R is a free statistical, graphing and data management software. Unfortunately, R is very hard to learn. To bridge the gap between authoritative (but expensive) reference textbooks and free but often technical and difficult to understand help files, I created R Instructor (more...).
21 ene 2013
16 ene 2013
Se buscan estadísticos para entender el mundo
Si usted quiere desarrollar su habilidad para discernir lo importante de lo trivial, aprenda estadística. Más argumentos a su favor: dicen que los que se dediquen a ella tendrán la profesión más sexy del próximo decenio y que esta ciencia será imprescindible para superar la crisis. Hoy es indispensable para la biomedicina, las ciencias sociales, la física… y el sentido común. (Mas..)
15 ene 2013
The tsbugs package for R
My tsbugs package has gone up on CRAN. The functions are aimed to automate the writing of time series models to run in WinBUGS or OpenBUGS. I created these functions a while back when I was doing some work on model averaging for time series models. I found it a lot easier to build R functions to write the BUGS models than the more error-inducing process of copy and pasting BUGS scripts, and then making slight alterations to create new models. It also allowed me to add arguments to specify different lag lengths, prior distributions, variance assumptions and data lengths. I decided not to write a vignette for CRAN, as it would have involved doing some estimation in BUGS via R2WinBUGS or R2OpenBUGS and running into some problems when submitted the package. Instead I thought I would post a quick guide Here
10 ene 2013
Elements of Statistical Learning
Elements of Statistical Learning: free book download
Durante la última década ha habido una explosión en la tecnología de la computación y la información. Con él ha llegado gran cantidad de datos en una variedad de campos como la medicina, la biología, finanzas y marketing. El desafío de comprender estos datos ha llevado al desarrollo de nuevas herramientas en el campo de la estadística, y dio lugar a nuevas áreas como la minería de datos, aprendizaje automático y la bioinformática. Muchas de estas herramientas tienen fundamentos comunes pero a menudo se expresan con una terminología diferente. Este libro describe las ideas importantes en estas áreas dentro de un marco conceptual común. Si bien el enfoque es estadística, se hace hincapié en los conceptos más que en las matemáticas. Muchos ejemplos se dan, con un uso liberal de gráficos en color. Debe ser un recurso valioso para los estadísticos y cualquier persona interesada en la minería de datos en la ciencia o la industria. La cobertura del libro es amplia, desde el aprendizaje supervisado (predicción) al aprendizaje no supervisado. Los temas incluyen muchas redes neuronales, máquinas de vectores soporte, árboles de clasificación y potenciando el primer tratamiento completo de este tema en los libros.(Tomada de R-bloggers.com).
2 ene 2013
RDataMining.com: R and Data Mining
R code for book "R and Data Mining: Examples and Case Studies" is now available at RDataMining.com: R and Data Mining
28 dic 2012
Razonamiento Bayesiano, Minería de Datos y Otros libros gratis.
Minería de Datos, Razonamiento Bayesiano y Otros libros gratis de gran utilidad para Data Scientist y razonamiento Estadístico.
27 dic 2012
12 dic 2012
Resumen del gigante Google.
Muy interesante conocer el resumen de búsqueda del gigante Google, como dato curioso, tanto que criticamos el reggeton y tienen mayor frecuencia que otros géneros musicales: http://www.google.com/zeitgeist/2012/#colombia
5 dic 2012
Palabras a Calero en el hashtag #GraciasCalero
Debido a los dos eventos de trombosis que sufrió, el ex portero colombiano Miguel Ángel Calero perdió la vida la tarde de este martes, en un hospital al sur de esta ciudad en donde estuvo internado desde el pasado domingo 25 de noviembre. Estas son algunas menciones de usuarios de la red social Twitter en el hashtag #GraciasCalero.
Paz en su tumba Miguel Ángel.
Paz en su tumba Miguel Ángel.
Cambiando colores y leyendas en los gráficos con Lattice
Los gráficos con el paquete Lattice son una manera de mostrar datos multivariados en R. Deepayan Sarkar, el autor de Lattice, ha escrito un libro fantástico sobre visualización de datos multivariado con R. Sin embargo, a menudo hay que remitirse a las páginas de ayuda para recordar cómo establecer y cambiar la leyenda y la forma de garantizar que la leyenda a utilizar tenga los mismos colores que el gráfico. Por lo que se muestra en un ejemplo para futuras referencias.
Finalmente, desea obtener el siguiente resultado:
Inicialmente se hace un gráfico de barras simple, utilizando los datos de seguros establecidos en el paquete MASS.
Para cambiar la leyenda se especifica una lista con las diferentes opciones de auto.key. Aquí se fijan los elementos de la leyenda junto a la otra, se añade un título para la leyenda y se cambia el tamaño del fuente:
Finalmente, usar una función de panel propia, pero cuando se hace la leyenda se muestran los puntos de forma predeterminada. Así que, ¿cómo puedo cambiar esto? En el siguiente paso es crear un gráfico de línea y especificar la leyenda para mostrar líneas en lugar de los puntos predeterminados:
Ahora es interesante cambiar los colores. Es fácil cambiar la configuración de color de gráficos en Lattice cambiando los parámetros por defecto en lugar de juguetear con los parámetros de color en las funciones Lattice en sí. Este enfoque también garantiza que los colores de la leyenda se alinearán automáticamente con los colores de los gráficos. Luego la configuración por defecto en Lattice es:
Vamos a cambiar los colores de una de las paletas RColorBrewer.
Usamos los azules, así que para el gráfico de barras cambiamos el polígono , el borde y el fondo:
Fuente Original: http://lamages.blogspot.com/2012/12/changing-colours-and-legends-in-lattice.html#more
Finalmente, desea obtener el siguiente resultado:
Inicialmente se hace un gráfico de barras simple, utilizando los datos de seguros establecidos en el paquete MASS.
library(MASS)
library(lattice)
## Plot the claims frequency against age group by engine size and district
barchart(Claims/Holders ~ Age | Group, groups=District,
data=Insurance, origin=0, auto.key=TRUE)
Para cambiar la leyenda se especifica una lista con las diferentes opciones de auto.key. Aquí se fijan los elementos de la leyenda junto a la otra, se añade un título para la leyenda y se cambia el tamaño del fuente:
barchart(Claims/Holders ~ Age | Group, groups=District,
data=Insurance, main="Claims frequency",
auto.key=list(space="top", columns=4,
title="District", cex.title=1))
Finalmente, usar una función de panel propia, pero cuando se hace la leyenda se muestran los puntos de forma predeterminada. Así que, ¿cómo puedo cambiar esto? En el siguiente paso es crear un gráfico de línea y especificar la leyenda para mostrar líneas en lugar de los puntos predeterminados:
xyplot(Claims/Holders ~ Age | Group, groups=District,
data=Insurance, t="l", main="Claims frequency",
auto.key=list(space="top", columns=4,
title="District", cex.title=1,
lines=TRUE, points=FALSE))
Ahora es interesante cambiar los colores. Es fácil cambiar la configuración de color de gráficos en Lattice cambiando los parámetros por defecto en lugar de juguetear con los parámetros de color en las funciones Lattice en sí. Este enfoque también garantiza que los colores de la leyenda se alinearán automáticamente con los colores de los gráficos. Luego la configuración por defecto en Lattice es:
show.settings()
Vamos a cambiar los colores de una de las paletas RColorBrewer.
library(RColorBrewer) display.brewer.all()
Usamos los azules, así que para el gráfico de barras cambiamos el polígono , el borde y el fondo:
myColours <- brewer.pal(6,"Blues") my.settings <- list( superpose.polygon=list(col=myColours[2:5], border="transparent"), strip.background=list(col=myColours[6]), strip.border=list(col="black") )Una lista completa de todos los parámetros es retornada por la función trellis.par.get (). Se pueden cambiar los ajustes por defecto a través trellis.par.set (My.Settings) a nivel mundial, pero se recomienda usar el argumento par.settings en la función de Lattice para cambiarlo localmente. Ahora unimos todo, cambié la configuración de color y leyendas en la siguiente declaración, de una manera similar a la anterior para el gráfico de linea.
barchart(Claims/Holders*100 ~ Age | Group, groups=District,
data=Insurance, origin=0,
main="Motor insurance claims frequency",
xlab="Age", ylab="Claims frequency %",
scales=list(alternating=1),
auto.key=list(space="top", columns=4,
points=FALSE, rectangles=TRUE,
title="District", cex.title=1),
par.settings = my.settings,
par.strip.text=list(col="white", font=2),
panel=function(x,y,...){
panel.grid(h=-1, v=0);
panel.barchart(x,y,...)
}
)
Fuente Original: http://lamages.blogspot.com/2012/12/changing-colours-and-legends-in-lattice.html#more
14 nov 2012
Una función útil para expandir columnas delimitadas en R
Siempre estamos en la búsqueda de esas funciones que nos ayudan a manipular de manera más ágil nuestros data.frame. Ésta es una que nos ayudara a expandir un vector de valores delimitados por comas para poder hacer cálculos en R con ella.
> data Name Score1 Score2 1 Bill 1,3,4,3,6,9 F1,F3,F2 2 Bob 3,2,3 F2,F2,F4 3 Sam 2,5,3 F5,F2,F4 > expand.delimited(data) Name Score1 1 Bill 1 2 Bill 3 3 Bill 4 4 Bill 3 5 Bill 6 6 Bill 9 7 Bob 3 8 Bob 2 9 Bob 3 10 Sam 2 11 Sam 5 12 Sam 3
# Descripción # Acepta una data.frame donde col1 representa un factor y representa col2
# valores delimitados por comas u otro a expandir de acuerdo con col1.
# Devuelve un data.frame. # Usage # expand.delimited(x, ...) # Default # expand.delimited(x, col1=1, col2=2, sep=",") # Arguments # x A data.frame # col1 Column in data.frame to act as factor # col2 Column in data.frame that is delimited and will be expanded # sep Delimiter #Download data #Read in data data<-read .table=".table" 1="1" apply="apply" as.data.frame="as.data.frame" c="c" cbind="cbind" col1="col1" col2="col2" data="data" df="df" do.call="do.call" example="example" expand.delimited="expand.delimited" expand="expand" expand_delimited.txt="expand_delimited.txt" expand_row="expand_row" expanded="expanded" factor="factor" factr="factr" function="function" header="T)" length="length" names="names" num="num" pre="pre" rbind="rbind" rep="rep" return="return" rnum="rnum" row.names="seq(rnum:(rnum+num)-1)))" sep="sep" strng="strng" strsplit="strsplit" to="to" tostring="tostring" unction="unction" x="x" y="y">#tomada de http://www.r-bloggers.com
9 nov 2012
7 nov 2012
5 nov 2012
A review at the speeches of candidates in the U.S. elections 2012: Obama vs Romney.
How
can see from the graph of Barack Obama the words"Change",
"Jobs", "Folks" and "Kids", and the graph of Mitt
Romney's the words "Jobs", "Obama", "Economy",
"Business" and "Government "are some of the ones most
frequently and therefore are most prominent in the word cloud, ie
they are the most used in his speeches. Well, with this you can also draw your
own conclusions from these speech content according to their political
preferences. As you can see, politicians can give speeches interesting, and all
are filled with mere words!.
3 nov 2012
1 nov 2012
Suscribirse a:
Entradas
(
Atom
)