<div dir="ltr"><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Vejamos se entendi corretamente. A placa de petri é sua unidade experimental que recebe um nível do fator (contínuo) ração que tem 6 níveis. A placa é subdividida e 4 partes e cada uma delas é observada respeitando níveis do segundo fator (contínuo) tempo. Se são 4 partes então são 4 níveis de tempo. A resposta avaliada é o número de mortos e número de vivos. Sob certas suposições, a probabilidade de mortos pode ser associada à distribuição binomial (x=número de mortos, n=número total=mortos+vivos). Ainda pode-se considerar o efeito aleatório da unidade experimental (ue) pois trata-se de um experimento de parcela subdividida, muito embora não seja de medida repetida por existe uma fatia na placa para cada tempo. Então o modelo candidato seria<br>
<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">y ~ binomial(p=f(...), n=n)<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">f(...) = ração+tempo+ração:tempo+ue<br>
</div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">ue ~ normal(0, sigma_u)<br><br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Se o n for grande e x/n não estiver tão nas bordas (perto de zero ou um), então não é tão contraindicado usar a distribuição normal no lugar da binomial. Lembrando que é possível aplicar uma transformação, como logito, gompito, probito, para "ter mais normalidade". Mesmo diante dessas alternativas, eu considero a abordagem glmm (binomial com efeitos aleatórios) mais apropriada. Verifique a função lme4::glmer().<br>
<br>À disposição.<br>Walmes.<br></div></div>