- R-br - DINF UFPR

função glm
by Fernando Antonio de souza 15 Set '11

15 Set '11

Caros amigos, Estou tentando rodar a função glm do R refazendo os passos de um artigo de um pesquisador de minha área o qual disponibilizou seus dados para que possa ser refeito por outros. O mesmo realizou suas análises no SAS. o modelo utilizado é bastante simples da forma Y= X+Z+X*Z porém quando observo o resultado por meio da função summary não encontro a mesma resposta. Além disto a função summary não mostra as estimativas para o nível 1 do tratamento "Experimento" e a função anova não apresenta o mesmo resultado que o do autor. Afim de obter ajuda colocarei no final deste texto os dados nesta lista na esperança que alguém possa me esclarecer o motivo de tal diferença de resultaods summary(reg) Call: glm(formula = Y ~ X + as.factor(Experimento) + X:as.factor(Experimento), family = gaussian(), data = stpierre) Deviance Residuals: Min 1Q Median 3Q Max -0.9540 -0.2459 0.0000 0.2691 1.0813 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -3.796128 0.512862 -7.402 2.67e-10 *** X 1.154824 0.148879 7.757 6.06e-11 *** as.factor(Experimento)2 0.073324 0.753491 0.097 0.922765 as.factor(Experimento)3 0.534750 0.797377 0.671 0.504723 as.factor(Experimento)4 0.630910 1.300006 0.485 0.629014 as.factor(Experimento)5 1.750966 1.442286 1.214 0.228939 as.factor(Experimento)6 2.479657 1.025254 2.419 0.018264 * as.factor(Experimento)7 2.406456 0.760101 3.166 0.002314 ** as.factor(Experimento)8 1.074060 1.250668 0.859 0.393474 as.factor(Experimento)9 3.792558 0.905848 4.187 8.32e-05 *** as.factor(Experimento)10 3.715397 0.774152 4.799 9.08e-06 *** as.factor(Experimento)11 3.661052 1.379359 2.654 0.009891 ** as.factor(Experimento)12 4.061232 0.813967 4.989 4.45e-06 *** as.factor(Experimento)13 6.829381 1.532305 4.457 3.19e-05 *** as.factor(Experimento)14 4.535287 1.752982 2.587 0.011819 * as.factor(Experimento)15 4.667338 0.893773 5.222 1.83e-06 *** as.factor(Experimento)16 4.521313 1.194614 3.785 0.000328 *** as.factor(Experimento)17 6.129145 1.836979 3.337 0.001378 ** as.factor(Experimento)18 4.959858 1.090125 4.550 2.28e-05 *** as.factor(Experimento)19 4.674037 1.536483 3.042 0.003337 ** as.factor(Experimento)20 7.313506 2.503107 2.922 0.004720 ** X:as.factor(Experimento)2 -0.057205 0.205877 -0.278 0.781962 X:as.factor(Experimento)3 -0.132183 0.204408 -0.647 0.520028 X:as.factor(Experimento)4 -0.183180 0.286068 -0.640 0.524105 X:as.factor(Experimento)5 -0.158596 0.434051 -0.365 0.715957 X:as.factor(Experimento)6 -0.141252 0.274472 -0.515 0.608479 X:as.factor(Experimento)7 -0.080546 0.193212 -0.417 0.678081 X:as.factor(Experimento)8 -0.203014 0.312965 -0.649 0.518730 X:as.factor(Experimento)9 -0.190486 0.210970 -0.903 0.369765 X:as.factor(Experimento)10 -0.144995 0.180614 -0.803 0.424894 X:as.factor(Experimento)11 0.045302 0.340027 0.133 0.894405 X:as.factor(Experimento)12 -0.148867 0.186561 -0.798 0.427676 X:as.factor(Experimento)13 -0.540281 0.260298 -2.076 0.041713 * X:as.factor(Experimento)14 -0.150676 0.331527 -0.454 0.650923 X:as.factor(Experimento)15 -0.164412 0.193329 -0.850 0.398073 X:as.factor(Experimento)16 0.003847 0.219549 0.018 0.986073 X:as.factor(Experimento)17 -0.343555 0.273726 -1.255 0.213737 X:as.factor(Experimento)18 -0.135951 0.193712 -0.702 0.485188 X:as.factor(Experimento)19 0.018426 0.227413 0.081 0.935660 X:as.factor(Experimento)20 -0.250016 0.325199 -0.769 0.444669 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for gaussian family taken to be 0.2520778) Null deviance: 1369.409 on 107 degrees of freedom Residual deviance: 17.141 on 68 degrees of freedom AIC: 189.7 Number of Fisher Scoring iterations: 2 Base de dados OBS Experimento X Y 1 1 1.16391 -2.92296 2 1 1.94273 -1.03365 3 1 2.50229 -1.00383 4 1 3.98627 1.33325 5 1 4.36177 1.13752 6 1 4.98954 1.59278 7 2 2.1091 -1.33751 8 2 2.28976 -1.14376 9 2 2.45645 -1.09304 10 2 4.95084 1.4274 11 2 5.92572 2.99572 12 3 2.09605 -0.70073 13 3 2.30059 -1.11007 14 3 3.90388 0.17334 15 3 5.15574 2.38882 16 3 5.57553 1.78167 17 3 5.60523 3.09353 18 4 3.1955 0.18097 19 4 4.32691 0.7431 20 4 5.04092 1.947 21 4 5.17521 1.07029 22 4 5.57254 2.71423 23 4 5.59532 2.43982 24 5 2.31878 0.26487 25 5 4.06027 1.99979 26 6 2.48122 1.31151 27 6 2.73224 1.32218 28 6 3.66628 2.52286 29 6 4.15568 2.83423 30 6 4.57694 2.99086 31 6 4.86356 3.90049 32 7 2.767 1.18358 33 7 2.79859 1.70206 34 7 2.97074 1.84639 35 7 3.85289 3.13155 36 7 6.24981 5.27271 37 7 6.80389 5.85844 38 8 2.74107 -0.26691 39 8 3.72445 1.32567 40 8 4.51721 1.04086 41 8 5.18536 2.40105 42 9 3.24046 3.12334 43 9 3.2864 3.52558 44 9 4.52824 4.29043 45 9 5.10468 4.04917 46 9 5.40578 5.55135 47 9 7.25461 7.2311 48 10 3.09531 3.31464 49 10 3.13951 2.5785 50 10 3.86928 4.0819 51 10 6.40856 6.6731 52 10 7.35976 6.8001 53 10 7.95716 8.2098 54 11 3.24974 2.8825 55 11 3.25369 4.8511 56 11 4.4005 4.3538 57 11 4.74897 6.076 58 11 4.96576 5.9062 59 12 3.00403 2.5733 60 12 3.1542 3.9324 61 12 4.95652 5.8456 62 12 5.35746 5.2066 63 12 5.62651 6.3312 64 12 6.53297 6.6019 65 12 6.6958 6.9498 66 12 7.83844 8.1031 67 13 5.44713 6.4838 68 13 5.82682 6.2341 69 13 6.76986 7.8937 70 13 6.87949 6.9477 71 13 8.47819 8.1336 72 14 4.31493 5.228 73 14 5.70501 6.0941 74 14 6.70113 7.6858 75 15 4.11223 5.2129 76 15 4.55329 5.2169 77 15 4.75641 6.1755 78 15 5.0742 5.7492 79 15 5.90125 6.5407 80 15 6.84886 6.7004 81 15 8.87813 10.2425 82 16 4.25114 5.3359 83 16 6.50762 9.1897 84 16 6.52857 8.4259 85 16 6.67694 8.2782 86 16 6.79539 8.3206 87 16 8.62833 10.4385 88 17 6.47237 7.6132 89 17 6.73826 7.7381 90 17 7.57947 8.5328 91 17 8.11267 8.9045 92 17 9.18169 9.7732 93 18 5.49319 6.6492 94 18 5.62711 6.4464 95 18 6.67182 8.5909 96 18 7.4494 9.2077 97 18 8.13165 9.365 98 18 8.31896 9.5025 99 18 8.74606 10.3598 100 18 8.92038 9.4361 101 18 9.43227 11.0051 102 19 6.06067 7.9306 103 19 7.98874 10.1887 104 19 8.35784 10.9856 105 19 9.52789 11.507 106 19 9.68213 12.6051 107 20 7.15668 9.9928 108 20 9.61256 12.2149 Obrigado

1 0

Ordenar matriz de parentesco pelo índice de parentesco
by Walmes Zeviani 15 Set '11

15 Set '11

Saudações amigRos, Estou com um problema que é o de identificar os indivíduos sem parentesco dentro de uma família. Basicamente ao construir a matriz de parentesco dos indivíduos eu gostaria de selecionar a submatriz desta que apresentasse valores iguais a zero fora da diagonal. Abaixo eu tenho o pedgree de duas famílias do qual, por meio da kinship2::kinship() eu obtenho a matriz de parentesco. Alguém teria alguma solução para o meu problema? Segue o CMR: # dados dados <- structure(list(FAMID = c(2L, 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L), ID = c(2101L, 2201L, 2202L, 2302L, 2303L, 4101L, 4301L, 4302L, 4303L, 4501L, 4502L, 4506L, 4601L, 4801L, 4802L, 4803L, 4806L, 4901L, 4902L, 4903L, 4904L, 4905L, 4906L, 4907L, 4908L, 4909L, 4910L, 4911L, 4912L, 4913L, 4914L, 4915L, 4916L, 4917L, 4918L, 4919L), FA = c(0L, 0L, 0L, 2101L, 2101L, 4501L, 4201L, 4201L, 4201L, 4922L, 4921L, 0L, 4501L, 4921L, 4921L, 4921L, 4922L, 4924L, 4924L, 4803L, 4806L, 4806L, 4924L, 4806L, 4909L, 0L, 4924L, 0L, 4924L, 4924L, 4926L, 4925L, 4918L, 4918L, 0L, 4806L), MO = c(0L, 0L, 0L, 2201L, 2201L, 4502L, 4101L, 4101L, 4101L, 4923L, 4506L, 0L, 4502L, 4506L, 4506L, 4506L, 4923L, 4911L, 4911L, 4910L, 4920L, 4920L, 4911L, 4920L, 4801L, 0L, 4911L, 0L, 4911L, 4911L, 4906L, 4913L, 4908L, 4908L, 0L, 4920L)), .Names = c("FAMID", "ID", "FA", "MO"), class = "data.frame", row.names = c(NA, -36L)) # FAMID: id da familia # ID: id único de cada indivíduo # FA e MO: indica quem o pai(father) e mãe(mother) do indivíduo # valor 0 indica genitor desconhecido # criando lista em que cada familia é um slot da lista fam <- split(dados, dados$FAMID) str(fam) require(kinship2) # obter a matriz de parentesco m0 <- with(fam[[1]], kinship(ID, FA, MO)) str(m0) m1 <- as.matrix(m0) # matriz de parentesco, verificar linhas/colunas de zeros, sem parentesco # objeto de desejo: indivíduos de uma família que tenham sub-matriz de parentesco # com elementos fora da diagonal iguais a zero # na m1 é a submatrix 3x3 m1[1:3, 1:3] # os indivíduos são rownames(m1[1:3, 1:3]) m0 <- with(fam[[2]], kinship(ID, FA, MO)) str(m0) m1 <- as.matrix(m0) m1 # essa matriz é enorme os não aparentados (no mínimo 4) não formam uma # submatriz agrupada # gostaria de ordenar essa matriz baseada nos elementos fora da diagonal # começando com os sem parentesco (parentesco=0), passando pelas # relações de primos/sobrinhos/netos (<0.25), e terminando com os # irmãos germanos (=0.25), seria possivel reordenar esse matriz assim? # uma forma de ordenar os não aparentados é deixar no início do pedgree # aqueles que tem genitor desconhecido aux <- fam[[2]] aux <- aux[order(aux$FA, aux$MO),] head(aux) m0 <- with(aux, kinship(ID, FA, MO)) str(m0) m1 <- as.matrix(m0) m1[1:4, 1:4] # mas será que é garantido que indivíduos não aparentados só serão aqueles # que possuem genitor desconhecido no pedgree? # e se eu quisesse o sub-grupo de indivíduos em que nenhum parentesco exceda # 0.05? Grato. 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

Re: [R-br] Digest R-br, volume 7, assunto 16
by Julio Bueno 15 Set '11

15 Set '11

Caentes? Prezado Eder, Se for regressão linear simples como você descreveu, o delineamento mais informativo (como o Walmes chamou a atenção) é o com níveis extremos. Um nível intermediário é recomendável para testar a falta de ajuste do modelo de regressão. No caso, suspeito que seu problema pode ser mais sutil do que isto. Qual o interesse em tomar medidas em tempos diferentes? é por causa do custo de armazenamento de dados? ou por causa dos reagentes? Qual é o recurso mais escasso? []s Júlio 2011/9/15 <r-br-request(a)listas.c3sl.ufpr.br> > Enviar submissões para a lista de discussão R-br para > r-br(a)listas.c3sl.ufpr.br > > Para se cadastrar ou descadastrar via WWW, visite o endereço > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > ou, via email, envie uma mensagem com a palavra 'help' no assunto ou > corpo da mensagem para > r-br-request(a)listas.c3sl.ufpr.br > > Você poderá entrar em contato com a pessoa que gerencia a lista pelo > endereço > r-br-owner(a)listas.c3sl.ufpr.br > > Quando responder, por favor edite sua linha Assunto assim ela será > mais específica que "Re: Contents of R-br digest..." > > > Tópicos de Hoje: > > 1. União de poligonos (Jose Vilton Costa) > 2. Seleção Níveis Regressão linear (Eder David Borges da Silva) > 3. RES: Seleção Níveis Regressão linear (Alan Rodrigo Panosso) > 4. Re: RES: Seleção Níveis Regressão linear (Walmes Zeviani) > > > ---------------------------------------------------------------------- > > Message: 1 > Date: Wed, 14 Sep 2011 12:17:40 -0300 > From: Jose Vilton Costa <josevilton(a)hotmail.com> > To: <r-br(a)listas.c3sl.ufpr.br> > Subject: [R-br] União de poligonos > Message-ID: <SNT113-W5836662C704F025AAC51DFDA040(a)phx.gbl> > Content-Type: text/plain; charset="iso-8859-1" > > > Professor Paulo,Eu já estava tentando usar a função unionSpatialPolygons() > , mas não estava conseguindo informar os IDs. Agora usando a biblioteca aRT > foi possível fazer isto. Mauro, tente fazer um unpdate no pacote Maptools > para ver se não funciona a função readShapePolys(). Obrigado,José Vilton. > Estava vendo vossa discussão, tentei rodar o script e não encontra esta > função readShapePolys(), e já tenho estas bibliotécas instaladas! > > > require(maptools) > > readShapePolys() > Erro: não foi possível encontrar a função "readShapePolys" > > > Uma possibilidade é o uso das funcionalidades > do pacote maptools que voce já está usando > > As funcoes relevantes seriam > > require(maptools) > readShapePolys() > gpclibPermit() # pode ser evitado se voce tiver a biblioteca rgeos > instalada > unionSpatialPolygons() > > O aRT (www.leg.ufpr.br/aRT) tb tem funcoes para isto > > A ideia básica é que na funcao de uniao voce passa os ID's que quer unir, > ele vai gerar um novo cunjunto de IDs no objeto resultante > > > > > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: < > http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110914/37d99bd9/atta… > > > > ------------------------------ > > Message: 2 > Date: Wed, 14 Sep 2011 22:43:51 -0300 > From: Eder David Borges da Silva <eder(a)leg.ufpr.br> > To: R-br(a)listas.c3sl.ufpr.br > Subject: [R-br] Seleção Níveis Regressão linear > Message-ID: > <CALKkXXorwhyjN_-wu-Fe_QdHUwK6EfXNKoe6zHfwvLNTREorXg(a)mail.gmail.com > > > Content-Type: text/plain; charset="iso-8859-1" > > Boa noite pessoal, > Gostaria de discutir com vocês um experimento. > Estamos planejando um experimento de medição de gases do solo via câmaras, > em síntese colocar uma câmara sob o solo e a cada intervalo de tempo > medi-se > a concentração de gases (CO2, N2O, CH4) retirando uma amostra e fazendo > cromatografia dela. > nosso experimento visa otimizar os tempos para coleta destas amostra hoje > se > faz 0, 15, 30, 45 min. > Vamos fazer um experimento com 13 tempos de 0 a 120 min. > Nosso interesse neste experimento é determinar a inclinação da reta que da > a > taxa de emissão (ppm / min) > Minha sugestão de analise: > 1) Ajustar um modelo com os 13 tempos. sendo esta estimativa de inclinação > a > mais próxima da realidade. (M0) > 2) ajustar modelos com tempos distintos por exemplo 0, 5, 10 , 20 (Mi) e > comparar esta estimativas com o (M0) > repetir o passo 2 varias vezes > 3) computar os modelos que são "iguais" a M0, de todos os "iguais" o melhor > é aquele que demore menos tempo. > Em resumo se avaliar nos tempos 0,5,10,20 e igual a avaliar em 13 tempos de > 0 a 120??? > OBS: o tempo 0 sempre terá de ser medido > Um Codigo possivel seria isso: > require(MCMCpack) > require(plyr) > require(latticeExtra) > > dados <- > > expand.grid(local=c('Agri','Pastagem'),epoca=factor(c(-1,1,5,10,20)),camara=c('C1','C2','C3'),tempo=c(seq(0,45,by=5),60,90,120),bloco=factor(1:4)) > dim(dados) > dados$resp <- rnorm(nrow(dados),10,10) > head(dados) > > m0 <- MCMCregress(resp~tempo,data=dados) > summary(m0) > plot(m0) > ###Distribuiçao pretendida > > #### Simulação > simu <- list(A=c(0,5,10,60), > B=c(0,5,15,45), > C=c(0,10,20,45), > D=c(0,10,45,60))### colocar mais > > resS <- data.frame(V1='m0',V2=m0[,2]) > > for(i in 1:length(simu)){ > m0 <- MCMCregress(resp~tempo,data=subset(dados,dados$tempo %in% > simu[[i]]),burnin=1000,mcmc=5000) > m0 <- as.matrix(m0) > resS <- rbind(resS,data.frame(V1=names(simu)[i],V2=m0[,2])) > } > class(resS) > > ### Aproximaçao para Slope > marginal.plot(resS$V2, data=resS,groups = resS$V1,auto.key=TRUE) > > ### Diferenças > mS <- aov(V2~V1,resS) > summary(mS) > par(mfrow=c(2,2)) > plot(mS) > > Creio que esta ANOVA no final não seja a coisa mais interessante de ser > feita, diante disso gostaria de sugestões para o problema. > Acho que problemas de heterogenidade de variancias vão surgir.... > OBS1: As outras covariaveis dos dados estão sendo discutidas se serão > feitas, por enquanto desconsiderar elas > Atenciosamente > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: < > http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110914/6f27d5ef/atta… > > > > ------------------------------ > > Message: 3 > Date: Thu, 15 Sep 2011 07:27:37 -0500 > From: "Alan Rodrigo Panosso" <arpanosso(a)yahoo.com.br> > To: <r-br(a)listas.c3sl.ufpr.br> > Subject: [R-br] RES: Seleção Níveis Regressão linear > Message-ID: <000001cc73a2$dc435c40$94ca14c0$(a)yahoo.com.br> > Content-Type: text/plain; charset="iso-8859-1" > > Eder, não sei se você já viu esse trabalho sobre emissão de metano. > > COSTA, F. S. ; BAYER, Cimélio ; LIMA, Magda Aparecida de ; FRIGHETTO, Rosa > T > S ; MACEDO, Vera R M ; MARCOLIN, Elio . Variação diária da emissão de > metano > em solo cultivado com arroz irrigado no Sul do Brasil.. Ciência Rural, v. > 38, p. 2049-2053, 2008. > > Estamos utilizando o mesmo esquema para o CO2 > > > > Atenciosamente > > > > > > > > De: r-br-bounces(a)listas.c3sl.ufpr.br > [mailto:r-br-bounces@listas.c3sl.ufpr.br] Em nome de Eder David Borges da > Silva > Enviada em: quarta-feira, 14 de setembro de 2011 20:44 > Para: R-br(a)listas.c3sl.ufpr.br > Assunto: [R-br] Seleção Níveis Regressão linear > > > > Boa noite pessoal, > > Gostaria de discutir com vocês um experimento. > > Estamos planejando um experimento de medição de gases do solo via câmaras, > em síntese colocar uma câmara sob o solo e a cada intervalo de tempo > medi-se > a concentração de gases (CO2, N2O, CH4) retirando uma amostra e fazendo > cromatografia dela. > > nosso experimento visa otimizar os tempos para coleta destas amostra hoje > se > faz 0, 15, 30, 45 min. > > Vamos fazer um experimento com 13 tempos de 0 a 120 min. > > Nosso interesse neste experimento é determinar a inclinação da reta que da > a > taxa de emissão (ppm / min) > > Minha sugestão de analise: > > 1) Ajustar um modelo com os 13 tempos. sendo esta estimativa de inclinação > a > mais próxima da realidade. (M0) > > 2) ajustar modelos com tempos distintos por exemplo 0, 5, 10 , 20 (Mi) e > comparar esta estimativas com o (M0) > > repetir o passo 2 varias vezes > > 3) computar os modelos que são "iguais" a M0, de todos os "iguais" o melhor > é aquele que demore menos tempo. > > Em resumo se avaliar nos tempos 0,5,10,20 e igual a avaliar em 13 tempos de > 0 a 120??? > > OBS: o tempo 0 sempre terá de ser medido > > Um Codigo possivel seria isso: > > require(MCMCpack) > > require(plyr) > > require(latticeExtra) > > > > dados <- > > expand.grid(local=c('Agri','Pastagem'),epoca=factor(c(-1,1,5,10,20)),camara= > c('C1','C2','C3'),tempo=c(seq(0,45,by=5),60,90,120),bloco=factor(1:4)) > > dim(dados) > > dados$resp <- rnorm(nrow(dados),10,10) > > head(dados) > > > > m0 <- MCMCregress(resp~tempo,data=dados) > > summary(m0) > > plot(m0) > > ###Distribuiçao pretendida > > > > #### Simulação > > simu <- list(A=c(0,5,10,60), > > B=c(0,5,15,45), > > C=c(0,10,20,45), > > D=c(0,10,45,60))### colocar mais > > > > resS <- data.frame(V1='m0',V2=m0[,2]) > > > > for(i in 1:length(simu)){ > > m0 <- MCMCregress(resp~tempo,data=subset(dados,dados$tempo %in% > simu[[i]]),burnin=1000,mcmc=5000) > > m0 <- as.matrix(m0) > > resS <- rbind(resS,data.frame(V1=names(simu)[i],V2=m0[,2])) > > } > > class(resS) > > > > ### Aproximaçao para Slope > > marginal.plot(resS$V2, data=resS,groups = resS$V1,auto.key=TRUE) > > > > ### Diferenças > > mS <- aov(V2~V1,resS) > > summary(mS) > > par(mfrow=c(2,2)) > > plot(mS) > > > > Creio que esta ANOVA no final não seja a coisa mais interessante de ser > feita, diante disso gostaria de sugestões para o problema. > > Acho que problemas de heterogenidade de variancias vão surgir.... > > OBS1: As outras covariaveis dos dados estão sendo discutidas se serão > feitas, por enquanto desconsiderar elas > > Atenciosamente > > > > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: < > http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110915/9501bf3e/atta… > > > > ------------------------------ > > Message: 4 > Date: Thu, 15 Sep 2011 11:32:19 -0300 > From: Walmes Zeviani <walmeszeviani(a)gmail.com> > To: r-br(a)listas.c3sl.ufpr.br > Subject: Re: [R-br] RES: Seleção Níveis Regressão linear > Message-ID: > <CAFU=EkY37yZx2ARCrwuj83Lbf_0HZbRCVK0gZ4PBr4WCwNAKYg(a)mail.gmail.com > > > Content-Type: text/plain; charset="iso-8859-1" > > Éder, > > Isso me parece uma questão de delineamento ótimo, que no caso linear > apresenta solução simples. Como você já sabe qual o modelo que representa > os > dados, é só otimizar a escolha dos tempos para obter um estimador com menor > erro-padrão. Seria o caso então de estudar os critérios de otimabilidade > que > existem para modelos lineares. > > 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 > ========================================================================== > -------------- Próxima Parte ---------- > Um anexo em HTML foi limpo... > URL: < > http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110915/6781ee46/atta… > > > > ------------------------------ > > _______________________________________________ > R-br mailing list > R-br(a)listas.c3sl.ufpr.br > https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br > > > Fim da Digest R-br, volume 7, assunto 16 > **************************************** > -- Júlio Sílvio de Sousa Bueno Filho Departamento de Ciências Exatas Universidade Federal de Lavras Caixa Postal 3037 Lavras, MG - Brasil - 37200 000 tel: (+55) 35 3829 1369 fax: (+55) 35 3829 1371 "Natureza da gente não cabe em nenhuma certeza." João G. Rosa - Riobaldo (Grande Sertão: Veredas) "Homo sum; humani nihil a me alienum puto." Terêncio - Chremes (Heautontimoroumenos)

1 0

União de poligonos
by Jose Vilton Costa 14 Set '11

14 Set '11

Professor Paulo,Eu já estava tentando usar a função unionSpatialPolygons() , mas não estava conseguindo informar os IDs. Agora usando a biblioteca aRT foi possível fazer isto. Mauro, tente fazer um unpdate no pacote Maptools para ver se não funciona a função readShapePolys(). Obrigado,José Vilton. Estava vendo vossa discussão, tentei rodar o script e não encontra esta função readShapePolys(), e já tenho estas bibliotécas instaladas! > require(maptools) > readShapePolys() Erro: não foi possível encontrar a função "readShapePolys" Uma possibilidade é o uso das funcionalidades do pacote maptools que voce já está usando As funcoes relevantes seriam require(maptools) readShapePolys() gpclibPermit() # pode ser evitado se voce tiver a biblioteca rgeos instalada unionSpatialPolygons() O aRT (www.leg.ufpr.br/aRT) tb tem funcoes para isto A ideia básica é que na funcao de uniao voce passa os ID's que quer unir, ele vai gerar um novo cunjunto de IDs no objeto resultante

1 0

Re: [R-br] Função eigen
by Junior Beleti 14 Set '11

14 Set '11

Olá Jose, não tinha visto seu post. Vou dar uma olhada sim.. Voce já trabalhou com a função eigen? Obrigado. -- Carlos Roberto Beleti Junior Mestrado em Ciência da Computação Departamento de Informática Universidade Estadual de Maringá

2 1

Re: [R-br] coeficiente AC1 de concordancia entre observações - os que dominam SAS ou VBA podem ajudar
by Ivan Bezerra Allaman 14 Set '11

14 Set '11

Bom dia Pedro! Estou tendo palestra com o prof. Júlio Singer do IME-USP, e ele passou um site que tem código R para trabalhar com dados categorizados, inclusive com esta estrutura que você está querendo. Segue os links para consulta. Espero que seja útil. http://www.ime.usp.br/~jmsinger/doku.php?id=start http://www.math.ist.utl.pt/~dpaulino/ http://www.poleto.com/Catdata_Vignette.r http://www.poleto.com/ http://www.poleto.com/missing.html Abraços! \begin{signature} <<>>= Prof. Dr. Ivan Bezerra Allaman Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Ilhéus/BA - Brasil Fone: +55 73 3680-5076 E-mail: ivanalaman@yahoo.com.br/ivanalaman@gmail.com @ \end{signature}

1 0

Duvida com pacotes para Analise de Dados Espaciais
by Victor Eduardo 13 Set '11

13 Set '11

Pessoal, estou encontrando dificuldades com os pacotes de analise de dados espaciais. Não estou conseguindo montar os gráficos exatamente, uso o comando envelope, daí gero os gráficos com as legendas das linhas pontilhadas, mas as linhas não estão exatamente em seus lugares, o que poderia ser isso?. Vou anexar a imagem. Os pacotes que estou usando são: RColorBrewer maptools splancs spatstat Abraços

2 2

[OFF-TOPIC] Livro do Cooley and Lohnes, 1971!
by Ivan Bezerra Allaman 13 Set '11

13 Set '11

Boa tarde senhores! Gostaria de saber se alguém tem o livro do Cooley and Lohnes de 1971, pois precisaria do conteúdo da página 176. Se alguém tiver e puder escanear esta página eu agradeço. Caso alguém tenha o livro em pdf, e não se incomodar de enviar para meu email, também ficarei grato. Segue as especificações do livro. COOLEY, W. W. and P. R. LOHNES (1971) Multivariate Data Analysis. New York: John Wiley. Abraços! \begin{signature} <<>>= Prof. Dr. Ivan Bezerra Allaman Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e Tecnológicas Ilhéus/BA - Brasil Fone: +55 73 3680-5076 E-mail: ivanalaman@yahoo.com.br/ivanalaman@gmail.com @ \end{signature}

3 4

Testes de comparação de distribuições
by julio cesar araujo 13 Set '11

13 Set '11

Bom dia pessoal, estimei de forma não-paramétrica, duas funcões de distribuição conjuntas, separadamente. Gostaria de saber quais testes poderia realizar no R para comparar se esses resultados numéricos são iguais-diferentes estatísticamente (testar a igualdade dessas duas distr). Testei com o teste de Kolgomorov-Smirnov ks.test(.), alguém teria uma outra sugestão aplicavel a meus resultados???

2 2

Boxplot sem outlires
by Marcelo Claro de Souza 13 Set '11

13 Set '11

Olá, Tem como geral um boxplot sem os outliers ou tenho de identificá-los manualmente e excluí-los da amostra? Muito obrigado.

4 4