Benilton, olha, acho muito pouco provável (até pq os 2 são windows, então acho que nem existe essa opção). No computador aqui de casa os 2 R divergem no resultado (o gráfico que eu mandei foi rodando no R 32 e 64 bits no mesmo computador, Windows 7). Abri a imagem que tu mandou e rodei o comando, deu que os 2 objetos são iguais. []'s 2012/7/17 Benilton Carvalho <beniltoncarvalho@gmail.com>
Alguma chance de algum dos computadores q vc tenha usado estar utilizando alguma "compilacao propria" do R ou algum esquema de otimizacao?
Executei o seu codigo no meu computador e tudo parece OK (ie., o objeto 'a' eh identico entre arquiteturas)... O arquivo a seguir possui 2 elements: a32 e a64, resultantes do codigo q vc enviou.
https://www.dropbox.com/s/srn0bhtmen4fd6u/R64x32.Rda
Experimente o comando a seguir ao carregar o arquivo:
all.equal(a32, a64)
A unica coisa q consigo imaginar e' se alguma "otimizacao" ao compilar o R e qq outro acessorio utilizado nao tiver dado certo.
b
2012/7/17 Rodrigo Coster <rcoster@gmail.com>:
Caros,
programei uma rotina para estimar por máxima verossimilhança os parâmetros de uma cópula e para ver se estava certo comparei os resultados com o comando do pacote copula. Encontrei diferenças apenas na 5a casa decimal em diante, que considerei como sendo por causa do método numérico utilizado. Só que, ao fazer a mesma comparação num computador 64 bits os resultados são bastante divergentes (o meu código muda o valor estimado, enquanto o pacote copula mantem), mudando na 2a casa decimal (no caso o parâmetro é a correlação, então a 2a casa decimal é bem importante). Dai me bateu a seguinte dúvida: em qual confiar?
Código: require(copula) require(MASS) set.seed(31415)
normCop <- function(param,data) { n <- nrow(data) if (length(param) != n) { param <- rep(param,nrow(data)) } cop <- mapply(normalCopula,param=param,MoreArgs=list(dim=2)) datalist <- apply(data,1,list) for (i in 1:n) { datalist[[i]] <- datalist[[i]][[1]] } out <- -sum(log(mapply(dcopula,copula=cop,u=datalist))) if (out == Inf) { out = exp(100) } return(out) } a <- matrix(0,20,2) n <- 100 Sigma <- matrix(c(10,3,3,2),2,2) for (j in 1:20) { data <- mvrnorm(n=n, rep(0, 2), Sigma) data <- apply(data,2,rank)/(n+1)
fitNormCop <- function(data) { optim(cor(data)[2],normCop,data=data, lower = 0, upper = .9999,method="L-BFGS-B") } a[j,1] <- fitNormCop(data)$par # Meu a[j,2] <- fitCopula(normalCopula(.2,2), data, method="ml")@estimate # Pacote copula }
E aqui um gráfico de dispersão comparando todos: http://img411.imageshack.us/img411/7527/92588280.png
[]'s
_______________________________________________ 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.
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.