Temos o seguinte: PlacaPetri Trat Time Mortos Vivos %Morto %Vivo 1 A 48 8 6 57,14 42,85 1 A 72 17 15 1 A 96 18 28 2 A 48 17 15 2 A 72 24 33 2 A 96 19 6 (...) 10 A 96 7 60 1 B 48 7 2 1 B 72 5 2 1 B 96 2 6 2 B 48 10 4 (...) 10 B 96 11 20 (...) 10 F 96 0 6 O problema: Em cada placa de petri foi colocado uma quantidade de nematoide desconhecida, pois não é possível contar os indivíduos naquela fase. Logo em cima deles, foi colocado a dieta (ração) com o tratamento (seis, ao todo), que cobriu toda da placa. É como se você pegar um prato, colocar um pouco de água e depois cobrir com aveia. Fica tipo um bolo, uma massa. A placa foi dividida em quatro partes iguais sem tocar na ração, ou seja, divisão imaginária. Em cada tempo foi retirado um quarto e contado quantos estavam mortos e quantos estavam vivos. Eu tentei modelar da seguinte maneira: m <- lme(percentagem.morto~trat*tempo, data, random=~1|PlacaPetri/tempo) anova(m) Mas, tem gente falando que está errado! Como eu sou usuário do R, tão somente, pergunto se há, de fato, erro nessa abordagem. Fique a vontade para criticar, eu não sou melindroso. -- Marcelo
Vejamos se entendi corretamente. A placa de petri é sua unidade experimental que recebe um nível do fator (contínuo) ração que tem 6 níveis. A placa é subdividida e 4 partes e cada uma delas é observada respeitando níveis do segundo fator (contínuo) tempo. Se são 4 partes então são 4 níveis de tempo. A resposta avaliada é o número de mortos e número de vivos. Sob certas suposições, a probabilidade de mortos pode ser associada à distribuição binomial (x=número de mortos, n=número total=mortos+vivos). Ainda pode-se considerar o efeito aleatório da unidade experimental (ue) pois trata-se de um experimento de parcela subdividida, muito embora não seja de medida repetida por existe uma fatia na placa para cada tempo. Então o modelo candidato seria y ~ binomial(p=f(...), n=n) f(...) = ração+tempo+ração:tempo+ue ue ~ normal(0, sigma_u) Se o n for grande e x/n não estiver tão nas bordas (perto de zero ou um), então não é tão contraindicado usar a distribuição normal no lugar da binomial. Lembrando que é possível aplicar uma transformação, como logito, gompito, probito, para "ter mais normalidade". Mesmo diante dessas alternativas, eu considero a abordagem glmm (binomial com efeitos aleatórios) mais apropriada. Verifique a função lme4::glmer(). À disposição. Walmes.
glmer1 <- glmer(cbind(morto, total - morto) ~ tratamento + tempo + tratamento:tempo + (1 | placapetri), family = binomial, data = dados)) Use glmer em lme4 + step para anova em lmeTest att. Alisson Lucrécio da Costa On Monday, January 20, 2014 9:50 AM, walmes . <walmeszeviani@gmail.com> wrote: Vejamos se entendi corretamente. A placa de petri é sua unidade experimental que recebe um nível do fator (contínuo) ração que tem 6 níveis. A placa é subdividida e 4 partes e cada uma delas é observada respeitando níveis do segundo fator (contínuo) tempo. Se são 4 partes então são 4 níveis de tempo. A resposta avaliada é o número de mortos e número de vivos. Sob certas suposições, a probabilidade de mortos pode ser associada à distribuição binomial (x=número de mortos, n=número total=mortos+vivos). Ainda pode-se considerar o efeito aleatório da unidade experimental (ue) pois trata-se de um experimento de parcela subdividida, muito embora não seja de medida repetida por existe uma fatia na placa para cada tempo. Então o modelo candidato seria y ~ binomial(p=f(...), n=n) f(...) = ração+tempo+ração:tempo+ue ue ~ normal(0, sigma_u) Se o n for grande e x/n não estiver tão nas bordas (perto de zero ou um), então não é tão contraindicado usar a distribuição normal no lugar da binomial. Lembrando que é possível aplicar uma transformação, como logito, gompito, probito, para "ter mais normalidade". Mesmo diante dessas alternativas, eu considero a abordagem glmm (binomial com efeitos aleatórios) mais apropriada. Verifique a função lme4::glmer(). À disposição. Walmes. _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
Alisson, Vou testar e lhe retorno. Muito obrigado! Laia On 20/01/14 at 04:45am, Alisson Lucrecio wrote:
glmer1 <- glmer(cbind(morto, total - morto) ~ tratamento + tempo + tratamento:tempo + (1 | placapetri), family = binomial, data = dados))
Use glmer em lme4 + step para anova em lmeTest
att. Alisson Lucrécio da Costa
On Monday, January 20, 2014 9:50 AM, walmes . <walmeszeviani@gmail.com> wrote:
Vejamos se entendi corretamente. A placa de petri é sua unidade experimental que recebe um nível do fator (contínuo) ração que tem 6 níveis. A placa é subdividida e 4 partes e cada uma delas é observada respeitando níveis do segundo fator (contínuo) tempo. Se são 4 partes então são 4 níveis de tempo. A resposta avaliada é o número de mortos e número de vivos. Sob certas suposições, a probabilidade de mortos pode ser associada à distribuição binomial (x=número de mortos, n=número total=mortos+vivos). Ainda pode-se considerar o efeito aleatório da unidade experimental (ue) pois trata-se de um experimento de parcela subdividida, muito embora não seja de medida repetida por existe uma fatia na placa para cada tempo. Então o modelo candidato seria
y ~ binomial(p=f(...), n=n)
f(...) = ração+tempo+ração:tempo+ue
ue ~ normal(0, sigma_u)
Se o n for grande e x/n não estiver tão nas bordas (perto de zero ou um), então não é tão contraindicado usar a distribuição normal no lugar da binomial. Lembrando que é possível aplicar uma transformação, como logito, gompito, probito, para "ter mais normalidade". Mesmo diante dessas alternativas, eu considero a abordagem glmm (binomial com efeitos aleatórios) mais apropriada. Verifique a função lme4::glmer().
À disposição. Walmes.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
-- Marcelo
participantes (3)
-
Alisson Lucrecio -
Marcelo Laia -
walmes .