similar to: MCMC glmm

Saludos, tengo una base de datos con tres variables: especie, tratamiento y abundancia. Quiero hacer comparaciones múltiples con Tukey. Ya había usado el comando TukeyHSD(aov(x~y)). La cuestión esque ahora tengo varios niveles del factor especie y varios niveles del factor tratamiento. Si hago TukeyHSD(aov(abundancia~especie:tratamiento)) me salen todas las comparaciones posibles, pero yo sólo

Estimados, Mi problema consiste en probar efectos de dos sistemas de siembra en la abundancia de insectos (variable de conteo). Tengo un diseño en bloques con el sistema de siembra, con muestreo semanales de insectos (10 semanas) en cada unidad experimental. Quiero aplicar un modelo lineal generalizado con distribución de Poisson, con medidas repetidas en el tiempo. Agradecería ayuda con la

Buenos d?as. Tengo una duda: Trabajo con comundiades de especies, y mis datos se ordenan de tal forma que, cada especie corresponde a una fila de la base de datos, por lo que cada muestra tiene un n?mero de filas correspondiente al n?mero de especies. Mi objetivo es transformar esa base de datos a un formato de matriz donde, cada muestra sea una fila ?nica y las especies sean las columnas, con

Hola a tod en s, Trabajo con datos de abundancia (número de individuos) por tallas (medidas al medio centímetro inferior) de diferentes especies de peces y mis datos base son el número medido de peces por talla. Necesitaría vuestra ayuda para transformar las distribuciones de frecuencias de talla a los datos brutos que las generaían. Es decir, pasar de algo como esto 8           1 8.5     

Dear MCMCglmm users, I am currently struggling with the specification of a proper prior and model formula for a multi-response MCMCglmm with two of the three response variables being Gaussian and the third being za-poisson. The model includes several fixed effects and three nested random effects. In general, I would prefer to fit a model with a fixed effect of trait and suppressed intercept for

Hola! Estoy con un problema con mis datos, tengo datos de abundancia y tengo que analizarlas con glmm. Uso la función glmmadmb() del paquete glmmADMB de R, que acepta varias familias de distribución. El problema es que al hacer los modelos, no me muestra el residual deviance ni los grados de libertad, para poder calcular la overdispersión. Alguien sabe cómo puedo calcularla en esa función? o con

Estimad en s, quería realizar una consulta Dado un data frame llamado aves, como puedo sustiuir las variables area, dist y distm por sus logaritmos en base10 y volver a crear un data frame? Muchas gracias Saludos Susana [[alternative HTML version deleted]]

Muchas gracias a todos. Probar? con vuestras aportaciones y os mantengo informados cuando lo consiga. ?Gracias de nuevo! Antonio ________________________________ De: Carlos Ortega <cof en qualityexcellence.es> Enviado: lunes, 4 de diciembre de 2023 12:54 Para: Antonio Sala Mirete <asalamirete92 en gmail.com> Cc: r-help-es en r-project.org <r-help-es en r-project.org> Asunto:

Hola a todos: Las versiones oficiales de R no son versiones beta, sino versiones "definitivas" convenientemente testadas. Los paquetes disponibles en el servidor de CRAN están testados contra la versión actual de R. Mantenerse en una versión anticuada normalmente conduce a la pérdida de funcionalidad, errores de dependencias entre versiones de paquetes nuevos etc. En R, actualizar

Dear people, I'm trying to do some analysis of a data using the models by Royle & Donazio in their fantastic book, particular the following function: http://www.mbr-pwrc.usgs.gov/pubanalysis/roylebook/panel4pt1.fn that applied to my data and in the console is as follows: > `desman.y` <- structure(c(3L,4L,3L,2L,1L), .Names = c("1", "2", "3",

Dear all, this is my first time, and just begin to use R. But I've a question about optimization using optimx library. It could sound stupid by I'm a bit affraid with the problem, because anything I try, anything Error. The procedure was: optimx(par="10,71,1",fn=(Prey*Provisioning)/Risk, control=list("maximize)) well the problem lies in the initial value parameters, again

Hi all (again), many thanks for the answer to the optimization problem. All is fine now. The problem now is with kernel estimators in sm. package. I do all the work and the graphics good, but I need the density function data for each point, and I don't know how to get it. The only thing I get is the table at the end of the following sequence: >

Hi to all the people again, I was writting a simply function in R, and wish to collect the results in a excel file. The work goes as follows, Ciervos<-function(K1, K0, A, R,M,Pi,Hembras) {B<-(K1-K0)/A T1<-(R*Pi*Hembras-M*Pi+B)/(Pi-M*Pi+R*Pi*Hembras) P1<-Pi-B R1<-P1*Hembras*R M1<-P1*M T2<-(R1-M1+B)/(P1-M1+R1) P2<-P1-B R2<-P2*Hembras*R M2<-P2*M

Dear useRs, upon request, the VGAM package (currently version 0.7-1) has been officially released on CRAN (the package has been at my website http://www.stat.auckland.ac.nz/~yee/VGAM for a number of years now). VGAM implements a general framework for several classes of regression models using iteratively reweighted least squares (IRLS). The key ideas are Fisher scoring, generalized linear and

Hi to all the people (again), I'm doing some simulations with the memisc package of an own function, but I've the problem that I didn't know how to read the result of such simulations. My function is: > Torre<-function(a1,N1,a2,N2) + {Etorre<-(a1*N1)/(1+a1*N1) + Efuera<-(a2*N2)/(1+a2*N2) + if(Etorre>Efuera)Subir=TRUE + if (Etorre<Efuera)Subir=FALSE +

Dear members of R forum, I'm trying to perform a simply dynamic programming model in R, following the reccomendations of Soetart & Herman (A practical guide to ecological modeling). However, I've obtained a number of problems, that I'm unable to solve (even thoughI've tried during at least 2 hours). Can anyone help me? Many thanks > ccrit <- 0 > cmax <- 5 >

Hi to all the people, I'm having a trouble when trying to plot a quadratic function. I have the code: regression<-nls(Survival~beta1+beta2*PI+beta3*PI^2, data=cubs, start=list(beta1 = 1, beta2 = 1, beta3 = 1)) plot(Survival~PI,data=cubs, ylab="Survival", xlab="PI") lines(cubs$PI, fitted(regression)) but the plotted line is not the quadratic one, rather it appears a

We would like to announce the following statistics course; Course: Introduction to Linear mixed effects models, GLMM and MCMC with R When: 10-14 February, 2014 Where: Pousada de juventude parque das nacoes. Rua de Moscavide, Lt 47 ? 101, 1998- 011. Lisbon, Portugal Info: http://www.highstat.com/statscourse.htm Flyer: http://www.highstat.com/Courses/Flyer2014_02SIM_LisbonV2.pdf Kind regards,

library(lme4) library(coda) library(languageR) fit = lmer(Reaction~Days + (1|Subject) + (0+Days|Subject), data=sleepstudy) pvals.fnc(fit)$random # compare with... samp = mcmcsamp(fit, n=10000, trans=FALSE) HPDinterval(samp) densityplot(samp, plot=F) # 'pvals.fnc' reports sigma instead of sigma^2, but it looks like the # Sbjc.(In) and Sbjc.Days are also sqrt compared with the

Hello, could you tell me how to run a MCMC with binomial distribution? If there is an example will be nice to know about it. Thanks, Tania [[alternative HTML version deleted]]