uma pequena ajuda para o R

Bom dia, peço desculpa pois o script não estava completo. nO que eu teciono fazer é relacionar as variaveis pthi e dose em funça da variavel efactor qu tem dois niveis C e H. pretendo relacionar pthi~dose para o nivel H e outra relação para o nivel C e fazer um grafico que mostre as duas em separado fiz: setwd("G:/SIN/Users/Ana Rua/Ana_trabalho") #objectivo: #avaliar a correlação de pthi com DOSE_Cinacalcet, controlando os efeitos da variável GRUPO, que é do tipo fator com dois estados, H e C. dados<-read.table("correlacaocinacalcet.csv",header=TRUE,sep=";") dados Doente Grupo Pthi Dose_Cinacalcet 1 54020637 H 221.60 1080 2 54020698 H 317.00 2790 3 54020681 H 412.60 930 4 54131227 H 462.00 900 5 54030338 H 474.90 930 6 54220370 H 547.00 930 7 54110496 H 547.50 930 8 54110160 H 589.00 930 9 54140258 H 709.00 930 10 54110468 H 804.90 930 11 54130380 H 842.00 930 12 54300217 H 855.40 930 13 54110542 H 911.50 930 14 54300021 H 979.30 930 15 54020732 H 1000.00 930 16 54300160 H 1054.00 840 17 54300040 H 1178.00 900 18 54131239 H 1409.00 930 19 54140376 H 1579.00 420 20 54020303 H 2794.00 1860 21 54030135 H 204.00 420 22 54140295 H 236.00 2790 23 54140011 H 253.00 930 24 54210252 H 334.00 930 25 54130307 H 358.00 390 26 54300160 H 360.80 930 27 54210085 H 426.00 930 28 54030451 H 494.50 1860 29 54020681 H 535.90 900 30 54030344 H 594.60 1860 31 54110542 H 615.70 900 32 54110255 H 659.00 1860 33 54110468 H 666.10 900 34 54020637 H 705.70 480 35 54300040 H 765.20 930 36 54300217 H 875.80 930 37 54110496 H 953.20 900 38 54131239 H 982.00 930 39 54300021 H 1275.00 930 40 54110160 H 1297.00 900 41 54110070 H 1312.00 1440 42 54130380 H 1330.00 930 43 54020732 H 1388.00 900 44 54020303 H 2060.00 2790 45 54110386 H 2432.00 900 46 54210217 H 63.50 1860 47 54110255 H 86.19 1710 48 54210104 H 236.00 2040 49 54210333 H 249.00 1860 50 54300040 H 256.00 390 51 54030135 H 265.90 60 52 54140295 H 322.70 2790 53 54030451 H 354.60 1860 54 54110542 H 436.00 930 55 54060515 H 458.80 510 56 54110468 H 460.40 930 57 54210252 H 480.10 930 58 54300160 H 480.90 900 59 54210085 H 627.80 930 60 54110496 H 700.50 930 61 54110160 H 700.90 930 62 54020732 H 739.90 870 63 54030344 H 760.70 1860 64 54020681 H 808.60 870 65 54300021 H 830.10 900 66 54210233 H 883.00 930 67 54140326 H 1033.00 390 68 54300217 H 1074.00 900 69 54210181 H 1138.00 2820 70 54130380 H 1145.00 900 71 54110070 H 1174.00 1350 72 54020637 H 1308.00 870 73 54220660 H 1401.00 1860 74 54300248 H 1462.00 1860 75 54020303 H 1536.00 2700 76 54131031 C 76.50 780 77 54210217 C 159.30 390 78 54210252 C 161.10 780 79 54210181 C 268.00 2070 80 54300021 C 280.90 390 81 54030451 C 364.10 720 82 54300160 C 574.30 390 83 54110468 C 603.90 390 84 54030135 C 651.80 390 85 54300255 C 727.10 360 86 54110542 C 738.60 390 87 54110255 C 745.00 390 88 54210233 C 764.50 1170 89 54020681 C 771.20 420 90 54300217 C 772.30 840 91 54140011 C 788.70 540 92 54030344 C 807.50 780 93 54210085 C 813.60 900 94 54110160 C 856.30 780 95 54300268 C 865.10 840 96 54110070 C 882.70 810 97 54140326 C 883.90 540 98 54140295 C 916.30 600 99 54110496 C 923.70 780 100 54210333 C 984.70 780 101 54300068 C 1044.00 420 102 54210104 C 1084.00 810 103 54020637 C 1287.00 2970 104 54020732 C 1332.00 390 105 54130380 C 1334.00 600 106 54210180 C 1401.00 420 107 54300248 C 1452.00 390 108 54110386 C 2664.00 780 109 54020303 C 2980.00 1620 110 54300068 C 176.70 390 111 54210217 C 217.00 390 112 54210104 C 221.60 1080 113 54110160 C 369.70 720 114 54300160 C 373.00 420 115 54030451 C 484.40 840 116 54300156 C 512.10 390 117 54030135 C 574.50 390 118 54210252 C 613.00 780 119 54210181 C 613.30 1080 120 54130380 C 626.30 840 121 54060515 C 706.10 840 122 54140326 C 777.30 720 123 54030344 C 793.20 780 124 54110468 C 819.00 360 125 54300255 C 822.60 390 126 54110255 C 855.20 390 127 54140011 C 861.50 960 128 54300021 C 948.70 960 129 54110496 C 984.50 660 130 54300268 C 1069.00 780 131 54140295 C 1130.00 720 132 54110070 C 1177.00 780 133 54210180 C 1250.00 1170 134 54300217 C 1318.00 780 135 54210333 C 1382.00 870 136 54300248 C 1404.00 570 137 54110542 C 1446.00 360 138 54210085 C 2230.00 1170 139 54110386 C 2577.00 720 140 54020303 C 2924.00 1440 141 54210180 C 116.80 1080 142 54210181 C 229.70 960 143 54210217 C 267.90 270 144 54210252 C 285.80 690 145 54300068 C 311.80 390 146 54300156 C 470.20 420 147 54110255 C 485.90 390 148 54030451 C 526.40 780 149 54110374 C 628.10 720 150 54110070 C 687.10 780 151 54210333 C 702.70 1170 152 54030344 C 722.20 840 153 54140326 C 765.30 840 154 54130380 C 811.80 780 155 54300217 C 845.20 720 156 54030135 C 853.80 420 157 54300255 C 949.30 570 158 54210104 C 978.10 780 159 54140295 C 1076.00 780 160 54300268 C 1240.00 780 161 54210085 C 1391.00 1260 162 54300248 C 1738.00 780 grupo<-dados$Grupo pthi<-dados$Pthi dose<-dados$Dose_Cinacalcet [1] H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H [38] H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H [75] H C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C [112] C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C [149] C C C C C C C C C C C C C C Levels: C H pthi [1] 221.60 317.00 412.60 462.00 474.90 547.00 547.50 589.00 709.00 [10] 804.90 842.00 855.40 911.50 979.30 1000.00 1054.00 1178.00 1409.00 [19] 1579.00 2794.00 204.00 236.00 253.00 334.00 358.00 360.80 426.00 [28] 494.50 535.90 594.60 615.70 659.00 666.10 705.70 765.20 875.80 [37] 953.20 982.00 1275.00 1297.00 1312.00 1330.00 1388.00 2060.00 2432.00 [46] 63.50 86.19 236.00 249.00 256.00 265.90 322.70 354.60 436.00 [55] 458.80 460.40 480.10 480.90 627.80 700.50 700.90 739.90 760.70 [64] 808.60 830.10 883.00 1033.00 1074.00 1138.00 1145.00 1174.00 1308.00 [73] 1401.00 1462.00 1536.00 76.50 159.30 161.10 268.00 280.90 364.10 [82] 574.30 603.90 651.80 727.10 738.60 745.00 764.50 771.20 772.30 [91] 788.70 807.50 813.60 856.30 865.10 882.70 883.90 916.30 923.70 [100] 984.70 1044.00 1084.00 1287.00 1332.00 1334.00 1401.00 1452.00 2664.00 b[109] 2980.00 176.70 217.00 221.60 369.70 373.00 484.40 512.10 574.50 [118] 613.00 613.30 626.30 706.10 777.30 793.20 819.00 822.60 855.20 [127] 861.50 948.70 984.50 1069.00 1130.00 1177.00 1250.00 1318.00 1382.00 [136] 1404.00 1446.00 2230.00 2577.00 2924.00 116.80 229.70 267.90 285.80 [145] 311.80 470.20 485.90 526.40 628.10 687.10 702.70 722.20 765.30 [154] 811.80 845.20 853.80 949.30 978.10 1076.00 1240.00 1391.00 1738.00 dose [1] 1080 2790 930 900 930 930 930 930 930 930 930 930 930 930 930 [16] 840 900 930 420 1860 420 2790 930 930 390 930 930 1860 900 1860 [31] 900 1860 900 480 930 930 900 930 930 900 1440 930 900 2790 900 [46] 1860 1710 2040 1860 390 60 2790 1860 930 510 930 930 900 930 930 [61] 930 870 1860 870 900 930 390 900 2820 900 1350 870 1860 1860 2700 [76] 780 390 780 2070 390 720 390 390 390 360 390 390 1170 420 840 [91] 540 780 900 780 840 810 540 600 780 780 420 810 2970 390 600 [106] 420 390 780 1620 390 390 1080 720 420 840 390 390 780 1080 840 [121] 840 720 780 360 390 390 960 960 660 780 720 780 1170 780 870 [136] 570 360 1170 720 1440 1080 960 270 690 390 420 390 780 720 780 [151] 1170 840 840 780 720 420 570 780 780 780 1260 780 levels(grupo) [1] "C" "H" class(dose) # dose é da classe INTEIRO e pode ser convertido para FATOR na ANOVA dose_real <- as.real(dose) # dose foi convertido para formato de numeros reais lm( formula, data, weights, subset, na.action ) 'formula' - é uma fórmula estatística que indica o modelo a ser ajustado. Possui a mesma forma básica que foi vista na funções gráficas. 'data' - o conjunto de dados (data.frame). 'weights' - são os pesos para regressão ponderada. 'subset' - um vetor com as condições que definem um sub-conjunto dos dados. 'na.acation' - função que especifica o que fazer no caso de observações perdidas (NA). O valor default é 'na.omit' que elimina as linhas (observações) que possuem observações perdidas nas variáveis definidas na fórmula. modelo1<-lm(pthi~dose) modelo1 class(modelo1) [1] "lm" 'pthi ~ dose' indica: modele pthi como função estatística de dose; Call: lm(formula = pthi ~ dose) Coefficients: (Intercept) dose 738.3511 0.1177 summary: a função 'summary' apresenta um resumo do modelo linear com: 1. estatísticas descritivas dos resíduos; 2. teste t dos coeficientes de regressão; 3. erro padrão da estimativa; 4. coeficiente de determinação e coef. de det. ajustado; 5. teste F geral do modelo. summary(modelo1) #summario das estatísticas estimadas Call: lm(formula = pthi ~ dose) Residuals: Min 1Q Median 3Q Max -893.70 -363.16 -44.26 236.59 2051.04 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 738.35105 84.15885 8.773 2.47e-15 *** dose 0.11766 0.07688 1.530 0.128 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 545.3 on 160 degrees of freedom Multiple R-squared: 0.01443, Adjusted R-squared: 0.008268 F-statistic: 2.342 on 1 and 160 DF, p-value: 0.1279 anova: a função 'anova' apresenta a Tabela de análise de variância, tendo as variáveis preditoras como fatores: anova(modelo1) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) dose 1 696390 696390 2.3422 0.1279 Residuals 160 47571107 297319 X11() # abre uma nova janela para plotar os graficos (veja no windows) par(col="red") plot(pthi~dose,xlab="dose",ylab="pthi", main="y=738.3511+0.1177dose, p=0.1279") #Adicionar a reta da regressão no gráfico: abline(modelo1) 'pthi ~ grupo' indica: modele pthi como função estatística de grupo; modelo2 <- lm(pthi~grupo) modelo2 Call: lm(formula = pthi ~ grupo) Coefficients: (Intercept) grupoH 888.49 -84.84 summary(modelo2) Call: lm(formula = pthi ~ grupo) Residuals: Min 1Q Median 3Q Max -811.99 -344.45 -94.97 221.10 2091.51 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 888.49 58.71 15.134 <2e-16 *** grupoH -84.84 86.28 -0.983 0.327 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 547.6 on 160 degrees of freedom Multiple R-squared: 0.006007, Adjusted R-squared: -0.0002057 F-statistic: 0.9669 on 1 and 160 DF, p-value: 0.3269 anova(modelo2) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) grupo 1 289930 289930 0.9669 0.3269 Residuals 160 47977567 299860 x11() par(col="blue") plot(pthi~grupo,xlab="grupo",ylab="pthi", main="y=88.49-84.84grupo, p=0.1279") #Adicionar a reta da regressão no gráfico: abline(modelo2) modelo3 <- lm(pthi~dose+grupo) modelo3 Call: lm(formula = pthi ~ dose + grupo) Coefficients: (Intercept) dose grupoH 760.1821 0.1729 -159.5969
summary(modelo3) Call: lm(formula = pthi ~ dose + grupo) Residuals: Min 1Q Median 3Q Max -858.70 -322.92 -64.76 219.93 1939.70 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 760.18206 84.59910 8.986 7.13e-16 *** dose 0.17291 0.08286 2.087 0.0385 * grupoH -159.59687 92.60311 -1.723 0.0868 . --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 anova(modelo3) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) dose 1 696390 696390 2.3711 0.12559 grupo 1 872380 872380 2.9703 0.08675 . Residuals 159 46698728 293703 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 541.9 on 159 degrees of freedom Multiple R-squared: 0.0325, Adjusted R-squared: 0.02033 F-statistic: 2.671 on 2 and 159 DF, p-value: 0.07231 x11() par(col="blue") plot(pthi~dose+grupo,x1lab="dose",x2lab="grupo",ylab="pthi", main="grafico de dispersão") #Adicionar a reta da regressão no gráfico: abline(modelo3) #recta da regressão text("y=760.1821+0.17291dose-159.5969grupo, p=0.07231") modelo4 <- lm(pthi~dose*grupo) modelo4 Call: lm(formula = pthi ~ dose * grupo) Coefficients: (Intercept) dose grupoH dose:grupoH 593.0182 0.3982 125.6516 -0.3258 summary(modelo4) Call: lm(formula = pthi ~ dose * grupo) Residuals: Min 1Q Median 3Q Max -1149.24 -343.87 -81.02 209.53 1940.74 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 593.0182 124.0998 4.779 4.01e-06 *** dose 0.3982 0.1481 2.689 0.00794 ** grupoH 125.6516 180.9915 0.694 0.48855 dose:grupoH -0.3258 0.1781 -1.830 0.06920 . --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 538 on 158 degrees of freedom Multiple R-squared: 0.05257, Adjusted R-squared: 0.03458 F-statistic: 2.923 on 3 and 158 DF, p-value: 0.03575 anova(modelo4) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) dose 1 696390 696390 2.4061 0.12287 grupo 1 872380 872380 3.0141 0.08449 . dose:grupo 1 968840 968840 3.3474 0.06920 . Residuals 158 45729888 289430 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 x11() par(col="blue") plot(pthi~dose*grupo,x1lab="dose",x2lab="grupo",ylab="pthi", main="grafico de dispersão") #Adicionar a reta da regressão no gráfico: abline(modelo4) obrigada desde já CumprimenosAnaRocha

Alan, A lista recomenda envio de CMR (código mínimo reproduzível). Seu código não é reproduzível. Tente roda-lo em outro PC para ver. Hospede seus dados da núvem com link para leitura pelo R (dropbox, google drive, ubuntu one, skydrive) ou passe o dput() deles. O guia de postagem não recomenda envio dos dados colados no corpo do e-mail nem envio como anexo. À disposição. Walmes. ========================================================================== Walmes Marques Zeviani LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W) Departamento de Estatística - Universidade Federal do Paraná fone: (+55) 41 3361 3573 VoIP: (3361 3600) 1053 1173 e-mail: walmes@ufpr.br skype: walmeszeviani twitter: @walmeszeviani homepage: http://www.leg.ufpr.br/~walmes linux user number: 531218 ==========================================================================

Ao pedir ajuda, indique no campo assunto algo relacionado a sua dúvida. Evite colocar assunto como: dúvida, pequena ajuda, ajuda ou qualquer outra coisa que não expresse a sua necessidade. A grande maioria dos emails é para algum tipo de ajuda. Valeu! Fábio Mathias Corrêa Universidade Estadual de Santa Cruz Departamento de Ciências Exatas e da Terra - DCET Campus Soane Nazaré de Andrade, km 16 Rodovia Ilhéus-Itabuna CEP 45662-900. Ilhéus-Bahia Tel.: 73-3680-5076 ________________________________ De: "alanarocha@sapo.pt" <alanarocha@sapo.pt> Para: R-br@listas.c3sl.ufpr.br Enviadas: Segunda-feira, 26 de Novembro de 2012 9:26 Assunto: [R-br] uma pequena ajuda para o R Bom dia, peço desculpa pois o script não estava completo. nO que eu teciono fazer é relacionar as variaveis pthi e dose em funça da variavel efactor qu tem dois niveis C e H. pretendo relacionar pthi~dose para o nivel H e outra relação para o nivel C e fazer um grafico que mostre as duas em separado fiz: setwd("G:/SIN/Users/Ana Rua/Ana_trabalho") #objectivo: #avaliar a correlação de pthi com DOSE_Cinacalcet, controlando os efeitos da variável GRUPO, que é do tipo fator com dois estados, H e C. dados<-read.table("correlacaocinacalcet.csv",header=TRUE,sep=";") dados Doente Grupo Pthi Dose_Cinacalcet 1 54020637 H 221.60 1080 2 54020698 H 317.00 2790 3 54020681 H 412.60 930 4 54131227 H 462.00 900 5 54030338 H 474.90 930 6 54220370 H 547.00 930 7 54110496 H 547.50 930 8 54110160 H 589.00 930 9 54140258 H 709.00 930 10 54110468 H 804.90 930 11 54130380 H 842.00 930 12 54300217 H 855.40 930 13 54110542 H 911.50 930 14 54300021 H 979.30 930 15 54020732 H 1000.00 930 16 54300160 H 1054.00 840 17 54300040 H 1178.00 900 18 54131239 H 1409.00 930 19 54140376 H 1579.00 420 20 54020303 H 2794.00 1860 21 54030135 H 204.00 420 22 54140295 H 236.00 2790 23 54140011 H 253.00 930 24 54210252 H 334.00 930 25 54130307 H 358.00 390 26 54300160 H 360.80 930 27 54210085 H 426.00 930 28 54030451 H 494.50 1860 29 54020681 H 535.90 900 30 54030344 H 594.60 1860 31 54110542 H 615.70 900 32 54110255 H 659.00 1860 33 54110468 H 666.10 900 34 54020637 H 705.70 480 35 54300040 H 765.20 930 36 54300217 H 875.80 930 37 54110496 H 953.20 900 38 54131239 H 982.00 930 39 54300021 H 1275.00 930 40 54110160 H 1297.00 900 41 54110070 H 1312.00 1440 42 54130380 H 1330.00 930 43 54020732 H 1388.00 900 44 54020303 H 2060.00 2790 45 54110386 H 2432.00 900 46 54210217 H 63.50 1860 47 54110255 H 86.19 1710 48 54210104 H 236.00 2040 49 54210333 H 249.00 1860 50 54300040 H 256.00 390 51 54030135 H 265.90 60 52 54140295 H 322.70 2790 53 54030451 H 354.60 1860 54 54110542 H 436.00 930 55 54060515 H 458.80 510 56 54110468 H 460.40 930 57 54210252 H 480.10 930 58 54300160 H 480.90 900 59 54210085 H 627.80 930 60 54110496 H 700.50 930 61 54110160 H 700.90 930 62 54020732 H 739.90 870 63 54030344 H 760.70 1860 64 54020681 H 808.60 870 65 54300021 H 830.10 900 66 54210233 H 883.00 930 67 54140326 H 1033.00 390 68 54300217 H 1074.00 900 69 54210181 H 1138.00 2820 70 54130380 H 1145.00 900 71 54110070 H 1174.00 1350 72 54020637 H 1308.00 870 73 54220660 H 1401.00 1860 74 54300248 H 1462.00 1860 75 54020303 H 1536.00 2700 76 54131031 C 76.50 780 77 54210217 C 159.30 390 78 54210252 C 161.10 780 79 54210181 C 268.00 2070 80 54300021 C 280.90 390 81 54030451 C 364.10 720 82 54300160 C 574.30 390 83 54110468 C 603.90 390 84 54030135 C 651.80 390 85 54300255 C 727.10 360 86 54110542 C 738.60 390 87 54110255 C 745.00 390 88 54210233 C 764.50 1170 89 54020681 C 771.20 420 90 54300217 C 772.30 840 91 54140011 C 788.70 540 92 54030344 C 807.50 780 93 54210085 C 813.60 900 94 54110160 C 856.30 780 95 54300268 C 865.10 840 96 54110070 C 882.70 810 97 54140326 C 883.90 540 98 54140295 C 916.30 600 99 54110496 C 923.70 780 100 54210333 C 984.70 780 101 54300068 C 1044.00 420 102 54210104 C 1084.00 810 103 54020637 C 1287.00 2970 104 54020732 C 1332.00 390 105 54130380 C 1334.00 600 106 54210180 C 1401.00 420 107 54300248 C 1452.00 390 108 54110386 C 2664.00 780 109 54020303 C 2980.00 1620 110 54300068 C 176.70 390 111 54210217 C 217.00 390 112 54210104 C 221.60 1080 113 54110160 C 369.70 720 114 54300160 C 373.00 420 115 54030451 C 484.40 840 116 54300156 C 512.10 390 117 54030135 C 574.50 390 118 54210252 C 613.00 780 119 54210181 C 613.30 1080 120 54130380 C 626.30 840 121 54060515 C 706.10 840 122 54140326 C 777.30 720 123 54030344 C 793.20 780 124 54110468 C 819.00 360 125 54300255 C 822.60 390 126 54110255 C 855.20 390 127 54140011 C 861.50 960 128 54300021 C 948.70 960 129 54110496 C 984.50 660 130 54300268 C 1069.00 780 131 54140295 C 1130.00 720 132 54110070 C 1177.00 780 133 54210180 C 1250.00 1170 134 54300217 C 1318.00 780 135 54210333 C 1382.00 870 136 54300248 C 1404.00 570 137 54110542 C 1446.00 360 138 54210085 C 2230.00 1170 139 54110386 C 2577.00 720 140 54020303 C 2924.00 1440 141 54210180 C 116.80 1080 142 54210181 C 229.70 960 143 54210217 C 267.90 270 144 54210252 C 285.80 690 145 54300068 C 311.80 390 146 54300156 C 470.20 420 147 54110255 C 485.90 390 148 54030451 C 526.40 780 149 54110374 C 628.10 720 150 54110070 C 687.10 780 151 54210333 C 702.70 1170 152 54030344 C 722.20 840 153 54140326 C 765.30 840 154 54130380 C 811.80 780 155 54300217 C 845.20 720 156 54030135 C 853.80 420 157 54300255 C 949.30 570 158 54210104 C 978.10 780 159 54140295 C 1076.00 780 160 54300268 C 1240.00 780 161 54210085 C 1391.00 1260 162 54300248 C 1738.00 780 grupo<-dados$Grupo pthi<-dados$Pthi dose<-dados$Dose_Cinacalcet [1] H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H [38] H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H H [75] H C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C [112] C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C [149] C C C C C C C C C C C C C C Levels: C H pthi [1] 221.60 317.00 412.60 462.00 474.90 547.00 547.50 589.00 709.00 [10] 804.90 842.00 855.40 911.50 979.30 1000.00 1054.00 1178.00 1409.00 [19] 1579.00 2794.00 204.00 236.00 253.00 334.00 358.00 360.80 426.00 [28] 494.50 535.90 594.60 615.70 659.00 666.10 705.70 765.20 875.80 [37] 953.20 982.00 1275.00 1297.00 1312.00 1330.00 1388.00 2060.00 2432.00 [46] 63.50 86.19 236.00 249.00 256.00 265.90 322.70 354.60 436.00 [55] 458.80 460.40 480.10 480.90 627.80 700.50 700.90 739.90 760.70 [64] 808.60 830.10 883.00 1033.00 1074.00 1138.00 1145.00 1174.00 1308.00 [73] 1401.00 1462.00 1536.00 76.50 159.30 161.10 268.00 280.90 364.10 [82] 574.30 603.90 651.80 727.10 738.60 745.00 764.50 771.20 772.30 [91] 788.70 807.50 813.60 856.30 865.10 882.70 883.90 916.30 923.70 [100] 984.70 1044.00 1084.00 1287.00 1332.00 1334.00 1401.00 1452.00 2664.00 b[109] 2980.00 176.70 217.00 221.60 369.70 373.00 484.40 512.10 574.50 [118] 613.00 613.30 626.30 706.10 777.30 793.20 819.00 822.60 855.20 [127] 861.50 948.70 984.50 1069.00 1130.00 1177.00 1250.00 1318.00 1382.00 [136] 1404.00 1446.00 2230.00 2577.00 2924.00 116.80 229.70 267.90 285.80 [145] 311.80 470.20 485.90 526.40 628.10 687.10 702.70 722.20 765.30 [154] 811.80 845.20 853.80 949.30 978.10 1076.00 1240.00 1391.00 1738.00 dose [1] 1080 2790 930 900 930 930 930 930 930 930 930 930 930 930 930 [16] 840 900 930 420 1860 420 2790 930 930 390 930 930 1860 900 1860 [31] 900 1860 900 480 930 930 900 930 930 900 1440 930 900 2790 900 [46] 1860 1710 2040 1860 390 60 2790 1860 930 510 930 930 900 930 930 [61] 930 870 1860 870 900 930 390 900 2820 900 1350 870 1860 1860 2700 [76] 780 390 780 2070 390 720 390 390 390 360 390 390 1170 420 840 [91] 540 780 900 780 840 810 540 600 780 780 420 810 2970 390 600 [106] 420 390 780 1620 390 390 1080 720 420 840 390 390 780 1080 840 [121] 840 720 780 360 390 390 960 960 660 780 720 780 1170 780 870 [136] 570 360 1170 720 1440 1080 960 270 690 390 420 390 780 720 780 [151] 1170 840 840 780 720 420 570 780 780 780 1260 780 levels(grupo) [1] "C" "H" class(dose) # dose é da classe INTEIRO e pode ser convertido para FATOR na ANOVA dose_real <- as.real(dose) # dose foi convertido para formato de numeros reais lm( formula, data, weights, subset, na.action ) 'formula' - é uma fórmula estatística que indica o modelo a ser ajustado. Possui a mesma forma básica que foi vista na funções gráficas. 'data' - o conjunto de dados (data.frame). 'weights' - são os pesos para regressão ponderada. 'subset' - um vetor com as condições que definem um sub-conjunto dos dados. 'na.acation' - função que especifica o que fazer no caso de observações perdidas (NA). O valor default é 'na.omit' que elimina as linhas (observações) que possuem observações perdidas nas variáveis definidas na fórmula. modelo1<-lm(pthi~dose) modelo1 class(modelo1) [1] "lm" 'pthi ~ dose' indica: modele pthi como função estatística de dose; Call: lm(formula = pthi ~ dose) Coefficients: (Intercept) dose 738.3511 0.1177 summary: a função 'summary' apresenta um resumo do modelo linear com: 1. estatísticas descritivas dos resíduos; 2. teste t dos coeficientes de regressão; 3. erro padrão da estimativa; 4. coeficiente de determinação e coef. de det. ajustado; 5. teste F geral do modelo. summary(modelo1) #summario das estatísticas estimadas Call: lm(formula = pthi ~ dose) Residuals: Min 1Q Median 3Q Max -893.70 -363.16 -44.26 236.59 2051.04 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 738.35105 84.15885 8.773 2.47e-15 *** dose 0.11766 0.07688 1.530 0.128 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 545.3 on 160 degrees of freedom Multiple R-squared: 0.01443, Adjusted R-squared: 0.008268 F-statistic: 2.342 on 1 and 160 DF, p-value: 0.1279 anova: a função 'anova' apresenta a Tabela de análise de variância, tendo as variáveis preditoras como fatores: anova(modelo1) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) dose 1 696390 696390 2.3422 0.1279 Residuals 160 47571107 297319 X11() # abre uma nova janela para plotar os graficos (veja no windows) par(col="red") plot(pthi~dose,xlab="dose",ylab="pthi", main="y=738.3511+0.1177dose, p=0.1279") #Adicionar a reta da regressão no gráfico: abline(modelo1) 'pthi ~ grupo' indica: modele pthi como função estatística de grupo; modelo2 <- lm(pthi~grupo) modelo2 Call: lm(formula = pthi ~ grupo) Coefficients: (Intercept) grupoH 888.49 -84.84 summary(modelo2) Call: lm(formula = pthi ~ grupo) Residuals: Min 1Q Median 3Q Max -811.99 -344.45 -94.97 221.10 2091.51 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 888.49 58.71 15.134 <2e-16 *** grupoH -84.84 86.28 -0.983 0.327 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 547.6 on 160 degrees of freedom Multiple R-squared: 0.006007, Adjusted R-squared: -0.0002057 F-statistic: 0.9669 on 1 and 160 DF, p-value: 0.3269 anova(modelo2) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) grupo 1 289930 289930 0.9669 0.3269 Residuals 160 47977567 299860 x11() par(col="blue") plot(pthi~grupo,xlab="grupo",ylab="pthi", main="y=88.49-84.84grupo, p=0.1279") #Adicionar a reta da regressão no gráfico: abline(modelo2) modelo3 <- lm(pthi~dose+grupo) modelo3 Call: lm(formula = pthi ~ dose + grupo) Coefficients: (Intercept) dose grupoH 760.1821 0.1729 -159.5969
summary(modelo3) Call: lm(formula = pthi ~ dose + grupo) Residuals: Min 1Q Median 3Q Max -858.70 -322.92 -64.76 219.93 1939.70 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 760.18206 84.59910 8.986 7.13e-16 *** dose 0.17291 0.08286 2.087 0.0385 * grupoH -159.59687 92.60311 -1.723 0.0868 . --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 anova(modelo3) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) dose 1 696390 696390 2.3711 0.12559 grupo 1 872380 872380 2.9703 0.08675 . Residuals 159 46698728 293703 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 541.9 on 159 degrees of freedom Multiple R-squared: 0.0325, Adjusted R-squared: 0.02033 F-statistic: 2.671 on 2 and 159 DF, p-value: 0.07231 x11() par(col="blue") plot(pthi~dose+grupo,x1lab="dose",x2lab="grupo",ylab="pthi", main="grafico de dispersão") #Adicionar a reta da regressão no gráfico: abline(modelo3) #recta da regressão text("y=760.1821+0.17291dose-159.5969grupo, p=0.07231") modelo4 <- lm(pthi~dose*grupo) modelo4 Call: lm(formula = pthi ~ dose * grupo) Coefficients: (Intercept) dose grupoH dose:grupoH 593.0182 0.3982 125.6516 -0.3258 summary(modelo4) Call: lm(formula = pthi ~ dose * grupo) Residuals: Min 1Q Median 3Q Max -1149.24 -343.87 -81.02 209.53 1940.74 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 593.0182 124.0998 4.779 4.01e-06 *** dose 0.3982 0.1481 2.689 0.00794 ** grupoH 125.6516 180.9915 0.694 0.48855 dose:grupoH -0.3258 0.1781 -1.830 0.06920 . --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 538 on 158 degrees of freedom Multiple R-squared: 0.05257, Adjusted R-squared: 0.03458 F-statistic: 2.923 on 3 and 158 DF, p-value: 0.03575 anova(modelo4) Analysis of Variance Table Response: pthi Df Sum Sq Mean Sq F value Pr(>F) dose 1 696390 696390 2.4061 0.12287 grupo 1 872380 872380 3.0141 0.08449 . dose:grupo 1 968840 968840 3.3474 0.06920 . Residuals 158 45729888 289430 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 x11() par(col="blue") plot(pthi~dose*grupo,x1lab="dose",x2lab="grupo",ylab="pthi", main="grafico de dispersão") #Adicionar a reta da regressão no gráfico: abline(modelo4) obrigada desde já CumprimenosAnaRocha _______________________________________________ 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.
participantes (3)
-
alanarocha@sapo.pt
-
Fabio Mathias Corrêa
-
Walmes Zeviani