Pessoal, estou iniciando no R, e me surgiu uma dúvida: no caso de experimentos fatoriais, com dois fatores como devo proceder a análise de homogeneidade das variâncias pelo teste Levene?Desde já agradeço! ..................Mauricio SangiogoTEL:(55) 96822030 Currículo Lattes: http://lattes.cnpq.br/1098128601727996
From: r-br-request@listas.c3sl.ufpr.br Subject: Digest R-br, volume 68, assunto 5 To: r-br@listas.c3sl.ufpr.br Date: Fri, 5 Aug 2016 12:00:01 -0300
Enviar submissões para a lista de discussão R-br para r-br@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@listas.c3sl.ufpr.br
Você poderá entrar em contato com a pessoa que gerencia a lista pelo endereço r-br-owner@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. Re: plotar batimetrias tracejadas (Éder Comunello) 2. [Dúvida] Hessiana pela função optim (Pedro Rafael) 3. Re: [Dúvida] Hessiana pela função optim (Wagner Bonat)
----------------------------------------------------------------------
Message: 1 Date: Thu, 4 Aug 2016 12:58:54 -0400 From: Éder Comunello <comunello.eder@gmail.com> To: Rodrigo Plei <rodrigo.plei@gmail.com>, a lista Brasileira oficial de discussão do programa R. <r-br@listas.c3sl.ufpr.br> Subject: Re: [R-br] plotar batimetrias tracejadas Message-ID: <CABmC8g=X4h50BJndGYpsrV58odUJ3R8XoNZZnu1j3cK42zoj0g@mail.gmail.com> Content-Type: text/plain; charset="utf-8"
Rodrigo,
Ao importar o shape ele se torna um objeto da classe sp (SpatialLines ou SpatialLinesDF). A partir daí vc pode isolar as linhas e definir o padrão ao usar plot(). Para tracejado use o argumento lty=2 ou 3.
# <code r> # http://mapas.mma.gov.br/i3geo/datadownload.htm fn <- paste0("http://mapas.mma.gov.br/ms_tmp/estadosl_2007", c(".shp", ".dbf", ".shx")) for (i in fn) download.file(i, basename(i), mode="wb")
require(maptools) est <- readShapeLines("estadosl_2007") est.pol <- readShapePoly("estadosl_2007") str(est, max=2) est@data est@data[c(7,9,12,13),]
plot(est, lty=2) lines(est[c(7,9,12,13),], col=2, add=T) # plot(est.pol[c(7,9,12,13),], col=2, add=T) # </code>
================================================ Éder Comunello Researcher at Brazilian Agricultural Research Corporation (Embrapa) DSc in Agricultural Systems Engineering (USP/Esalq) MSc in Environ. Sciences (UEM), Agronomist (UEM) --- Embrapa Agropecuária Oeste, Dourados, MS, Brazil |<O>| ================================================ GEO, -22.2752, -54.8182, 408m UTC-04:00 / DST: UTC-03:00
Em 3 de agosto de 2016 21:05, Rodrigo Plei via R-br < r-br@listas.c3sl.ufpr.br> escreveu:
Prezados,
Tenho um shapefile que contém os dados da linha de costa e de batimetrias (100 a 500 m).
Eu uso o pacote "maptools" para plotar o mapa nos limites que eu quero, que obviamente acaba plotando tudo o que está no shapefile em linha contínua.
Gostaria de saber:
1 - se há como plotar a linha de costa em traço contínuo e as batimetrias tracejadas
2 - se há como escolher somente uma das batimetrias (digamos, a de 200 m) para ser plotada (tracejada obviamente) no mesmo mapa.
------------------------------------------------------------ ------------------------------------------ CRM:
setwd("C:\\ ...") # diretório onde está o shapefile
mapa <- readShapeLines("nome_do_shapefile.shp")
plot(mapa, xlim =c(-48, -44), ylim = c(-26.5, - 23), axes = TRUE, cex.axis=1.2) ------------------------------------------------------------ ---------------------------------------------
Não dá para mandar o shapefile porque é muito grande, mas pelo CRM dá para visualizar o que eu fiz e o que eu gostaria de fazer.
Agradeço desde logo,
Rodrigo
-- =8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->=8-->
Prof. Dr. Rodrigo Silvestre Martins
Universidade Federal de São Paulo Instituto do Mar Campus Baixada Santista Rua Dr. Carvalho de Mendonça, 144 Encruzilhada, 11070100, Santos, SP - Brasil Tel: + 55 13 3229-0365
http://www.unifesp.br/campus/san7/ <http://www.unifesp.br/campus/san7/graduacao/cursos/bacharelado-interdisciplinar-em-ciencia-e-tecnologia-do-mar>
Email: rodrigo.plei@gmail.com ; ocersm@lycos.com; rsmartins@usp.br; rsmartins@unifesp.br CV Lattes: http://lattes.cnpq.br/5350064124902777 Google Scholar: http://scholar.google.com.br/citations?user=zX_EezEAAAAJ& hl=pt-BR Orcid: http://orcid.org/0000-0002-9884-1515 Research Gate: https://www.researchgate.net/profile/Rodrigo_Martins6/ <https://www.researchgate.net/profile/Rodrigo_Martins6/?ev=hdr_xprf>
_______________________________________________ R-br mailing list R-br@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 forneça código mínimo reproduzível.
-------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20160804/1c0b1756/attachment-0001.html>
------------------------------
Message: 2 Date: Thu, 4 Aug 2016 18:39:32 -0300 From: Pedro Rafael <pedro.rafael.marinho@gmail.com> To: r-br@listas.c3sl.ufpr.br Subject: [R-br] [Dúvida] Hessiana pela função optim Message-ID: <CAKwavrkG0RvV+R6dGmVM1LRbw3KAK_bAJ7F4EriAHEXh4V0G8w@mail.gmail.com> Content-Type: text/plain; charset="utf-8"
Caros,
sabemos que a matriz Hessiana multiplicada por -1 da função de log-verossimilhança nos fornecem a matriz de informação observada que converge assintoticamente para a matriz de informação esperada. A diagonal principal da matriz inversa da informação esperada nos dá as variâncias os estimadores de máxima verossimilhança.
Um fato importante para o o questionamento que vou fazer é que estou fazendo uso da matriz de informação observada de modo a ter ao menos uma aproximação da variância dos estimadores de máxima verossimilhança obtidos numericamente pelo método BFGS.
O problema é que estou obtendo em alguns caros que a solve(-diag(hessiana)) negativa o que não era de se esperar. Vejam se possível o código.
# PDF pdf_ekww <- function(par,x){ a = par[1] b = par[2] c = par[3] alpha = par[4] beta = par[5] g = dweibull(x = x, shape = alpha, scale = beta, log = FALSE) G = pweibull(q = x, shape = alpha, scale = beta, lower.tail = TRUE, log.p = FALSE) a * b * c * g * G^(a-1) * (1-G^a)^(b-1) * (1-(1-G^a)^b)^(c-1) }
# Quantilica sample_ekww <- function(n,par){ a = par[1] b = par[2] c = par[3] alpha = par[4] beta = par[5] u = runif(n=n,min=0, max=1) qweibull(p = (1-(1-u^(1/c))^(1/b))^(1/a), shape = alpha, scale = beta, lower.tail = TRUE, log.p = FALSE) } set.seed(1987)
vector_par_true = c(1,1,1,1,1) data = sample_ekww(n = 1000, par = vector_par_true)
# Função de log-verossimilhança. obj_ekww = function(par,x){ sum(log(pdf_ekww(par,x))) }
# Maximizando log-verossimilhança. result = optim(fn = obj_ekww, par = c(0.5,1.4,1,1,1), method = "BFGS", x = data, hessian = TRUE, control=list("fnscale"=-1))
diag(solve(-result$hessian))
Observem que o primeiro elemento do vetor logo acima é negativo o que não deveria ser verdade. Notem também que houve convergência segundo o critério de parada da função optim, em que convergence é igual a zero. O que para vocês podem estar provocando esse problema? A função objetivo é complicada a ponto de provocar problemas na convergência do algoritmo vindo por sua vez acarretar esse tipo de problema?
Digo isso porque essas novas classes de distribuições de probabilidade por apresentar diversos parâmetros produzem log-verossimilhanças muito complicadas incluindo problemas de regiões aproximadamente planas bem como problemas piores como log-verossimilhanças monótonas.
Obrigado desde já, Pedro Rafael. -------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20160804/f76ae573/attachment-0001.html>
------------------------------
Message: 3 Date: Fri, 5 Aug 2016 13:39:14 +0100 From: Wagner Bonat <wbonat@gmail.com> To: Pedro Rafael <pedro.rafael.marinho@gmail.com>, a lista Brasileira oficial de discussão do programa R. <r-br@listas.c3sl.ufpr.br> Subject: Re: [R-br] [Dúvida] Hessiana pela função optim Message-ID: <CANt=4Mj_ScQyHrorVUCq7aG2ZyD-VZxBe_5Jb3HtmLuuNoSJuQ@mail.gmail.com> Content-Type: text/plain; charset="utf-8"
Esse problema pode ocorrer por muitos motivos incluindo apenas uma má aproximação do hessiano. Eu recomendo algumas coisas: 1 - Calcule a verossimilhança perfilhada de cada parâmetro. Isso vai de dar certeza que o algoritmo convergiu e te mostrar a cara da função. De acordo com o comportamento da profile likelihood vc pode tentar alguma reparametrização pra melhorar o comportamento do algoritmo numerico. Eu usaria o pacote bbmle que vai fazer isso automaticamente pra vc. 2 - Calcule ao menos a primeira derivada da sua log-verossimilhança e use no BFGS. 3 - Calcule o hessiano numericamente porém separado, vc pode usar por exemplo o pacote numDeriv.
Att
Em 4 de agosto de 2016 22:39, Pedro Rafael via R-br < r-br@listas.c3sl.ufpr.br> escreveu:
Caros,
sabemos que a matriz Hessiana multiplicada por -1 da função de log-verossimilhança nos fornecem a matriz de informação observada que converge assintoticamente para a matriz de informação esperada. A diagonal principal da matriz inversa da informação esperada nos dá as variâncias os estimadores de máxima verossimilhança.
Um fato importante para o o questionamento que vou fazer é que estou fazendo uso da matriz de informação observada de modo a ter ao menos uma aproximação da variância dos estimadores de máxima verossimilhança obtidos numericamente pelo método BFGS.
O problema é que estou obtendo em alguns caros que a solve(-diag(hessiana)) negativa o que não era de se esperar. Vejam se possível o código.
# PDF pdf_ekww <- function(par,x){ a = par[1] b = par[2] c = par[3] alpha = par[4] beta = par[5] g = dweibull(x = x, shape = alpha, scale = beta, log = FALSE) G = pweibull(q = x, shape = alpha, scale = beta, lower.tail = TRUE, log.p = FALSE) a * b * c * g * G^(a-1) * (1-G^a)^(b-1) * (1-(1-G^a)^b)^(c-1) }
# Quantilica sample_ekww <- function(n,par){ a = par[1] b = par[2] c = par[3] alpha = par[4] beta = par[5] u = runif(n=n,min=0, max=1) qweibull(p = (1-(1-u^(1/c))^(1/b))^(1/a), shape = alpha, scale = beta, lower.tail = TRUE, log.p = FALSE) } set.seed(1987)
vector_par_true = c(1,1,1,1,1) data = sample_ekww(n = 1000, par = vector_par_true)
# Função de log-verossimilhança. obj_ekww = function(par,x){ sum(log(pdf_ekww(par,x))) }
# Maximizando log-verossimilhança. result = optim(fn = obj_ekww, par = c(0.5,1.4,1,1,1), method = "BFGS", x = data, hessian = TRUE, control=list("fnscale"=-1))
diag(solve(-result$hessian))
Observem que o primeiro elemento do vetor logo acima é negativo o que não deveria ser verdade. Notem também que houve convergência segundo o critério de parada da função optim, em que convergence é igual a zero. O que para vocês podem estar provocando esse problema? A função objetivo é complicada a ponto de provocar problemas na convergência do algoritmo vindo por sua vez acarretar esse tipo de problema?
Digo isso porque essas novas classes de distribuições de probabilidade por apresentar diversos parâmetros produzem log-verossimilhanças muito complicadas incluindo problemas de regiões aproximadamente planas bem como problemas piores como log-verossimilhanças monótonas.
Obrigado desde já, Pedro Rafael.
_______________________________________________ R-br mailing list R-br@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 forneça código mínimo reproduzível.
-- Wagner Hugo Bonat ---------------------------------------------------------------------------------------------- Department of Mathematics and Computer Science (IMADA) University of Southern Denmark (SDU) and Laboratório de Estatística e Geoinformação (LEG) Universidade Federal do Paraná (UFPR) -------------- Próxima Parte ---------- Um anexo em HTML foi limpo... URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20160805/4139cbe0/attachment-0001.html>
------------------------------
Subject: Legenda do Digest
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
------------------------------
Fim da Digest R-br, volume 68, assunto 5 ****************************************