Boa noite pessoal,<div>Gostaria de discutir com vocês um experimento.</div><div>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.</div>
<div>nosso experimento visa otimizar os tempos para coleta destas amostra hoje se faz 0, 15, 30, 45 min.</div><div>Vamos fazer um experimento com 13 tempos de 0 a 120 min. </div><div>Nosso interesse neste experimento é determinar a inclinação da reta que da a taxa de emissão (ppm / min)</div>
<div>Minha sugestão de analise:</div><div>1) Ajustar um modelo com os 13 tempos. sendo esta estimativa de inclinação a mais próxima da realidade. (M0)</div><div>2) ajustar modelos com tempos distintos por exemplo 0, 5, 10 , 20 (Mi) e comparar esta estimativas com o (M0)</div>
<div>repetir o passo 2 varias vezes </div><div>3) computar os modelos que são "iguais" a M0, de todos os "iguais" o melhor é aquele que demore menos tempo.</div><div>Em resumo se avaliar nos tempos 0,5,10,20 e igual a avaliar em 13 tempos de 0 a 120???</div>
<div>OBS: o tempo 0 sempre terá de ser medido</div><div>Um Codigo possivel seria isso:</div><div><div>require(MCMCpack)</div><div>require(plyr)</div><div>require(latticeExtra)</div><div><br></div><div>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))</div>
<div>dim(dados)</div><div>dados$resp <- rnorm(nrow(dados),10,10)</div><div>head(dados)</div><div><br></div><div>m0 <- MCMCregress(resp~tempo,data=dados)</div><div>summary(m0)</div><div>plot(m0)</div><div>###Distribuiçao pretendida</div>
<div><br></div><div>#### Simulação</div><div>simu <- list(A=c(0,5,10,60),</div><div>             B=c(0,5,15,45),</div><div>             C=c(0,10,20,45),</div><div>             D=c(0,10,45,60))### colocar mais</div><div>
<br></div><div>resS <- data.frame(V1='m0',V2=m0[,2])</div><div><br></div><div>for(i in 1:length(simu)){</div><div>  m0 <- MCMCregress(resp~tempo,data=subset(dados,dados$tempo %in% simu[[i]]),burnin=1000,mcmc=5000)</div>
<div>  m0 <- as.matrix(m0)</div><div>  resS <- rbind(resS,data.frame(V1=names(simu)[i],V2=m0[,2]))</div><div>}</div><div>class(resS)</div><div><br></div><div>### Aproximaçao para Slope</div><div>marginal.plot(resS$V2, data=resS,groups = resS$V1,auto.key=TRUE)</div>
<div><br></div><div>### Diferenças</div><div>mS <- aov(V2~V1,resS)</div><div>summary(mS)</div><div>par(mfrow=c(2,2))</div><div>plot(mS)</div></div><div><br></div><div>Creio que esta ANOVA no final não seja a coisa mais interessante de ser feita, diante disso gostaria de sugestões para o problema.</div>
<div>Acho que problemas de heterogenidade de variancias vão surgir....</div><div>OBS1: As outras covariaveis dos dados estão sendo discutidas se serão feitas, por enquanto desconsiderar elas</div><div>Atenciosamente</div>
<div><br></div>