Package: trama.models 0.6.9

trama.models: Statistical Models Collection for trama

Nodes for statistical models in a trama graph: linear and generalized linear models from columns or a typed formula; analysis of variance for the classical experimental designs (completely randomized, randomized blocks, latin square, factorial and split plot) with type I, II and III sums of squares; linear mixed models with lme4 and lmerTest; estimated marginal means, compact letter displays and pairwise or Dunnett comparisons with emmeans; Duncan, Waller-Duncan and Scott-Knott grouping; effect sizes and coefficient forest plots; residual diagnostics and assumption tests; and the classical hypothesis tests with the Dunn post hoc. Every p-value is shown on a logarithmic gauge with significance stars. Builds on trama.data for tables and trama.view for plots.

Authors:Pedro Mambelli Fernandes [aut, cre], João Paulo Assis Bonifácio [aut]

trama.models_0.6.9.tar.gz
trama.models_0.6.9.zip(r-4.7-any)trama.models_0.6.9.zip(r-4.6-any)trama.models_0.6.9.zip(r-4.5-any)
trama.models_0.6.9.tgz(r-4.6-any)trama.models_0.6.9.tgz(r-4.5-any)
trama.models_0.6.9.tar.gz(r-4.7-any)trama.models_0.6.9.tar.gz(r-4.6-any)
trama.models_0.6.9.tgz(r-4.6-emscripten)
manual.pdf |manual.html✨
DESCRIPTION |NEWS
card.svg |card.png
trama.models/json (API)

# Install 'trama.models' in R:
install.packages('trama.models', repos = c('https://uaipedro.r-universe.dev', 'https://cloud.r-project.org'))

Bug tracker:https://github.com/uaipedro/trama/issues

On CRAN:

Conda:

3.38 score 1 stars 4 packages 1 scripts 85 exports 119 dependencies

Last updated from:1bdeb4f693. Checks:7 WARNING, 2 OK. Indexed: yes.

TargetResultTimeFilesSyslog
linux-develWARNING219
source / vignettesOK199
linux-releaseWARNING168
macos-releaseWARNING148
macos-oldrelWARNING133
windows-develWARNING176
windows-releaseWARNING164
windows-oldrelWARNING169
wasm-releaseOK154

Exports:augmentglancetidytr_models_anova_dbctr_models_anova_dictr_models_anova_dqltr_models_anova_factorialtr_models_anova_split_plottr_models_anova_tabletr_models_as_fittr_models_as_tabletr_models_bartletttr_models_bootstraptr_models_breusch_pagantr_models_cardtr_models_card_padraotr_models_chisqtr_models_clean_nametr_models_coefficientstr_models_coefstr_models_cohen_dtr_models_comparetr_models_confusiontr_models_cor_testtr_models_duncantr_models_dunntr_models_effect_sizetr_models_effectstr_models_emmeanstr_models_errorstr_models_evaluatetr_models_exampletr_models_fisher_exacttr_models_fit_statstr_models_friedmantr_models_glmtr_models_glmertr_models_glstr_models_importancetr_models_importance_tabletr_models_influencetr_models_infotr_models_kruskaltr_models_levenetr_models_linear_hypothesistr_models_lmtr_models_lmertr_models_logliktr_models_nestingtr_models_nlstr_models_one_sample_ttr_models_paired_ttr_models_pairwisetr_models_permutationtr_models_plot_caterpillartr_models_plot_coefficientstr_models_plot_diagnosticstr_models_plot_meanstr_models_plot_regressiontr_models_polinomialtr_models_pr_curvetr_models_predicttr_models_predict_cvtr_models_predict_rawtr_models_random_effectstr_models_random_testtr_models_report_effectstr_models_report_emmtr_models_report_fittr_models_residtr_models_residualstr_models_rls_fntr_models_roctr_models_scott_knotttr_models_selecttr_models_serializetr_models_shapirotr_models_shapiro_residualstr_models_statstr_models_t_testtr_models_tukey_additivitytr_models_unserializetr_models_waller_duncantr_models_wilcoxontrama_collection

Dependencies:abindagricolaeAlgDesignbackportsbase64encbitbit64bootbroombslibcachemcarcarDataclicliprclustercolorspacecommonmarkcowplotcpp11crayoncurlDerivdigestdoBydplyremmeansestimabilityfarverfastmapfontawesomeforecastFormulafracdifffsgenericsggplot2gluegtablehmshtmltoolshttpuvisobandjanitorjquerylibjsonlitelabelinglaterlatticelifecyclelme4lmerTestlmtestlubridatemagrittrMASSMatrixMatrixModelsmemoisemgcvmimeminqamodelrmvtnormnlmenloptrnnetnumDerivotelpatchworkpbkrtestpillarpkgconfigprettyunitsprogresspromisespurrrquantregR6raggrappdirsrbibutilsRColorBrewerRcppRcppArmadilloRcppEigenRdpackreadrreformulasrlangS7sassscalesshinysnakecasesourcetoolsSparseMstringistringrsurvivalsystemfontstextshapingtibbletidyrtidyselecttimechangetimeDatetramatrama.datatrama.viewtzdburcautf8vctrsviridisLitevroomwithrxtablezoo

Readme and manuals

Help Manual

Help pageTopics
ANOVA de um delineamento em blocos casualizados (DBC).tr_models_anova_dbc
ANOVA de um delineamento inteiramente casualizado (DIC).tr_models_anova_dic
ANOVA de um delineamento em quadrado latino (DQL).tr_models_anova_dql
ANOVA de um fatorial (2 ou 3 fatores), em DIC ou em blocos.tr_models_anova_factorial
ANOVA de parcelas subdivididas em blocos.tr_models_anova_split_plot
Quadro da ANOVA.tr_models_anova_table
Embrulha um ajuste feito por outra coleção como `models/fit`.tr_models_as_fit
Bartlett: as variâncias dos grupos são iguais?tr_models_bartlett
Bootstrap de casos de um ajuste linear.tr_models_bootstrap
Breusch-Pagan (versão studentizada de Koenker).tr_models_breusch_pagan
Qui-quadrado de independência.tr_models_chisq
Nome de coluna saneado: o que vem depois de `prob_` numa probabilidade.tr_models_clean_name
Coeficientes.tr_models_coefficients
Coeficientes com o erro da ANOVA: V = QM_res · (X'WX)⁻¹, t com os gl do resíduo.tr_models_coefs.tr_models_dose
Coeficientes do GLMM: z de Wald e intervalo de Wald, como no `summary()` do `lme4`; o perfil de verossimilhança reajusta o modelo dezenas de vezes.tr_models_coefs.tr_models_glmer
Coeficientes do GLS: t com n − p gl e intervalo do `nlme::intervals`.tr_models_coefs.tr_models_gls
Coeficientes com IC de Wald (t com os gl do resíduo): o perfil de verossimilhança seria mais honesto na assimetria, mas falha justo nos ajustes difíceis, e um card que ora tem IC ora não confunde mais.tr_models_coefs.tr_models_nls
d de Cohen e g de Hedges entre dois grupos, com intervalo.tr_models_cohen_d
Dois modelos aninhados: o termo a mais melhora o ajuste?tr_models_compare
Matriz de confusão: classe real × classe prevista.tr_models_confusion
Contrato de modelo da `trama.models`tr_models_as_table tr_models_card tr_models_coefs tr_models_contract tr_models_importance tr_models_info tr_models_predict_cv tr_models_predict_raw tr_models_resid tr_models_serialize tr_models_stats tr_models_unserialize
Teste de correlação.tr_models_cor_test
Teste de Duncan.tr_models_duncan
Comparações múltiplas de Dunn (1964), o post hoc do Kruskal-Wallis.tr_models_dunn
Tamanhos de efeito de cada termo da ANOVA: eta², eta² parcial e ômega².tr_models_effect_size
Um quadro de efeitos (`models/effects`), para o `tr_models_coefs()` de modelo de outra coleção.tr_models_effects
Médias ajustadas, com letras.tr_models_emmeans
Classes de erro da coleção `models`.tr_models_errors
Métricas de previsão: o erro (regressão) ou o acerto (classificação).tr_models_evaluate
Carrega um conjunto de exemplo.tr_models_example
Exato de Fisher.tr_models_fisher_exact
Medidas de ajuste, em colunas FIXAS.tr_models_fit_stats
Friedman, Durbin e Skillings–Mack: tratamentos em blocos, por postos.tr_models_friedman
Modelo linear generalizado.tr_models_glm
GLM misto (`lme4::glmer`): binomial ou Poisson com efeitos aleatórios.tr_models_glmer
Mínimos quadrados generalizados (`nlme::gls`): erro correlacionado dentro do grupo e variância por nível.tr_models_gls
Importância das preditoras, pelo contrato.tr_models_importance_table
Medidas de influência por observação para um ajuste linear.tr_models_influence
Kruskal-Wallis: dois ou mais grupos.tr_models_kruskal
Levene: as variâncias dos grupos são iguais?tr_models_levene
Verossimilhança e aninhamento para `models/compare` e `models/select`tr_models_likelihood tr_models_loglik tr_models_loglik.default tr_models_nesting tr_models_nesting.default
Teste F da hipótese linear geral.tr_models_linear_hypothesis
Regressão linear.tr_models_lm
Modelo linear misto (`lme4`, com os p-valores do `lmerTest`).tr_models_lmer
Regressão não linear com modelos prontos.tr_models_nls
t para uma amostra.tr_models_one_sample_t
t pareado.tr_models_paired_t
Comparações de médias: todos os pares, ou contra um controle (Dunnett).tr_models_pairwise
Testa um termo por permutação da resposta, mantendo fixa a matriz do modelo.tr_models_permutation
Gráfico de lagarta dos efeitos aleatórios.tr_models_plot_caterpillar
Gráfico de floresta dos coeficientes.tr_models_plot_coefficients
Diagnóstico gráfico dos resíduos: quatro painéis.tr_models_plot_diagnostics
Médias com intervalo de confiança e letras.tr_models_plot_means
Gráfico de regressão: pontos, curva, equação e R².tr_models_plot_regression
Regressão polinomial nos tratamentos quantitativos da ANOVA.tr_models_polinomial
Curva precisão-revocação, com a precisão média (AP) e a área de Davis & Goadrich.tr_models_pr_curve
Prevê a resposta de um modelo: em dados novos, ou no próprio treino.tr_models_predict
A cruzada reajusta sem cada linha, partindo dos parâmetros do ajuste completo (que já estão perto); linha cujo reajuste não converge sai NA.tr_models_predict_cv.tr_models_nls
Componentes de variância.tr_models_random_effects
Teste dos efeitos aleatórios: cada um sai, e o ajuste piora?tr_models_random_test
Um quadro de efeitos no relatório exportado.tr_models_report_effects
Médias ajustadas no relatório exportado.tr_models_report_emm
Um modelo ajustado no relatório exportado.tr_models_report_fit
A tabela da ANOVA com a curva ao lado: o resíduo é o desvio de cada parcela à curva (bloco e falta de ajuste inclusos), padronizado pelo erro da ANOVA.tr_models_resid.tr_models_dose
GLS: resíduos normalizados (descontadas a correlação e a variância do modelo).tr_models_resid.tr_models_gls
Resíduos ao lado da tabela.tr_models_residuals
O `fn` de `models/rls` — nunca roda de verdade.tr_models_rls_fn
Curva ROC: sensibilidade × especificidade em todos os cortes, com a AUC.tr_models_roc
Agrupamento de Scott-Knott.tr_models_scott_knott
Seleção de modelos por critério de informação.tr_models_select
Shapiro-Wilk numa coluna.tr_models_shapiro
Shapiro-Wilk nos resíduos do modelo.tr_models_shapiro_residuals
No GLMM não há R² de uso geral (o de Nakagawa pede a variância da distribuição na escala da ligação, que muda com a família e a ligação): as medidas são as de verossimilhança.tr_models_stats.tr_models_glmer
GLS: sigma do `nlme` e gl do resíduo n − p (os dos coeficientes e do quadro).tr_models_stats.tr_models_gls
R² como 1 − SQres/SQtotal (pseudo: fora do linear ele não é a fração explicada nem fica entre 0 e 1 garantido) e a raiz do erro quadrático médio.tr_models_stats.tr_models_nls
t de Student / Welch para duas amostras independentes.tr_models_t_test
Tabelas tidy de um modelo da tramaaugment.tr_models_fit glance.tr_models_fit tidy.tr_models_fit tr_models_tidy
Não aditividade de Tukey: bloco e tratamento interagem?tr_models_tukey_additivity
Teste de Waller-Duncan (razão K).tr_models_waller_duncan
Wilcoxon-Mann-Whitney para duas amostras independentes.tr_models_wilcoxon
A coleção `models`.trama_collection