[R-es] Clasificacion de individuos
Carlos Ortega
cof en qualityexcellence.es
Mar Sep 30 15:11:29 CEST 2014
Hola,
1. Para la transformación Box-Cox, en vez de probar con diferentes valores,
puedes utilizar la función boxcox() del paquete MASS que te optimizará el
lambda de la transformación de forma automática.
2. Sobre paquetes para ajustar distribuciones, lo hemos hablado en la lista
hace un tiempo, pero por ver lo que hay ahora...:
http://cran.rstudio.com/web/packages/DistributionUtils/index.html
http://cran.rstudio.com/web/packages/goft/index.html
http://cran.rstudio.com/web/packages/reliaR/index.html
http://cran.rstudio.com/web/packages/rriskDistributions/index.html
Saludos,
Carlos Ortega
www.qualityexcellence.es
El 30 de septiembre de 2014, 12:23, <jluis.gilsanz en tasacionesh.com>
escribió:
> Estimados apañeRos:
>
> La duda o propuesta que os voy a plantear es a la vez metodológica y
> relacionada con R.
>
> Me encuentro trabajando con tres variables que son el resultado de un
> computo de porcentajes.
> Me explico, se toma una muestra de n casos (unos 6.500 aprox)
> pertenecientes a i individuos (unos 230 aprox) en la que se comprueba si
> un determinado evento ha ocurrido o no, anotándose 1 en caso de dicha
> ocurrencia y 0 en caso de no ocurrencia.
> Algo así como:
> indiv ocurrencia
> -------- -----------------
> 1 0
> 1 0
> 1 1
> 2 0
> 2 1
> 3 0
> 3 0
> 3 0
> 4 1
> 4 1
> . .
> . .
> . .
> n
>
> Tras ello se computa el porcentaje de ocurrencias para cada individuo
> obteniendo las variables que serán estudiadas, obteniendo algo así:
>
> indiv %
> ----- ------
> 1 0.333
> 2 0.5
> 3 0
> 4 1
> . .
> . .
> i
>
> Este mismo proceso se repite en cada una de las tres variables objeto de
> estudio.
>
> Lo que se pretende es clasificar los i individuos en tres grupos según sus
> resultados en cuanto a los porcentajes calculados (%):
> -Por debajo de la media: Individuos que forman parte de la cola con peores
> porcentajes. Aprox 10%
> -Por encima de la media: Individuos que forman parte de la cola con
> peores porcentajes. Aprox 10%
> -Acordes a la media: El 80% de individuos resultantes.
>
> Se trata básicamente de "regañar" a los del primer grupo y "felicitar" los
> del segundo grupo ;-)
>
> La cuestión es que de las tres variables en estudio, las dos ultimas no
> son normales:
>
> >stem(v1)
>
> The decimal point is 1 digit(s) to the left of the |
>
> 0 | 0000000000466899
> 1 | 0133347777778999
> 2 | 0000011233344555667778889999
> 3 | 0001233333333334444567778888889999999999
> 4 | 000001122233333344444566788889999
> 5 | 000000000000011234444566667777889
> 6 | 00122233345555777777788899
> 7 | 00011222334455567779
> 8 | 1333336668
> 9 |
> 10 | 0000000000000
>
> >quantile(v1,c(0.1,0.9))
> 10% 90%
> 0.1670 0.7834
>
>
>
> >stem(v2)
>
> The decimal point is 1 digit(s) to the left of the |
>
> 0 |
> 00000000000000000000000000000000000000000000000000000000000000000000+75
> 1 | 00000000111122233333444445677788888999
> 2 | 0000122444557899
> 3 | 0001123378999
> 4 | 266
> 5 | 0000
> 6 | 57
> 7 |
> 8 | 3
> 9 |
> 10 | 000
>
> >quantile(v2,c(0.1,0.9))
> 10% 90%
> 0.000 0.304
>
>
>
> stem(V3)
>
> The decimal point is 1 digit(s) to the left of the |
>
> 0 |
> 00000000000000000000000000000000011111111122222222222222222222222222+128
> 1 | 000001133333477
> 2 | 000
> 3 | 3
> 4 |
> 5 | 000
> 6 |
> 7 |
> 8 |
> 9 |
> 10 | 00000
>
> >quantile(V3,c(0.1,0.9))
> 10% 90%
> 0.0 0.1
>
>
>
> La primera variable V1 aparece como Normal segun los test de
> Kolmogorv-Smirnov, Jarque-Bera (simetria), Agostino (simetria) y Anscombe
> (curtosis) pero como No Normal segun el test de Shapiro-Wilks.
> Las otras dos no aparecen como Normales en ninguno de los test,
> logicamente al tener una asimetria tan fuerte.
> He probado transformando mediante Box-Cox pero la ni la raiz cuadadrada,
> ni 1/Variable me solucionan el problema y al haber muchos casos con 0 la
> logaritmica tampoco me vale.
>
>
>
> Asumiendo Normalidad puedo emplear los intervalos de confianza para
> "regañar" o "felicitar" a los individuos y Puedo utilizar los percentiles
> 0.1 y 0,9 para obtener las clasificaciones en cualquier caso (normal o no
> normal).
>
> Pero me surgen varias dudas:
> -La principal de todas es la metodologia (y paquetes/funciones de R
> asociados) para llevar a cabo tarea de clasificacion.Actualmente estoy
> valorando hacer la clasificacion mediante intervalos de confianza (en caso
> de poder transformar a "normales" las dos ultimas variables), percentiles
> o directamente aplicando la desigualdad Chebychev.
>
> -¿Que paquetes me ofrece R para obtener la distribucion de probabilidad
> subyacente en una determinada muestra?.
>
>
> -¿Que test, de los que se ofrecen en R, considerais como los mas potentes
> para comprobar si una muestra de estas caracteristicassigue una
> determinada distribucion?.Yo utilizo ks.test y shapiro.test pero igual hay
> otros mejores en algun paquete que conozcais.Por la construccion de las
> variables habia supuesto que las variables debian de seguir una
> distribucion U(0,1) pero el test ks solo concluye uniformidad en la
> primera variable.
>
>
> Muchas gracias a tod en s por leer hasta el final del ladrillo
>
>
> Saludos
>
>
>
>
>
>
>
>
>
>
> -- AVISO LEGAL --
>
> Los datos personales que en esta comunicación aparecen, así como los que
> nuestra
> empresa mantiene de Vd. y de su empresa, son tratados con la finalidad de
> mantener
> el contacto así como realizar las gestiones que en esta aparecen (Ley
> Orgánica
> 15/1999, de 13 de diciembre, de Protección de Datos de Carácter Personal).
> Puede ejercer sus derechos de acceso, rectificación, cancelación y
> oposición
> dirigiéndose a atencion.clientes en tasacionesh.com
> La utilización de su dirección de correo electrónico por parte de nuestra
> empresa
> queda sujeta a las disposiciones de la Ley 34/2002, de Servicios de la
> Sociedad de
> la Información y el Comercio Electrónico. Si Vd. recibe comunicación
> comercial por
> nuestra parte y desea dejar de recibirla, rogamos nos lo comunique por vía
> electrónica
> a través de la dirección atencion.clientes en tasacionesh.com
>
> [[alternative HTML version deleted]]
>
>
> _______________________________________________
> R-help-es mailing list
> R-help-es en r-project.org
> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
>
--
Saludos,
Carlos Ortega
www.qualityexcellence.es
[[alternative HTML version deleted]]
Más información sobre la lista de distribución R-help-es