Bonjour, Le dernier post répond exactement à ma question. Sinon, j'ai tester le modèle avec lme (ça marche!): Linear mixed-effects model fit by maximum likelihood Data: data1 AIC BIC logLik 11339.44 11411.05 -5655.72 Residual StdDev: 20.53099 Fixed effects: list(formule) Value Std.Error DF t...
Merci Pierre, Je revient un peu sur mon problème à proprement parler avec un peu plus de détail (sait-on jamais). resultat avec lmekin de coxme : > VV<- "vrfi1" > formule<-as.formula(paste(VV,"~ gener*lignee",sep="")) > ss<-lmekin(formule,random=~1|i...
Bonjour, Merci pour la réponse. Je vais regarder ce que fait pdIdent avec lme. Cependant il me semble que le type de modèle avec matrice parenté ne peut pas ce faire avec lme ( cf detail de l'aide de la fonction lmekin du package coxme) : Details This routine was originally written as a check for th...
Bonjour, J'utilise la fonction lmekin pour faire un modèle linéaire mixte (j'ai des données familiales). Quelqu'un connait-il la différence entre les deux fonctions lmekin dans les deux packages suscité? Je n'obtient pas les mêmes résultats... Merci pour votre aide. Yann P.S : lmekin du packages GWA...
Si j'ai bien compris je pense que l'on peut faire comme ça : toto<-summary(lm1 <- lm(val ~ -1+method,data=dn)) PP<-data.frame("methode"=c("A","B","C","D","E"),"pval"=c(toto$coef[,4])) #On ré...
Bonjour, Je pense avoir une solution ton problème. #Je me suis crée une table : > testtest ID Date type magasin 1 ID1 2008-03-20 essai G 2 ID1 2001-09-11 essai A 3 ID2 2001-09-12 achat A 4 ID3 2002-02-15 essai A 5 ID3 2002-02-16 essai B 6 ID3 2002-02-22 achat C 7 ID4 2005-06-30 essai B 8 ID4 2001-07...
Bonjour, Je reprend le fil de cette discution car mon probléme se rapproche beaucoup de celui-ci. Voila, j'ai crée un jeu de données ressembland à yarn ( data$toto est une matrice donc plusieurs variables). Je souhaite ensuite enregister cette table (write.table) pour la réouvrir plus tard. Or à ce ...
Il semble que les valeurs entre parenthèses soit les écart-type des estimations de la moyenne et de l'écart-type au dessus. ss<-fitdistr(rnorm(1000),"normal") > ss mean sd 0.04043584 0.99934286 (0.03160200) (0.02234599) > names(ss) [1] "estimate...