- R-br - DINF UFPR

Re: [R-br] tratamento de pontos discrepantes (pesos de bovinos)
by sznelwar＠uol.com.br 20 Jul '17

20 Jul '17

2 1

CFP - IV WORKSHOP DE CIÊNCIA DE DADOS EDUCACIONAIS (WCDE’2017)
by Jorge Cavalcanti 20 Jul '17

20 Jul '17

------------------------------------------------------------ ---------------------------------------------- *IV WORKSHOP DE CIÊNCIA DE DADOS EDUCACIONAIS (WCDE’2017)* (antigo WORKSHOP DE MINERAÇÃO DE DADOS EDUCACIONAIS) VI Congresso Brasileiro de Informática em Educação (CBIE’2017) Recife, 30 de Outubro a 02 de Novembro de 2017 https://sites.google.com/view/wcde/ ------------------------------------------------------------ ---------------------------------------------- *Sobre o evento* A análise de dados educacionais, de uma maneira geral, representa uma área de pesquisa emergente em Informática em Educação para o desenvolvimento de métodos que exploram dados oriundos de ambientes educacionais e também administrativos com a finalidade de entender melhor os estudantes e os cenários em que eles aprendem. Dentro deste contexto, nas últimas três edições do Congresso Brasileiro de Informática em Educação (CBIE) esta temática estava sendo parcialmente tratada no Workshop de Mineração de Dados Educacionais (WMDE), por meio de tópicos de interesse que se restringem a dados gerados em ambientes de ensino-aprendizagem e com a aplicação de tarefas de mineração de dados como predição (regressão, séries temporais e classificação), agrupamento ou associação de dados, resultando em descobertas de conhecimento intrínseco nos dados. Contudo, ainda há outras áreas de pesquisa nesta temática como é o caso de Learning Analytics (LA) que faz uso de técnicas de análises de dados,incluindo tarefas de mineração de dados, para confirmar hipóteses colocadas em atividades de ensino que envolvem a aprendizagem do aluno, fomentando assim recursos analíticos ao tutor para entendimento e aprimoramento do ensino-aprendizagem. Por fim, existe também a temática de Academic Analytics (AA) que tem na essência as mesmas abordagens de análise utilizadas em MDE e LA, porém com alteração na fonte de dados, nesse caso advindo de sistemas educacionais administrativos. Como proposta de englobar as três áreas de pesquisa, uma vez que o foco principal de todas estas é analisar dados educacionais para o aprimoramento do ensino e aprendizagem, neste ano se fez a alteração do nome do workshop para Ciência de Dados Educacionais, ampliando o escopo do evento para uma abordagem mais ampla da temática análise de dados e fomentando a Comunidade de Informática em Educação um fórum para atualização, discussão e aplicação de pesquisas que tem como premissa o uso de dados oriundos da educação. O WCDE é parte do Congresso Brasileiro de Informática da Educação (CBIE), um evento anual da SBC, que ocorrerá este ano em Recife entre os dias 30 de Outubro e 02 de Novembro. Informações adicionais sobre o CBIE estão em https://sabertecnologias.com.br/cbie/. *Tópicos de Interesse* A lista abaixo apresenta alguns tópicos iniciais de interesse deste workshop. Porém, ela não é estritamente limitante quanto aos assuntos que podem ser tratados em Ciência de Dados Educacionais. • Modelagem analítica de Bancos de Dados Educacionais e integração com Dados Abertos (Open Data); • Mineração de Dados Educacionais e Personalização da Aprendizagem; • Infra-estrutura para análise de dados educacionais; • Aplicação de análise de dados educacionais no ensino (Superior ou Educação Básica); • Integrando dados educacionais e Internet das Coisas (IoT); • Análise de dados em ambientes emergentes pedagógicos como jogos educacionais, MOOCs e Sistemas Tutores Inteligentes; • Análise de dados na aprendizagem social e colaborativa; • Melhores práticas para adaptar o estado da arte das técnicas analíticas de recuperação de informação, sistemas de recomendação, análise de redes sociais, mineração de opinião para o domínio educativo; • Abordagens, métodos, algoritmos e ferramentas de analítica; • Análise de dados em apoio a tarefas educacionais administrativas; • Uso de dados combinados com teorias para a compreensão da aprendizagem; • Métricas de aprendizagem e avaliação; • Aprendizagem adaptativa e personalizada; • Valores, éticas e leis sobre os dados educacionais; • Visualização de Dados Educacionais; • Processos e metodologias para análises de dados educacionais. *Datas importantes* • Data limite para submissão de artigos: *20/08/2017* • Notificação de artigos aceitos: *08/09/2017* • Entrega da versão final dos artigos (com copyright): *15/09/2017* • Data limite para inscrição de pelo menos um autor por trabalho: * 15/09/2017*

1 0

Maximizar plot window no RStudio
by diogojose21＠yahoo.com.br 13 Jul '17

13 Jul '17

Salve Maria professor!!! Apenas complementando os colegas: na função "par", existe uma série de parâmetros que, associados a essa função, permitem delimitar as margens do papel (parâmetro “oma”) e da área em que o gráfico está inserido (parâmetro “mar”). Irás definir as margens para baixo (“bottom”), à esquerda (“left”), acima (“top”) e à direita (“right”). Uma observação de quem já passou por isso: dependendo do número de painéis, pode não ser útil os gráficos da função “graphics”. Nesse caso, pode ter de apelar para packages alternativas, como “lattice”, “ggplot2” e “plotly”. Esperando ter ajudado... In corde Jesu semper!!! _____________________________________ Sent from http://r-br.2285057.n4.nabble.com

1 0

GLM multivariado
by ana paula coelho madeira 12 Jul '17

12 Jul '17

Bom dia! Alguém tem alguma referência de estudos com GLM multivariado para me passar? Desde já agradeço Ana Paula

5 4

Opções do lattice (histograma).
by Diogo Jerônimo 12 Jul '17

12 Jul '17

Prezados, boa tarde!!! Estou empregando a library "lattice" para construir alguns histogramas, como no exemplo abaixo: ###dados res=c(rnorm(1000,20,2),rnorm(1000,15,1.5),rnorm(1000,25,2.5),rnorm(1000,25,2.5)) ###fatores fac=c(rep("F1",1000),rep("F2",1000),rep("F3",1000),rep("F4",1000)) fac=factor(fac,levels=c("F1","F2","F3","F4"),labels=c("F1","F2","F3","F4")) ###gráfico em lattice require(lattice) histogram(~res|fac,xlab="Resultado",ylab="Freqüência",type=c("count"),layout=c(1,4),endpoints=c(0,40),nint=30,scales=list(x=list(at=c(0,10,20,30,40))),panel = function(x, ...) { panel.histogram(x,col=rgb(62,88,172,max=255),...) panel.abline(v=20,col=rgb(13,141,70,max=255),lwd=2)} ) Alguém sabe como fazer para inserir a curva normal no gráfico do histograma, quando se tem no eixo y a frequência ("count") em vez da densidade ("density")? Obrigado, Diogo JerônimoBacharel em Ciências Estatísticas - ENCE/IBGEMestre em Metrologia - PUC-Rio/PósMQICONRE: 8514 - SÉRIE ACel:(21)99680-8535Email: diogojose21@yahoo.com.brhttp://lattes.cnpq.br/8996149312896520

2 1

Ajuda com BoxPlot
by Yury Duarte 11 Jul '17

11 Jul '17

Bom dia colegas listeiros, como vão? Nos últimos dias me vi com necessidade de elaborar gráficos do tipo BoxPlot pra poder representar a variabilidade da produção agrícola de cordo com a época de plantio. Não tive problemas em fazer o gráfico e visualizar ele no output do R-studio. Minha dúvida é em relação ao formato com que devo salvar a figura. Gostaria de salvar os gráficos em formato de imagem e com um tamanho pré definido, pois o default de salvamento das imagens fez com que eles ocupem toda uma pagina (quando salvei em PDF). Ao fim do email, segue parte do código que usei para gerar o BoxPlot. Desde já, agradeço pela ajuda de todos! a = read.table('sdesiderio.txt', header = T, sep = '\t') media = matrix(NA, nrow = 36, ncol = 4) colnames(media) = c('Desv.Pad', 'Media', 'M.mais', 'M.menos') for(i in 1:36){ d = sd(a[i,1:(ncol(a)-1)]) media[i,1] = d m = rowMeans(a, na.rm = T, dims = 1) media[i,2] = m[i] media[i,3] = media[i,2]+media[i,1] media[i,4] = media[i,2]-media[i,1] ifelse(media[i,]<0, 0, media[i,]) } a.box = t(a) colnames(a.box) = c('J1','J2','J3','F1','F2','F3','M1','M2','M3','A1','A2','A3','M1','M2','M3', 'J1','J2','J3','J1','J2','J3','A1','A2','A3','S1','S2','S3','O1','O2','O3', 'N1','N2','N3','D1','D2','D3') boxplot(a.box, las = 1, xlab = 'Semeadura', ylab = 'kg/ha', cex=0.5, pch=16) title('Variação de Ya de acordo com a data de semeadura') Yury Duarte Engenheiro Agrônomo - ESALQ/USP

3 4

Re: [R-br] incompatibilidade entre Geoda e R
by Edimeire Alexandra Pinto 10 Jul '17

10 Jul '17

Oi Elias. Pois é, olha só o que aparece: este.nb= read.gal("municipios.gal" , override.id=TRUE) print(este.nb) > print(este.nb) Neighbour list object: Number of regions: 5564 Number of nonzero links: 32228 Percentage nonzero weights: 0.104102 Average number of links: 5.792236 3 regions with no links: ######### w.nb<-nb2listw(este.nb,style="W", zero.policy=TRUE) | > print(w.nb, zero.policy=TRUE) Characteristics of weights list object: Neighbour list object: Number of regions: 5564 Number of nonzero links: 32228 Percentage nonzero weights: 0.104102 Average number of links: 5.792236 3 regions with no links: 3520400 5300108 2605459 Weights style: W Weights constants summary: n nn S0 S1 S2 W 5561 30924721 5561 2044.729 23174.73 | | | | | >w.nb ###se peço para aparecer o executado da erro como se vê abaixo Error in print.listw(x) : regions with no neighbours found, use zero.policy=TRUE Preciso desses pesos para calcular o indice de Moran da variavel Y, que nada mais do que o Renda municipal, usando matriz de pesos w.nb dados<-read.table("res.csv",sep=";",dec=",",header = TRUE) head(dados) | MUNICIPIO Y PIBa PIB cod 1 MANCIO LIMA 591239.9 33426.61 150136.08 1200336 2 MANOEL URBANO 58934.4 18044.54 80018.27 1200344 3 ASSIS BRASIL 1978559.5 17371.21 64601.58 1200054 4 FEIJO 285000.0 45966.75 267202.96 1200302 5 XAPURI 355711.4 55298.02 168708.32 1200708 6 TARAUACA 2852586.8 65297.63 335519.90 1200609 | | | | | > | | summary(dados) moran.test(dados$Y, listw=w.nb, randomisation=FALSE, alternative="greater",zero.policy=TRUE) Error in na.fail.default(x) : missing values in object | | Em Segunda-feira, 10 de Julho de 2017 15:22, Elias T. Krainski via R-br <r-br(a)listas.c3sl.ufpr.br> escreveu: Complementando: On 10/07/2017 15:20, Elias T. Krainski wrote: > nbw <- nb2listw(este.nb,style="W", zero.policy=TRUE) print(nbw, zero.policy=TRUE) Elias _______________________________________________ R-br mailing list R-br(a)listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e fornea cdigo mnimo reproduzvel.

2 1

incompatibilidade entre Geoda e R
by Edimeire Alexandra Pinto 10 Jul '17

10 Jul '17

Boa tarde. Quem já tiver conhecimento sobre isso, ajudará muito no que puder colaborar. Alguém, por favor, que já mexeu com o pacote spdep, saberia me dizer o por que o R não faz o pesos da matriz de vizinhança, mesmo usando o argumento Zero.policy= TRUE. Tudo consiste em: 1- Crio o arquivo municipios.gal no Geoda.2- importo esse arquivo em formato .gal para o R: este.nb<- read.gal("municipios.gal" , override.id=TRUE) 3- tento criar a matriz de pesos de vizinhança : nb2listw(este.nb,style="W", zero.policy=TRUE) No entanto o R me retorna a mensagem abaixo, sendo que no Geoda eu consigo essa matriz de pesos. O fato é que não entendo por que o R não calcula essa matriz de pesos, já que todas as equações que terei de fazer serão no R, tendo o vista que o Geoda não tem essas equações, só o R Error in print.listw(x) : regions with no neighbours found, use zero.policy=TRUE

2 2

delineamento vs repetição
by Rafael Tieppo 10 Jul '17

10 Jul '17

Após consultar algumas referências (livros, apostila, papers, etc), não consegui a chegar a uma conclusão. O que encontrei de caso mais próximo foi uma solução do Walmes, que é o que tenho em mente até o momento. http://r-br.2285057.n4.nabble.com/R-br-Repeticao-dentro-da-parcela-td466187… Para acabar com as dúvidas, por favor, se alguém puder ajudar, segue a situação: No planejamento do experimento a ser realizado pretende-se verificar o espaçamento entre plantas em função do tipo de dosador de semente. - Var Dependente: espaçamento entre plantas (quantitativo) - Var Independente: tipo de dosador (qualitativo) Pretende-se usar DBC. A ideia é utilizar 4 blocos, com 4 tratamentos (dosadores). Sendo assim, cada bloco teria quatro parcelas (uma com cada tipo de sistema dosador), totalizando 4 repetições. Contudo, em cada parcela não pretende-se realizar apenas uma mensuração de distância entre plantas, deseja-se realizar pelo menos 10. O que gera minha dúvida são dois casos: CASO 1 O número de amostras é: 4 blocos * 4 tratamentos * 10 amostras (por parcela) = 160 CASO 2 Das 10 mensurações realizadas em uma parcela, calcula-se a média para a obtenção de uma única amostra por parcela, dessa forma tem-se: O número de amostras é 4 blocos * 4 tratamentos 1 amostra (por parcela)= 16 obs: O CASO 2 é o mais comum em alguns trabalhos, contudo não estou convicto que é a melhor opção. ### Perguntas: Há algum CASO correto? Se sim, em algum dos casos pode-se assumir como DBC ou DQL (quadrado latino)? Há outro delineamento que se enquadre melhor à situação? Obrigado. Rafael Tieppo

5 4

Re: [R-br] delineamento vs repetição
by Rafael Tieppo 10 Jul '17

10 Jul '17

Prezad@s (Gisele, João Henrique e Walmes), Muito obrigado pelas considerações. Gisele, Sobre o Arranjo fatorial, é interessante, vamos ver a possibilidade da execução. João Henrique, o conceito "a média das amostras simples é o resultado da parcela", ajudou a elucidar a dúvida maior sobre a repetição. Walmes, te respondendo, vc entendeu corretamente. Obrigado pela aula, sua disposição é sinônimo de motivação para eu seguir na carreira universitária. Grato pelo tempo despendido. Boa semana à todos. Rafael Tieppo

1 0