Desculpe Walmes por não ter mandado o CMR antes! Bom, vamos lá de novo! Pessoal bom dia! Seguinte, estou trabalhando com modelos não lineares mistos. Ajustei alguns modelos e quando fui sugerir uma estrutura para a matriz de variâncias e covariâncias intra-indivíduos (R), com a estrutura AR com heterogeneidade (ARH) para esta matriz, o modelo rodou, mas soltou a seguinte msn: "Warning message: Singular precision matrix in level -1, block 1" Gostaria de perguntar p vcs o que essa msn pode influenciar nos resultados? Pq ao fazer o teste da razao de verossimilhanças, este modelo com estrutura ARH foi selecionado, melhorou os resíduos e a normalidade deste, mas ao desenhar as curvas o ajuste me pareceu não tão satisfatório como aquele q eu tinha feito considerando R = I * \sigma^2. Alguém tem alguma luz ai? A seguir um CMR e os dados (http://www.datafilehost.com/download-a20803e9.html): ################################################################################# dados<- read.table('dados.txt', head=T) names(dados) tempo <- dados$Tempo periodo<- factor(dados$Periodo) animal <- factor(dados$Animal) IND <- dados$Rep trat <- factor(dados$Tratamento) FDN <- dados$FDN; length(FDN) Dados_FDN<- na.omit(data.frame(tempo, periodo, animal, IND, trat, FDN)) TRAT3<- factor(c(rep(70,120), rep(50,120), rep(30,118))) DADOS3<- cbind(Dados_FDN,TRAT3) # Função fx = function(t,a,b,c) (a + b*(1-exp(-c*t))) # chutes a1=1.13000000; b1=72.04000000; c1=0.02501543 library(lattice) options( contrasts = c("contr.treatment", "contr.poly") ) nlmeControl(500) require(nlme) fdn3=groupedData(FDN~tempo|IND,data=DADOS3, outer=~factor(TRAT3), order.groups=F) FDN3.list = nlsList(FDN ~ fx(tempo,a,b,c)|IND, data=fdn3, start=list(a=a1, b=b1, c=c1)) FDN.30<- nlme(FDN3.list, fixed=a+b+c~TRAT3) abcfix3 = fixef(FDN.30) FDNab_ARH <- update(FDN.30, random = pdSymm(a+b+c ~ 1 ), fixed = list(a+b~1,c~TRAT3), start=c(abcfix3[1], abcfix3[2], abcfix3[3],0,0), corr = corAR1(form=~1|IND), weight=varIdent(form=~1|tempo)) summary(FDNab_ARH) ################################################################################# desde já muito obrigada! Simone