Groupe des utilisateurs du logiciel R

Parametre <- c("CD","Ag") Lieu <- 1:2 Annee <- 1981:1982 espece <- c("mytilus","crassos") Mois <- 1:12 df <- expand.grid("lieu"=Lieu,"parametre"=Parametre,"espece"=espece,"année"=Annee,"Mois"=Mois) df$resultat...

répond au problème "-Inf lors d'une transformation logarithmique"
Pour le reste

il faut aller sur un forum stat (e.g. statistiques.forumpro.fr )

l'objet du présent forum n'est pas de régler les pb stat mais les pb R.
@+

Pour le reste il faut aller sur un forum stat (e.g. statistiques.forumpro.fr ) où l'on devrait te rappeler que ce sont les résidus qui sont attendus normaux homoscédastiques et indépendants et que ta transformation log a pour premier objectif de stabiliser la variance.
@+

1> as.POSIXlt(60*60*24*3,origin="1970-01-01") [1] "1970-01-04 01:00:00 CET" La partie entière de YearTS te donne l'origine. La partie décimale de YearTS te donne le numéro du jour dans l'année (i.e. le 3 dans 60*60*24*3, il faut toujours prendre garde au problème du premier janv...

Problème de la fréquence journalière. Pour chaque date tu peux récupérer le numéro du jour dans l'année : DataOut00$YearDay <- as.POSIXlt(DataOut00$Passage...Date)$yday Ainsi le premier février est le 32ième jour de l'année. Tu peux récupérer l'année aussi : DataOut00$Year <- 1900+as.POSIXlt(DataOut...

Question 2
Si tu fais des agrégations pour des périodes données (1 mois, 15 jours) il faut que tu affectes ton résultat à une date représentative de ta période. Pour une agrégation par mois, le 15 du mois est une suggestion. Pour du bimensuel, le 8 et le 23 sont des suggestions également.

J'essaierais un truc comme ça : ⋅ créé une variable next qui contient la donnée suivante de la donnée courante genre next <- c(Note[-1],NA) ⋅ créé une variable previous qui contient la données précédente de la donnée courante genre previous <- c(NA, Note[-length(Note)]) ⋅&nb...

Ok merci Eric j'y suis aussi désormais.
@+

Bonjour,

Je me pose une question stat, comme c'est pas le sujet du forum je ne vais pas la poser ici, par contre je serais preneur de la suggestion d'un ou plusieurs forums, en particulier où je serais susceptible de retrouver certains d'entre vous.

Merci d'avance
@+

Ma première idée est : Faire un plot bidon avec type="n" et en spécifiant les Xrange et Yrange par rapport à tes variables date et quantité. Faire un by tel que by(MonDataFrame, MonDataFrame$Code, function(x) lines(x$Date,x$quantité) ) Comme tu vas vouloir différencier tes courbes, il faut...

Un truc comme ici page 9 ?

Tu as une série temporelle et au bout tu veux présenter une synthèse de ces données ?

csv un jour, csv toujours.

Montesquieu -- Mes pensées a écrit :J'aime les paysans, ils ne sont pas assez savants pour raisonner de travers.

Le csv, c'est le paysan des fichiers de données.
@+

Bonjour, J'ai un système qui (aujourd'hui) fait l'analyse de 13000 séries temporelles à raison de 1 à 3 modèles en général par série, parfois plus, limitation à 10. Dans ton problème, la première chose c'est qu'il ne faut pas qu'il y ait d'intervention humaine pour faire du traitement en masse. Donc...

Bonjour (bonne année) Je suis d'accord avec Eric, pour revenir au sujet (R) : http://christophe.genolini.free.fr/kml/examples.php package KML de Christophe Genolini, qui officie ici au demeurant. Sinon, une recherche google me ramène à ton DTW : http://www.rdatamining.com/examples/time-series-cluste...