Em 31 de maio de 2011 22:53, Walmes Zeviani <walmeszeviani@gmail.com> escreveu:

Eduardo,

Salve engano da minha parte, essa transformação é estabilizadora da variância, ou seja, o foco é corrigir heterocedasticidade e não olha para normalidade dos dados. Uma vez disse em um curso que essas transformações eram coisas do passado e fui por alguns instantes odiado (por aqueles mais tradicionais obviamente). Depois passou.

Acontece que essa transformação é a recomendada quando seu dado é do tipo binomial (ou seja, já se sabe que o dado não é normal), dai parte algumas álgebras, integrais, até que se obtém essa função estabilizadora da variância. Transformação estabilizadora da variãncia existe para distribuição binomial e Poisson. Não lembro das funções porque nunca usei.

Considero isso metodologia do passo porque, se você sabe que seu dado é binomial (ou Poisson), hoje já existe implementado nos aplicativos estatísticos modelos capazes de considerar essa característica inerente do dado. Esse conjunto de métodos, enfim, se chama modelos lineares generalizados, do qual a distribuição normal é um caso particular (com propriedades bem interessantes).

Com essa metodologia você pode obter todos os resultados experimentais que obteria com a distribuição normal, diga-se a dobradinha anova e teste de médias (com algumas adaptações). Então, não há complicações e motivos para não se usar modelos lineares generalizados.

Ainda é possível, caso o número de sementes colocadas para germinar seja grande (n, normalmente é 25 ou 50), e caso a probalidade de germinação não esteja na borda (próximo de 0 ou 1), de assumir que o dado é normal e analisa-lo assim. Porém, caso p mude muito entre tratamentos pode as variâncias amostrais serem muito discrepântes. Você pode tentar uma transformação Box-Cox. Verificar os resíduos.

Em termos de funções do R, você pode usar a glm(, family=binomial), fazer a análise de resíduos usuais, obter teste (sequencial) para os efeitos fixos via anova() (que não é anova mas quadro de análise de deviance), se for comparar "médias" você pode usar a multcomp::glht() e contrast::contrast(). Verifique a documentação dessas funções para saber como usa-las.

Para um começo, você pode rodar o CMR disponível nas Ridículas do LEG.
http://www.leg.ufpr.br/doku.php/ridiculas?&#analise_de_dados_de_proporcao_usando_modelo_linear_generalizado

À disposição.
Walmes.

==========================================================================
Walmes Marques Zeviani
LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W)
Departamento de Estatística - Universidade Federal do Paraná
fone: (+55) 41 3361 3573
VoIP: (3361 3600) 1053 1173
e-mail: walmes@ufpr.br
twitter: @walmeszeviani
homepage: http://www.leg.ufpr.br/~walmes
linux user number: 531218
==========================================================================

_______________________________________________
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br