search for: gastelum

...help-es-request@r-project.org<mailto:r-help-es-request@r-project.org> escribió: ------------------------------ Message: 2 Date: Thu, 29 Aug 2013 11:56:28 +0200 From: Carlos Ortega <cof@qualityexcellence.es><mailto:cof@qualityexcellence.es> To: Argel Gastélum Arellánez <argel.gastelum@gmail.com><mailto:argel.gastelum@gmail.com> Cc: R-help-es <r-help-es@r-project.org><mailto:r-help-es@r-project.org> Subject: Re: [R-es] Encontrar las variables más importantes en componentes principales Message-ID: <CAOKbq8hQcZKG1PVajAZtAcHD7GvzUfC8_iiQ8FR7e=...

Hola compañeros de la lista. Qué tal. Tengo un análisis de componentes principales, en el que se evalúan aproximadamente 1000 variables. Usando la función dudi.pca e inertia.dudi obtengo una cantidad de información sobre la influencia de las variables sobre los dos componentes principales. Me gustaría saber si existe alguna función que sobre esta información me arrojara la lista de

Hola compañeros de la lista. Tengo el análisis que muestro abajo, para la estimación de la Dosis Letal Media (DL50) por medio de regresión logística, de dos compuestos similares (denominados 1 y 2) aplicados a grupos de individuos similares, evaluando el número de individuos vivos y muertos al final del ensayo. Mi duda es qué forma me recomiendan para determinar si la diferencia es

Hola compañeros de la lista. Estoy aprendiendo a usar el paquete "rsm" para superficies de respuesta. Siguiendo este ejemplo todo va bien, hasta que trato de obtener el valor máximo predicho para la variable de respuesta en los valores de x1 y x2 estimados. ------------------------------------------------------------- library("rsm") ChemReact CR <- coded.data(ChemReact,

...librería "FactoMineR". Los ejemplos están en el capítulo primero. No he mirado como se haría esto con "ade4", que es la librería que entiendo estás utilizando. Saludos, Carlos Ortega www.qualityexcellence.es El 27 de agosto de 2013 23:14, Argel Gastélum Arellánez < argel.gastelum@gmail.com> escribió: > Hola compañeros de la lista. Qué tal. > > Tengo un análisis de componentes principales, en el que se evalúan > aproximadamente 1000 variables. Usando la función dudi.pca e inertia.dudi > obtengo una cantidad de información sobre la influencia de las...

...e) d.sample hist(d.sample, breaks = 20, las = 1) abline(v = d, col = 2, lty = 2) # es la diferencia estadisticamente diferente de cero? 1 - mean(d.sample > 0) # 0 ---> la diferencia es estadisticamente diferente de cero Saludos, Jorge.- 2013/7/23 Argel Gastélum Arellánez <argel.gastelum@gmail.com> > Hola compañeros de la lista. > > Tengo el análisis que muestro abajo, para la estimación de la Dosis > Letal Media (DL50) por medio de regresión logística, de dos compuestos > similares (denominados 1 y 2) aplicados a grupos de individuos similares, > eval...

Hola compañeros de la lista. Tengo el siguiente set de datos: Repeticiones <- c(rep("RI", 14), rep("RII", 14), rep("RIII", 14)) Tiempo <- rep(c(0, 2, 4, 6, 8, 10, 12, 24, 36, 48, 60, 72, 96, 120), 3) Concentracion_celular <- c(0.4862, 0.5375, 0.4309, 0.4390, 0.4603, 0.4733, 0.3936, 0.9085, 0.5838, 0.5477, 0.6331, 0.8693, 1.0092, 0.6341, 0.5350,

Hola compañeros de la lista. Los molesto con la siguiente duda. En un diseño central compuesto (CCD) con dos factores (V1 y V2) y una variable de respuesta (R), utilizando valores codificados (-1.4142, -1, 0, 1, 1.4182), al aplicar la orden: rsm.segundo.orden <- rsm(R ~ Bloque + SO(V1, V2), data = DATOS.Codificados) Obtengo el siguiente modelo: R = 103.92 -2.16

Hola compañeros de la lista, qué tal. Los molesto con la siguiente duda: Tengo un experimento con dos factores A y B, cada uno de los cuales tiene los siguientes niveles (que son concentraciones de dos hormonas vegetales aplicadas a plantas): niveles del factor A: 0, 0.2, 0.5, 1 niveles del factor B: 0, 0.1, 0.2, 0.5, 1 y mi variable de respuesta es continua, todo dentro del set de datos

Hola compañeros de la lista, qué tal. Estoy haciendo un análisis de componentes principales utilizando las funciones "dudi.pca" (paquete "ade4") y "PCA" (paquete "FactoMineR"). Sucede que al comparar las coordenadas de cada individuo que obtiene cada función, las que corresponden al segundo componente principal tienen idéntica magnitud pero con