<div dir="ltr"><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Você pode considerar que y: proporção de tempo é uma beta, uma simples, etc, o meu colega Wagner Bonat publicou na RBE o seguinte artigo tratando do tema.<br>
<br>Bonat, W. H., Ribeiro Jr, P. J., & Zeviani, W. M. (2012). Regression models with responses on the unity interval: specification, estimation and comparison. Revista Brasileira de Biometria, 30(4), 415–431.<br><br><a href="http://jaguar.fcav.unesp.br/RME/fasciculos/v30/v30_n4/indice_v30_n4.php">jaguar.fcav.unesp.br/RME/fasciculos/v30/v30_n4/indice_v30_n4.php</a><br>
<br></div><div class="gmail_default" style="font-family:trebuchet ms,sans-serif">Além das distribuições para variáveis aleatórias no (0,1) você pode aplicar uma transformação para levar ao domínio real. Essas transformações são da família "ito": logito, probito, cauchito, etc. Na escala real você assumir que é normal e analisar com lm() por exemplo. Não deixe de verificar os pressupostos, claro. Se as proporções observadas não ocupam os extremos do intervalo (0,1), fiquem entre 0.3 e 0.7, pode-se ter ainda verificação dos pressupostos mesmo sem transformar, mas não necessariamente isso garante predições dentro do (0,1).<br>
<br>À disposição.<br>Walmes.<br></div>​</div>