Dezembro 2016 - R-br

Diferença entre datas
by Leonard Mendonça de Assis 22 Dez '16

22 Dez '16

Boa tarde Imagine o seguinte cmr: as.Date(c("2011-01-17", "2009-11-21"))-Sys.Date() Time differences in days [1] -2166 -2588 > Como eu conseguiria obter este resultado, não em dias, mas em meses? Leonard

5 7

Analise de experimentos em faixas
by Andre Oliveira 22 Dez '16

22 Dez '16

Pessoal,além ExpDes qual outro pacote em R há para analisar experimentos em faixas? André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

2 1

Modelar os Ys de um data frame
by Andre Oliveira 20 Dez '16

20 Dez '16

Pessoal como eu poderia modelar os Ys com um for ou de alguma outra forma? (Tenho 20 Ys) Exemplo. library(mvtnorm) Sigma <- matrix(c(1,1,-.4,-.9,1,4,1.6,-1.2,-.4,1.6,4, 1.8,-.9,-1.2,1.8,9),ncol=4) Y <- rmvnorm(10, c(2,4,6,8), Sigma) X1=as.factor(c(rep("A",5),rep("B",5))) X2=as.factor(c(rep("1",2),rep("3",3),rep("2",2),rep("0",3))) dados = data.frame(Y,X1,X2) for (i in 1:4) lm(dados[,i] ~X1*X2)) No verdade desejo usar ajustar com a função! require(ExpDes.pt) fat2.dic(X1, X2, dados[i], quali = c(TRUE, TRUE), mcomp = "sk", fac.names = c("Doses", "Substrato"), sigT = 0.05, sigF = 0.05) obg André Oliveira Souza. Graduação em Matemática, mestrado em estatística aplicada.Instituto Federal de Educação, Ciência e Tecnologia do Espirito Santo. IFES

2 1

classes de colunas: iris como exemplo
by Cleber N.Borges 20 Dez '16

20 Dez '16

Prezados, tentando detectar quais as classes de colunas de dados me deparei com duas situações abaixo. Elas não deveriam produzir respostas iguais? > for( i in 1:5 ) print( class( iris[,i] ) ) [1] "numeric" [1] "numeric" [1] "numeric" [1] "numeric" [1] "factor" > > apply( iris, 2, class ) Sepal.Length Sepal.Width Petal.Length Petal.Width Species "character" "character" "character" "character" "character" > > summary( iris ) Sepal.Length Sepal.Width Petal.Length Petal.Width Species Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 setosa :50 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 versicolor:50 Median :5.800 Median :3.000 Median :4.350 Median :1.300 virginica :50 Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800 Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500 > --- Este email foi escaneado pelo Avast antivírus. https://www.avast.com/antivirus

3 2

Gráfico
by Emerson Cotta Bodevan 14 Dez '16

14 Dez '16

Prezados, bom dia. Existe algum pacote no R que faz o gráfico em anexo? Agradeço qualquer ajuda. Att., *Emerson*

4 3

trabalhando com números pequenos
by Luiz Leal 12 Dez '16

12 Dez '16

Boa noite a todos.Há alguma forma de trabalhar com números muito pequenos no R?O cálculo abaixo não é exatamente igual a -1. É muito próximo, mas não igual.Há alguma forma de realizar esse cálculo?AbsLuiz > 500^(-10)[1] 1.024e-27 > 500^(-10)-1[1] -1

4 6

como saber o nome da variável passada para uma função
by Cleber N.Borges 11 Dez '16

11 Dez '16

Prezados, Como obter o seguinte efeito numa função. Exemplificando o que desejo: a=1; b=2; c=3 f <- function( var ) cat( 'nome de var:', *pega o nome da variavel passada prara a função*, '\n' ) saída desejada: f( a ) nome de var: a f( b ) nome de var: b f( c ) nome de var: c agradeço antecipadamente pela atenção grato cleber --- Este email foi escaneado pelo Avast antivírus. https://www.avast.com/antivirus

2 1

ANOVA: elementos para ensino introdutório
by Jose Claudio Faria 07 Dez '16

07 Dez '16

Caros membros, Gostaria de socializar algumas idéias e scripts em R de auxílio aos professores universitários para fundamentar o estudante de nível superior em cursos introdutórios de inferência estatística e análise de variância (ANOVA). Creio que todos que tiveram esta experiência sentiram a dificuldade de o fazer de forma compreensível e simples no contexto de cursos introdutórios de 60 ou 75 horas. A intenção é que o estudante possa compreender as idéias centrais de uma ANOVA - comparando cálculos por dois critérios: função aov e elementar. O uso da função aov é a referência e e cálculo elementar é o compreensível. Em outras palavras, os scripts permitem realizar as análises sem a necessidade do apelo da álgebra linear - e seus pre-supostos - em geral é inacessível a eles; ou aos procedimentos algébricos convencionais (decomposição da soma de quadrados total em relação a média geral em fontes reconhecidas e aleatórias de variação) também pouco difíceis de digerir de forma compreensível (pois parece mágico). P.S: 1- Os ensaios - simples no delineamento inteiramente ao acaso - podem ser balanceados ou não; 2- Optei por colocar todo o material (figuras e scripts) em anexos. Aberto a correções, críticas, sugestões e melhoramentos. Ab, ///\\\///\\\///\\\///\\\///\\\///\\\///\\\///\\\ Jose Claudio Faria Estatistica UESC/DCET/Brasil joseclaudio.faria at gmail.com Telefones: 55(73)3680.5545 - UESC 55(73)99966.9100 - VIVO 55(73)99100.7351 - TIM 55(73)98817.6159 - OI 55(73)98129.9942 - CLARO ///\\\///\\\///\\\///\\\///\\\///\\\///\\\///\\\

2 5

Re: [R-br] Loop script
by sznelwar＠uol.com.br 07 Dez '16

07 Dez '16

1 0

Loop script
by Fernando Rodrigo Bortolozo 07 Dez '16

07 Dez '16

Eu estou fazendo anova e com posterior teste de médias de um experimento com muitas variáveis. Então eu tenho que repetir o script muitas vezes o mesmo script para cada variável. Os colegas sabem me dizer se existe alguma maneira de fazer um Loop para um script, ou mesmo criar um elemento com todas variáveis para analisar de uma só vez? Aqui vai uma pequena parte das variáveis que vou analisar, tenho 7 tratamentos, 4 repetições. [image: pasted1] Aqui esta o script (Agricolae Package) dados <- read.csv("~/Documents/R/Data306090DAPv2.csv", header = TRUE) head(dados) model<-aov(Cas30 ~Trat, data=dados) out <- HSD.test(model,"Trat", group=TRUE,console=TRUE, main="Calcio") par(mfrow=c(1,2)) out$means par (mar = c (3,3,2,0),cex=0.9) bar.group(out$groups,ylim=c(0, 360),density=50,border="blue", col="blue", las=1) bar.err(out$means,variation="SE",horiz=FALSE, ylim = c(0, 360), col=colors()[15],space=0.3,bar=TRUE, las=1) out<-HSD.test(model,"Trat", group=FALSE) means<-out$means df<-df.residual(model) MSerror<-deviance(model)/df with(dados,HSD.test(Cas30,Trat,df,MSerror, group=TRUE,console=TRUE, main="Cálcio")) Muito obrigado desde já.

4 4