
Baseado nas discussões, segue um exemplo de análise. ##----------------------------------------------------------------------------- pkg <- c("lattice", "nlme", "doBy") sapply(pkg, require, character.only=TRUE) data <- structure(list(N = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 100L, 100L, 100L, 100L, 100L, 100L, 100L, 100L), K = c(0L, 0L, 0L, 0L, 50L, 50L, 50L, 50L, 0L, 0L, 0L, 0L, 50L, 50L, 50L, 50L), Tempo = c(10L, 10L, 30L, 30L, 10L, 10L, 30L, 30L, 10L, 10L, 30L, 30L, 10L, 10L, 30L, 30L), resp = c(24.30206, 32.96457, 36.58875, 42.1957, 43.33543, 44.00179, 45.53739, 51.26205, 54.23789, 54.94291, 55.0155, 57.36688, 58.63317, 66.21197, 68.81468, 69.32965)), .Names = c("N", "K", "Tempo", "resp"), class = "data.frame", row.names = c(NA, -16L )) str(data) ## Gráfico. xyplot(resp~Tempo|N, groups=K, data=data, type=c("p","a")) ## Tabela de frequência. ftable(formula=Tempo~N+K, data=data) ## Os fatores tem 2 níveis, não requer conveter para fator. data ## Não informação de unidades experimentais, então assumir que está na ## ordem correta e colocar o indicador de repetição. data$rept <- 1:2 data$parcela <- with(data, interaction(N, K, rept)) str(data) ## Especificação e ajuste. m0 <- lme(resp~N*K*Tempo, random=~1|parcela, data=data) ## Dignóstico simples. r <- residuals(m0) f <- fitted(m0) plot(r~f) plot(sqrt(abs(r))~f) qqnorm(r) ## Teste de Wald para os termos de efeito fixo. anova(m0) ## Quadro de estimativas e medidas de ajuste. summary(m0) ## Predição. pred <- data.frame(N=c(0,100,50,50,50,50), K=c(25,25,0,50,25,25), Tempo=c(20,20,20,20,10,30)) pred$y <- predict(m0, newdata=pred, level=0) pred ##----------------------------------------------------------------------------- À disposição. Walmes.