search for: iteracion

Hola Tengo un análisis en el que como resultado obtengo una lista recursiva, es decir, una lista cuyos componentes a su vez son listas. Son varias iteraciones de una función que proporciona varios resultados de interés de distinta naturaleza y por eso los uno en una lista. Las iteraciones son hechas en paralelo, y los resultados de una función de este tipo suelen ser empaquetados a su vez en una lista (Por ejemplo, ClusterApply del paquete snow ) Buen...

Gracias! El 15 de junio de 2015, 16:54, Freddy Omar López Quintero < freddy.vate01 en gmail.com> escribió: > ?Holap.? > > ran out of iterations and failed to converge > > > ?Prueba aumentando el número de iteraciones, con el argumento maxit: > > ?GLM <- bigglm(In.hospital_death ~ GCS + BUN, data = DatosGLM, family = >> binomial(logit), maxit=1000)? > > > ?Salud.? > > -- > «No soy aquellas sombras tutelares > que honré con versos que no olvida el tiempo.» > > JL Borges...

Hola de nuevo, ya empiezo a ser pesado ¿no? bueno, no importa porque aprendemos todos. Eso, al menos, me parece. Hoy estuve estudiando en R el tema de la aleatoriedad. Veo que hay múltiples posibilidades pero me están chocando mucho. Encuentro que el generador de números pseudo aleatorios es más pseudo de lo que debería. Me explico, quiero generar 0 y 1 aleatorios. Estoy trabajando con una

Hola, estoy intentando hacer una regresión logística entre la primera columna de mi data.table (In.hospital_death) y otras dos (GSV y BUN) , me da el error de abajo, he intentado eliminar las filas con valor NA por si esta función no lo admite, pero sigue dando el mismo error. ¿Alguien sabe porqué ocurre? (probé previamente a usar la función glm pero obtenía out of memory) library(XLConnect)

...s globales. En principio, si se quiere usar un generador de v.a con la librería Runuran sólo se permite definir las funciones de densidad (o el núcleo de las mismas) con funciones con un único argumento en (x). Sin embargo, necesito pasar a las funciones más argumentos que van cambiando en las iteraciones de un ciclo largo, dado que estas v.a. dependen de otras en un muestreador de Gibbs (esto es sólo un detalle). El único modo que se me ocurre es mediante variables globales usando el operador "<<-" Sin embargo, esto tiene muy mala fama entre los gurús de la programación. Un ej...

Buenos días, He hecho un desarrollo en mi máquina (de 64 bits) y funciona correctamente. Se trata de un problema de programación lineal (usando lpSolve y lpSolveAPI). El problema viene al ejecutar un caso concreto que en la máquina del usuario (de 32 bits) nos da que no hay solución factible para ese problema, pero en mi máquina de 64 sí que nos devuelve una solución. ¿Hay alguna forma (limitar

Hola, Soy nuevo manejando R y no tengo mucha experiencia. Estoy intentando modelar una función que me relacione el nº de cebas (nº de presas que los padres traen a los pollos) con el tamaño de parche de un bosque (factor categórico; 2 niveles= grande y pequeño). Al ser un conteo (nº de cebas) he pensado utilizar familia= poisson con link= logarítmico. He construido un GLMM con: Nº de cebas

Hola a todos... saludos cordiales.... Quiero hacer una función que me calcule la matriz de distancias chi cuadrado, pero obtengo este mensaje de error: Error en d.chiCol[i, j] = 0 : objeto de tipo ''closure'' no es subconjunto d.chiCol<- function(A) { m <- dim(A)[2] n <- dim(A)[1] B <- prop.table(A,2) C <- prop.table(A) pesos <- apply(C,1,sum) dchi.Col <-

...man<-nls(SVL~DE+(alfa/(1+exp(-gamma*ANO))), + data=data, + start=list(alfa= a ,gamma= g, DE= d), + control=nls.control(maxiter = 100, warnOnly=TRUE), + trace=FALSE) + caimansum<-summary(caiman)#ME DA LOS PARAMETROS ESTIMADO, EL NUM DE ITERACIONES + ## analizamos akaike + akaike<-AIC(caiman) + Bayesiano<-BIC(caiman) + alfa<-coef(caiman)[1] + beta<-coef(caiman)[2] + gamma<- coef(caiman)[3] + DE<- coef(caiman)[4] + formu<-formula(caiman) + + ValoresIniciales<-c(a, g, d) + resultados<-list(formu,...

Buenas, Me encuentro con el mismo problema, de que me dice que el argumento del if no es un "valor ausente donde TRUE/FALSE es necesario" Este es mi codigo de pruebas. readseq <- "aaaaaaaaaaa", "aaa", "aa") auxiliar <- count(readseq[j],i+2) aux_a <- auxiliar["listaa"] if(aux_a > 0){ matrizgraf3[i][k] = matrizgraf3[i][k] + 1 listaa

Buenos días, hago un mapa con ggplot: world<-map_data('world') windows();ggplot(legend=FALSE) + ... geom_point(data=Data,aes(x=lon,y=lat,color=Clst),size=1.25) + scale_color_manual(values=c("grey45","navy","skyblue","gold","green3","darkgreen")) + geom_path( data=world, aes(x=long, y=lat,group=group)) + labs(title =

Buen día para todos los que ven este correo. En estos días estoy estudiando la potencia de una prueba en inferencia, pero no entiendo bien como correr un codigo que lo haga pertinentemente, el codigo que corro es el siguiente, la idea es que a medida que crece el tamaña muestral pues la potencia de la prueba aumente, pero no se como hacer para que, repita la prueba variando el tamaño de la

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

.... [BCDRT] _/ /p' Defs >> e:/Rseg/test.def rm -f Defs gcc --shared -s -o e:/Rseg/test.dll e:/Rseg/test.def e:/Rseg/test.a -LE:/RW10 31/src/gnuwin32 -lg2c -lR Apparentely, all good. But, from R: > dyn.load("test.dll") > a <- segmentaF2001.new3(test5.stat,test5.ady) ITERACION: 1Error in .Call("printListElement", lista, t(stat), ncol(stat), nrow(stat)) : .Call function name not in load table Timing stopped at: NA NA 0.11 NA NA > The same code works fine under Linux. Does anyone see where is the problem? Thanks Agus Dr. Agustin Lobo Institut...

.../(1+exp(-gamma*ANO))), >+ data=data, >+ start=list(alfa= a ,gamma= g, DE= d), >+ control=nls.control(maxiter = 100, warnOnly=TRUE), >+ trace=FALSE) >+ caimansum<-summary(caiman)#ME DA LOS PARAMETROS ESTIMADO, EL NUM DE >ITERACIONES >+ ## analizamos akaike >+ akaike<-AIC(caiman) >+ Bayesiano<-BIC(caiman) >+ alfa<-coef(caiman)[1] >+ beta<-coef(caiman)[2] >+ gamma<- coef(caiman)[3] >+ DE<- coef(caiman)[4] >+ formu<-formula(caiman) >+ >+ ValoresIniciales<-c...

...conocia o no me acordaba de ella. La parte mas "lenta" sigue siendo el apply que en el fondo no es mas que un ciclo for a traves de las filas, asi que inspirado por el metodo de Carlos pense que podria ser mas rapido si iteramos a traves de las columnas por lo que en general seran menos iteraciones. He incluido esta modificacion en el benchmark, es un poco menos elegante que la original de Carlos pero algo mas rapida. Seguro que aun se puede mejorar un poco mas en R base o incorporar Rcpp, pero creo que al menos por mi parte llego hasta aqui. Muy interesante tanto el problema como las solu...

...elve un AD(anderson darling) y p-value de la distribución, entonces comparo el p-value con la normal, y si cuadra, pues teoricamente deberia de probar con las otras distribuciones. Es decir, deberia de calcular los parametros para la "rweibull" por ejemplo, y aplicarla por ejemplo a 100 iteraciones, y volver a pasarle el ad.test(), y ver si el p-value obtenido coincide. Aunque esta forma de hacerlo no me convence, pues tendria que ir probando una a una cada distribucion, ir calculandole los parametros y tal, seria una forma muy manual. Tampoco se si para calcular la distribucion que es, deb...

Hola chicos, muchas gracias, funcionan vuestros códigos, pero no entiendo porqué el mío no funciona, y me gustaría aprender R bien. Quiero sacar números de 5 en 5, desplazándome una posición cada vez para la derecha: a <- c(8,10,4,1,7,2,4,6,3,8) b <- rep(0,5) i=1 while (i<=6) { b <- a[i:i+4] print(b) i=i+1 } quiero que en la primera iteración me saque en

Estimado muchas gracias por la respuesta; pero tengo otra interrogante. Para segmentar toda la data de clientes los cuales ya los vi bien y no son 15,000 sino 315,000 necesito utilizar el análisis de segmentación de K-medianas o K-modas, porque al ser datos ordinales y dicotómicos (la gran mayoría de variables), la aplicación de segmentar a través de k-medias no tiene mucho sentido. El R tiene