Mateus,
A lógica que você propõe no seu post é a correta e funcionará se em " casos
<- UV[UV>=resultado]" resultado for um escalar.
No seu script a linha que parece ser similar ao que você quer é "acima_95 =
as.matrix(Con(UV>=Percentile95,UV,Con(UV>=Percentile95, UV, 0))) "
onde 'Percentile95'
Olá,
Quando você usar um 'library(pacote)", você, a grosso modo, está colocando
os nomes de funções exportáveis daquele pacote dentro do ambiente global do
R. Para acessar essas funções, você pode fazer "library(pacote)" e digitar
o nome (como você fez) ou usar
SurvCorr::survcorr
com DOIS ::
Amigos de R,
Instalei o pacote SurvCorr que faz quase o que eu quero. Entao eu digitei
no console
>survcorr
E a função aparece no console. Eu a copiei para um script e fiz pequenas
modificações pra poder se adequar a minha necessidade e renomiei a função
para survcorr2 e salvei num arquivo.
Luiz,
A suposição é que de os erros são normais. Isso implica que a distribuição
**condicional** de Y, ou seja, Y|mu(x) terá distribuição normal (no caso de
mu(x) estar corretamente especificada). Os modelos da gls() supõe-se que os
erros padronizados sejam normais, haja visto que exite um modelo
Boa dia a todos, tenho algumas dúvidas sobre os mínimos quadrados generalizados
(gls) no que se refere aos pressupostos de normalidade. Quando utilizo gls(y ~
x, ...) pressupõe-se que y tem distribuição normal? E os resíduos também? Ou
deve me preocupar apenas em analisar o gráficos dos