search for: consistentement

Hola. Llevo poco tiempo con R y estoy atascado en un problemilla, a ver si podéis ayudarme. Estoy trabajando con una base de datos sobre personalidad en diferentes especies de aves. Esta base tiene datos de más de 7000 individuos y me gustaría crear un bucle mediante el cual realizar un test de Kruskal Wallis por cada especie (quiero ver si los comportamientos son consistentes dentro de cada

testing, uname -ri 2.6.33-rc5-4-xen x86_64 rpm -qa | grep -i Xen-4 xen-4.0.0_20873_01-29.1.x86_64 cat test.cfg name = ''test'' builder = ''linux'' bootloader = ''/usr/lib/xen/boot/domUloader.py'' bootargs = ''--entry=xvda1:vmlinuz-xen,/boot/initrd-xen'' disk = [

Podrías mandar un summary de tu conjunto de datos o un str para ver por que no puede estimar esos efectos, también sería útil el resultado de with(tusdatos, table(Landscape,Crop,Position)) Gabriela

Buen dia!! Pues me encuentro trabajando con un conjunto de datos simulados que se ajustan a un modelo Ar(1) y pues queria saber si existe un comando para realizarle una prueba de homocedasticidad, pues la prueba que hay en el R es la bartlett.test pero pues no estoy muy seguro para usarla. Gracias [[alternative HTML version deleted]]

Hola, ¿qué tal? Tengo una pregunta de esta

Dispongo de un experimento en el que cinco tratamientos ha sido aplicados a cinco grupos de voluntarios. En cada grupo había tres personas y a cada persona se le tomaron 3 medidas, En total dispongo de 45 medidas, pero evidentemente no son independientes entre sí. Si no tomo en cuenta que las medidas de la misma persona son más parecidas entre sí (bloques anidados) estaría incurriendo en

¡Buenas tardes! Antes de nada, dar las gracias por permitirme participar en esta lista. Soy un usuario recién llegado a R de la mano del análisis geoespacial. Soy un arqueólogo que se ha topado con un package para R creado por un arqueólogo para la ejecución de procesos para a creación de rutas de menor coste cuyo nombre es leastcostpath y que se encuentra en el repositorio de GitHub. Contiene

He tratado de usar lo siguiente: a<- ifelse(BD$Divisi?n>=50 & BD$Divisi?n<59,"D", ifelse (BD$Divisi?n>=60 & BD$Divisi?n<=69,"G", ifelse (BD$Divisi?n>=70 & BD$Divisi?n<=79,"L", ifelse (BD$Divisi?n>=80 &

Buenos dias para todos, Estoy trabajando en una aplicación que involucra análisis de clusters. Básicamente el objetivo es determinar a qué cluster pertenece cada observación de una matriz de datos "mydata" y luego generar muestras aleatorias de los mismos datos para determinar la proporción de veces que cada observación es clasificada en el cluster k. Este tipo de análisis es muy común

En cualquier caso, para nada necesitas normalidad en las variables. De las distribuciones que presentas, y abundando en lo que te indica Olivier, ¿sería interesante considerar sólo 2 grupos (?normal? y ?enhorabuena?) en las variables 2 y 3? Todo esto sin saber de lo que estamos tratando, claro? XD Un saludo, Isidro De: Olivier Nuñez [mailto:onunez en unex.es] Enviado el: martes, 30 de

Buenos días: Sigo cabezudeando con el tema de los gráficos; a ver si a alguien se le ocurre alguna idea... Supongamos este código: library(plotrix) graphics.off() windows(width=8.27, height=11.69) plot(3:10) #plot(3:10, main="Axis break test") par(xpd=TRUE) text(4, 11,"Axis break test") axis.break() axis.break(2,2.9,style="zigzag") mtext("Texto