Michelle, Aproveitando seu código inicial, pensei em algo assim... ### <code r> urls1 <- c(" https://www.dropbox.com/s/kgxo3s8qrrv74p3/AAparaCalculodaMedia.txt", " https://www.dropbox.com/s/fhutciprhgt077x/AIGparaCalculodaMedia.txt", " https://www.dropbox.com/s/kvubgji1tce8sm8/AXPparaCalculodaMedia.txt") urls2 <- sub("^.*/s/", "http://dl.dropbox.com/s/", urls1) AA <- read.table(urls2[1], header=T, as.is=T) AIG <- read.table(urls2[2], header=T, as.is=T) AXP <- read.table(urls2[3], header=T, as.is=T) Symbols <- c("AA", "AIG", "AXP") sapply(Symbols, function(x) length(get(x))) sapply(Symbols, function(x) nrow(get(x))) sapply(Symbols, function(x) tail(names(get(x)),1)) ### Correlações entre leituras diferentes da mesma empresa cor(AA[2:394], use="pairwise.complete.obs") cor(AIG[2:394], use="pairwise.complete.obs") cor(AXP[2:394], use="pairwise.complete.obs") ### Correlações entre mesma leitura das diferentes empresas ### Testando com 4 matrizes Symbols <- c("AA", "AIG", "AXP", "AXP") COR <- NULL for (i in 2:394) { DAT <- NULL for (a in Symbols) { col <- get(a)[,i] DAT <- cbind(DAT, col) } lin <- cbind(ID=i, cor(DAT, use="pairwise.complete.obs")) colnames(lin) <- c("ID", Symbols) COR <- rbind(COR, lin) } ### As 4 matrizes originariam uma matriz cor 4x4 para cada leitura ### As matrizes cor foram empilhadas em uma saída única (COR), onde ### cada 4 linhas são referentes à uma leitura identificada por ID. head(COR) # ID AA AIG AXP AXP # col 2 1.00000000 0.64408120 -0.088884203 -0.088884203 # col 2 0.64408120 1.00000000 -0.109883913 -0.109883913 # col 2 -0.08888420 -0.10988391 1.000000000 1.000000000 # col 2 -0.08888420 -0.10988391 1.000000000 1.000000000 # col 3 1.00000000 0.01779314 0.003447422 0.003447422 # col 3 0.01779314 1.00000000 0.158657131 0.158657131 ### </code> Éder Comunello <c <comunello.eder@gmail.com>omunello.eder@gmail.com> Dourados, MS - [22 16.5'S, 54 49'W]