Março 2017 - R-br

GLM
by ana paula coelho madeira 29 Mar '17

29 Mar '17

Prezados colegas, Bom dia! Gostaria de saber como faço para extrair a estatística de Qui quadrado e respectivos graus de liberdade de um modelo de GLM significativo. Desde já agradeço. Ana Paula

3 3

Re: [R-br] Predição espacial de dado tipo "linha"
by Elias T. Krainski 28 Mar '17

28 Mar '17

Você quer 'espacializar' a atenuação do sinal? Essa atenuação no sinal seria inversamente proporcional à distância à torre emitente?

1 0

Predição espacial de dado tipo "linha"
by Wagner Wolff 28 Mar '17

28 Mar '17

Olá pessoal da lista! Pretendo trabalhar com um tipo de dado que representa a atenuação de microondas entre duas antenas celulares. Sendo assim, estes dados representam uma "linha" (link) no espaço e não um ponto, como geralmente são feitas as análises geoestatśticas. Gostaria de saber o que muda na análise em comparação com a tradicional por pontos. Por exemplo, ao invés de usar a distância euclidiana entre as amostrar usaria uma distância ponderada pelo comprimento dessas "linhas"? Att -- *Wagner Wolff, **PhD* "*Luiz de Queiroz**" College of Agriculture,* University of São Paulo Pádua Dias avenue11 | 13418-900| Piracicaba-SP| Brazil Phone: +55 19 982385582 http://orcid.org/0000-0003-3426-308X https://github.com/wwolff7 http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4463141A1

2 1

Função cut
by Edmar Caldas 28 Mar '17

28 Mar '17

Bom Dia! Preciso de outra ajuda, preciso quebrar a variável idade em faixas. Estou usando essa função, porém está retornando mensagem de errro. cut(lazer1$idade, breaks = c(25,35,45), labels=c("A","B","C"), right= FALSE)) Error: unexpected ')' in "cut(lazer1$idade, breaks = c(25,35,45), labels=c("A","B","C"), right= FALSE))" outra forma > cut(idade, breaks = c(25,35,45), labels=c("Jovem","Meia Idade","Experiente"), right= FALSE))Error: unexpected ')' in "cut(idade, breaks = c(25,35,45), labels=c("Jovem","Meia Idade","Experiente"), right= FALSE))" Edmar

4 3

tabela de interação
by fúlvia cristina oliveira 27 Mar '17

27 Mar '17

Alguém pode me dizer como eu monto a tabela de desdobramento de interação?A saída foi essa modelo3<-aov(burst~tratamento+tempo+tratamento*tempo)> summary(modelo3) Df Sum Sq Mean Sq F value Pr(>F) tratamento 3 0.0020 0.00066 0.054 0.9833 tempo 2 0.3517 0.17586 14.386 4.81e-06 *** tratamento:tempo 6 0.1968 0.03280 2.683 0.0202 * Residuals 78 0.9535 0.01222 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 20 observations deleted due to missingness medias<-model.tables(model4,"means",cterms = "tratamento") > medias Tables of means Grand mean 0.3885556 tratamento T1 T2 T3 T4 0.3845 0.3881 0.3965 0.3852 rep 22.0000 24.0000 22.0000 22.0000 model5<-aov(burst~tratamento+tempo+tratamento:tempo) > medias <-model.tables(model5,"means",cterms = "tempo") > medias Tables of means Grand mean 0.3885556 tempo 0 3 6 0.4316 0.4248 0.2907 rep 33.0000 31.0000 26.0000 model6<-aov(burst~tratamento+tempo+tratamento:tempo) > medias<-model.tables(model6,"means",cterms = "tratamento:tempo") > medias Tables of means Grand mean 0.3885556 tratamento:tempo tempo tratamento 0 3 6 T1 0.432 0.422 0.294 rep 7.000 8.000 7.000 T2 0.410 0.403 0.341 rep 10.000 7.000 7.000 T3 0.518 0.370 0.270 rep 8.000 8.000 6.000 T4 0.372 0.501 0.249 rep 8.000 8.000 6.000 TukeyHSD(model4,"tratamento") Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = burst ~ tratamento + tempo + tratamento:tempo) $tratamento diff lwr upr p adj T2-T1 0.0035833333 -0.08209100 0.08925766 0.9995222 T3-T1 0.0119545455 -0.07556246 0.09947155 0.9840895 T4-T1 0.0007272727 -0.08678973 0.08824427 0.9999962 T3-T2 0.0083712121 -0.07730312 0.09404554 0.9940338 T4-T2 -0.0028560606 -0.08853039 0.08281827 0.9997577 T4-T3 -0.0112272727 -0.09874427 0.07628973 0.9867430 TukeyHSD(model5,"tempo") Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = burst ~ tratamento + tempo + tratamento:tempo) $tempo diff lwr upr p adj 3-0 -0.006810191 -0.07288363 0.05926324 0.9671358 6-0 -0.140958351 -0.21023025 -0.07168645 0.0000175 6-3 -0.134148160 -0.20439788 -0.06389844 0.0000546 > TukeyHSD(model6,"tratamento:tempo") Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = burst ~ tratamento + tempo + tratamento:tempo) $`tratamento:tempo` diff lwr upr p adj T2:0-T1:0 -0.021357143 -0.20493664 0.16222236 0.9999998 T3:0-T1:0 0.086392857 -0.10640418 0.27918989 0.9334458 T4:0-T1:0 -0.060232143 -0.25302918 0.13256489 0.9957673 T1:3-T1:0 -0.009357143 -0.20215418 0.18343989 1.0000000 T2:3-T1:0 -0.028428571 -0.22754850 0.17069135 0.9999979 T3:3-T1:0 -0.062232143 -0.25502918 0.13056489 0.9944118 T4:3-T1:0 0.069267857 -0.12352918 0.26206489 0.9865875 T1:6-T1:0 -0.138142857 -0.33726278 0.06097707 0.4599804 T2:6-T1:0 -0.091142857 -0.29026278 0.10797707 0.9236524 T3:6-T1:0 -0.162023810 -0.36927440 0.04522678 0.2795024 T4:6-T1:0 -0.183023810 -0.39027440 0.02422678 0.1359708 T3:0-T2:0 0.107750000 -0.06895140 0.28445140 0.6553978 T4:0-T2:0 -0.038875000 -0.21557640 0.13782640 0.9998325 T1:3-T2:0 0.012000000 -0.16470140 0.18870140 1.0000000 T2:3-T2:0 -0.007071429 -0.19065093 0.17650807 1.0000000 T3:3-T2:0 -0.040875000 -0.21757640 0.13582640 0.9997280 T4:3-T2:0 0.090625000 -0.08607640 0.26732640 0.8496727 T1:6-T2:0 -0.116785714 -0.30036521 0.06679378 0.5941646 T2:6-T2:0 -0.069785714 -0.25336521 0.11379378 0.9792305 T3:6-T2:0 -0.140666667 -0.33303479 0.05170146 0.3778522 T4:6-T2:0 -0.161666667 -0.35403479 0.03070146 0.1875552 T4:0-T3:0 -0.146625000 -0.33288463 0.03963463 0.2699473 T1:3-T3:0 -0.095750000 -0.28200963 0.09050963 0.8477318 T2:3-T3:0 -0.114821429 -0.30761847 0.07797561 0.6875834 T3:3-T3:0 -0.148625000 -0.33488463 0.03763463 0.2516698 T4:3-T3:0 -0.017125000 -0.20338463 0.16913463 1.0000000 T1:6-T3:0 -0.224535714 -0.41733275 -0.03173868 0.0095108 T2:6-T3:0 -0.177535714 -0.37033275 0.01526132 0.1002695 T3:6-T3:0 -0.248416667 -0.44960006 -0.04723327 0.0043573 T4:6-T3:0 -0.269416667 -0.47060006 -0.06823327 0.0012754 T1:3-T4:0 0.050875000 -0.13538463 0.23713463 0.9987106 T2:3-T4:0 0.031803571 -0.16099347 0.22460061 0.9999907 T3:3-T4:0 -0.002000000 -0.18825963 0.18425963 1.0000000 T4:3-T4:0 0.129500000 -0.05675963 0.31575963 0.4565814 T1:6-T4:0 -0.077910714 -0.27070775 0.11488632 0.9673298 T2:6-T4:0 -0.030910714 -0.22370775 0.16188632 0.9999930 T3:6-T4:0 -0.101791667 -0.30297506 0.09939173 0.8606043 T4:6-T4:0 -0.122791667 -0.32397506 0.07839173 0.6541132 T2:3-T1:3 -0.019071429 -0.21186847 0.17372561 1.0000000 T3:3-T1:3 -0.052875000 -0.23913463 0.13338463 0.9981734 T4:3-T1:3 0.078625000 -0.10763463 0.26488463 0.9555010 T1:6-T1:3 -0.128785714 -0.32158275 0.06401132 0.5194542 T2:6-T1:3 -0.081785714 -0.27458275 0.11101132 0.9539596 T3:6-T1:3 -0.152666667 -0.35385006 0.04851673 0.3220981 T4:6-T1:3 -0.173666667 -0.37485006 0.02751673 0.1584271 T3:3-T2:3 -0.033803571 -0.22660061 0.15899347 0.9999826 T4:3-T2:3 0.097696429 -0.09510061 0.29049347 0.8594125 T1:6-T2:3 -0.109714286 -0.30883421 0.08940564 0.7814023 T2:6-T2:3 -0.062714286 -0.26183421 0.13640564 0.9954629 T3:6-T2:3 -0.133595238 -0.34084583 0.07365535 0.5743224 T4:6-T2:3 -0.154595238 -0.36184583 0.05265535 0.3475958 T4:3-T3:3 0.131500000 -0.05475963 0.31775963 0.4324767 T1:6-T3:3 -0.075910714 -0.26870775 0.11688632 0.9729806 T2:6-T3:3 -0.028910714 -0.22170775 0.16388632 0.9999965 T3:6-T3:3 -0.099791667 -0.30097506 0.10139173 0.8755146 T4:6-T3:3 -0.120791667 -0.32197506 0.08039173 0.6767045 T1:6-T4:3 -0.207410714 -0.40020775 -0.01461368 0.0240599 T2:6-T4:3 -0.160410714 -0.35320775 0.03238632 0.1991828 T3:6-T4:3 -0.231291667 -0.43247506 -0.03010827 0.0111757 T4:6-T4:3 -0.252291667 -0.45347506 -0.05110827 0.0034935 T2:6-T1:6 0.047000000 -0.15211992 0.24611992 0.9996700 T3:6-T1:6 -0.023880952 -0.23113154 0.18336964 0.9999998 T4:6-T1:6 -0.044880952 -0.25213154 0.16236964 0.9998565 T3:6-T2:6 -0.070880952 -0.27813154 0.13636964 0.9909705 T4:6-T2:6 -0.091880952 -0.29913154 0.11536964 0.9379661 T4:6-T3:6 -0.021000000 -0.23607410 0.19407410 1.0000000 Fúlvia Cristina Oliveira Bióloga - UFMS Mestranda no Programa de Pós-Graduação em ZootecniaProdução animal no Cerrado-Pantanal Universidade Estadual de Mato Grosso do Sul - UEMS Unidade Universitária de Aquidauana - UUA(67) 99610-2812(11) 99538-4088fulcris(a)yahoo.com.br

2 1

estrutura do arquivo
by Edmar Caldas 27 Mar '17

27 Mar '17

Como faço para visualizar o arquivo por inteiro. Quero visualizar as 31 linhas e 17 colunas. Estou usando Rstudio. Isso me ajuda em partes. head(append1, n=10)tail(append1, n=10)str(append1) Edmar

2 1

Ajuda na Função Append
by Edmar Caldas 27 Mar '17

27 Mar '17

Bom Dia! Estou precisando de uma ajuda na função append. Quando tenho as mesmas variáveis nos dois conjuntos de dados o código abaixo funciona. Mas quando tenho uma variável num conjunto e não tenho no outro, o mesmo código não funciona. 1) Situação que funciona. Arquivo A possui as seguintes variáveis. id nome sexo1 Edmar M2 Aline F Arquivo B possui as seguintes variáveis. id nome sexo.1 Adriana F2 Russo M código: append <-rbind(A,B) ok funciona. Mas quando tenho a seguinte situação. Me traz uma mensagem de erro. Arquivo A. Id nome sexo trabalho Arquivo B Id nome sexo lazer As variáveis trabalho e lazer cada uma está em arquivos diferentes e com isso não consigo unir pela função append simples. tem algum forma de corrigir isso? estou tentando usar esse código e não funciona. append <-rbind(lazer1,by.= "trabalho", lazer2, by = "lazer") Agradeço pela ajuda. Edmar

2 1

Fwd: Predição espacial de dado tipo "linha"
by Wagner Wolff 26 Mar '17

26 Mar '17

Olá pessoal da lista! Pretendo trabalhar com um tipo de dado que representa a atenuação de microondas entre duas antenas celulares. Sendo assim, estes dados representam uma "linha" (link) no espaço e não um ponto, como geralmente são feitas as análises geoestatśticas. Gostaria de saber o que muda na análise em comparação com a tradicional por pontos. Por exemplo, ao invés de usar a distância euclidiana entre as amostrar usaria uma distância ponderada pelo comprimento dessas "linhas"? Abaixo esta uma figura exemplificando o que mencionei acima. Att -- *Wagner Wolff, **PhD* "*Luiz de Queiroz**" College of Agriculture,* University of São Paulo Pádua Dias avenue11 | 13418-900| Piracicaba-SP| Brazil Phone: +55 19 982385582 <+55%2019%2098238-5582> http://orcid.org/0000-0003-3426-308X https://github.com/wwolff7 http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4463141A1

1 0

Parcela dividida - coletas de amostras dentro da parcela e no tempo
by Fabiola Santos 26 Mar '17

26 Mar '17

Boa tarde Tenho um experimento da seguinte forma: 3 tratamentos (tipo de manejo diferente) com 4 repeticoes em bloco. Parcela de 1ha As avaliações foram feitas em subparcelas onde escolhia 5 pontos aleatorios e coletava informações dentro dessas parcelas(de 1ha) em 10 plantas avaliando o numero de lagartas e especie. Porem foram feitas semanalmente as avaliações sendo em varios estagios do milho Gostarida de saber se o modelo a seguir estaria correto: O que eu nao estou conseguindo e fazer os teste de Tukey ou SK no proprio R. mod1 <- aov(PeqS~Rep+Trat*Est + Ponto + Error(Rep:Est, Rep:Ponto), data=x) Error: Rep:Est Df Sum Sq Mean Sq F value Pr(>F) Rep 3 8.010e-27 2.669e-27 0.746 0.541 Est 5 1.815e-26 3.630e-27 1.015 0.443 Residuals 15 5.365e-26 3.577e-27 Error: Within Df Sum Sq Mean Sq F value Pr(>F) Trat 2 0 0.0 0 1 Ponto 1 648 648.0 10689 <2e-16 *** Trat:Est 10 0 0.0 0 1 Residuals 3563 216 0.1 Obrigada Abraços Ótimo final de semana Vídeo Institucional https://www.youtube.com/watch?v=u1Z3_YZ2WpY <https://www.facebook.com/udipesquisaedesenvolvimento/> https://www.facebook.com/udipesquisaedesenvolvimento/ <https://www.linkedin.com/company/10401615?trk=tyah&trkInfo=clickedVertical% 3Acompany%2CclickedEntityId%3A10401615%2Cidx%3A2-1-2%2CtarId%3A1479812006594 %2Ctas%3AUDI%20PESQUISA%20E%20DESENV> https://www.linkedin.com/company/10401615?trk=tyah&trkInfo=clickedVertical%3 Acompany%2CclickedEntityId%3A10401615%2Cidx%3A2-1-2%2CtarId%3A1479812006594% 2Ctas%3AUDI%20PESQUISA%20E%20DESENV Atenciosamente / Best Regards / Mit freundlichen Grüßen / Saludos www.udipesquisa.om Esta mensagem, incluindo anexos, é confidencial, privilegiada e para o único benefício da pessoa devida ou endereçada. Caso seja recebido erroneamente, favor apagá-la do sistema, não faça cópias, não exponha seu conteúdo a uma terceira parte ou utilize-a para seu benefício pessoal ou de outra pessoa. Favor avisar ( <mailto:fabiolasantos@udipesquisa.com> fabiolasantos(a)udipesquisa.com) do seu recebimento, o mais rápido possível. Agradecemos a sua colaboração. The information contained in this e-mail and in the attached files are for the exclusive use of the addressee herein nominated, and may contain trade secrets, privileged and other confidential information, protected by the applicable laws. In case you are not the right addressee, you are hereby notified that any reviewing, reading, copying and/or distributing of this e-mail's content is strictly prohibited and unauthorized. Please, delete the e-mail's content and notify the sender ( <mailto:fabiolasantos@udipesquisa.com> fabiolasantos(a)udipesquisa.com) immediately. Thank you for your cooperation. --- Este email foi escaneado pelo Avast antivírus. https://www.avast.com/antivirus

1 0

[OFF-TOPIC]
by Julimar Pinto 25 Mar '17

25 Mar '17

Agradeço a oportunidade por esse tempo de learning-by-doing com a lista R-br.

1 0