- R-br - DINF UFPR

Re: [R-br] Como gerar dados de um experimento
by Walmes Zeviani 10 Jul '12

10 Jul '12

CAR e SAR já não são minha praia mais. Mas você pode usar a função spdep::cell2nb() para obter essa matriz de proximidade. 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 VoIP: (3361 3600) 1053 1173 e-mail: walmes(a)ufpr.br twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================

1 0

help para constrastes
by Clenilso Sehnen Mota 10 Jul '12

10 Jul '12

Prezados (as) Estou analisando os resultado de um trabalho. Minha intensão é verificar a comparação conforme a tabela 2. A tabela 1 mostra os tratamentos e as combinações dos 13 componentes. Já discuti pessoalmente com algumas pessoas, se a forma com estimei esses contrastes esta correta ou não. E não chegamos a um consenso. Gostaria de saber a resposta de você se esta correto ou não. Desde já agradeço pela ajuda. Att Clenilso Tabela 1- Composição dos tratamentos: Trat Combinações 1 A 2 B 3 B+C (3:1) 4 B+C (1:1) 5 B+C (1:3) 6 B+D+E(3:1:6) 7 B+D+C(2:1:2) 8 B+D+C (1:1:1) 9 F 10 G+C(7:3) 11 D+C(1:1) 12 D+H (1:1) 13 I 14 D+J+K(2:2:1) 15 D+K(3:1) 16 L Tabela 2 Composição dos contrastes. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Contraste 1 (A e L vs Demais) -7.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 -7.0 Contraste 2 (C vs s/C) 0.0 1.0 -1.0 -1.0 -1.0 1.0 -1.0 -1.0 1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 0.0 Contraste 3 (B vs s/B) 0.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 -1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 Contraste 4 (E, F, H e K vs s/E, F, H e K) 0.0 1.0 1.0 1.0 1.0 -1.8 1.0 1.0 -1.8 1.0 1.0 -1.8 1.0 -1.8 -1.8 0.0 Contraste 5 (D vs s/D) 0.0 1.0 1.0 1.0 1.0 -1.0 -1.0 -1.0 1.0 1.0 -1.0 -1.0 1.0 -1.0 -1.0 0.0 Clenilso Sehnen Mota Eng. Agronômo - Udesc DSc Fisiologia Vegetal - UFV MSc produção Vegetal Udesc/Embrapa E-mail: <mailto:csm.sehnen@gmail.com> csm.sehnen(a)gmail.com Celular: (64) 8150 8808

2 2

[Dúvida] Linguagem R e Julia.
by Pedro Rafael 08 Jul '12

08 Jul '12

Pessoal, está existindo esforços para tornar a linguagem R mais eficiente no que diz respeito eu desempenho computacional de determinadas tarefas, como por exemplo nos laços que em R são mais demorados que algumas outras linguagens interpretadas como Lua, Python, JavaScript, etc? Atualmente vejo a linguagem Julia se promovendo com comparativos de tempo de processamento com outras linguagens como Matlab, Python, Octave e inclusive o R. Acho que daqui a uns 5 ou 10 anos poderemos utilizar essa linguagem como uma boa ferramenta para computação científica geral. Contudo, acredito que ela irá precisar de muitos outros fatores para que seja uma alternativa para estatistica como o R. Posso estar falando cedo demais, mas acredito que Julia não só vislumbra a estatística. Vejo que será uma linguagem alternativa compilada para Scilab, Matlab, Octave e demais outros softwares de computação numérica. Dessa forma, se esse cenário permanecer vejo que o R ainda será o ícone de software livre para estatística. Sem falar na existência de um local (CRAN) que reúne boa parte das contribuições de colaboradores de toda parte do mundo que é de extrema importância para evolução de um software livre. [ ], Pedro Rafael Diniz Marinho.

1 0

Re: [R-br] funcao histogram
by Walmes Zeviani 05 Jul '12

05 Jul '12

Uma sugestão seria my.densityplot <- function(x, cols, ...){ panel.densityplot(x, ...) dx <- density(x) breaks <- sort(c(range(dx$x), quantile(x, c(1,3)/4))) fx <- approxfun(dx$x, dx$y) do.polygon <- function(x){ y <- fx(x) return(list(x=c(min(x), x, max(x)), y=c(0, y, 0))) } seqs <- lapply(1:(length(breaks)-1), function(i){ x <- seq(breaks[i], breaks[i+1], l=30) do.polygon(x) }) for(i in 1:length(seqs)){ seqs[[i]]$col <- cols[i] } lapply(seqs, function(i) do.call(panel.polygon, i)) panel.mathdensity(dmath = dnorm, col = "black", args = list(mean=mean(x),sd=sd(x)), lty=3) } require(RColorBrewer) cols <- brewer.pal(3, "Greens") densityplot(~height|voice.part, data=singer, cols=cols, panel=my.densityplot) 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 VoIP: (3361 3600) 1053 1173 e-mail: walmes(a)ufpr.br twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ========================================================================== 2012/7/5 Samuel Carvalho <samukajm(a)yahoo.com.br> > Falae Walmes, > Cara é basicamente isso mesmo que queria quando voce gera o ultimo gráfico > com as hachuras nos diferentes quantis. > Mas voce teria alguma dica de como implementar isso dentro da função > xyplot? Talvez a saída seja pelo panel.function() e depois pelo > panel.histogram() > Consegue dar um help? > Valeu > > *====================================* > *Samuel P. C. Carvalho > *Mestre em Ciências Florestais [UFLA] > Doutorando em Recursos Florestais [ESALQ/USP] > ============================================= > >

1 0

Help please
by Danielle Steffen 05 Jul '12

05 Jul '12

Ola, Estou batendo cabeca com o R. Estou com um dos arquivos txt da amostra do censo 2010, e apesar de saber importar com mascara de leitura em SPSS e SAS, estou me sentindo um pre-escolar no R. como faco importacao com mascara de leitura? sabe, aquela coisa de colocar caracter 1 a 4 - var 1 caracter 5 a 7 - var 2 e assim por diante. Bati cabeca com a funcao scan, mas como ela nao me ama e sao quase 3h da manha por aqui, ela nao quis importar, a sintaxe foi ridicula, tentei enfiar a mascara numa lista dentro do what, com os comprimentos de cada campo do arquivo: teste <- scan("C:/Users/Public/novo case/amostra.txt", what=list( length(2),length(5),length(13),length(8),length(3),length(1),length(2),length(3),length(2),length(1),length(2),length(2),length(1),length(3),length(3),length(2),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(4),length(1),length(7),length(7),length(3),length(3),length(1),length(7),length(7),length(7),length(1),length(7),length(7),length(7),length(1),length(1),length(2),length(2),length(1),length(1),length(2),length(1),length(1),length(1),length(3),length(3),length(3),length(1),length(7),length(7),length(7),length(1),length(2),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(4),length(5),length(1),length(1),length(1),length(1),length(6),length(6),length(4),length(1),length(6),length(4),length(7),length(4),length(7),length(4),length(7),length(5),length(6),length(4),length(3),length(1),length(1),length(1),length(1),length(1),length(1),length(6),length(1),length(7),length (7),length(7),length(1),length(1),length(1),length(2),length(2),length(2),length(1),length(2),length(2),length(2),length(1),length(3),length(1),length(1),length(1),length(2),length(4),length(1),length(2),length(2),length(2),length(2),length(1),length(2),length(1),length(1),length(1),length(1),length(1),length(3),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),len gth(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1),length(1) )) Mas esta obviamente errado e claro, nao sei pq. Alguem me ajuda? Nao precisa ser essa funcao, mas tentei achar uma que fosse a mais flexivel possivel, pq as outras que uso (read.table, read.csv, etc) elas supoe que o arquivo tem algum tipo de separador, nem que seja um espacinho qualquer pra quebrar o galho. Agradeco qq ajuda, e nao me zoem, estou morrendo de sono e odio do R. Abs, Danielle

4 3

Quasi AIC
by ASANTOS 05 Jul '12

05 Jul '12

Bom dia pessoal, Estava tentando comparar modelos baseados em distribuição quasi Poisson com Poisson, dentre outros critérios, também realizar a comparação através de Quasi AIC com AIC (Não sei a aceitabilidade dos senhores quanto ao uso do quasi AIC), porém dentre os adeptos, gostaria de saber porque a função não consegue calcular o quasi AIC quando não há sobredispersão, como em: > QAIC(m.2,chat=deviance(m.2)/df.residual(m.2))## Calculo do quasi AIC [1] NA Mensagens de aviso perdidas: In QAIC(m.2, chat = deviance(m.2)/df.residual(m.2)) : 'chat' given is < 1, increased to 1 Segue CRM completo: require(MuMIn) ##Pacote que calcula quasi AIC set.seed(122) y<- c(mapply(rpois, lambda=c(5,20), MoreArgs=list(n=100)))##Criação da variável resposta trat<- gl(2,100) ##Criação dos tratamentos m.1<- glm(y~trat,family="poisson")### Distribuição Poisson summary(m.1) m.2<- glm(y~trat,family="quasipoisson")### Distribuição quasi-Poisson summary(m.2) QAIC(m.2,chat=deviance(m.2)/df.residual(m.2))## Calculo do quasi AIC # Obrigado, -- Alexandre dos Santos Engenheiro Florestal, Dr. Universidade Federal de Lavras Departamento de Entomologia Laboratório de Entomologia Florestal Caixa Postal 3037 37200-000 - Lavras/MG Fone: +55 (35) 9223-0304

3 3

Re: [R-br] funcao histogram
by Walmes Zeviani 04 Jul '12

04 Jul '12

Samuel, tente adaptar isso aqui set.seed(123) x <- rnorm(1000, 5, 2) plot(density(x)) breaks <- sort(c(range(x), quantile(x, c(1,3)/4))) dx <- density(x) fx <- approxfun(dx$x, dx$y) fx(0.5) do.polygon <- function(x){ y <- fx(x) return(list(x=c(min(x), x, max(x)), y=c(0, y, 0))) } seqs <- lapply(1:(length(breaks)-1), function(i){ x <- seq(breaks[i], breaks[i+1], l=30) do.polygon(x) }) str(seqs) plot(density(x)) polygon(seqs[[1]], density=2) seqs[[1]]$density <- 3 seqs[[2]]$density <- 5 seqs[[3]]$density <- 9 plot(density(x)) lapply(seqs, function(i) do.call(polygon, i)) À disposição. Walmes.

1 0

funcao histogram
by Samuel Carvalho 04 Jul '12

04 Jul '12

Bom dia pessoal, Estou precisando de uma ajuda para gerar um histograma de frequencias para dados agrupados e estou reproduzindo o exemplo da função ?histogram A seguir o #RCMR require(lattice) ?histogram histogram( ~ height | voice.part, prob=T, data = singer, xlab = "Height (inches)", type = "density", panel = function(x, ...) { panel.histogram(x, ...) panel.mathdensity(dmath = dnorm, col = "black", args = list(mean=mean(x),sd=sd(x))) panel.abline(v=qnorm(0.25, mean=mean(x), sd=sd(x)), lty=2, col='blue') panel.abline(v=qnorm(0.75, mean=mean(x), sd=sd(x)), lty=2, col='blue') } ) Fiz uma adaptação no exemplo e inseri as duas ultimas linhas para que pudesse ser retornado uma linha para os quantis da normal que me retornam 25% e 75% dos dados porem queria que ao invés de linhas eu possa fazer hachuras divindo a distribuição em tres pontos, sendo que fossem feitas tres hachuras, ou seja, uma primeira para a area abaixo de 0.25, uma segunda entre 0.25 e 0.75 e uma terceira para a area acima de 0.75 Espero que tenha conseguido expressar o que preciso. Obrigado a todos Samuel ==================================== Samuel P. C. Carvalho Mestre em Ciências Florestais [UFLA] Doutorando em Recursos Florestais [ESALQ/USP] =============================================

2 1

Ler dados do excell
by Edson Lira 03 Jul '12

03 Jul '12

Boa noite R-Br lista, estou lendo um arquivo em excell com a rotina abaixo: require(xlsx) dat<-read.xlsx("/folder/dbp.xlsx",1,encoding="macroman",row.names=1) names(dat) Mostra a saida abaixo > names(dat) [1] "TRT" "DBP1" "DBP2" "DBP3" "DBP4" "DBP5" "Age" "Sex" Falta a variável da primeira coluna que é "Subject" O arquivo em excell está no link abaixo. http://www.datafilehost.com/download-19ff08a4.html O que está faltando para incluir a primeira coluna? Edson Lira Estatístico Manaus-Amazonas

2 1

Quasi AIC representa a verossimilhança?
by ASANTOS 03 Jul '12

03 Jul '12

Boa noite pessoal, Estou tentando calcular o quasi AIC para distribuições quasi, achei um material do Ben Bolker, que supõem uma alternativa ajustando um modelo para uma família Poisson ou Binomial e outra para a Quasi. Então como solução ele propõem utilizar a log-verossimilhança do primeiro e o parâmetro de dispersão do modelo quasi ajusado. Onde eu pergunto: esses cálculos de Quasi AIC representam a verossimilhança do modelo e servem de comparação direta com o AIC das distribuições Poisson ou Binomial? Obrigado, -- Alexandre dos Santos Engenheiro Florestal, Dr. Universidade Federal de Lavras Departamento de Entomologia Laboratório de Entomologia Florestal Caixa Postal 3037 37200-000 - Lavras/MG Fone: +55 (35) 9223-0304

1 0