<div dir="ltr"><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Essa fórmula não "soa bem aos olhos" ou eu entendi errado o problema. Você está monitorando o número de ácaros em plantas ao longo do tempo e tem um tratamento sendo aplicado à essas plantas? Sendo assim, pode-se pensar que existe o efeito do tratamento sobre o número médio de ácaros, uma possível alteração com o tempo e um efeito individual de cada planta. No meu modelo de ver, planta é aleatório. Tratamento e tempo são fixos. Tempo talvez tenha um efeito que pode ser representado por uma função, como um polinômio por exemplo. Com essas considerações o modelo seria<br>
<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif"><i>lme(contagem~trat*tempo, random=~1|planta)</i><br><br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Você pode colocar efeito aleatório incidindo no coeficiente de inclinação também, assim<br>
<br><i>lme(contagem~trat*tempo, random=~tempo|planta)</i><br><br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Vale lembrar que a sua variável aleatória é uma contagem, cujo suporte são os números naturais não negativos. Você assumindo distribuição normal aí, o que pode ser uma aproximação ruim, principalmente se as contagens forem baixas. Mesmo as contagens sendo altas, possivelmente existe uma relação média variância pois isso é intrínseco de contagens. Verifique os pressupostos. Em geral, usar o log da contagem pode remediar.<br>
<br>À disposição.<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Walmes.<br></div></div>