8436"), class = "factor"), Sexo = 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, 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, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 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, 1L, 1L, 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, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 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, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 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), .Label = c("Femea", "Macho"), class = "factor"), GS = 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, 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, 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, 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, 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, 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, 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, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 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), .Label = c("3/4hz", "5/8hz", "HOL"), class = "factor"), Tratamento = structure(c(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, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 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, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 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, 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, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 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, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 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, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 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, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 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, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("apex", "controle" ), class = "factor"), Pbserica = c(11, 11, 11, 11, 11, 11, 11, 11, 11, 9.6, 9.6, 9.6, 9.6, 9.6, 9.6, 9.6, 9.6, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11.9, 11.9, 11.9, 11.9, 11.9, 11.9, 11.9, 11.9, 10.1, 10.1, 10.1, 10.1, 10.1, 10.1, 10.1, 10.1, 10.1, 10, 10, 10, 10, 10, 10, 10, 10, 10, 12, 12, 12, 12, 12, 12, 12, 12, 12, 10, 10, 10, 10, 10, 10, 10, 8.9, 8.9, 8.9, 8.9, 8.9, 8.9, 8.9, 8.9, 8.9, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 8.6, 8.6, 8.6, 8.6, 8.6, 8.6, 8.6, 8.6, 8.6, 9.2, 9.2, 9.2, 9.2, 9.2, 9.2, 9.2, 9.2, 9.2, 9.9, 9.9, 9.9, 9.9, 9.9, 9.9, 9.9, 9.9, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 10.1, 10.1, 10.1, 10.1, 10.1, 10.1, 10.1, 10.1, 10.1, 12.4, 12.4, 12.4, 12.4, 12.4, 12.4, 12.4, 12.4, 12.4, 11.2, 11.2, 11.2, 11.2, 11.2, 11.2, 11.2, 11.2, 11.2, 9.2, 9.2, 9.2, 9.2, 9.2, 9.2, 9.2, 9.2, 10.9, 10.9, 10.9, 10.9, 10.9, 10.9, 10.9, 10.9, 10.9, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11.1, 11.1, 11.1, 11.1, 11.1, 11.1, 11.1, 11.1, 11.1, 10.3, 10.3, 10.3, 10.3, 10.3, 10.3, 10.3, 10.3, 10.3, 9.7, 9.7, 9.7, 9.7, 9.7, 9.7, 9.7, 9.7, 9.7, 10.2, 10.2, 10.2, 10.2, 10.2, 10.2, 10.2, 10.2, 10.2, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 9.6, 9.6, 9.6, 9.6, 9.6, 9.6, 9.6, 9.6, 9.6, 9, 9, 9, 9, 9, 9, 9, 9, 9, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 9.8, 9.8, 9.8, 9.8, 9.8, 9.8, 9.8, 9.8, 9.8, 10, 10, 10, 10, 10, 10, 10, 10, 10, 9.4, 9.4, 9.4, 9.4, 9.4, 9.4, 9.4, 9.4, 9.4, 10, 10, 10, 10, 10, 10, 10, 10, 10, 11, 11, 11, 11, 11, 11, 11, 11, 11, 8.9, 8.9, 8.9, 8.9, 8.9, 8.9, 8.9, 8.9, 8.9, 11.4, 11.4, 11.4, 11.4, 11.4, 11.4, 11.4, 11.4, 11.4, 11.2, 11.2, 11.2, 11.2, 11.2, 11.2, 11.2, 11.2, 11.2, 12, 12, 12, 12, 12, 12, 12, 12, 12, 10, 10, 10, 10, 10, 10, 10, 10, 10, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 11.8, 10.5, 10.5, 10.5, 10.5, 10.5, 10.5, 10.5, 10.5, 10.5, 10.8, 10.8, 10.8, 10.8, 10.8, 10.8, 10.8, 10.8, 10.8, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4, 10.4), Pnasc = c(27.06, 27.06, 27.06, 27.06, 27.06, 27.06, 27.06, 27.06, 27.06, 38.34, 38.34, 38.34, 38.34, 38.34, 38.34, 38.34, 38.34, 39.4, 39.4, 39.4, 39.4, 39.4, 39.4, 39.4, 39.4, 39.4, 32.65, 32.65, 32.65, 32.65, 32.65, 32.65, 32.65, 32.65, 39.7, 39.7, 39.7, 39.7, 39.7, 39.7, 39.7, 39.7, 39.7, 35.9, 35.9, 35.9, 35.9, 35.9, 35.9, 35.9, 35.9, 35.9, 34, 34, 34, 34, 34, 34, 34, 34, 34, 28.58, 28.58, 28.58, 28.58, 28.58, 28.58, 28.58, 31.3, 31.3, 31.3, 31.3, 31.3, 31.3, 31.3, 31.3, 31.3, 33.57, 33.57, 33.57, 33.57, 33.57, 33.57, 33.57, 33.57, 32.314, 32.314, 32.314, 32.314, 32.314, 32.314, 32.314, 32.314, 32.314, 27.3, 27.3, 27.3, 27.3, 27.3, 27.3, 27.3, 27.3, 27.3, 35, 35, 35, 35, 35, 35, 35, 35, 26.8, 26.8, 26.8, 26.8, 26.8, 26.8, 26.8, 26.8, 26.8, 36.6, 36.6, 36.6, 36.6, 36.6, 36.6, 36.6, 36.6, 36.6, 27.2, 27.2, 27.2, 27.2, 27.2, 27.2, 27.2, 27.2, 29.45, 29.45, 29.45, 29.45, 29.45, 29.45, 29.45, 29.45, 29.45, 34.48, 34.48, 34.48, 34.48, 34.48, 34.48, 34.48, 34.48, 34.48, 31.76, 31.76, 31.76, 31.76, 31.76, 31.76, 31.76, 31.76, 31.76, 29.5, 29.5, 29.5, 29.5, 29.5, 29.5, 29.5, 29.5, 25.9, 25.9, 25.9, 25.9, 25.9, 25.9, 25.9, 25.9, 25.9, 33.57, 33.57, 33.57, 33.57, 33.57, 33.57, 33.57, 33.57, 33.57, 35.2, 35.2, 35.2, 35.2, 35.2, 35.2, 35.2, 35.2, 35.2, 31, 31, 31, 31, 31, 31, 31, 31, 31, 29.5, 29.5, 29.5, 29.5, 29.5, 29.5, 29.5, 29.5, 29.5, 26.5, 26.5, 26.5, 26.5, 26.5, 26.5, 26.5, 26.5, 26.5, 29.49, 29.49, 29.49, 29.49, 29.49, 29.49, 29.49, 29.49, 29.49, 30, 30, 30, 30, 30, 30, 30, 30, 30, 33.12, 33.12, 33.12, 33.12, 33.12, 33.12, 33.12, 33.12, 33.12, 35, 35, 35, 35, 35, 35, 35, 35, 35, 35.7, 35.7, 35.7, 35.7, 35.7, 35.7, 35.7, 35.7, 30.7, 30.7, 30.7, 30.7, 30.7, 30.7, 30.7, 30.7, 30.7, 39.3, 39.3, 39.3, 39.3, 39.3, 39.3, 39.3, 39.3, 39.3, 29.3, 29.3, 29.3, 29.3, 29.3, 29.3, 29.3, 29.3, 29.3, 25.72, 25.72, 25.72, 25.72, 25.72, 25.72, 25.72, 25.72, 25.72, 46.3, 46.3, 46.3, 46.3, 46.3, 46.3, 46.3, 46.3, 46.3, 38.9, 38.9, 38.9, 38.9, 38.9, 38.9, 38.9, 38.9, 38.9, 38.2, 38.2, 38.2, 38.2, 38.2, 38.2, 38.2, 38.2, 38.2, 31.1, 31.1, 31.1, 31.1, 31.1, 31.1, 31.1, 31.1, 31.1, 22.3, 22.3, 22.3, 22.3, 22.3, 22.3, 22.3, 22.3, 22.3, 27.6, 27.6, 27.6, 27.6, 27.6, 27.6, 27.6, 27.6, 27.6, 31.7, 31.7, 31.7, 31.7, 31.7, 31.7, 31.7, 31.7, 31.7, 34.7, 34.7, 34.7, 34.7, 34.7, 34.7, 34.7, 34.7, 34.7, 38, 38, 38, 38, 38, 38, 38, 38, 38, 40.7, 40.7, 40.7, 40.7, 40.7, 40.7, 40.7, 40.7, 40.7), Semana = structure(c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L), .Label = c("1", "2", "3", "4", "5", "6", "7", "8", "9"), class = "factor"), CT = c(70, 72, 73, 77, 77, 80, 82, 86, 91, 77, 78, 82, 84, 85, 89, 94, 95, 78, 81, 82, 81, 84, 88, 89, 92, 96, 74, 75, 77, 84, 85, 86, 88, 92, 76, 78, 79, 79, 82, 82, 84, 86, 88, 75, 79, 80, 80, 81, 83, 86, 89, 92, 76, 73, 75, 79, 81, 82, 87, 87, 94, 71, 73, 77, 82, 86, 88, 94, 75, 76, 80, 80, 83, 85, 88, 91, 98, 78, 78, 81, 81, 85, 85, 89, 94, 73, 74, 78, 78, 78, 81, 84, 86, 90, 72, 74, 75, 76, 78, 81, 86, 86, 90, 75, 80, 82, 84, 80, 88, 91, 94, 75, 78, 79, 79, 83, 81, 83, 86, 90, 75, 75, 76, 77, 79, 81, 86, 87, 92, 71, 72, 73, 75, 78, 85, 86, 91, 75, 77, 77, 80, 81, 86, 89, 91, 97, 77, 78, 78, 79, 84, 86, 90, 96, 99, 78, 80, 80, 80, 84, 84, 87, 92, 97, 74, 77, 78, 79, 81, 83, 84, 92, 72, 74, 75, 79, 79, 80, 86, 85, 91, 75, 76, 76, 78, 78, 80, 84, 86, 90, 75, 77, 77, 80, 81, 83, 88, 90, 94, 71, 72, 70, 74, 78, 91, 85, 86, 97, 71, 72, 75, 76, 77, 80, 84, 86, 91, 70.5, 75, 73, 77, 80, 84, 86, 87, 92, 75, 71, 77, 76, 80, 80, 83, 84, 90, 71, 77, 75, 76, 77, 78, 82, 84, 89, 74, 77, 78, 79, 80, 82, 90, 89, 94, 77, 79, 79, 81, 83, 83, 86, 90, 95, 76, 78, 78, 80, 82, 82, 85, 86, 70, 73, 72, 71, 77, 74, 75, 77, 80, 77, 81, 81, 82, 85, 86, 89, 93, 98, 73, 73, 70, 73, 75, 77, 81, 85, 89, 71, 74, 74, 78, 77, 82, 84, 88, 90, 82, 80, 82, 85, 89, 89, 93, 95, 98, 76, 80, 79, 80, 81, 84, 88, 89, 93, 77, 77, 77, 80, 82, 82, 85, 86, 91, 68, 74, 75, 75, 76, 78, 80, 81, 86, 68, 69, 69, 74, 77, 79, 80, 82, 85, 68, 72, 73, 75, 77, 78, 80, 84, 88, 71, 72, 72, 76, 78, 80, 81, 85, 90, 77, 78, 80, 80, 83, 85, 88, 90, 94, 76, 77, 77, 79, 82, 83, 84, 89, 93, 88, 76, 78, 79, 81, 83, 85, 89, 94)), class = "data.frame", row.names = c(1L, 2L, 4L, 6L, 8L, 10L, 12L, 14L, 17L, 18L, 20L, 23L, 25L, 27L, 29L, 31L, 34L, 35L, 37L, 39L, 41L, 43L, 45L, 47L, 49L, 52L, 53L, 55L, 57L, 61L, 63L, 65L, 67L, 70L, 71L, 73L, 75L, 77L, 79L, 81L, 83L, 85L, 88L, 89L, 91L, 93L, 95L, 97L, 99L, 101L, 103L, 106L, 107L, 109L, 111L, 113L, 115L, 117L, 119L, 121L, 124L, 125L, 127L, 133L, 135L, 137L, 139L, 142L, 143L, 145L, 147L, 149L, 151L, 153L, 155L, 157L, 160L, 161L, 163L, 165L, 167L, 169L, 171L, 173L, 178L, 179L, 181L, 183L, 185L, 187L, 189L, 191L, 193L, 196L, 197L, 199L, 201L, 203L, 205L, 207L, 209L, 211L, 214L, 215L, 217L, 219L, 221L, 223L, 225L, 227L, 229L, 233L, 235L, 237L, 239L, 241L, 243L, 245L, 247L, 250L, 251L, 253L, 255L, 257L, 259L, 261L, 263L, 265L, 268L, 269L, 271L, 273L, 275L, 277L, 279L, 283L, 286L, 287L, 289L, 291L, 293L, 295L, 297L, 299L, 301L, 304L, 305L, 307L, 309L, 311L, 313L, 315L, 317L, 319L, 322L, 323L, 325L, 327L, 329L, 331L, 333L, 335L, 337L, 340L, 341L, 343L, 345L, 347L, 349L, 351L, 353L, 358L, 359L, 361L, 363L, 365L, 367L, 369L, 371L, 373L, 376L, 377L, 379L, 381L, 383L, 385L, 387L, 389L, 391L, 394L, 395L, 397L, 399L, 401L, 403L, 405L, 407L, 409L, 412L, 413L, 415L, 417L, 419L, 421L, 423L, 425L, 427L, 430L, 431L, 433L, 435L, 437L, 439L, 441L, 443L, 445L, 448L, 449L, 451L, 453L, 455L, 457L, 459L, 461L, 463L, 466L, 467L, 469L, 471L, 473L, 475L, 477L, 479L, 481L, 484L, 485L, 487L, 489L, 491L, 493L, 495L, 497L, 499L, 502L, 503L, 505L, 507L, 509L, 511L, 513L, 515L, 517L, 520L, 521L, 523L, 525L, 527L, 529L, 531L, 533L, 535L, 538L, 539L, 543L, 545L, 547L, 549L, 551L, 553L, 556L, 557L, 559L, 561L, 563L, 565L, 567L, 569L, 571L, 574L, 575L, 577L, 579L, 581L, 583L, 585L, 587L, 589L, 591L, 592L, 594L, 596L, 598L, 600L, 602L, 604L, 606L, 608L, 609L, 611L, 613L, 615L, 617L, 619L, 621L, 623L, 626L, 627L, 629L, 631L, 633L, 635L, 637L, 639L, 641L, 644L, 645L, 647L, 649L, 651L, 653L, 655L, 657L, 659L, 661L, 662L, 664L, 666L, 668L, 670L, 672L, 674L, 676L, 679L, 680L, 682L, 684L, 686L, 688L, 690L, 692L, 694L, 697L, 698L, 700L, 702L, 704L, 706L, 708L, 710L, 712L, 715L, 716L, 718L, 720L, 722L, 724L, 726L, 728L, 730L, 733L, 734L, 736L, 738L, 740L, 742L, 744L, 746L, 748L, 751L, 752L, 754L, 756L, 758L, 760L, 762L, 764L, 766L, 769L, 770L, 772L, 774L, 776L, 778L, 780L, 782L, 784L, 787L, 788L, 790L, 792L, 794L, 796L, 798L, 800L, 802L, 805L)) modeloCT_F<- lme(CT~GS+Tratamento*Semana+Pbserica+Pnasc,random=~1|Animal,data=subset(BiometriaAleit,Sexo=="Femea")) shapiro.test(resid(modeloCT_F,type="normalized")) bartlett.test(resid(modeloCT_F,type="normalized")~interaction(Tratamento,Semana),data=subset(BiometriaAleit,Sexo=="Femea")) # Modelando a variância e a covariancia dos erros modeloCT_F1.4 <- update(modeloCT_F,weights=varIdent(form=~1|Semana*Tratamento)) modeloCT_F1.5 <- update(modeloCT_F1.4,control=controle,correlation=corARMA(q=3,form=~1|Animal)) anova(modeloCT_F1.4,modeloCT_F1.5) shapiro.test(resid(modeloCT_F1.5,type="normalized")) bartlett.test(resid(modeloCT_F1.5,type="normalized")~interaction(Tratamento,Semana),data=subset(BiometriaAleit,Sexo=="Femea")) # Remoção de outliers modeloCT_F1.6 <- update(modeloCT_F1.5,data=subset(BiometriaAleit[-c(574,571,556,427,425,319,279,788,430,423),],Sexo=="Femea")) shapiro.test(resid(modeloCT_F1.6,type="normalized")) bartlett.test(resid(modeloCT_F1.6,type="normalized")~interaction(Tratamento,Semana),data=subset(BiometriaAleit[-c(574,571,556,427,425,319,279,788,430,423),],Sexo=="Femea")) # Selecionando a melhor distribuição install.packages("fitdistrplus") library(fitdistrplus) x1<-as.vector(resid(modeloCT_F1.6,type="normalized")) descdist(x1, discrete = FALSE) Graficos sobre a distribuição dos dados. library(car) qqp(resid(modeloCT_F1.6,type="normalized"),"logis") #install.packages("fitdistrplus") library(fitdistrplus) x1<-as.vector(resid(modeloCT_F1.6,type="normalized")) descdist(x1, discrete = FALSE)

1 0

Problema com optim() em modelos não lineares
by ASANTOS 01 Mar '19

01 Mar '19

Prezados Membros, Estou tentando realizar a estimação dos coeficientes de um modelo não linear com a função optim(), mas só recebo a mensagem de erro: Error in optim(c(0.97, 0.32), function(a) f(a, x, yexp)) : função alvo em optim retorna um objeto de comprimento 11 ao invés de 1 Segundo o meu CRM: #Crio as variáveis x <- c(1 ,10, 20, 30, 40, 50, 60, 70, 80, 90, 100) y <- c(0.033823, 0.014779, 0.004698, 0.001584, -0.002017, -0.003436, -0.000006, -0.004626, -0.004626, -0.004626, -0.004626) #Especifico a função, que no meu caso é y ~ a4*exp(-x/a5) f = function(a,x,yexp) {yexp= a[1]*exp(-x/a[2]) } # Utilizando a otimização mod = optim(c(0.97, 0.32), function(a) f(a, x, yexp)) Alguém poderia me ajudar. Obrigado -- ====================================================================== 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 99686-6970 (VIVO) (+55) 65 3221-2674 (FIXO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 OrcID: orcid.org/0000-0001-8232-6722 - ResearcherID: A-5790-2016 Researchgate: www.researchgate.net/profile/Alexandre_Santos10 LinkedIn: br.linkedin.com/in/alexandre-dos-santos-87961635 Mendeley:www.mendeley.com/profiles/alexandre-dos-santos6/ ======================================================================

1 0

Iramuteq
by Alisson Lucrécio 22 Fev '19

22 Fev '19

Olá, Boa noite. Estou procurando um pacote para fazer análise de texto, semelhante ao Iramuteq, Algum colega da lista saberia me informar algum pacote para tal fim? Segue um exemplo de análise de dados do senado feita pelo pesquisador Max Stabile para o Jornal. https://www.ibpad.com.br/blog/analise-de-dados/o-que-os-deputados-federais-… Obrigado. -- Alisson Lucrecio da Costa

1 0