Modérateur : Groupe des modérateurs
Code : Tout sélectionner
> seq(-2, 2, 1/10)
[1] -2.0 -1.9 -1.8 -1.7 -1.6 -1.5 -1.4 -1.3 -1.2
[10] -1.1 -1.0 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3
[19] -0.2 -0.1 0.0 0.1 0.2 0.3 0.4 0.5 0.6
[28] 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5
[37] 1.6 1.7 1.8 1.9 2.0
Code : Tout sélectionner
> seq(-2, 2, length = 50)
[1] -2.00000000 -1.91836735 -1.83673469
[4] -1.75510204 -1.67346939 -1.59183673
[7] -1.51020408 -1.42857143 -1.34693878
[10] -1.26530612 -1.18367347 -1.10204082
[13] -1.02040816 -0.93877551 -0.85714286
[16] -0.77551020 -0.69387755 -0.61224490
[19] -0.53061224 -0.44897959 -0.36734694
[22] -0.28571429 -0.20408163 -0.12244898
[25] -0.04081633 0.04081633 0.12244898
[28] 0.20408163 0.28571429 0.36734694
[31] 0.44897959 0.53061224 0.61224490
[34] 0.69387755 0.77551020 0.85714286
[37] 0.93877551 1.02040816 1.10204082
[40] 1.18367347 1.26530612 1.34693878
[43] 1.42857143 1.51020408 1.59183673
[46] 1.67346939 1.75510204 1.83673469
[49] 1.91836735 2.00000000
Code : Tout sélectionner
> library(MASS)
> methods(boxcox)
[1] boxcox.default* boxcox.formula* boxcox.lm*
Non-visible functions are asterisked
> MASS:::boxcox.default
function (object, lambda = seq(-2, 2, 1/10), plotit = TRUE, interp = (plotit &&
(m < 100)), eps = 1/50, xlab = expression(lambda), ylab = "log-Likelihood",
...)
{
if (is.null(object$y) || is.null(object$qr))
stop(paste(deparse(substitute(object)), "does not have both 'qr' and 'y' components"))
y <- object$y
n <- length(y)
if (any(y <= 0))
stop("response variable must be positive")
....
Code : Tout sélectionner
> MASS:::boxcox.default
function (object, lambda = seq(-2, 2, 1/10), plotit = TRUE, interp = (plotit &&
(m < 100)), eps = 1/50, xlab = expression(lambda), ylab = "log-Likelihood",
...)
{
if (is.null(object$y) || is.null(object$qr))
stop(paste(deparse(substitute(object)), "does not have both 'qr' and 'y' components"))
y <- object$y
n <- length(y)
if (any(y <= 0))
stop("response variable must be positive")
xqr <- object$qr
logy <- log(y)
ydot <- exp(mean(logy))
[...]
Code : Tout sélectionner
## récup des données: sans objet pour vous
Crabs <- read.table("d:/analyses/travail/data/crabs.txt", header = TRUE)
## transformation et changement de nom des variables
Crabs$distance <- as.numeric(substring(Crabs$T, 1, 4))
Crabs$position <- Crabs$P
Crabs$count <- Crabs$B
# exploration graphique
library(lattice)
# données par répétition
xyplot(count ~ distance | position * S, data = Crabs,
panel = function(x, y){
panel.xyplot(x, y, cex = 1.1, type = "o", pch = 19)
})
# données groupées
xyplot(count ~ distance | position, data = Crabs,
layout = c(1, 5), aspect = "xy",
panel = function(x, y){
panel.xyplot(x, jitter(y))
Y <- tapply(y, x, mean)
X <- unique(x)
llines(X, Y)
})
# conclusion: pas de structure visible, ou cohérente entre
# les différentes combinasions de variables explicatives.
# Je ne sais pas ce qu'on peut faire d'utile
# exemple de modèle de Poisson
fm1 <- glm(count ~ distance * position, data = Crabs, family = poisson)
summary(fm1)
# package metomet sur le site GuR
library(metomet)
# calcul du Chi2 de Pearson
gof(fm)
# ==> pb de surdispersion... Mais pas la peine
# d'aller plus loin sans covariable plus intéressante.
Orianne Liet a écrit :oups j ai oublie qqchoses...
impossible de downloader le package metomet qqsoit le lien, le telechargement se lance, mais apres rien ne bouge...
et aussi
j ai tape votre script, et pour la loi de poisson, certains trucs m etonnent.
on a seulement une ligne pour la distance T (que vous avez passe en numerique)
et pour les positons p, on n obtient aucun resutat pour P=0%
Code : Tout sélectionner
glm(count ~ -1 + distance * position, data = Crabs, family = poisson)
Retourner vers « Archives : Fonctions statistiques »
Utilisateurs parcourant ce forum : Aucun utilisateur enregistré et 1 invité