[R-br] Seleção Níveis Regressão linear

[Eder David Borges da Silva]

Boa noite pessoal,
Gostaria de discutir com vocês um experimento.
Estamos planejando um experimento de medição de gases do solo via câmaras,
em síntese colocar uma câmara sob o solo e a cada intervalo de tempo medi-se
a concentração de gases (CO2, N2O, CH4) retirando uma amostra e fazendo
cromatografia dela.
nosso experimento visa otimizar os tempos para coleta destas amostra hoje se
faz 0, 15, 30, 45 min.
Vamos fazer um experimento com 13 tempos de 0 a 120 min.
Nosso interesse neste experimento é determinar a inclinação da reta que da a
taxa de emissão (ppm / min)
Minha sugestão de analise:
1) Ajustar um modelo com os 13 tempos. sendo esta estimativa de inclinação a
mais próxima da realidade. (M0)
2) ajustar modelos com tempos distintos por exemplo 0, 5, 10 , 20 (Mi) e
comparar esta estimativas com o (M0)
repetir o passo 2 varias vezes
3) computar os modelos que são "iguais" a M0, de todos os "iguais" o melhor
é aquele que demore menos tempo.
Em resumo se avaliar nos tempos 0,5,10,20 e igual a avaliar em 13 tempos de
0 a 120???
OBS: o tempo 0 sempre terá de ser medido
Um Codigo possivel seria isso:
require(MCMCpack)
require(plyr)
require(latticeExtra)

dados <-
expand.grid(local=c('Agri','Pastagem'),epoca=factor(c(-1,1,5,10,20)),camara=c('C1','C2','C3'),tempo=c(seq(0,45,by=5),60,90,120),bloco=factor(1:4))
dim(dados)
dados$resp <- rnorm(nrow(dados),10,10)
head(dados)

m0 <- MCMCregress(resp~tempo,data=dados)
summary(m0)
plot(m0)
###Distribuiçao pretendida

#### Simulação
simu <- list(A=c(0,5,10,60),
             B=c(0,5,15,45),
             C=c(0,10,20,45),
             D=c(0,10,45,60))### colocar mais

resS <- data.frame(V1='m0',V2=m0[,2])

for(i in 1:length(simu)){
  m0 <- MCMCregress(resp~tempo,data=subset(dados,dados$tempo %in%
simu[[i]]),burnin=1000,mcmc=5000)
  m0 <- as.matrix(m0)
  resS <- rbind(resS,data.frame(V1=names(simu)[i],V2=m0[,2]))
}
class(resS)

### Aproximaçao para Slope
marginal.plot(resS$V2, data=resS,groups = resS$V1,auto.key=TRUE)

### Diferenças
mS <- aov(V2~V1,resS)
summary(mS)
par(mfrow=c(2,2))
plot(mS)

Creio que esta ANOVA no final não seja a coisa mais interessante de ser
feita, diante disso gostaria de sugestões para o problema.
Acho que problemas de heterogenidade de variancias vão surgir....
OBS1: As outras covariaveis dos dados estão sendo discutidas se serão
feitas, por enquanto desconsiderar elas
Atenciosamente
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20110914/6f27d5ef/attachment.html>