
Caros,Usando os comando que seguem (os quais estão disponíveis em: http://www.leg.ufpr.br/geoR/tutorials/CCM.R)Gostaria de saber como proceder para obter a predição espacial para a segunda variável (y2), uma vez que essa rotina me fornece apenas os valores da predição da primeira variável (y1). require(geoR)set.seed(30)all.coords <- round(cbind(runif(200), runif(200)), dig=3)set.seed(111); ind1 <- sample(1:200, 120) coords1 <- all.coords[ind1,]set.seed(222); ind2 <- sample(1:200, 80) coords2 <- all.coords[ind2,] ## Model parameters:mu1 <- 10; mu2 <- 50sigma01 <- 2; sigma1 <- 1.5; sigma02 <- 8; sigma2 <- 6phi0 <- 0.2; phi1 <- 0.15; phi2 <- 0.25 ## Model parameters (reparametrised)sigma <- sigma01nu1 <- sigma1/sigmaeta <- sigma02/sigma; nu2 <- sigma2/sigma ## Simulating model componentsS0 <- grf(grid=all.coords, cov.pars=c(sigma, phi0))$dataS1 <- grf(grid=coords1, cov.pars=c(sigma1, phi1))$dataS2 <- grf(grid=coords2, cov.pars=c(sigma2, phi2))$data ## Y1 and Y2 datay1 <- as.geodata(cbind(coords1,10+S0[ind1]+S1))y2 <- as.geodata(cbind(coords2,50+S0[ind2]+S2)) ## maximum likelihood estimationfit12 <- likfitBGCCM(y1, y2, ini.s=c(2,1.5,8,6), ini.phi=c(.2,.15,.25), control=list(trace=T))fit12 ## Predictionlocs <- cbind(c(0.2, 0.5, 0.7, 0.2), c(0.3, 0.5, 0.2, 0.8))pred12 <- predict(fit12, loc=locs) Att, Jacqueline.

Não é só uma questão de trocar y1 por y2 em todas as ocorrências, e vice versa? À disposição. Walmes. Em 03/11/2014 16:23, "Jacqueline Cantú" <jacqueline.cantu@hotmail.com> escreveu:
Caros, Usando os comando que seguem (os quais estão disponíveis em: http://www.leg.ufpr.br/geoR/tutorials/CCM.R) Gostaria de saber como proceder para obter a predição espacial para a segunda variável (y2), uma vez que essa rotina me fornece apenas os valores da predição da primeira variável (y1).
require(geoR) set.seed(30) all.coords <- round(cbind(runif(200), runif(200)), dig=3) set.seed(111); ind1 <- sample(1:200, 120) coords1 <- all.coords[ind1,] set.seed(222); ind2 <- sample(1:200, 80) coords2 <- all.coords[ind2,]
## Model parameters: mu1 <- 10; mu2 <- 50 sigma01 <- 2; sigma1 <- 1.5; sigma02 <- 8; sigma2 <- 6 phi0 <- 0.2; phi1 <- 0.15; phi2 <- 0.25
## Model parameters (reparametrised) sigma <- sigma01 nu1 <- sigma1/sigma eta <- sigma02/sigma; nu2 <- sigma2/sigma
## Simulating model components S0 <- grf(grid=all.coords, cov.pars=c(sigma, phi0))$data S1 <- grf(grid=coords1, cov.pars=c(sigma1, phi1))$data S2 <- grf(grid=coords2, cov.pars=c(sigma2, phi2))$data
## Y1 and Y2 data y1 <- as.geodata(cbind(coords1,10+S0[ind1]+S1)) y2 <- as.geodata(cbind(coords2,50+S0[ind2]+S2))
## maximum likelihood estimation fit12 <- likfitBGCCM(y1, y2, ini.s=c(2,1.5,8,6), ini.phi=c(.2,.15,.25), control=list(trace=T)) fit12
## Prediction locs <- cbind(c(0.2, 0.5, 0.7, 0.2), c(0.3, 0.5, 0.2, 0.8)) pred12 <- predict(fit12, loc=locs)
Att, Jacqueline.
_______________________________________________ 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.

veja help(predict.BGCCM) ## S3 method for class 'BGCCM' predict(object, locations, borders, variable.to.predict = 1, ...) variable.to.predict: scalar with options for values or 2 indicating which variable is to be predicted. On Mon, 3 Nov 2014, Jacqueline Cantú wrote:
Caros, Usando os comando que seguem (os quais estão disponíveis em: http://www.leg.ufpr.br/geoR/tutorials/CCM.R) Gostaria de saber como proceder para obter a predição espacial para a segunda variável (y2), uma vez que essa rotina me fornece apenas os valores da predição da primeira variável (y1).
require(geoR) set.seed(30) all.coords <- round(cbind(runif(200), runif(200)), dig=3) set.seed(111); ind1 <- sample(1:200, 120) coords1 <- all.coords[ind1,] set.seed(222); ind2 <- sample(1:200, 80) coords2 <- all.coords[ind2,]
## Model parameters: mu1 <- 10; mu2 <- 50 sigma01 <- 2; sigma1 <- 1.5; sigma02 <- 8; sigma2 <- 6 phi0 <- 0.2; phi1 <- 0.15; phi2 <- 0.25
## Model parameters (reparametrised) sigma <- sigma01 nu1 <- sigma1/sigma eta <- sigma02/sigma; nu2 <- sigma2/sigma
## Simulating model components S0 <- grf(grid=all.coords, cov.pars=c(sigma, phi0))$data S1 <- grf(grid=coords1, cov.pars=c(sigma1, phi1))$data S2 <- grf(grid=coords2, cov.pars=c(sigma2, phi2))$data
## Y1 and Y2 data y1 <- as.geodata(cbind(coords1,10+S0[ind1]+S1)) y2 <- as.geodata(cbind(coords2,50+S0[ind2]+S2))
## maximum likelihood estimation fit12 <- likfitBGCCM(y1, y2, ini.s=c(2,1.5,8,6), ini.phi=c(.2,.15,.25), control=list(trace=T)) fit12
## Prediction locs <- cbind(c(0.2, 0.5, 0.7, 0.2), c(0.3, 0.5, 0.2, 0.8)) pred12 <- predict(fit12, loc=locs)
Att, Jacqueline.
participantes (3)
-
Jacqueline Cantú
-
Paulo Justiniano
-
walmes .