O arquivo água foi o meu banco de dados, vc pode rodar colocando seu
próprio dataframe contendo seus dados e fazer as modificações necessárias.
Att
Em 07/11/2016 21:42, escreveu:
> Eu tentei rodar, e diz que não existe o arquivo água!
>
> Eu trabalho assim
>
Eu tentei rodar, e diz que não existe o arquivo água!
Eu trabalho assim
#-Analise de Cook's distance ---
install.packages(sfsmisc); library(sfsmisc)
analise<-lm(CONSUMO~factor(GEST)*factor(MANEJO),data="" />
n<-length(agua$CONSUMO) #
oi Pessoa, boa noite
Vou tentar filtrar nos outliers pelos técnicas propostos por vocês.
Amanha posto aqui os resultados
Obrigado pela Ajuda
David
Em Sexta-feira, 14 de Outubro de 2016 20:29, Cesar Rabak via R-br
escreveu:
FCosta,
Você viu o posto do Valmes
Antes do estabelecimento de critérios empíricos de corte para os valores
da distância de Cook,
há esse trabalho sobre sua distribuição exata:
https://www.researchgate.net/publication/274062960_Exact_distribution_of_Cook%27s_distance_and_identification_of_influential_observations
FCosta
Em
Eu trabalho assim
#-Analise de Cook's distance
---
install.packages(sfsmisc); library(sfsmisc)
analise<-lm(CONSUMO~factor(GEST)*factor(MANEJO),data=agua)
n<-length(agua$CONSUMO) # número de observações
Além da distância de Cook, você tem mais opções de medidas de influência
com a inflence.measures(). Dê uma olhada aqui para ver exemplos
http://leg.ufpr.br/~walmes/cursoR/mgest/1medidas-influen.html. Eu gosto de
usar o DFits como medida.
À disposição.
Walmes.
David,
Depende de como você identifica os outliers. Coloquei um exemplo usando a
distancia de Cook, mas da para generalizar com outros critérios
# gera dados e forca outlier
x <- 1:20
y <- 2*x + 5 + rnorm(20)
dados <- data.frame(x,y)
dados$y[c(7,11)] <- dados$y[c(7,11)] + 15
# modelo inicial e
Pessoal, bom dia
Estou fazendo algumas regressões lineares entre Comprimento x Peso de peixes
com um conjunto de dados bastante extenso (+- 1000 linhas).
Acontece que alguns destes valores são outliers (+- 50) e na analise, eles não
são importantes.
Tem alguma função no R que eu consiga
Agradeço a todos as opiniões emitidas assim como a coragem de as emitir.
(se calar em assuntois polêmicos é sempre mais fácil).
No meu ponto de vista a discussão foi no mínimo salutar!
Quanto ao ensino de regressão, dado ao público de graduação
(Agronomia), inicio a parte conceitual com a
Na minha humilde opinião, regressão linear simples remete à f(x) =
b_0+b_1*x. Todo preditor linear com mais termos do que esse do lado direito
seria regressão linear múltipla. Um caso particular é quando os termos a
mais são potências naturais da mesma variável x, ou seja, o polinômio {x⁰,
x¹, x²,
Na Universidade Federal de Viçosa - UFV (onde iniciei meus sentimentos
de amor e ódio pela estatística) o pensamento predominante (na verdade
consensual) era considerar os modelos polinomiais como um caso
particular das múltiplas. Assim como o Walmes o fez.
Em minha dissertação de mestrado
Prezado Faria,
Essas discussões são bem úteis. Eu acredito que repensar o simples é muito
útil, ou melhor, repensar aquilo que é considerado trivial é muito útil.
Existe ainda muito equívoco nesses conceitos fundamentais.
Bem, seja y a resposta e x a explicativa. Do meu ponto de vista, o fato da
Boa tarde, José.
Eu concordo com o Walmes. Regressão linear *simples *me remete ao ajuste de
reta. E apenas nesse caso específico o coeficiente de determinação é o
quadrado do coeficiente de correlação. Portanto, acho que o coeficiente de
determinação deva ser escrito R², sempre.
Já quanto a
Para mim é claro e evidente que a diferença entre uma regressão linear
simples e uma múltipla é o número de variáveis preditoras (ou
independentes) indiferentemente do grau do polinômio.
Vejamos a seguinte situação:
Y = a + bX
Y = a + bX + cZ
O que os diferencia?
- Ambos são polinômios do
Existe ainda muito equívoco nesses conceitos fundamentais.
Ja vi considerarem 'regressao multipla' como 'regressao multivariada'...
___
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
Se seus alunos tiverem bom conhecimento de álgebra linear, pode ser mais
fácil entrar direto na múltipla. Enfim é uma questão didática.
Plenamente de acordo. O metodo dos minimos quadrados tem quase 220 anos.
GLM como familia mais de 30 anos. Li num livro de matematica que
atualmente nao faz
Caros membros,
Vou usar da lista para possivelmente redimir uma dúvida conceitual,
pois não vejo melhor local para fazê-lo, dado ao perfil dos usuários.
Muitos autores classificam os modelos de regressão linear assim:
1- Simples (y = Bo + B1X)
2- Polinomial (y = Bo + B1X + B2X^2 + + B3X^3...)
3-
No livro de Zuur, Ieno e Smith 'Analizing ecological data' no capitulo 5
esta tudo bem explicado sobre a regresssão linear, sua aplicação, analises
de residuos e selecção do modelo, acho que ate agora não encontrei nada
melhor, e melhor ainda, os scripts de todo o livro estão disponiveis online
no
.
--
From: naredegol...@hotmail.com
To: r-br@listas.c3sl.ufpr.br
Date: Thu, 22 Nov 2012 04:52:04 +0300
Subject: [R-br] Regressão linear
Amigos gostaria de saber como se analisa uma regressão linear apartir do
test T ? Agradeço a ajuda e qualquer exemplo, assim como
função lm()como no exemplo abaixo:
y-c(21,35,37.6,46,48)
x-c(0,5,10,15,20)
reg-lm(y~x)
summary(reg)
Caso contrário desconsidere
Att.
Tiago.
--
From: naredegol...@hotmail.com
To: r-br@listas.c3sl.ufpr.br
Date: Thu, 22 Nov 2012 04:52:04 +0300
Subject: [R-br
Amigos gostaria de saber como se analisa uma regressão linear apartir do test T
? Agradeço a ajuda e qualquer exemplo, assim como a indicação de material, pois
ja coloquei no google teste T e regressão linear '' e não aparece nada de
relevante que avalie a regressão com o teste T.
Agradeço
a função regressao linear é y=c+betaX+erro
estou fazendo a seguinte função library(LearnBayes)
dist-lm(y~x)
summary(dist)
#Simular a distribuição posteriori beta e sigma2
#1.Matriz X
x-cbind(1,x)
dist2-blinreg(y, x, 5000)
apply(dist2$beta,2,mean)
apply(dist2$beta,2,sd)
podem me dizer como
Voce precisa inspecionar o objeto que contem os resultados para ver como
utilizá-lo
aqui vai uma sugestão:
str(dist2)
names(dist2)
dim(dist2$beta)
par(mfrow=c(1,3))
with(dist2, {
hist(beta[,1], prob=T); lines(density(beta[,1]))
hist(beta[,2], prob=T); lines(density(beta[,2]))
Alguem me pode ajudar como é que se determina distribuições posteriori da
regressão linear a partir de distribuição a priori nao informativa?
___
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o
Bernardo,
As notas de aulas neste site podem ajudar bastante.
http://faculty.agecon.vt.edu/moeltner/AAEC5126.html
Att
Em 17 de junho de 2012 19:26, Bernardo Rodrigues
rodriguesbernard...@gmail.com escreveu:
Alguem me pode ajudar como é que se determina distribuições posteriori da
regressão
Pessoal mais uma vez procuroa juda de vc's, bom a verdade é pra um colega
ele é novo com o R, se alguem puder ajudar.
Estou precisando da ajuda de você, sou novo no grupo e estou tentando fazer
um grafico de regressao linear simples ajustando o intercepto da reta deve
passar pela origem dos eixos
26 matches
Mail list logo