Estimados amigos y expertos del R,
Les escribo para hacerles una pregunta que parece un poco sencilla pero me
ha costado mucho. Estoy tratando de graficar los datos correspondientes a
tasas de consumo de algunos organismos cuando están expuestos o no
expuestos a un químico sobre tres tipos de presa. Por definición, debía
ajustar los datos a un glm con distribución gama.
Las gráficas pueden ser 1) dos gráficos correspondientes a expuesto o no
expuesto ( representado con 0 y 1) y cada uno con tres líneas
(correspondientes a tres presas) o 2) realizar tres gráficos
(correspondientes a cada tipo de presa), con dos líneas (expuesto vs no
expuesto). Las líneas deberían ser generadas empleando la función predict.
Para graficar estaba pensando dividir los datos con subset y ajustar un
modelo para poder graficar cada línea pero no se si sea válido. La otra
opción es graficar los datos como les mencioné anteriormente a partir del
primer modelo, pero no he encontrado nada de información al respecto. Si
alguno pudiera proveerme alguna colaboración o sabe donde puedo encontrar
información sobre como hacer este tipo de gráfico estaría muy agradecido.
Saludos!
PS: Adjunto el set de datos porque es muy largo
#####Este es el script
todoslosdatos = read.table("TODOS POLIOSTOMA.txt", header=T)
Exposición1=factor(todoslosdatos$Exposición)
str(todoslosdatos)
attach(todoslosdatos)
names(todoslosdatos)
glm6=glm(Consumo1 ~ I(1/Densidad) +Exposición1 + Presa, family = Gamma)
summary(glm6)
par(mfrow=c(2,2))
plot(glm6)
anova(glm6,test="Chisq")
summary(glm6)
library(multcomp)
compexp <- glht(glm6, mcp(Exposición1 = "Tukey", covariate_average
= TRUE))
summary(compexp)
plot(Densidad,Consumo1,type="n")
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL:
<https://stat.ethz.ch/pipermail/r-help-es/attachments/20150806/f7517d04/attachment-0001.html>
------------ próxima parte ------------
Especie Presa Exposición Densidad Consumo1
poliostoma hormiga 0 1 2
poliostoma hormiga 0 1 2
poliostoma hormiga 0 1 2
poliostoma hormiga 0 1 2
poliostoma hormiga 0 1 4
poliostoma hormiga 0 3 3
poliostoma hormiga 0 3 6
poliostoma hormiga 0 3 3
poliostoma hormiga 0 3 8
poliostoma hormiga 0 3 3
poliostoma hormiga 0 5 4
poliostoma hormiga 0 5 2
poliostoma hormiga 0 5 2
poliostoma hormiga 0 5 2
poliostoma hormiga 0 5 5
poliostoma hormiga 0 10 6
poliostoma hormiga 0 10 4
poliostoma hormiga 0 10 6
poliostoma hormiga 0 10 4
poliostoma hormiga 0 10 3
poliostoma hormiga 0 15 5
poliostoma hormiga 0 15 3
poliostoma hormiga 0 15 3
poliostoma hormiga 0 15 4
poliostoma hormiga 0 15 4
poliostoma grillo 0 1 2
poliostoma grillo 0 1 3
poliostoma grillo 0 1 4
poliostoma grillo 0 1 3
poliostoma grillo 0 1 2
poliostoma grillo 0 3 3
poliostoma grillo 0 3 3
poliostoma grillo 0 3 2
poliostoma grillo 0 3 2
poliostoma grillo 0 3 2
poliostoma grillo 0 5 3
poliostoma grillo 0 5 4
poliostoma grillo 0 5 2
poliostoma grillo 0 5 2
poliostoma grillo 0 5 3
poliostoma grillo 0 10 3
poliostoma grillo 0 10 3
poliostoma grillo 0 10 2
poliostoma grillo 0 10 4
poliostoma grillo 0 10 2
poliostoma grillo 0 15 2
poliostoma grillo 0 15 2
poliostoma grillo 0 15 2
poliostoma grillo 0 15 3
poliostoma grillo 0 15 4
poliostoma lepidoptero 0 1 3
poliostoma lepidoptero 0 1 2
poliostoma lepidoptero 0 1 3
poliostoma lepidoptero 0 1 3
poliostoma lepidoptero 0 1 4
poliostoma lepidoptero 0 3 4
poliostoma lepidoptero 0 3 5
poliostoma lepidoptero 0 3 2
poliostoma lepidoptero 0 3 9
poliostoma lepidoptero 0 3 5
poliostoma lepidoptero 0 5 4
poliostoma lepidoptero 0 5 4
poliostoma lepidoptero 0 5 2
poliostoma lepidoptero 0 5 5
poliostoma lepidoptero 0 5 5
poliostoma lepidoptero 0 10 7
poliostoma lepidoptero 0 10 6
poliostoma lepidoptero 0 10 6
poliostoma lepidoptero 0 10 4
poliostoma lepidoptero 0 10 7
poliostoma lepidoptero 0 15 6
poliostoma lepidoptero 0 15 9
poliostoma lepidoptero 0 15 7
poliostoma lepidoptero 0 15 5
poliostoma lepidoptero 0 15 4
poliostoma hormiga 1 1 2
poliostoma hormiga 1 1 3
poliostoma hormiga 1 1 2
poliostoma hormiga 1 1 2
poliostoma hormiga 1 1 2
poliostoma hormiga 1 3 2
poliostoma hormiga 1 3 2
poliostoma hormiga 1 3 3
poliostoma hormiga 1 3 4
poliostoma hormiga 1 3 3
poliostoma hormiga 1 5 3
poliostoma hormiga 1 5 4
poliostoma hormiga 1 5 2
poliostoma hormiga 1 5 2
poliostoma hormiga 1 10 4
poliostoma hormiga 1 10 6
poliostoma hormiga 1 10 3
poliostoma hormiga 1 10 3
poliostoma hormiga 1 10 5
poliostoma hormiga 1 15 3
poliostoma hormiga 1 15 5
poliostoma hormiga 1 15 3
poliostoma hormiga 1 15 3
poliostoma hormiga 1 15 3
poliostoma grillo 1 1 2
poliostoma grillo 1 1 2
poliostoma grillo 1 1 2
poliostoma grillo 1 1 2
poliostoma grillo 1 1 2
poliostoma grillo 1 3 2
poliostoma grillo 1 3 2
poliostoma grillo 1 3 2
poliostoma grillo 1 3 3
poliostoma grillo 1 3 2
poliostoma grillo 1 5 2
poliostoma grillo 1 5 3
poliostoma grillo 1 5 3
poliostoma grillo 1 5 2
poliostoma grillo 1 5 2
poliostoma grillo 1 10 2
poliostoma grillo 1 10 3
poliostoma grillo 1 10 2
poliostoma grillo 1 10 3
poliostoma grillo 1 10 2
poliostoma grillo 1 15 3
poliostoma grillo 1 15 2
poliostoma grillo 1 15 4
poliostoma grillo 1 15 3
poliostoma grillo 1 15 2
poliostoma lepidoptero 1 1 2
poliostoma lepidoptero 1 1 3
poliostoma lepidoptero 1 1 2
poliostoma lepidoptero 1 1 2
poliostoma lepidoptero 1 3 2
poliostoma lepidoptero 1 3 4
poliostoma lepidoptero 1 3 3
poliostoma lepidoptero 1 3 3
poliostoma lepidoptero 1 3 4
poliostoma lepidoptero 1 5 2
poliostoma lepidoptero 1 5 3
poliostoma lepidoptero 1 5 3
poliostoma lepidoptero 1 5 4
poliostoma lepidoptero 1 5 4
poliostoma lepidoptero 1 10 5
poliostoma lepidoptero 1 10 4
poliostoma lepidoptero 1 10 6
poliostoma lepidoptero 1 10 5
poliostoma lepidoptero 1 10 4
poliostoma lepidoptero 1 15 6
poliostoma lepidoptero 1 15 5
poliostoma lepidoptero 1 15 3
poliostoma lepidoptero 1 15 4
poliostoma lepidoptero 1 15 5
Hola. Prueba con el "enésimo" paquete de R , effects, algo asi. library(effects) efectos <- allEffects(glm6) plot(efectos) Saludos El 06/08/15 a las 09:09, Luis Fernando García escribió:> Estimados amigos y expertos del R, > > Les escribo para hacerles una pregunta que parece un poco sencilla > pero me ha costado mucho. Estoy tratando de graficar los datos > correspondientes a tasas de consumo de algunos organismos cuando están > expuestos o no expuestos a un químico sobre tres tipos de presa. Por > definición, debía ajustar los datos a un glm con distribución gama. > > Las gráficas pueden ser 1) dos gráficos correspondientes a expuesto o > no expuesto ( representado con 0 y 1) y cada uno con tres líneas > (correspondientes a tres presas) o 2) realizar tres gráficos > (correspondientes a cada tipo de presa), con dos líneas (expuesto vs > no expuesto). Las líneas deberían ser generadas empleando la función > predict. > > Para graficar estaba pensando dividir los datos con subset y ajustar > un modelo para poder graficar cada línea pero no se si sea válido. La > otra opción es graficar los datos como les mencioné anteriormente a > partir del primer modelo, pero no he encontrado nada de información al > respecto. Si alguno pudiera proveerme alguna colaboración o sabe donde > puedo encontrar información sobre como hacer este tipo de gráfico > estaría muy agradecido. > > Saludos! > > > PS: Adjunto el set de datos porque es muy largo > > > > #####Este es el script > > todoslosdatos = read.table("TODOS POLIOSTOMA.txt", header=T) > > Exposición1=factor(todoslosdatos$Exposición) > > str(todoslosdatos) > > attach(todoslosdatos) > > names(todoslosdatos) > > glm6=glm(Consumo1 ~ I(1/Densidad) +Exposición1 + Presa, family = Gamma) > > summary(glm6) > > par(mfrow=c(2,2)) > > plot(glm6) > > anova(glm6,test="Chisq") > > summary(glm6) > > library(multcomp) > > compexp <- glht(glm6, mcp(Exposición1 = "Tukey", covariate_average = > TRUE)) > > summary(compexp) > > plot(Densidad,Consumo1,type="n") > > > > > > > > > > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es[[alternative HTML version deleted]]
Supongo que si quieres hacer el gráfico 1, puedes hacer esto.
efectos <- Effect(c("Presa", "Exposición1"), glm6 )
plot(efectos)
El 06/08/15 a las 09:09, Luis Fernando García escribió:> Estimados amigos y expertos del R,
>
> Les escribo para hacerles una pregunta que parece un poco sencilla
> pero me ha costado mucho. Estoy tratando de graficar los datos
> correspondientes a tasas de consumo de algunos organismos cuando están
> expuestos o no expuestos a un químico sobre tres tipos de presa. Por
> definición, debía ajustar los datos a un glm con distribución gama.
>
> Las gráficas pueden ser 1) dos gráficos correspondientes a expuesto o
> no expuesto ( representado con 0 y 1) y cada uno con tres líneas
> (correspondientes a tres presas) o 2) realizar tres gráficos
> (correspondientes a cada tipo de presa), con dos líneas (expuesto vs
> no expuesto). Las líneas deberían ser generadas empleando la función
> predict.
>
> Para graficar estaba pensando dividir los datos con subset y ajustar
> un modelo para poder graficar cada línea pero no se si sea válido. La
> otra opción es graficar los datos como les mencioné anteriormente a
> partir del primer modelo, pero no he encontrado nada de información al
> respecto. Si alguno pudiera proveerme alguna colaboración o sabe donde
> puedo encontrar información sobre como hacer este tipo de gráfico
> estaría muy agradecido.
>
> Saludos!
>
>
> PS: Adjunto el set de datos porque es muy largo
>
>
>
> #####Este es el script
>
> todoslosdatos = read.table("TODOS POLIOSTOMA.txt", header=T)
>
> Exposición1=factor(todoslosdatos$Exposición)
>
> str(todoslosdatos)
>
> attach(todoslosdatos)
>
> names(todoslosdatos)
>
> glm6=glm(Consumo1 ~ I(1/Densidad) +Exposición1 + Presa, family = Gamma)
>
> summary(glm6)
>
> par(mfrow=c(2,2))
>
> plot(glm6)
>
> anova(glm6,test="Chisq")
>
> summary(glm6)
>
> library(multcomp)
>
> compexp <- glht(glm6, mcp(Exposición1 = "Tukey",
covariate_average =
> TRUE))
>
> summary(compexp)
>
> plot(Densidad,Consumo1,type="n")
>
>
>
>
>
>
>
>
>
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
[[alternative HTML version deleted]]
O puedes usar el paquete visreg. Manuel El 6 de agosto de 2015, 3:55, Jose Luis Cañadas Reche < canadasreche en gmail.com> escribió:> Supongo que si quieres hacer el gráfico 1, puedes hacer esto. > > efectos <- Effect(c("Presa", "Exposición1"), glm6 ) > > plot(efectos) > > > El 06/08/15 a las 09:09, Luis Fernando García escribió: > > Estimados amigos y expertos del R, > > > > Les escribo para hacerles una pregunta que parece un poco sencilla > > pero me ha costado mucho. Estoy tratando de graficar los datos > > correspondientes a tasas de consumo de algunos organismos cuando están > > expuestos o no expuestos a un químico sobre tres tipos de presa. Por > > definición, debía ajustar los datos a un glm con distribución gama. > > > > Las gráficas pueden ser 1) dos gráficos correspondientes a expuesto o > > no expuesto ( representado con 0 y 1) y cada uno con tres líneas > > (correspondientes a tres presas) o 2) realizar tres gráficos > > (correspondientes a cada tipo de presa), con dos líneas (expuesto vs > > no expuesto). Las líneas deberían ser generadas empleando la función > > predict. > > > > Para graficar estaba pensando dividir los datos con subset y ajustar > > un modelo para poder graficar cada línea pero no se si sea válido. La > > otra opción es graficar los datos como les mencioné anteriormente a > > partir del primer modelo, pero no he encontrado nada de información al > > respecto. Si alguno pudiera proveerme alguna colaboración o sabe donde > > puedo encontrar información sobre como hacer este tipo de gráfico > > estaría muy agradecido. > > > > Saludos! > > > > > > PS: Adjunto el set de datos porque es muy largo > > > > > > > > #####Este es el script > > > > todoslosdatos = read.table("TODOS POLIOSTOMA.txt", header=T) > > > > Exposición1=factor(todoslosdatos$Exposición) > > > > str(todoslosdatos) > > > > attach(todoslosdatos) > > > > names(todoslosdatos) > > > > glm6=glm(Consumo1 ~ I(1/Densidad) +Exposición1 + Presa, family = Gamma) > > > > summary(glm6) > > > > par(mfrow=c(2,2)) > > > > plot(glm6) > > > > anova(glm6,test="Chisq") > > > > summary(glm6) > > > > library(multcomp) > > > > compexp <- glht(glm6, mcp(Exposición1 = "Tukey", covariate_average > > TRUE)) > > > > summary(compexp) > > > > plot(Densidad,Consumo1,type="n") > > > > > > > > > > > > > > > > > > > > > > _______________________________________________ > > R-help-es mailing list > > R-help-es en r-project.org > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > R-help-es en r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > >-- *Manuel Spínola, Ph.D.* Instituto Internacional en Conservación y Manejo de Vida Silvestre Universidad Nacional Apartado 1350-3000 Heredia COSTA RICA mspinola en una.ac.cr mspinola10 en gmail.com Teléfono: (506) 2277-3598 Fax: (506) 2237-7036 Personal website: Lobito de río <https://sites.google.com/site/lobitoderio/> Institutional website: ICOMVIS <http://www.icomvis.una.ac.cr/> [[alternative HTML version deleted]]