Hola a todos y todas

Tengo un problema para usar R en mi computador mac y no puedo accesar a Rcomnder por que me indica error y me envía el siguiente mensaje y parece ser que no me esta cargando los paquetes:

Durante la inicializaci'on - Warning messages:

1: Setting LC_CTYPE failed, using "C" 

2: Setting LC_COLLATE failed, using "C" 

3: Setting LC_TIME failed, using "C" 

4: Setting LC_MESSAGES failed, using "C" 

5: Setting LC_MONETARY failed, using "C" 

[R.app GUI 1.66 (7060) x86_64-apple-darwin13.4.0]

WARNING: You're using a non-UTF8 locale, therefore only ASCII characters will work.

Please read R for Mac OS X FAQ (see Help) section 9 and adjust your system preferences accordingly.

[Workspace restored from /Users/marcootarola/.RData]

[History restored from /Users/marcootarola/.Rapp.history]

Gracias por cualquier ayuda que puedan darme.

Se ha publicado la versión 2.0-5 del paquete RcmdrPlugin.UCA.

El registro de cambios para la versión 2 es:

Versión 2.0-5	2016-01-12	Corrección de error menor
Versión 2.0-4	2015-06-10	Corrección de error
Versión 2.0-3	2015-06-10	La opción "Descartar niveles sin uso" ha sido introducida en Rcmdr y por tanto suprimida del paquete Se han añadido dos opciones para realizar un test de aleatoriedad al menú de Rcmdr. Una para variables numéricas y otra para factores con dos niveles.

Hola! Necesito ayuda con codigo de R!!

Tengo el siguiente codigo:

 j<-c(unique(Pfin))
 n<-nrow(dades)
 n1<-length(j)
 s<-matrix()
 for (i in 1:n){
for (j in 1:n1){
 s<-matrix(Tdifn[Pfin==j])
}}

Donde Tdfin es una columna con un numero que corresponde a un tiempo y Pfin es un indicador que tiene unicamente dos valores (2 y 3). Lo que necesitaría obtener es el tiempo para cada valor en columnas diferentes, y de forma automàtica (es decir, que si en algún momento se introdujeran más valores a Pfin, ejecutándo el código aparecieran en otra columna nueva). Si alguien pudiera ayudarme!!!

Como ponderar datos en una muestra de una encuesta, en R....En SPSS cuando uno entra a datos, te da la opcion de ponderar los datos. Como se hace en Rcmdr, tengo varios dias navegando y consulte la ayuda de R, pero no consigo la informacion

Dionisio

Buenas,

Tengo un problemilla que no consigo resolver: tengo un script (llamémosle script1) en el que llamo a ciertas funciones (bastante largas) definidas en otros scripts (llamémosles scripts_auxiliares). Antes de poder ejecturar el script1, debo abrir y ejecutar de uno en uno todos los scripts_auxiliares, cosa que puede dar lugar a errores y además conlleva una pérdida de tiempo considerable.

Me gustaría saber si hay alguna manera de cargar/ejecutar los scripts_auxiliares sin necesidad de abrirlos y ejecutarlos manualmente de uno en uno, si están en la misma carpeta que script1 y establezco como directorio de R esa carpeta (he probado con source, sink...etc, pero creo que no valen para esto)

Agradezco cualquier sugerencia :). Gracias

Alba

Hola a todos!

Tengo una duda, realizando mi pronostico de una serie de tiempo me doy cuenta que los resultados se cambian de escala, es decir mis datos originales son en un rango de 150,000 a 300,000 pero los resultados me los da en uno de -100 a 50, ¿como puedo cambiar la escala para ver los pronósticos reales? Muchas gracias.

Hola estoy empezando a usar el programa R, y necesito ayuda con este ejercicio que no consigo resolver. Espero que puedan ayudarme.

Crear una función que permita ajustar los siguientes modelos de regresión simple:

Lineal Y= a + b*X

Exponencial Y=exp(a+b*X)

Potencial Y=a*X^b

En la creación de la función tendremos en cuenta lo siguiente:

- La función tendrá tres argumentos: los vectores con los datos de la variable de respuesta (y) y la explicativa (x) y el tipo de regresión a realizar (tipo), de este modo el usuario ejecutará la función pasando los datos para la regresión y el tipo con valor 1, 2 ó 3 en el caso en que se quiera la regresión lineal, exponencial o potencial, respectivamente. Por defecto el argumento “tipo” se definirá como 1.

- Se controlará que los vectores x e y tengan la misma longitud y los cálculos se realizarán eliminado los posibles datos faltantes (NA) en los vectores de forma adecuada.

- Para ajustar el modelo lineal se utilizará la función lm().

- Para ajustar los otros dos modelos bastará con linealizar el modelo tomando logaritmos y después se utilizará la función lm(). Así, para el modelo exponencial consideramos el modelo transformado log(Y) = a + b* X, con lo cual podremos obtener la estimación de los parámetros “a” y “b” mediante lm() pero considerando como vectores de datos “x” y “log(y)”. Para el modelo potencial consideraremos la transformación log(Y)= log(a)+b*log(X) de modo que el logaritmo del parámetro ”a” y el parámetro “b” los estimaremos aplicando la función lm() a los datos log(x) y log(y).

- La función devolverá una lista con los valores estimados de “a” y “b” y creará un gráfico de dispersión de los datos superponiendo la curva correspondiente al modelo ajustado.

- Para probar la función considerar los datos siguientes:

x<- c(0.2,0.1,0.7,0.8,1.1,1.3,2.4,2.9,3.5,NA,3.9,3.5)

y<-c(25.3,26.7,31.4,33.5,39.7,40.6,45.5,56.8,75.4,80.1,97.2,NA)

Estoy trabajando con las interacciones en ANOVAS de dos factores y tengo varias dudas.

 

¿Cuántas comparaciones se dan en este ejemplo (hay dos factores, el factor tests, que tiene tres niveles, pre, post y re, y el factor group, que tiene dos niveles, EG y CG) las cuales se deben tener en cuenta para aplicar el test de Bonferroni, es decir, para “penalizar el p-valor” –en caso de que la interacción fuese significativa-? ¿cómo puedo saber donde están exactamente las interacciones (al igual que se aplica el test de Tukey HSD para determinar exactamente, donde se encuentran las diferencias entre los diferentes niveles de los factores, ¿qué test o procedimiento se debe utilizar para determinar dónde se encuentran las interacciones?)?

 

 

Espero que se entienda mi pregunta.

 

Muchas gracias

 

 

> EG<-c(7,4,2,4,110,116,115,116,97,94,92,95) 

> CG<-c(6,4,3,6,8,6,4,3,8,7,6,5)

> lintmass<-c(EG,CG)

> tests<-gl(3,1,4*3*2, labels=c("pre","post","re"))

> groups<-gl(2,3*4,2*3*4, labels=c("experimental", "control"))

> anova(lm(lintmass~tests*groups))

Analysis of Variance Table

 

Response: lintmass

                                               Df         Sum Sq         Mean Sq        F value      Pr(>F)   

tests                           2         751.8             375.9                         0.2598        0.7740511   

groups                       1         25741.5         25741.5         17.7920 0.0005171 ***

tests:groups                          2         802.8             401.4                         0.2774           0.7609165   

Residuals                   18       26042.5         1446.8                     

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

> 

 

> lm.out=lm(lintmass~tests+groups+tests:groups)

> summary(lm.out)

 

Call:

lm(formula = lintmass ~ tests + groups + tests:groups)

 

Residuals:

    Min      1Q  Median      3Q     Max

-76.500  -1.875   0.625  18.000  60.000

 

 

Coefficients:

                                                          Estimate        Std. Error       t value            Pr(>|t|)  

(Intercept)                                       55.00             19.02             2.892                         0.00971 **

testspost                               25.50             26.90             0.948                         0.35564  

testsre                                   22.50             26.90             0.837                         0.41381  

groupscontrol                       -49.25            26.90                         -1.831            0.08369 .

testspost:groupscontrol      -26.00            38.04                         -0.684            0.50297  

testsre:groupscontrol          -22.75            38.04                         -0.598            0.55722  

---

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 

Residual standard error: 38.04 on 18 degrees of freedom

Multiple R-squared:  0.5118,         Adjusted R-squared:  0.3761

F-statistic: 3.773 on 5 and 18 DF,  p-value: 0.01636

 

ME GUSTARIA SABER ALGUNAS CUESTIONES BÁSICAS DE R COMMANDER:

-Cómo se hace para saber el intervalo que contiene el 30% inferior de una distribución de una variable?

-Y para la homogeneidad de una variable respecto a otra?

-El error cuadrático medio  como se mira en r?

y la fiabilidad?

y la longitud del diagrama de cajas?

y el residuo?

Buenas tardes.

Estoy pasando comandos de R Studio a PDF a través de Sweave y el paquete knitr, y todo iba bien hasta que escribí los siguientes comandos:

datos<-read.table("datos.txt", header=T)

datos

Al compilar, me pone "error de conexión", y no sé cómo resolver el problema. He probado a cambiar el escritorio en la opción "Tools"->"Global Options...", pero me sigue dando error. Y no entiendo por qué, porque hasta ahora todo iba bien. Si alguien conoce la solución, por favor, que lance un rayo de luz al camino.

Un saludo.