O puedes usar el paquete visreg. Manuel
El 6 de agosto de 2015, 3:55, Jose Luis Cañadas Reche < [email protected]> escribió: > Supongo que si quieres hacer el gráfico 1, puedes hacer esto. > > efectos <- Effect(c("Presa", "Exposición1"), glm6 ) > > plot(efectos) > > > El 06/08/15 a las 09:09, Luis Fernando García escribió: > > Estimados amigos y expertos del R, > > > > Les escribo para hacerles una pregunta que parece un poco sencilla > > pero me ha costado mucho. Estoy tratando de graficar los datos > > correspondientes a tasas de consumo de algunos organismos cuando están > > expuestos o no expuestos a un químico sobre tres tipos de presa. Por > > definición, debía ajustar los datos a un glm con distribución gama. > > > > Las gráficas pueden ser 1) dos gráficos correspondientes a expuesto o > > no expuesto ( representado con 0 y 1) y cada uno con tres líneas > > (correspondientes a tres presas) o 2) realizar tres gráficos > > (correspondientes a cada tipo de presa), con dos líneas (expuesto vs > > no expuesto). Las líneas deberían ser generadas empleando la función > > predict. > > > > Para graficar estaba pensando dividir los datos con subset y ajustar > > un modelo para poder graficar cada línea pero no se si sea válido. La > > otra opción es graficar los datos como les mencioné anteriormente a > > partir del primer modelo, pero no he encontrado nada de información al > > respecto. Si alguno pudiera proveerme alguna colaboración o sabe donde > > puedo encontrar información sobre como hacer este tipo de gráfico > > estaría muy agradecido. > > > > Saludos! > > > > > > PS: Adjunto el set de datos porque es muy largo > > > > > > > > #####Este es el script > > > > todoslosdatos = read.table("TODOS POLIOSTOMA.txt", header=T) > > > > Exposición1=factor(todoslosdatos$Exposición) > > > > str(todoslosdatos) > > > > attach(todoslosdatos) > > > > names(todoslosdatos) > > > > glm6=glm(Consumo1 ~ I(1/Densidad) +Exposición1 + Presa, family = Gamma) > > > > summary(glm6) > > > > par(mfrow=c(2,2)) > > > > plot(glm6) > > > > anova(glm6,test="Chisq") > > > > summary(glm6) > > > > library(multcomp) > > > > compexp <- glht(glm6, mcp(Exposición1 = "Tukey", covariate_average = > > TRUE)) > > > > summary(compexp) > > > > plot(Densidad,Consumo1,type="n") > > > > > > > > > > > > > > > > > > > > > > _______________________________________________ > > R-help-es mailing list > > [email protected] > > https://stat.ethz.ch/mailman/listinfo/r-help-es > > > [[alternative HTML version deleted]] > > > _______________________________________________ > R-help-es mailing list > [email protected] > https://stat.ethz.ch/mailman/listinfo/r-help-es > > -- *Manuel Spínola, Ph.D.* Instituto Internacional en Conservación y Manejo de Vida Silvestre Universidad Nacional Apartado 1350-3000 Heredia COSTA RICA [email protected] [email protected] Teléfono: (506) 2277-3598 Fax: (506) 2237-7036 Personal website: Lobito de río <https://sites.google.com/site/lobitoderio/> Institutional website: ICOMVIS <http://www.icomvis.una.ac.cr/> [[alternative HTML version deleted]] _______________________________________________ R-help-es mailing list [email protected] https://stat.ethz.ch/mailman/listinfo/r-help-es
