Spaces:
Sleeping
Sleeping
File size: 1,400 Bytes
5a213d1 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 |
library(shiny)
#Funcion interceptos y pendientes aleatorias (Correlación)
plotbob1 <- function (mgrupos, nmuestras, beta0, beta1,
sigma2b0, sigma2b1, sigma2, correlacion){
set.seed(1234)
sigmab0b1 <- correlacion * sqrt(sigma2b0 * sigma2b1)
grupo.Total <- factor(rep(1:mgrupos, each=nmuestras))
n <- length(grupo.Total) #( es lo mismo que n = mgrupos*nmuestras )
mtx.Var.Cov <- matrix(c(sigma2b0, sigmab0b1, sigmab0b1, sigma2b1), 2, 2)
mtx.Efectos.Aleatorios <- MASS::mvrnorm(mgrupos, mu=c(0, 0),
Sigma=mtx.Var.Cov,
empirical=TRUE) # random effects
er <- rnorm(n, mean=0, sd=(sqrt(sigma2))) #Este es el vector de errores
x <- runif(n, 0, 10)
y <- beta0 + mtx.Efectos.Aleatorios[grupo.Total, 1] + (beta1 + mtx.Efectos.Aleatorios[grupo.Total,2]) * x + er
d <- data.frame(x, y, grupo.Total)
library(ggplot2)
a <- ggplot(d, aes(x, y, color=grupo.Total)) + geom_point() + labs(colour="Grupo / Cluster")
return(a)
}
shinyServer(function(input, output) {
output$grafico1 <- renderPlot({
ph <- plotbob1(input$mgrupos, input$nmuestras, input$beta0, input$beta1,
input$sigma2b0, input$sigma2b1, input$sigma2, input$correlacion)
return(ph)
})
})
|