Foro de discusión y soporte para usuarios de R

hola, este mensaje se lo hice llegar la semana pasada a Luis, per recordé pegarlo en el foro por si le sirve a otra persona que tenga la misma duda


saludos!





quizas debas pasar tus datos a un .txt (copiando los datos del excel y
pegándolos en el block de notas, no sé si ese comando scan (que más abajo
te muestro donde se utiliza) acepte la extension .xls).

Si tienes problemas para abrir tus datos(no sé cuánto conocimientos tienes
en R, disculpa tanta explicación) puedes escribirme y te enseño alguna
manera de leerlos, okas?


aqui un ejemplo de una matriz de 2 columnas

datos<-matrix(scan('c:/nombre_de_tu_archivo.txt'),ncol=2,byrow=F)
col_1<-datos[,1]
col_2<-datos[,2]
library(modreg)
loess.datos<-loess(col_1~col_2,family="gaussian",
method="loess")

LOESS
El ajuste de polinomios locales propuesto por Cleveland, puede lograrse en
R mediante la función ’loess’ del paquete o librería ’modreg’:

loess(formula, data, weights, subset, na.action,
model = FALSE, span = 0.75, enp.target,
degree = 2, parametric = FALSE, drop.square = FALSE,
normalize = TRUE, family =
c("gaussian", "symmetric"),
method =c("loess", "model.frame"), control =
loess.control(...), ...)

Argumentos:

² formula: Una formula que especifica la respuesta y uno o más predictores
numéricos (mejor especificados vía una interaccion, pero tambien
pueden ser especificados aditivamente).
² data: Un marco de datos opcional dentro del cual se busca primero la
respuesta, los predictores y los pesos.
² weights: Pesos opcionales para cada caso.
² subset: Una especificacion opcional de un subconjunto de los datos a
usar.
² na.action: La accion a seguir con valores faltantes en la respuesta o los
predictores. Por defecto es parar.
² model: Debe retornarse el marco del modelo
² span: El parametro que controla el grado de suavizamiento.
² enp.target: Una forma alternativa para especificar ’span’, como el
numero aproximado de parametros a ser usados.
² degree: El grado de los polinomios a ser usados, hasta 2.
² parametric: Debe cualquiera de los terminos ser ajustado globalmente
en vez de localmente?. Los terminos pueden especificarse por nombre,
numero o como un vector logico con longitud igual al numero de
predictores.
² drop.square: Para ajustes con m´as de un predictor y ’degree=2’, debe
el t´ermino cuadr´atico y los t´erminos cruzados, ser exclu´&#305;dos para
predictores
en particular? Los t´erminos se especifican de la misma forma
que en ’parametric’.
² normalize: Deben los predictores ser normalizados a una escala com´un
si hay m´as de uno? La normalizaci´on usada consiste en usar la desviaci´on
est´andar recortada al 10%. Ajustar este argumento a ’FALSE’ exige
saber que los predictores en coordenadas espaciales y otros est´an en
una escala com´un.
² family: Si se especifica como “gaussian” (entre comillas) el ajuste se
hace por m´cuadrados, y si se especifica como “symetric” (entre comillas)
un estimador M redescendiente es usado con una funci´on biponderada
de Tukey.
² method: Ajusta el modelo si se especifica como “loess” o s´olo extrae el
marco del modelo si se especifica como “model.frame”.
² control: Par´ametros de control: ver ’loess.control’.
² ...: Par´ametros de control pueden tambi´en proporcionarse directamente.





fuente: http://cran.r-project.org/doc/contrib/grafi3.pdf