similar to: Bootstrap

Hola a todos, Tengo un pequeño problemilla... Tengo unas 9000 variables que he contrastado con 1 en concreto con el test de wilcoxon. He calculado el p-valor, y queria corregirlo con el permutation-based FDR. He encontrado una funcion con R comp.fdr()que hace esta corrección, pero te pide que le pongas las variables con las observaciones y te hace el test (según he entendido). Yo solo quiero

Hola, que tal? Tendo una duda, como se puede eliminar una variable de un data.frame? Tambien tengo otra duda, tengo una base de datos importada del spss, donde tengo espacios asignados como missings, pero al pasarlo al R, me coje los espacios como una categoria más. Como los puedo poner como missings? Dolors Giralt _________________________________________________________________ [[elided

Hola, buenas tardes, Hace unos dias que intento cargar unos datos de microarrays del ncbi con versión de R 2.15.2 de 32 bits en windows xp. he utilizado el siguiente codigo: library(Biobase) library(GEOquery) library(limma) gset <- getGEO("GSE6536", GSEMatrix =TRUE) Al hacerlo me da este error: "Error in function (type, msg, asError = TRUE) : couldn't connect to

Buenos días, Os cuento: Cargo la librería "Forecast" y ejecuto su función Arima(...) sobre una serie temporal: mimodelo <- Arima(miST$miserie, ...); Ahora si ejecuto las siguientes sentencias, voy obteniendo los resultados contenidos en "mimodelo", pero algunos de ellos no sé lo que son: mimodelo[[1]] obtengo los coeficientes del modelo ARIMA mimodelo[[2]] obtengo el

Muy buenas, quiero calcular correlaciones de Pearson entre dos variables (a,b) teniendo en cuenta una tercera (c). Para ello estoy usando una función llamada "pcor.test" (http://www.yilab.gatech.edu/pcor.html), que en realidad no está en ningún paquete de R, que yo sepa. ¿Alguien conoce una función similar en alguna librería de R? Por otro lado, para ver si me cuadraban los resultados,

Hola, espero ser clara en el mensaje ya que es la primera vez que recurro a este tipo de ayudas, explico mi duda: Tengo un dataset con 4505 observaciones en el que la variable dependiente son presencias (n=97 y clasificadas como 1) y ausencias (n=4408 y clasificadas como 0). Mi primer paso fue realizar un GLM con una muestra compensada de ausencias y presencias para la variable dependiente, es

Oliver gracias por le pista! Es un poco mas complicado, el código tiene varios pasos incluidos calculo de nuevas variables con los betas del glm y otras vueltas. Necesitaría una sentencia que tome cada lote haga los cálculos por separado y luego los une en el dataframe de salida El 30 de mayo de 2016, 10:02, Olivier Nuñez <onunez en unex.es> escribió: > Mira lapply .... > > Si L=

Carlos, capaz no me explique bien, va de nuevo... Tengo un dataFrame con varias variables que describen Lotes (127), he creado un código que calcula nuevas variables, re codifica otras y ordenas otras tantas. Es muy laborioso correr ese código 127 veces por lo cual quería hacer un sentencia (del tipo if() o repeat()), para obtener al final todos los lotes procesados. Saludos y gracias por tan

Cordial saludo Estoy realizando un análisis con datos categóricos, donde tengo una tabla 3*3, son tres métodos de estudio comparado con tres niveles de asimilación del problema, lo ideal seria poder decidirse por algún método de estudio en especial, lo único que he encontrado es el test para independencia chi-cuadrado, pero no he podido encontrar algo que me sugiera por un método u otro, me

Estimad en s errer en s He hecho este modelo glm m1.pile<-glm(ger~tem+pot+time+I(tem^2)+I(tem^2):pot ,family="binomial" ,data=long.PILE ) Que nos da la probabilidad de germinación de una semilla en función de tem (Temperatura), pot (Humedad del suelo) y time (Tiempo que la semilla pasa en esas condiciones). Ahora quiero, para diferentes tem, pot

Un ejemplo con un modelo más simple: He especificado este modelo: >formula(m2.pile) ger ~ tem + pot + time Si hago predict me da: >predict(m2.pile,newdata=data.frame(tem=25,pot=0,time=3),type="response") 0.08243262 Extraigo los coeficientes: > coef(m2.pile) (Intercept) tem pot time -1.89521331 -0.02303313 4.74499714 0.02043222 Ahora calculo la

Buenas. Abajo pongo la salida de un modelo de cox , dónde he estratificado por una variable de país (Countryb) y por otra (Q6). Además hay interacción entre la variable mobilityPDurG2 (es una variable 0,1, y 0 es la categoría de referencia) país. La categoría de referencia para país es "united kingdom". Mi duda surge si quiero calcular el hazard ratio para los que tienen un 1

Buenos días, Me gustaría aplicar una regresión múltiple a los datos con los que trabajo pero no se como introducir los datos en R. He probado introducir el siguiente comando: modeloM<-lm(AVE.~ d1 + as.factor(d1T)*Tariff) summary(modeloM) Pero me da el siguiente error: > summary(modeloM) Error in if (attr(z$terms, "intercept")) sum((f - mean(f))^2) else sum(f^2) : argument is

  Buenos días:   Antes de nada, disculpadme por ocuparos tiempo en el día del trabajador...   Hace unos días o semanas pregunté acerca de cómo calcular la contribución parcial de una componente al Multiple R-squared que devuelve lm.   En su momento Carlos Ortega me informó acerca de varias opciones (ols, regsubsets,... e incluso me referenció un libro). El caso es que por ninguna de las vías he

Se ha borrado un adjunto en formato HTML... URL: <https://stat.ethz.ch/pipermail/r-help-es/attachments/20171116/17a687f8/attachment.html>

¿Quieres decir que para un nivel de una variable categorica todas las observaciones de la variable respuesta sean ceros? Gracias El Lun, 9 de Abril de 2018, 19:59, Carlos J. Gil Bellosta escribió: > ¿Podría ser que para algún nivel de alguna variable independiente > categórica solo hubiese ceros? En ese caso, casi seguro, aparecería ese > tipo de warning. > > El lun., 9 abr. 2018 a

Buenas tardes, Estoy estimando un modelo binomial negativo de ceros inflados (ZINB) utilizando el comando zeroinfl() del paquete pscl. Al ejecutarlo me da el siguiente aviso: Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred ¿Sabéis que significa y si puedo usar el modelo aún con ese aviso? ¿Los coeficientes son fiables? Muchas gracias, Miriam

Muchas gracias por la respuesta. He mirado y los coeficientes no son altos pero sí tengo una gran cantidad de ceros en la variable dependiente (más del 90%). Sin embargo, al incluir otro tipo de variables independientes no me da ese aviso, dejando la misma variable dependiente. ¿Cómo podría utilizar stan/rstan de forma sencilla para diagnosticar el modelo? Muchas gracias El Lun, 9 de Abril de

Hola Javier, Si, cuando hablo de valor observado me refiero al valor real en campo y el predicho al que estiman los modelos. Disculpa, que no lo detallase así desde el principio. En mi caso trabajo con dos diferentes: Zero inflated y Binomial Negativo y me gustaría comprobar que diferencia (distancia) existe entre cada uno de ellos y la realidad. Estoy trabajando con los siguientes paquetes:

Buenas, En R, como en la mayoría del software estadístico, no se utiliza ningún nivel de confianza sino que lo que se calcula es el p-valor asociado al contraste. De forma que cuanto más cerca de 0 esté el p-valor "menos credibilidad le damos a la hipótesis nula". Dicho mejor, debemos rechazar la hipótesis nula si el p-valor está por debajo de nuestro nivel de confianza. Por ejemplo,