Caros amigos<br>Estou trabalhando com dados de desenvolcimento de fetos ovinos. Estou modelando o seu crescimento ao longo da gestação. Para tal tenho utilizado o modelo de gompertz da forma log(Y)= a-b*exp(-c*x) sendo x a idade gestacional em dias e Y o peso do feto. Os meus dados atendem o presuposto de normalidade, porém não  o faz para o pressuposto de igualdade das variâncias. Tenho lido na literatura a possibilidade de modelar a variância nestes casos. A variância residual observada graficamente  se eleva e em seguida rebaixa conforme as médias  do modelo se elevam. Na própria literatura comenta que este tipo de comportamento pode ser modelado utilizando o método VarPower() na função glns do pacote nlme. Eu assim o fiz entretanto o novo modelo não  obteve melhor ajuste que o anterior quando comparados pela função Anova (p-value e AIC,BIC). Minha dúvida é a seguinte sem a igualdade das variâncias eu não posso validar o modelo. Existe alguma forma de corrigir este problema? abaixo disponho do CMR <br>
<br>library(nlme)<br>dput(gestsimp)<br>gompertz1<-nls(log10(PESO.FETO)~a-b*exp(-c*Gest),start=list(a=8.0,b=10.40,c=0.0023),data=gestsimp)<br>gompertz2<-gnls(log10(PESO.FETO)~a-b*exp(-c*Gest),start=list(a=8.0,b=10.40,c=0.0023),weights=varPower(),data=gestsimp)<br>
summary(gompertz1)<br>plot(log10(PESO.FETO)~Gest,data=gestsimp,main="Peso do feto em função da idade de cordeiros")<br>curve(5.697742-8.360311*exp(-0.003531*x),add=T,col=2)<br><br>caso o dput()não funcione segue a saída dele<br>
<span class="Apple-style-span" style="border-collapse:separate;color:rgb(0,0,0);font-family:Arial;font-style:normal;font-variant:normal;font-weight:normal;letter-spacing:normal;line-height:normal;text-align:auto;text-indent:0px;text-transform:none;white-space:normal;word-spacing:0px;font-size:medium"><span class="Apple-style-span" style="font-family:'Lucida Console';font-size:13px;line-height:15px;text-align:-webkit-left;white-space:pre-wrap"><pre tabindex="0" class="GJWPQFQDK4" style="font-family:'Lucida Console';font-size:10pt!important;outline-style:none;outline-width:initial;outline-color:initial;border-top-style:none;border-right-style:none;border-bottom-style:none;border-left-style:none;border-width:initial;border-color:initial;white-space:pre-wrap!important;margin-top:0px;margin-right:0px;margin-bottom:0px;margin-left:0px;line-height:1.2">
<span class="GJWPQFQDB4 ace_keyword" style="color:blue">dput(gestsimp)
</span>structure(list(Animal = c(3L, 51L, 83L, 89L, 91L, 92L, 93L, 48L, 
52L, 55L, 69L, 76L, 78L, 11L, 25L, 41L, 42L, 46L, 50L, 53L, 57L, 
10L, 19L, 20L, 30L, 38L, 45L), Manejo = c(1L, 2L, 2L, 2L, 1L, 
1L, 1L, 2L, 2L, 2L, 2L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 
2L, 2L, 1L, 1L, 1L, 1L), Gest = c(90L, 90L, 90L, 90L, 90L, 90L, 
90L, 110L, 110L, 110L, 110L, 110L, 110L, 110L, 130L, 130L, 130L, 
130L, 130L, 130L, 130L, 140L, 140L, 140L, 140L, 140L, 140L), 
    Fetos = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L
    ), PV = c(51.1, 46.4, 53.5, 58.2, 30.7, 43.2, 41.5, 42, 43.4, 
    48.1, 42.2, 47.5, 32, 64.1, 49.9, 40.5, 42, 40.4, 50, 49, 
    52, 60.1, 55.9, 57, 51.5, 45, 42.8), PCVZ = c(36.93, 36.135, 
    46.125, 48.02, 23.095, 33.75, 32.575, 34.99, 34.465, 39.578, 
    30.84, 38.045, 27.455, 54.797, 43.595, 32.12, 33.841, 33.16, 
    42.06, 40.605, 42.325, 50.436, 46.515, 48.845, 43.075, 36.55, 
    35.435), PESO.FETO = c(0.215, 0.555, 0.49, 0.53, 0.225, 0.465, 
    0.61, 1.465, 0.585, 1.755, 0.62, 1.615, 1.045, 0.985, 2.79, 
    2.42, 2.286, 2.41, 2.3, 3.1, 3.105, 5.38, 4.065, 4.258, 3.878, 
    3.49, 3.032), FETOGKG = c(60.5065, 50.8621, 67.9386, 32.7586, 
    41.7391, 46.1815, 47.7506, 51.0421, 66.0087, 63.5711, 50.8569, 
    60.5784, 49.8817, 62.1197, 60.1357, 0, 0, 62.2886, 0, 55.4768, 
    53.5301, 68.0826, 58.413, 59.6224, 61.1382, 50.2531, 62.5518
    )), .Names = c("Animal", "Manejo", "Gest", "Fetos", "PV", 
"PCVZ", "PESO.FETO", "FETOGKG"), row.names = c(11L, 13L, 15L, 
19L, 20L, 21L, 22L, 30L, 31L, 32L, 35L, 36L, 38L, 42L, 45L, 46L, 
47L, 48L, 49L, 51L, 55L, 63L, 66L, 67L, 71L, 76L, 80L), class = "data.frame", na.action = structure(22L, .Names = "62", class = "omit"))</pre></span></span><br>