[R-br] dose-resposta

Marcelo Laia marcelolaia em gmail.com
Quinta Dezembro 22 18:23:23 BRST 2016


Prezado Cesar,

Neste caso, ANCOVA, como ficaria o código que o Walmes gentilmente publicizou?
Tenho trabalhado com dose resposta e os pacotes do Task View foram criticados
por membros de bancas. Achei a solução do Walmes muito interessante. Por isso,
gostaria de testar a sua abordagem, também!

Marcelo

On 22/12/16 at 01:21, Cesar Rabak via R-br wrote:
> Walmes,
> 
> Apenas um observação: não seria mais interessante aproveitar mais a
> informação da dose se a tratássemos como variável contínua fazendo uma
> ANCOVA?
> 
> Minha interpretação apressada do seu código me faz crer que a dose virou
> fator também. . .
> 
> []s
> --
> Cesar Rabak
> 
> 
> On Thu, Dec 22, 2016 at 9:46 AM, Walmes Zeviani <walmeszeviani em gmail.com>
> wrote:
> 
> > Ajuste um modelo com as três espécies como se fosse um fatorial. Para
> > obter as DLs é mais fácil usar a parametrização de "estimativas separadas
> > por nível". Veja o código abaixo.
> >
> > rm(list = ls())
> > da <- data.frame(
> >     dose = rep(c(0, 0.15625, 0.3125, 0.625, 1.25, 2.5, 5, 10), each = 4),
> >     n = rep(10, 32),
> >     m1 = c(1, 3, 4, 0, 5, 2, 5, 5, 4, 4, 2, 2, 0, 3, 3, 5, 10,
> >            10, 7, 0, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10,
> >            10),
> >     m2 = c(0, 3, 4, 4, 1, 0, 4, 0, 0, 1, 0, 0, 3, 2, 0, 3, 3, 2,
> >            0, 3, 3, 3, 3, 6, 9, 4, 7, 2, 10, 10, 10, 10),
> >     m3 = c(4, 2, 2, 3, 4, 6, 8, 6, 4, 6, 6, 5, 5, 9, 5, 8, 10,
> >             8, 5, 5, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10,
> >             10))
> > da$Dose <- as.factor(da$dose)
> >
> > da <- reshape2::melt(da,
> >                      id.vars = c("dose", "Dose", "n"),
> >                      variable.name = "esp",
> >                      value.name = "mort")
> > str(da)
> >
> > library(lattice)
> >
> > bwplot(mort/n ~ Dose | esp,
> >        data = da,
> >        pch = "|",
> >        as.table = TRUE,
> >        layout = c(NA, 1))
> >
> > xyplot(mort/n ~ Dose | esp,
> >        data = da,
> >        type = c("p", "a"),
> >        as.table = TRUE,
> >        layout = c(NA, 1))
> >
> > m0 <- glm(cbind(mort, n - mort) ~ esp * dose,
> >           data = da,
> >           family = quasibinomial)
> >
> > par(mfrow = c(2, 2))
> > plot(m0)
> > layout(1)
> >
> > summary(m0)
> >
> > anova(m0, test = "F")
> >
> > # Em um modelo binomial do tipo ~ \beta_0 + \beta_1 * x, a DL_{50} é
> > # -\beta_0/\beta_1.
> >
> > # Ajuste do modelo com estimativas separadas para cada nível.
> > m1 <- glm(cbind(mort, n - mort) ~ 0 + esp/dose,
> >           data = da,
> >           family = quasibinomial)
> >
> > # Deviances iguais porque são modelos iguais.
> > deviance(m0)
> > deviance(m1)
> >
> > summary(m1)
> >
> > beta <- matrix(coef(m1), ncol = 2)
> > dl <- -beta[, 1]/beta[, 2]
> >
> > pred <- with(da,
> >              expand.grid(esp = levels(esp),
> >                          dose = seq(min(dose), max(dose),
> >                                     length.out = 30)))
> >
> > pred$p <- predict(m1, newdata = pred, type = "response")
> >
> > library(latticeExtra)
> >
> > xyplot(mort/n ~ dose | esp,
> >        data = da,
> >        as.table = TRUE,
> >        layout = c(NA, 1)) +
> >     as.layer(xyplot(p ~ dose | esp,
> >                     data = pred,
> >                     type = "l",
> >                     col = 2,
> >                     lwd = 2)) +
> >     layer(panel.abline(v = dl[which.packet()],
> >                        h = 0.5,
> >                        lty = 2))
> >
> > À disposição.
> > Walmes.
> > ​
> >

> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forne?a c?digo m?nimo reproduz?vel.



-- 
Marcelo


Mais detalhes sobre a lista de discussão R-br