Outubro 2013 - R-br

correção de tendência direcional
by Aline Kieskoski 01 Out '13

01 Out '13

Olá,estou trabalhando em um conjunto de dados e verifiquei a presença de tendência direcional linear dos dados em relação ao eixo Y, quando vou fazer o ajuste de modelos estou utilizando a função likfit da seguinte forma: dexp.ml<-likfit(d,ini=c(0.003,50),lambda=1, lik.method= "ML", cov.model="exp", trend=~d$coords[,2]) utilizei o comando trend sendo que d$coords[,2] está referindo-se as coordenadas do eixo Y. O R até ajusta um modelo e responde com os parâmetros estimados beta0 e beta1, porém, para a escolha do melhor modelo ajustado estou utilizando a validação cruzada, quando vou rodar a validação o R me responde com: xvalid: performing cross-validation at location ... 1, Erro em solve.default(ttivtt, crossprod(ivtt, as.vector(data))) : sistema é computacionalmente singular: condição recíproca número = 5.7415e-23 Testei o ajuste para os modelos exponencial, gaussiano e matérn, todos utilizando o método de máxima verossimilhança. Pensei que o problema pudesse ser nos valores dos chutes iniciais, porém, fiz o teste trocando esses valores e mesmo assim a validação não funcionou. Att, Aline.

1 0

Produção de Gráficos: PCA
by Vinícius Lionel Mateus 01 Out '13

01 Out '13

Prezados, Estou começando a aplicar PCA usando R, mas anteriormente o fazia no Statistica. Tenho utilizado os pacotes 'psych' e 'GPArotation' pois prefiro utilizar rotações em Varimax, porém os gráficos não ficaram ao meu gosto. Depois de algum esforço, eu consegui trocar as labels do meu gráfico, mas além disto gostaria de retirar o histograma, e plotar gráficos da dispersão das amostras(labels) e das variáveis entres os componentes, em 2D e 3D. Segue meu CMR. Desde já, obrigado. # instalando os pacotes install.packages("psych") install.packages("GPArotation") #carregando require (psych) install.packages (GPArotation) #entrada de dados (https://www.dropbox.com/s/l8v9g6qub27oig0/enqalog.xls) read.table(file = "clipboard", header = TRUE, sep = "\t", dec = ",")-> d #entrada de dados1 read.table(file = "clipboard", header = TRUE, sep = "\t", dec = ",")-> enqa enqa -> d attach(d) names(d) summary(d) #PCA(Varimax)/psych dpca<-principal(d[,2:16], nfactors=3, rotate="varimax", scores=T) #Scree plot plot (dpca$values, type="b", ylab="Eigenvalue", xlab="Component", lab=c(5,5,5)) #biplot biplot(dpca, labels=d[,1], cex=c(0.75,1)) Vinícius -- -- Atenciosamente, VINÍCIUS LIONEL MATEUS, M.Sc (http://lattes.cnpq.br/6501001637020665) Bacharel em Química - Doutorando em Química Analítica Laboratório de Química Atmosférica - Departamento de Química Pontifícia Universidade Católica - Rio de Janeiro (PUC - Rio) Rua Marquês de São Vicente, 225, Gávea - Rio de Janeiro, RJ - Brasil CEP.: 22451-900 Telefone: (+55) (21) 3527-1327 (+55) (21) 9358-8051 www.puc-rio.br

2 2

Subscrito em textos
by Tiago Souza Marçal 01 Out '13

01 Out '13

Boa noite, gostaria de saber se ao escrever um texto em R é possível representar 2^ns na forma 2ns. CMR cat("\n 2^ns \n") Att. Tiago. ################################################################# Tiago de Souza Marçal - Graduando em Agronomia pelo CCA-UFES Bolsista de Iniciação Científica da área de Genética e Melhoramento de Plantas #################################################################

2 1

Desdobramento de interações em dados com distribuição de Poisson inflacionada por zeros
by ASANTOS 01 Out '13

01 Out '13

Bom dia Pessoal, Estou quebrando a cabeça para tentar desdobrar interações em dados com distribuição de Poisson inflacionada por zeros, na verdade é uma situação muito recorrente em entomologia, onde em algumas situações temos zero insetos e em outras muitos, considerando-se dados de contagens. Fiz uma pequena simulação abaixo para ilustrar o problema (Variáveis observadas Trat e Epoca e variável resposta y), se acho um modelo significativo que tem uma parte com distribuição de Poisson e outra com Binomial, como faço o desdobramento? Uma para cada distribuição ou tem alguma abordagem diferente? Segue CRM abaixo: ## Desdobramento de dados com distribuição de Poisson inflacionado por zeros --- require(pscl) y1<- c(mapply(rpois, lambda=c(5,20,45), MoreArgs=list(n=400)))##Criação da variável resposta Poisson y2<- c(mapply(rbinom, size=c(1,0,0), prob=c(0.5,1,1), MoreArgs=list(n=200)))##Criação da variável resposta Binomial y<-c(y1,y2) trat <- as.factor(gl(3,600)) ##Criação dos tratamentos tempo<- as.factor(rep(gl(6,100),3)) ### Criação da variável tempo dados<-as.data.frame(cbind(trat,tempo, y)) #------------------------------------------------------------------------------- # Análise de variância do dados inflacionados summary(m1 <- zeroinfl(y ~ trat | epoca, data = dados)) ## Modelo completo mnull <- update(m1, . ~ 1) ### Modelo nulo pchisq(2 * (logLik(m1) - logLik(mnull)), df = 2, lower.tail = FALSE) ## Teste de Chi o modelo completo foi significativo ## Comparando com GLM Poisson sem inflação por zeros --------------------------- summary(p1 <- glm(y ~ trat + epoca, family = poisson, data = dados)) ##Teste de Vuong---------------------------------------------------------------- vuong(p1, m1) ## O GLM Poisson estava tão mal ajustado que o Poisson iflacionado é a única opção # ## E agora, como desdobrar isto? Faço um desdobramento para parte de poisson e outra para parte binomial? Obrigado, -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos(a)cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 ======================================================================

4 13

[OFF] Gerenciador de referencias
by Andre Oliveira 01 Out '13

01 Out '13

Alguém me indica um bom gerenciador de referencias. Sem ser o JabRef, pois, ele não abre aqui no meu ubuntu? André Oliveira Souza

9 15