Gruppo dedicato ad R

269 Members
Join Us!

Blog: Statistica con R

Durante gli anni 1975-1976 presso i Bell Laboratories fu inventato il linguaggio di programmazione statistico S. Fino ad allora, la maggior parte dei calcoli statistici veniva eseguito tramite l’impiego di subroutine in Fortran.
S è stato inventato da John Chambers con contributi provenienti da Rick Becker e di Allan Wilks dei Bell Laboratories. L’idea dietro lo sviluppo di questo linguaggio era, nelle parole di Chambers, “trasformare le idee in software, rapidamente ed efficacemente”.
Ad oggi le due applicazioni più note di S sono due: l’implementazione commerciale S-Plus sviluppata e distribuita da Insightful, ed il linguaggio di programmazione gratuito R.
R fu sviluppato da Ross Ihaka e da Robert Gentlemen presso l’Università di Auckland in Nuova Zelanda, e proprio per le sue celebri origini è chiamato anche (soprattutto dagli appassionati degli ambienti free-ware) GNU S.
R è ampiamente utilizzato nei settori della ricerca, e da anni ormai riscuote sempre maggiori apprezzamenti dagli analisti operanti in tutti i settori della scienza. È disponibile sotto licenza GNU ed è funzionante sotto diversi sistemi operativi quali Unix, Linux, Windows. Vi è ampia disponibilità di moduli, organizzati in un apposito CRAN (Comprehensive R archivi Network) organizzato in oltre 60 mirror nel mondo, che possono essere facilmente scaricati ed installati allo scopo di ampliare – oseremo dire quasi all’infinito - le capacità del programma.
Il programma è caratterizzato da un’interfaccia a linea di comando, ciò nonostante sono disponibili diverse interfacce grafiche implementabili via installazione dei relativi moduli aggiuntivi tra le quali la più celebre è sicuramente R Commander (si veda R GUI projects).
Spesso ignorato dagli ambienti aziendali perché considerato troppo complesso da utilizzare e poco pratico (vi è infatti la convinzione errata che non disponga di tool tipicamente enterprise quali ad esempio funzionalità d’interfacciamento a database esterni e di produzione reportistica), è a tutti gli effetti uno degli strumenti generalisti più potenti disponibili oggi al mondo.
La comunità bioinformatica mondiale lo ha eletto come strumento principale da utilizzare nei laboratori di biologia molecolare, ed il progetto Bioconductor ne è la prova. Strumento ottimale per il data mining
Sito web: http://www.r-project.org/

Forum

Esperto

Shiny

Ciao a tutti, in questi giorni ho seguito un tutorial di RStudio per creare la prima Shiny app. Ho racchiuso le informazioni apprese in questo breve post sul mio blog. Il codice lo trovate allegato, come sempre spero possa essere utile e si attendono feedback.

Leggi tutto…
0 risposte

anova a due vie con misure ripetute

Buongiorno, ho condotto una anova a due vie con misure ripetute su entrambi i fattori. Lo scenario e'il seguente: ho un gruppo di persone (dette Pers) che ha provato due trattamenti (siano essi T) a tre intervalli temporali (siano essi IT). La la variabile dipendente e' una misura continua (sia essa V) Per valutare se c'e stato un effetto del trattamento, del tempo e un loro effetto combinato ho fatto cosi: r.aov=aov(V ~ (T*IT) + Error(Pers/(T*IT)), data=mydata) summary(r.aov) cosi facendo…

Leggi tutto…
0 risposte

CERCA.VERT in R?

Buongiorno, qualcuno sa dirmi se esiste una funzione analoga al CERCA.VERT di Excel? Cioè la possibilità di trovare elementi in una tabella o in un intervallo per riga, ad esempio per cercare il prezzo di un pezzo di ricambio di un'auto in base al numero di articolo e poi poterlo riportare in un'altra tabella. Fatemi sapere, grazie! Elio

Leggi tutto…
3 risposte · Risposta da Davide Massidda 6 Lug, 2017

PROBLEMA BIOSTATISTICA

Cari tutt*, non sono un esperto di statistica (ma spero un giorno di diventarlo) per cui mi scuso in anticipo del quesito che di seguito esporrò. Il dataset è composto da 12 farmaci, dove ogni farmaco è utilizzato per diversi genotipi, e per ogni genotipo ho il numero dei pazienti che hanno risposto alla terapia e il numero di pazienti che invece non hanno risposto. Dovrei in sostanza confrontare la risposta tra i diversi trattamenti per genotipo e verificare la presenza o meno di differenza…

Leggi tutto…
0 risposte

Per aggiungere dei commenti, devi essere membro di StatisticaNing!

Join StatisticaNing

Commenti

  • Hai ragione. Pardon
  • In realtà è rm(list = ls())

    l'ho trovato sulla guida di Mineo

  • ls()
  • Salve come posso eliminare tutto quello che il workspace di R ha in memoria, Per esempio in Matlab c'è l'istruzione clear all

    Grazie

  • Grazie! Ora provo a vedere se mi riesce specificandogli i quantili, purtroppo non conosco molto Rmardown.

  • Esperto

    Si il problema è che se chiedi più di un quantile es. tau<-c(0.5,0.75), la lista che contiene i coefficienti non è una e quindi devi specificare a quale elemento della lista puntare: s[[1]]$coefficients estrae il primo dei quantili specificati, s[[2]]$coefficients il secondo. Poi li puoi impilare e salvarli tutti in un unico csv oppure fare un csv per ciascun foglio. Con Rmarkdown faresti prima, però a volte avere il tutto in un file di testo può risultare comodo

  • Grazie mille per la risposta Maurizio!

    Ho appena provato i comandi che hai suggerito ma mi genera una tabella vuota.

    Ho scritto:

    x<-summary(fit1)
    coeff<-x$coefficients
    write.table(coeff, file = "epiGRF.csv", sep = ";",row.names = T, col.names = T)

    il problema secondo me è in coeff, infatti quando lo richiamo mi dice : 

    > coeff
    NULL

  • Esperto

    Il problema è semplice:

    s<-summary(fit1)

    coeff<-s$coefficients

    write.table(coeff, file="...", sep=";" , ...)

  • Ciao a tutti,

    sto usando per la prima volta il pacchetto quantreg su R, qualcuno di voi ha dimestichezza?

    Devo esportare delle tabelle da

     R per scrivere un report. Non sapendo usare Latex o simili pensavo di esportatle in formatao csv con il comando write.csv però non mi riesce...

    Cattura.PNG?origin=1?width=750

    Vorrei riuscire a esportare come tabella il risultato del summary

    taus<-c(.05,.1,.25,.75,.90,.95)

    fit1<-rq(epiGFR~ AGE, tau = taus)
    summary(fit1)

    Qualcuno sa darmi un'indicazione?

    Grazie

  • Grazie mille Giacomo, oggi provo!

    Scusami, mi sono iscritto ieri e nel primo punto in cui infilare la domanda l'ho fatto.

    Farò più attenzione.

    Poi ti faccio sapere,

    Grazie ancora e a presto!

    Elio

This reply was deleted.