<div dir="ltr"><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Eu não sei exatamente porque você precisa dos dados dessa maneira, mas se é para correr um glm() binomial, basta que você tenha um vetor com o número de mortos e outro com o número de vivos. Não precisar estar em binário {0,1} não.<br>
<span style="font-family:courier new,monospace"><br>tot <- 212<br>da <- expand.grid(trat=gl(3,4), tempo=1:5)<br>da$y <- rbinom(nrow(da), size=212, prob=0.5)<br><br>m0 <- glm(cbind(yes=y, no=212-y)~trat*tempo, da, family=binomial)<br>
summary(m0)</span><br><br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Agora eu tive a impressão pelo seu texto de que você observa os insetos mortos em intervalos de tempo na mesma unidade experimental. Dessa maneira, no tempo i+1 jamais terá menos insetos mortos que o tempo i. As observações são tomadas na mesma unidade experimental. Esse experimento não pode deve analisado como um glm() com n=212 para todas as observações. Um caso exatamente igual ao seu experimento (se eu estiver correto) é o de índice de germinação de sementes. Por exemplo, 100 sementes são semeadas e a cada dia observa-se o número de germinadas. No dia 1 você tem n=100, se nasceram 5, para o dia 2 deve usar n=95 e não n=100. Em outras palavras, a cada acesso no tempo você tem uma binomial cujo n é o n-y do tempo anterior, ou seja, n[i+1] = n[i]-y[i], em que y[i] é o número de germinadas no tempo i. Os artigos da área aplicada fazem análise sem considerar esse importante fato (considerar n=100 para todos os tempos) é isso pode comprometer as conclusões.<br>
<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Outra forma de analisar os mesmos dados é ao invés de considerar o número germinadas no tempo i, é considerar o tempo necessário para germinar. Ambas análises (glm e sobrevivência) vão fornecer praticamente o mesmo resultado que do meu ponto de vista é saber qual o número esperado para quantidade de sementes germinadas em cada instante i. No glm você modela o p e multiplica por n para ter o número esperado de sementes em cada i. Na sobrevivência você ajusta o modelo e partir do ajuste obtém os quantis que dão a proporção de indivíduos que germinam à cada tempo. Eu confesso que sou curioso para comparar às duas abordagens. Será que os seus dados não servem para isso?<br>
<br>À disposição.<br>Walmes.<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif"><br></div></div>