Julho 2015 - R-br - DINF UFPR

Atualização monetária
by Daniel Marcelino 24 Jul '15

24 Jul '15

Olá, estou precisando atualizar uma série de valores monetários pelo INPC/IPCA e gostaria de saber se alguém conhece algum pacote que faz isso? Fazer a interpolação é bem simples, mas eu recorro a lista por desencargo de consciência antes de ter que coletar os dados no IBGE. Daniel

3 2

Combinar linhas de um dataframe com colunas de outro dataframe
by Giselle Davi 24 Jul '15

24 Jul '15

Prezados, Recorro à vocês com o objetivo de obter um dataframe (result) selecionando linhas de um dataframe (right) e colunas de outro dataframe (left). Para isso construí um exemplo simples ilustrando parte da matrizes, cada qual com a citação das dimensões reais das matrizes que tenho e o que preciso. Desde já agradeço à atenção.Exemplo: left <- matrix(data = 1:20, nrow = 5, ncol = 4)colnames(left)<- c("D01.F01","D01.F02","D2.F03","D4.F03")rownames(left)<- c("SNP1","SNP2","SNP3","SNP4","SNP5")left# dim real= 207891 x 93right<- matrix(data=1:9, nrow=3, ncol=3)colnames(right)<- c("D01.FO1","D02.F03","D05.F07")rownames(right)<- c("SNP6","SNP7","SNP8")right# dim real= 142907 x 91result<- matrix(data=1:10, nrow=5, ncol=2)colnames(result)<- c("D01.F01","D02.F03")rownames(result)<- c("SNP1","SNP2","SNP3","SNP4","SNP5")result#dim desejada= 142907 x 93 Att, Giselle

2 1

Erro EMV
by Vanessa Felix 21 Jul '15

21 Jul '15

Olá amigos, Estou criando uma rotina (ainda em teste) para usar nos meus dados originais...Será que poderiam me ajudar pq desse erro: teste<-c(0,2,0,1,0,1,3,0,0,0,4) x <-c(0,2,1,5,3,1,0,1,5,7,2) info1<-c() info2<-c() dzip1= function(y,x,p,beta){ for (i in 1:length(y)) { beta0 = beta[1] beta1 = beta[2] lambda=exp(beta0+beta1*x[i]) if (y[i]==0) {info1[i]<-p+((1-p)*exp(-lambda))} if (y[i]>0) {info2[i]<-((1-p)*exp(-lambda)*(lambda^y[i]))/factorial(y[i])} } return(na.exclude(c(info1,info2))) } dzip1(teste,x,0.3,c(0.5,2.5)) MV1 <- function(p,beta) { D = dzip1(teste,x,p,beta) -sum(log(D)) } library(stats4) mle(MV1, start = list(p=0.5, beta=c(0.5,1)),method="L-BFGS-B") > mle(MV1, start=list(p=0.5, beta=c(0.5,1)),method="L-BFGS-B") Erro em optim(start, f, method = method, hessian = TRUE, ...) : objeto (list) não é coercível para tipo 'double' O mesmo programa funcionou mto bem, sem usar a função de ligação. O problema começou qdo coloquei os betas. Como não conheço mto a função mle, talvez vcs possam me ajudar.... Abçs, -- ------------------------------------------------------------------------------------------ Vanessa Felix do Nascimento Sergio Graduada em Estatística - ICE/UFJF Mestranda em Saúde Coletiva - IMS/UERJ Assistente de pesquisa I - Instituto de Pesquisa Econômica Aplicada – IPEA (32) 9142-8428 (21) 97557-3956 -------------------------------------------------------------------------------------------

1 0

smooth.bibasis
by David Matta 21 Jul '15

21 Jul '15

Caros, Estou utilizando da função smooth.bibasis para suavizar uma superficie a partir do produto tensorial de bases b-splines (codigo abaixo). Ocorre que quando altero o número de pontos observados (ns e nt) e mantenho o número de bases o algoritmo trava. Alguém já fez algo parecido? Grato David snbasis = 15 sbasis = create.bspline.basis(c(0,1),snbasis) tnbasis = 15 tbasis = create.bspline.basis(c(0,1),tnbasis) lambdas = 1e-3 fdPars = fdPar(sbasis, 2, lambdas) lambdat = 1e-3 fdPart = fdPar(tbasis, 2, lambdat) ns = 15 nt = 15 sarg = seq(0,1,len=ns) targ = seq(0,1,len=nt) sigma = 0.2 y0 = outer(sin(2*pi*sarg),cos(2*pi*targ)) y = y0 + rnorm(matrix(0, ns,nt))*sigma result = smooth.bibasis(sarg, targ, y, fdPars, fdPart)

2 2

Duvida negrito em expression
by Leonardo Monteiro 18 Jul '15

18 Jul '15

Pessoal, tenho o seguinte: x<- 1:10 y = 1/x plot (x,y, main = expression (dados)) preciso que o título (no caso, dados) seja em negrito. alguma sugestão? Obrigado, Leonardo.

5 7

Relacionar banco de dados
by Carolina Magda Roma 18 Jul '15

18 Jul '15

Olá, Tenho 3 arquivos que estou precisando relacionar. Tenho uma variável chamada PERMNO em um arquivo (crspf) e tenho outra variável chamada Global.Company.Key em outro arquivo (compf). Além disso, tenho um arquivo em excel chamado CCM_ que mostra a que Global.Company.Key cada PERMNO está relacionado. Os arquivos são do tipo abaixo: [image: Imagem inline 2] Em compf, existe uma variável que preciso chamada credit rating em base mensal. Entretanto, a mesma é identificada a nível de empresa (representada pelo Global.Company.Key). Já em crspf, as minhas informações estão em nível de ativo (PERMNO) em base diária. Assim, uma empresa (Global.Company.Key) pode ter vários ativos (PERMNOs). Minha dúvida é: como posso criar um data frame no qual tenha as variáveis PERMNO e o respectivo credit rating dessa companhia? Obrigada, Carol

4 3

Uso da função melt()
by Michelle Bau Graczyk 17 Jul '15

17 Jul '15

Boa tarde, Eu tenho uma matriz de correlação e eu preciso derrete-la para fazer um mapa de calor usando a função ggplot. Eu tentei o código abaixo mas não obtive sucesso. Alguém, por favor, saberia me dizer como eu poderia concerta-lo? Muito Obrigada, Michelle > MatrizCorrelação<-read.table("/Users/bau/MatrizCorrelaçãoMontagem/MatrizCorrelaçãoGLOBALHoraFixa1.txt", header=TRUE) > rownames(MatrizCorrelação)<-c("AA","AIG","AXP","BA","CAT","C","DD","DIS","GE","GM","HD","HON","HPQ","IBM","INTC","JNJ","JPM","KO","MCD","MMM","MO","MRK","MSFT","PFE","PG","SBC","UTX","VZ","WMT","XOM") > colnames(MatrizCorrelação)<-c("AA","AIG","AXP","BA","CAT","C","DD","DIS","GE","GM","HD","HON","HPQ","IBM","INTC","JNJ","JPM","KO","MCD","MMM","MO","MRK","MSFT","PFE","PG","SBC","UTX","VZ","WMT","XOM") > show(MatrizCorrelação) AA AIG AXP BA CAT C AA 1.00000000 0.64408120 -0.08888420 0.041492345 -0.214144744 -0.101349733 AIG 0.64408120 1.00000000 -0.10988391 0.617295058 0.088028379 -0.075095179 AXP -0.08888420 -0.10988391 1.00000000 0.984315107 -0.116418296 0.990267878 BA 0.04149235 0.61729506 0.98431511 1.000000000 0.209267495 0.983175770 CAT -0.21414474 0.08802838 -0.11641830 0.209267495 1.000000000 -0.024951121 C -0.10134973 -0.07509518 0.99026788 0.983175770 -0.024951121 1.000000000 DD 0.27753220 -0.06536848 -0.15801568 -0.122672004 0.176294459 -0.149479128 DIS -0.05058204 0.07235002 -0.08595773 -0.061708245 0.096877395 0.118710406 GE -0.06195607 0.16175071 -0.12809978 -0.079195094 0.076001045 -0.113810967 GM -0.17302090 0.15943410 -0.13486542 -0.125961248 0.139394559 -0.079676333 HD 0.77105494 0.27298539 -0.03724273 0.437911231 0.187631652 -0.006079136 HON -0.10570566 -0.16445830 0.98729684 0.979601320 0.152368239 0.990517707 HPQ 0.61508079 -0.04910831 0.89736340 0.001407106 -0.024794271 0.879260018 IBM -0.14325256 0.22296189 -0.09312546 -0.052157000 0.282121137 -0.098088741 INTC -0.04183314 0.17127360 0.88475464 0.977763826 0.153557706 0.905222038 JNJ 0.39952357 -0.06097491 -0.06834544 0.016560533 -0.029220211 -0.085020474 JPM 0.01327878 -0.06526108 0.98205656 0.973315186 0.108371050 0.975930796 KO 0.26902580 0.13846002 -0.10938672 -0.016723587 -0.035708476 -0.071168592 MCD -0.11488201 -0.03488877 0.97909811 0.962730357 0.133474400 0.973565190 MMM 0.85773623 0.48376538 -0.19690222 0.757310198 0.055221755 -0.203401567 MO -0.07279634 -0.10441677 0.96450379 0.958209633 0.100724040 0.983380621 MRK -0.01910645 0.17189420 0.88570136 0.847176890 0.326006258 0.936235229 MSFT 0.35282208 0.26522725 0.20144247 0.217889673 0.209585726 0.191500107 PFE 0.71883544 0.38611556 -0.09965413 0.117492327 0.112854712 -0.078326817 PG 0.10236671 0.47079288 0.87924130 0.982927812 0.008548316 0.887794977 SBC 0.44428023 0.22142371 -0.05977186 -0.054472383 0.120476639 -0.039427691 UTX 0.54274188 0.68774761 0.16461583 0.735488521 0.441567683 0.086510831 VZ 0.30501108 0.24618829 -0.12762753 0.160866226 0.396779942 -0.129212617 WMT 0.77504411 0.36572997 -0.11559086 0.614663934 0.193168981 -0.109499052 XOM 0.81993320 0.29718190 0.91731073 0.742123060 0.309676262 0.887007970 DD DIS GE GM HD HON AA 0.2775322031 -0.05058204 -0.061956065 -0.17302090 0.771054943 -0.10570566 AIG -0.0653684788 0.07235002 0.161750706 0.15943410 0.272985391 -0.16445830 AXP -0.1580156785 -0.08595773 -0.128099781 -0.13486542 -0.037242735 0.98729684 BA -0.1226720044 -0.06170825 -0.079195094 -0.12596125 0.437911231 0.97960132 CAT 0.1762944592 0.09687739 0.076001045 0.13939456 0.187631652 0.15236824 C -0.1494791277 0.11871041 -0.113810967 -0.07967633 -0.006079136 0.99051771 DD 1.0000000000 0.08783621 0.219436466 0.05454161 0.222548990 -0.09710260 DIS 0.0878362119 1.00000000 -0.097986050 0.09671508 0.019253735 0.02492730 GE 0.2194364655 -0.09798605 1.000000000 -0.07464910 0.062579177 -0.12484867 GM 0.0545416056 0.09671508 -0.074649103 1.00000000 -0.165530144 0.07422148 HD 0.2225489902 0.01925374 0.062579177 -0.16553014 1.000000000 -0.16409932 HON -0.0971025994 0.02492730 -0.124848669 0.07422148 -0.164099317 1.00000000 HPQ -0.1167076236 0.03523964 0.259152551 -0.08918722 0.335373767 -0.06660235 IBM -0.0983199840 0.06958259 0.092813651 0.10000633 -0.080677701 -0.06706757 INTC -0.0808370611 0.04800232 -0.052272579 -0.16632106 0.064111405 0.96641571 JNJ 0.3049063611 0.06805802 0.009974141 -0.01028822 0.368360457 -0.05172531 JPM -0.1374144575 -0.07747589 -0.069195345 -0.11317405 0.302011943 0.96576594 KO -0.0957552068 -0.08278180 -0.019693951 0.08340010 0.633619019 -0.11972446 MCD -0.1400976129 -0.15791131 -0.076893201 0.01860467 -0.079703107 0.97490691 MMM -0.0229856560 -0.10135307 0.164736998 -0.13349162 0.805178951 -0.20208163 MO -0.1497471686 0.01051476 -0.127495071 0.09013588 0.098128503 0.95074800 MRK -0.0679381407 0.51070153 -0.113882492 0.10834896 0.406467216 0.90301349 MSFT 0.0754694369 0.16517350 0.106216006 0.05085640 0.361052148 0.24126114 PFE 0.0809256468 0.13541261 0.140722998 0.01548618 0.237424055 -0.10050867 PG -0.1388098856 -0.05085018 -0.098617228 -0.02184240 0.760744742 0.96286144 SBC -0.2021367506 -0.02090362 -0.014672962 0.11867336 0.539474608 -0.04806091 UTX 0.2894449830 0.02297845 -0.083819849 0.02513422 0.625110674 0.08030012 VZ 0.0008030282 -0.02372907 -0.031313893 -0.11937086 0.338167833 -0.19417485 WMT 0.2899811736 -0.05719813 0.121443858 -0.10411422 0.762089961 -0.06754262 XOM -0.1091177189 -0.01506886 -0.180892010 -0.18349266 0.623279211 -0.17881846 HPQ IBM INTC JNJ JPM KO AA 0.615080794 -0.14325256 -0.041833138 0.399523572 0.01327878 0.269025800 AIG -0.049108313 0.22296189 0.171273601 -0.060974907 -0.06526108 0.138460020 AXP 0.897363395 -0.09312546 0.884754635 -0.068345443 0.98205656 -0.109386725 BA 0.001407106 -0.05215700 0.977763826 0.016560533 0.97331519 -0.016723587 CAT -0.024794271 0.28212114 0.153557706 -0.029220211 0.10837105 -0.035708476 C 0.879260018 -0.09808874 0.905222038 -0.085020474 0.97593080 -0.071168592 DD -0.116707624 -0.09831998 -0.080837061 0.304906361 -0.13741446 -0.095755207 DIS 0.035239643 0.06958259 0.048002324 0.068058023 -0.07747589 -0.082781796 GE 0.259152551 0.09281365 -0.052272579 0.009974141 -0.06919534 -0.019693951 GM -0.089187222 0.10000633 -0.166321056 -0.010288220 -0.11317405 0.083400099 HD 0.335373767 -0.08067770 0.064111405 0.368360457 0.30201194 0.633619019 HON -0.066602346 -0.06706757 0.966415706 -0.051725309 0.96576594 -0.119724456 HPQ 1.000000000 -0.15701234 0.151721547 0.107106093 0.87748415 0.009943835 IBM -0.157012338 1.00000000 -0.039948654 0.020173673 -0.09548061 -0.058925664 INTC 0.151721547 -0.03994865 1.000000000 0.003201919 0.88754083 -0.065405458 JNJ 0.107106093 0.02017367 0.003201919 1.000000000 0.17881168 0.190810501 JPM 0.877484151 -0.09548061 0.887540829 0.178811675 1.00000000 -0.087498384 KO 0.009943835 -0.05892566 -0.065405458 0.190810501 -0.08749838 1.000000000 MCD -0.079793246 -0.08487497 0.951691306 0.012224842 0.96546727 -0.089030871 MMM 0.003599907 -0.00184816 -0.026441216 0.323647219 0.02841221 0.697119121 MO 0.265279473 -0.08384818 0.955166076 0.345472431 0.97526394 -0.084530558 MRK -0.065863614 0.02588809 0.810354526 0.246594467 0.85285390 -0.079041477 MSFT 0.201191442 0.17888449 0.246199067 0.189760581 0.22872513 0.170259396 PFE 0.082804173 0.01478451 0.071951248 0.528572295 0.11845951 -0.061489407 PG 0.180362173 -0.06510797 0.948012402 0.415851593 0.88791235 -0.010360697 SBC 0.314991719 0.14796807 -0.040912484 0.659737204 0.01986489 0.096273094 UTX -0.044531751 0.24482269 0.474124511 -0.141775588 0.01967263 0.320491202 VZ 0.293833023 0.28141939 0.136536306 0.746279724 0.44116583 -0.146987598 WMT -0.164553642 -0.10344137 0.305813548 -0.185844027 -0.01222057 0.429589230 XOM 0.873558490 -0.01355011 0.135825195 0.095164950 0.90935280 0.023801710 MCD MMM MO MRK MSFT PFE AA -0.114882005 0.857736231 -0.07279634 -0.01910645 0.35282208 0.71883544 AIG -0.034888767 0.483765381 -0.10441677 0.17189420 0.26522725 0.38611556 AXP 0.979098108 -0.196902215 0.96450379 0.88570136 0.20144247 -0.09965413 BA 0.962730357 0.757310198 0.95820963 0.84717689 0.21788967 0.11749233 CAT 0.133474400 0.055221755 0.10072404 0.32600626 0.20958573 0.11285471 C 0.973565190 -0.203401567 0.98338062 0.93623523 0.19150011 -0.07832682 DD -0.140097613 -0.022985656 -0.14974717 -0.06793814 0.07546944 0.08092565 DIS -0.157911312 -0.101353066 0.01051476 0.51070153 0.16517350 0.13541261 GE -0.076893201 0.164736998 -0.12749507 -0.11388249 0.10621601 0.14072300 GM 0.018604672 -0.133491624 0.09013588 0.10834896 0.05085640 0.01548618 HD -0.079703107 0.805178951 0.09812850 0.40646722 0.36105215 0.23742405 HON 0.974906915 -0.202081627 0.95074800 0.90301349 0.24126114 -0.10050867 HPQ -0.079793246 0.003599907 0.26527947 -0.06586361 0.20119144 0.08280417 IBM -0.084874971 -0.001848160 -0.08384818 0.02588809 0.17888449 0.01478451 INTC 0.951691306 -0.026441216 0.95516608 0.81035453 0.24619907 0.07195125 JNJ 0.012224842 0.323647219 0.34547243 0.24659447 0.18976058 0.52857229 JPM 0.965467274 0.028412214 0.97526394 0.85285390 0.22872513 0.11845951 KO -0.089030871 0.697119121 -0.08453056 -0.07904148 0.17025940 -0.06148941 MCD 1.000000000 -0.002245452 0.94996006 0.79129517 0.13975360 -0.06190441 MMM -0.002245452 1.000000000 0.12314993 0.39646696 0.46448561 0.76680157 MO 0.949960063 0.123149928 1.00000000 0.80766662 0.16859328 0.34554920 MRK 0.791295169 0.396466958 0.80766662 1.00000000 0.33130833 0.48887353 MSFT 0.139753596 0.464485612 0.16859328 0.33130833 1.00000000 0.25001730 PFE -0.061904406 0.766801566 0.34554920 0.48887353 0.25001730 1.00000000 PG 0.967108956 0.877382077 0.95432399 0.88725460 0.29352175 0.51502779 SBC -0.051205675 0.565865102 0.02652422 0.04986324 0.23363406 0.37208816 UTX -0.166869876 0.728133059 -0.31543056 0.17848601 0.54720408 0.23349921 VZ -0.114262073 0.401455663 0.34122580 0.48851378 0.32428938 0.48834627 WMT 0.323884209 0.749895547 -0.08402821 -0.04128828 0.55588607 0.12075279 XOM -0.048449716 0.264692382 0.20692791 0.23032417 0.31490297 0.11798174 PG SBC UTX VZ WMT XOM AA 0.102366713 0.44428023 0.54274188 0.3050110822 0.77504411 0.81993320 AIG 0.470792883 0.22142371 0.68774761 0.2461882948 0.36572997 0.29718190 AXP 0.879241301 -0.05977186 0.16461583 -0.1276275273 -0.11559086 0.91731073 BA 0.982927812 -0.05447238 0.73548852 0.1608662257 0.61466393 0.74212306 CAT 0.008548316 0.12047664 0.44156768 0.3967799421 0.19316898 0.30967626 C 0.887794977 -0.03942769 0.08651083 -0.1292126166 -0.10949905 0.88700797 DD -0.138809886 -0.20213675 0.28944498 0.0008030282 0.28998117 -0.10911772 DIS -0.050850179 -0.02090362 0.02297845 -0.0237290706 -0.05719813 -0.01506886 GE -0.098617228 -0.01467296 -0.08381985 -0.0313138935 0.12144386 -0.18089201 GM -0.021842401 0.11867336 0.02513422 -0.1193708629 -0.10411422 -0.18349266 HD 0.760744742 0.53947461 0.62511067 0.3381678330 0.76208996 0.62327921 HON 0.962861445 -0.04806091 0.08030012 -0.1941748467 -0.06754262 -0.17881846 HPQ 0.180362173 0.31499172 -0.04453175 0.2938330232 -0.16455364 0.87355849 IBM -0.065107969 0.14796807 0.24482269 0.2814193875 -0.10344137 -0.01355011 INTC 0.948012402 -0.04091248 0.47412451 0.1365363063 0.30581355 0.13582519 JNJ 0.415851593 0.65973720 -0.14177559 0.7462797239 -0.18584403 0.09516495 JPM 0.887912350 0.01986489 0.01967263 0.4411658296 -0.01222057 0.90935280 KO -0.010360697 0.09627309 0.32049120 -0.1469875979 0.42958923 0.02380171 MCD 0.967108956 -0.05120567 -0.16686988 -0.1142620730 0.32388421 -0.04844972 MMM 0.877382077 0.56586510 0.72813306 0.4014556626 0.74989555 0.26469238 MO 0.954323988 0.02652422 -0.31543056 0.3412257993 -0.08402821 0.20692791 MRK 0.887254598 0.04986324 0.17848601 0.4885137831 -0.04128828 0.23032417 MSFT 0.293521747 0.23363406 0.54720408 0.3242893772 0.55588607 0.31490297 PFE 0.515027787 0.37208816 0.23349921 0.4883462710 0.12075279 0.11798174 PG 1.000000000 0.07123866 0.55045995 0.3788365053 0.71045317 0.31342135 SBC 0.071238658 1.00000000 -0.05513004 0.5813479300 0.04242171 0.41568437 UTX 0.550459948 -0.05513004 1.00000000 0.0958598232 0.75842292 0.77676007 VZ 0.378836505 0.58134793 0.09585982 1.0000000000 0.02010254 0.51042235 WMT 0.710453169 0.04242171 0.75842292 0.0201025354 1.00000000 0.21252902 XOM 0.313421347 0.41568437 0.77676007 0.5104223538 0.21252902 1.00000000 > > > as.data.frame(as.dist(MatrizCorrelação)) Erro em as.data.frame.default(as.dist(MatrizCorrelação)) : cannot coerce class ""dist"" to a data.frame > #MatrizCorrelação<-read.table(paste0("/Users/bau/MatrizCorrelaçãoMontagem/MatrizCorrelaçãoGLOBALHoraFixa",i,".txt"))) > melted_MatrizCor<-melt(MatrizCorrelação) Using as id variables > > > ggplot(data=melted_MatrizCor,aes(x=Var1,y=Var2,fill=value)) + geom_tile() Erro em eval(expr, envir, enclos) : objeto 'Var1' não encontrado

3 3

Parcelas sub-divididas com fatorial nas parcelas
by Tiago Souza Marçal 16 Jul '15

16 Jul '15

Boa noite pessoal, estou com experimento de três fatores e gostaria da opinião de vocês para modelar uma análise de variância. De forma mais direta eu tenho dois ambientes e em cada um deles tenho um experimento em arranjo fatorial em DIC com um tratamento adicional. #CMR set.seed(102) resp <- rnorm(100,50,13) resp # O primeiro fator se refere a dois ambientes (temperaturas diferentes). temp <- gl(2,50) # O segundo fator se refere a duas substâncias aplicadas e um controle com a ausência das substâncias dentro de cada um dos # ambientes. subs <- factor(c(gl(2,20),rep("Adicional1",10),gl(2,20),rep("Adicional2",10))) # O terceiro fator se refere a duas doses de cada uma das substâncias e um controle (dose 0 - já citado a cima) # dentro de cada um dos ambientes. dose <- factor(c(gl(2,10),gl(2,10),rep("Adicional1",10),gl(2,10),gl(2,10),rep("Adicional2",10))) O arquivo de dados seria o seguinte: dat <- data.frame(temp,subs,dose,resp) Por fim montei um quadro para a provável ordem das fontes de variação que consegui enxergar para o modelo. Vocês concordam com a ordem e com as fontes de variação? Alguém tem ideia de como modelar este problema via função aov() ou lm()? FV temp resíduo 1 subs dose subs x dose subs x temp dose x temp subs x dose x temp temp1 / adicional1 x fatorial1 temp2 / adicional2 x fatorial2 resíduo 2 Agradeço desde já por qualquer ajuda. Att. Tiago. ################################################################# Tiago de Souza Marçal - Engenheiro Agrônomo pelo CCA-UFES Mestrando em Genética e Melhoramento de Plantas pelo CCA-UFES #################################################################

2 2

Criação de painel xyplot - lattice
by Andre Oliveira 16 Jul '15

16 Jul '15

Pessoal, eu sempre uso a lattice para fazer análise exploratória de dados antes do modelo de fato ser aplicado. Faço meu painel e chamo dentro do xy.plot() como no exemplo abaixo. Aproveitei os dados do Walmes como exemplo para o CMR! soja <- read.table("http://www.leg.ufpr.br/~walmes/data/soja.txt", header=TRUE, sep="\t", dec=",") soja$A <- factor(soja$agua) attach(soja) meu.panel = function(x,y,subscripts) { panel.xyplot(x,y,col =soja$bloco[subscripts],pch=19) } require(lattice) xyplot(rengrao~potassio|A,data=soja,panel=meu.panel,layout = c(3, 1)) Depois de pesquisar bastante tenho duas coisas que não consegui definir em meu painel quanto ao meu caso específico. 1) Como adicionar a legenda com as respectivas cores dos pontos para indicar o bloco neste exemplo da soja? Exemplo vermelho bloco X, Azul bloco Y ..... 2) Neste exemplo da soja esta claro que as cores dos pontos indicam cada bloco. E este é o padrão nos três gráficos gerados com as cores. No entanto tenho um outo banco de dados que não é um delineamento experimental onde tenho os estados brasileiros UF ( MG, ES, PA,...), REGIAO (Norte, sul suldeste...) e uma resposta TOTAL para por cada estado UF. meu.panel = function(x,y,subscripts) { panel.xyplot(x,y,col =dados$UF[subscripts],pch=19) } require(lattice) xyplot(TOTAL~ANO|REGIAO, data=dados,panel=meu.panel,layout = c(5, 1),ylab="Total de premiados",xlab="Ano da olimpíada",main="Premiações por região e ano (2005- 2014)") Como dentro REGIAO não há mesmo número de estados as cores dos pontos não seguem mesmo padrão que os dados de soja acima. Por exemplo dentro região Sudeste o estados do MG e RJ saem com mesma cor ao longo do tempo e dentro da região Norte acontece o mesmo entre alguns estados. Preciso colocar em meu painel cores diferente para cada UF ao longo do tempo por REGIAO. Suspeitei que as cores repetem por estados devido entre regiões não ter o mesmo número de estados, mas é só suposição. Se alguém puder ajudar ficarei grato! André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

2 1

Autorregressão Espacial R
by Ricardo Dobrovolski 16 Jul '15

16 Jul '15

Oi Pessoal, Vocês sabem como fazer modelos autorregressivos no R. Abraço, RD.

3 2