teste de Homogeneidade e Normalidade
Boa noite pessoal,preciso de uma ajuda.Estou fazendo uma comparação de médias de germinação de sementes, e as varianveis são tratamentos(trat) fator e Germinação (germ) numerica.Preciso fazer o teste de homogeneidade de variancias com o Bartlett e normalidade com o teste de shapiro-Wilk, porém dá um mensagem de erro(Erro em bartlett.test(germ, trat) : objeto 'germ' não encontrado) e no Shapiro -wilk essa mensagem Erro em `[.data.frame`(x, complete.cases(x)) : undefined columns selected Será que alguem pode me ajudar? -- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
José, Sem o seu codigo fica meio complicado, porem neste link tem uma serie de analises de estatistica experimental com onde se testa homogenidade e normalidade. http://www.leg.ufpr.br/~eder/cursoR/Exercicios.R att Em 31 de maio de 2011 20:13, Eduardo Vargas <duvargas@gmail.com> escreveu:
Boa noite pessoal,preciso de uma ajuda.Estou fazendo uma comparação de médias de germinação de sementes, e as varianveis são tratamentos(trat) fator e Germinação (germ) numerica.Preciso fazer o teste de homogeneidade de variancias com o Bartlett e normalidade com o teste de shapiro-Wilk, porém dá um mensagem de erro(Erro em bartlett.test(germ, trat) : objeto 'germ' não encontrado) e no Shapiro -wilk essa mensagem Erro em `[.data.frame`(x, complete.cases(x)) : undefined columns selected Será que alguem pode me ajudar? -- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Obrigado Eder,acho que consegui fazer os testes com sua ajuda. Mais uma dúvida,quando eu faço as transformações,por exemplo arcsen(x/100)^0.5, eu faço essas transformações nos dados brutos ou eu posso fazer nas porcentagens?Eu transformei meus dados em porcentagem de germinação, e depois eu fiz a transformação.Será que eu tô fazendo errado? Tenho que fazer essa transformação a partir os dados brutos? Desde já obrigado novamente. Em 31 de maio de 2011 20:27, Eder David Borges da Silva <eder@leg.ufpr.br>escreveu:
José, Sem o seu codigo fica meio complicado, porem neste link tem uma serie de analises de estatistica experimental com onde se testa homogenidade e normalidade. http://www.leg.ufpr.br/~eder/cursoR/Exercicios.R att
Em 31 de maio de 2011 20:13, Eduardo Vargas <duvargas@gmail.com> escreveu:
Boa noite pessoal,preciso de uma ajuda.Estou fazendo uma comparação de médias de germinação de sementes, e as varianveis são tratamentos(trat) fator e Germinação (germ) numerica.Preciso fazer o teste de homogeneidade de variancias com o Bartlett e normalidade com o teste de shapiro-Wilk, porém dá um mensagem de erro(Erro em bartlett.test(germ, trat) : objeto 'germ' não encontrado) e no Shapiro -wilk essa mensagem Erro em `[.data.frame`(x, complete.cases(x)) : undefined columns selected Será que alguem pode me ajudar? -- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
-- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
Onde eu pego os arquivos para rodar? Mauro José, Sem o seu codigo fica meio complicado, porem neste link tem uma serie de analises de estatistica experimental com onde se testa homogenidade e normalidade. http://www.leg.ufpr.br/~eder/cursoR/Exercicios.R att Em 31 de maio de 2011 20:13, Eduardo Vargas <duvargas@gmail.com> escreveu: Boa noite pessoal,preciso de uma ajuda.Estou fazendo uma comparação de médias de germinação de sementes, e as varianveis são tratamentos(trat) fator e Germinação (germ) numerica.Preciso fazer o teste de homogeneidade de variancias com o Bartlett e normalidade com o teste de shapiro-Wilk, porém dá um mensagem de erro(Erro em bartlett.test(germ, trat) : objeto 'germ' não encontrado) e no Shapiro -wilk essa mensagem Erro em `[.data.frame`(x, complete.cases(x)) : undefined columns selected Será que alguem pode me ajudar? -- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br ------------------------------------------------------------------------------ _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
São meus resultados de trabalho,preciso fazer essas transformações para normalizar. Em 31 de maio de 2011 22:11, Mauro Sznelwar <sznelwar@uol.com.br> escreveu:
Onde eu pego os arquivos para rodar? Mauro
José, Sem o seu codigo fica meio complicado, porem neste link tem uma serie de analises de estatistica experimental com onde se testa homogenidade e normalidade. http://www.leg.ufpr.br/~eder/cursoR/Exercicios.R att
Em 31 de maio de 2011 20:13, Eduardo Vargas <duvargas@gmail.com>escreveu:
Boa noite pessoal,preciso de uma ajuda.Estou fazendo uma comparação de médias de germinação de sementes, e as varianveis são tratamentos(trat) fator e Germinação (germ) numerica.Preciso fazer o teste de homogeneidade de variancias com o Bartlett e normalidade com o teste de shapiro-Wilk, porém dá um mensagem de erro(Erro em bartlett.test(germ, trat) : objeto 'germ' não encontrado) e no Shapiro -wilk essa mensagem Erro em `[.data.frame`(x, complete.cases(x)) : undefined columns selected Será que alguem pode me ajudar? -- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
------------------------------
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
-- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
Eu me referi aos arquivos da página dos Exercícios do R no leg, lá tem exemplos do código mas não diz onde estão os arquivos dos dados que foram usados! São meus resultados de trabalho,preciso fazer essas transformações para normalizar. Em 31 de maio de 2011 22:11, Mauro Sznelwar <sznelwar@uol.com.br> escreveu: Onde eu pego os arquivos para rodar? Mauro
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_us... 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 ==========================================================================
Walmes,obrigado pela sua resposta,foi bastante pertinente,e acho que para eu fazer esse modelo linear generalizado é bastante complexo.Acho que meu experimento é bastante simples,fiz um experimento com 11 tratamentos + 0 o controle,com 25 sementes cada com 4 repetições.Quero comparar as médias dos tratamentos com a média do controle,Acredito eu,usando Dunnet.Meu orientador pediu que eu fizesse esse teste de normalidade(Shapiro-wilk) e homogeneidade de variâncias(bartlett).As transformações,que acho serem necessarias,eu andei olhando nos artigos que usei como referencia e todos fizeram as transformações.Mais uma vez obrigado pela ajuda,estou meio perdido. 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_us...
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
-- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
Eduardo, O código abaixo mostra como não é difícil analisar os seus dados pela abordagem que discuti #------------------------------------------------------------------------------------------ # experimento com 11 tratamentos e 1 controle, resposta binomial n=25, 4 repetições trat <- c("controle", paste("trat", 1:11, sep="")) da <- expand.grid(trat=trat, rept=1:4) da$germinadas <- rbinom(nrow(da), size=25, prob=0.8) levels(da$trat) # controle é o nível de referência # ajuste um modelo linear generalizado g0 <- glm(cbind(germinadas, 25-germinadas)~trat, data=da, family=binomial) anova(g0, test="Chisq") # testa hipótese sobre os efeitos principais summary(g0) # cada efeito é o contraste controle vs trat_i # usar correção de bonferroni nas comparações com controle #------------------------------------------------------------------------------------------ Se todo mundo continuar fazendo as coisas como todos já fizeram não vamos evoluir, certo? 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 ==========================================================================
Obrigado mais uma vez pela informação. Em 1 de junho de 2011 00:52, Walmes Zeviani <walmeszeviani@gmail.com>escreveu:
Eduardo,
O código abaixo mostra como não é difícil analisar os seus dados pela abordagem que discuti
#------------------------------------------------------------------------------------------ # experimento com 11 tratamentos e 1 controle, resposta binomial n=25, 4 repetições
trat <- c("controle", paste("trat", 1:11, sep="")) da <- expand.grid(trat=trat, rept=1:4) da$germinadas <- rbinom(nrow(da), size=25, prob=0.8) levels(da$trat) # controle é o nível de referência
# ajuste um modelo linear generalizado g0 <- glm(cbind(germinadas, 25-germinadas)~trat, data=da, family=binomial) anova(g0, test="Chisq") # testa hipótese sobre os efeitos principais summary(g0) # cada efeito é o contraste controle vs trat_i # usar correção de bonferroni nas comparações com controle
#------------------------------------------------------------------------------------------
Se todo mundo continuar fazendo as coisas como todos já fizeram não vamos evoluir, certo?
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
-- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
Eduardo, Para pensar: Se os dados definitivamente e intrinsicamente não sao normais (pq o modelo linear nao se aplica) qual o sentido de se fazer um teste de normalidade...??? On Tue,31 May 2011, Eduardo Vargas wrote:
Walmes,obrigado pela sua resposta,foi bastante pertinente,e acho que para eu fazer esse modelo linear generalizado é bastante complexo.Acho que meu experimento é bastante simples,fiz um experimento com 11 tratamentos + 0 o controle,com 25 sementes cada com 4 repetições.Quero comparar as médias dos tratamentos com a média do controle,Acredito eu,usando Dunnet.Meu orientador pediu que eu fizesse esse teste de normalidade(Shapiro-wilk) e homogeneidade de variâncias(bartlett).As transformações,que acho serem necessarias,eu andei olhando nos artigos que usei como referencia e todos fizeram as transformações.Mais uma vez obrigado pela ajuda,estou meio perdido.
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_us...
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
-- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
Em 1/6/2011 11:46, Paulo Justiniano escreveu:
Eduardo, Para pensar: Se os dados definitivamente e intrinsicamente não sao normais (pq o modelo linear nao se aplica) qual o sentido de se fazer um teste de normalidade...???
Para pensar II: O quê a aplicação do modelo linear tem a ver com normalidade (ou não normalidade dos dados)? Sds., -- Cesar Rabak GNU/Linux User 52247. Get counted: http://counter.li.org/
O normal é uma das poucas disrtribuicoes e a unica entre as comumente usadas na qual a variância independe da média o que permite que os modelos sejam expressos da forma Y = X\beta + E, usual na análise de modelos de análise de experimentos e de regressao. Ou seja a variabilidade da resposta fica naturalmnente expressa pela variancia de um termo de ewrro Para outras respostas como binomial (regressao logistica) poisson (reg. poisson) etc a variabilidade é dada pela outra distribuição e portanto o modelos nao pode ser escritos na forma acima Portanto, para os modelos usulamente utilizados nas analises é esta a relacao. Dai os termos linear e linear generalizado, evidenciando a relacao com a normalidade ou nao da resposta On Wed, 1 Jun 2011, Cesar Rabak wrote:
Em 1/6/2011 11:46, Paulo Justiniano escreveu:
Eduardo, Para pensar: Se os dados definitivamente e intrinsicamente não sao normais (pq o modelo linear nao se aplica) qual o sentido de se fazer um teste de normalidade...???
Para pensar II:
O quê a aplicação do modelo linear tem a ver com normalidade (ou não normalidade dos dados)?
Sds.,
-- Cesar Rabak GNU/Linux User 52247. Get counted: http://counter.li.org/ _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Em 2/6/2011 08:53, Paulo Justiniano escreveu:
On Wed, 1 Jun 2011, Cesar Rabak wrote:
Para pensar II:
O quê a aplicação do modelo linear tem a ver com normalidade (ou não normalidade dos dados)?
O normal é uma das poucas disrtribuicoes e a unica entre as comumente usadas na qual a variância independe da média.
Correto. o que permite que
os modelos sejam expressos da forma Y = X\beta + E, usual na análise de modelos de análise de experimentos e de regressao.
Mas o que interessa é que o termo de erro tenha distribuição Normal, não a distribuição dos *dados*.
Ou seja a variabilidade da resposta fica naturalmnente expressa pela variancia de um termo de ewrro
Correto, mas vamos frizar o conceito subjacente: a variabilidade da *resposta* não é a mesma coisa que a varibilidade dos *dados*. [snipped] Para reforçar e explicar o quê quero enfatizar: se eu tiver um experimento onde os dados são (digamos) cem medidas de uma variável resposta (consumo de combustível), e a variável independente for dez repetições de dez passadas em dez velocidades constantes (todas espaçadas igualmente) os dados terão uma distribuição "uniforme" mas a análise de regressão continua empregável. []s -- Cesar Rabak GNU/Linux User 52247. Get counted: http://counter.li.org/
Cesar, As coisas estão meio confusas (pelo menos para mim). Uma coisa é distribuição marginal dos dados f(Y), outra coisa é a distribuição condicional dos dados como função das regressoras f(Y|x). Quando assumimos normalidade, estamos nos referindo a f(Y|x), e pelo fato do erro (E) ser aditivo nesses modelos, então f(E) é normal. A f(Y) não vem ao caso. Usando o seu exemplo, é necessário que f(consumo|velocidade) tenha distribuição normal, mas sobre a f(consumo) não há nenhuma suposição. Muitas pessoas pensam que a normalidade deve ser nos dados, e elas aplicam testes de normalidade aos dados (Y), mas a normalidade deve estar presente em Y|x. 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 ==========================================================================
Tá doido Walmes!! Em 2 de junho de 2011 10:31, Walmes Zeviani <walmeszeviani@gmail.com>escreveu:
Cesar,
As coisas estão meio confusas (pelo menos para mim). Uma coisa é distribuição marginal dos dados f(Y), outra coisa é a distribuição condicional dos dados como função das regressoras f(Y|x). Quando assumimos normalidade, estamos nos referindo a f(Y|x), e pelo fato do erro (E) ser aditivo nesses modelos, então f(E) é normal. A f(Y) não vem ao caso. Usando o seu exemplo, é necessário que f(consumo|velocidade) tenha distribuição normal, mas sobre a f(consumo) não há nenhuma suposição. Muitas pessoas pensam que a normalidade deve ser nos dados, e elas aplicam testes de normalidade aos dados (Y), mas a normalidade deve estar presente em Y|x.
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
Em 2/6/2011 10:31, Walmes Zeviani escreveu:
Cesar,
As coisas estão meio confusas (pelo menos para mim). Uma coisa é distribuição marginal dos dados f(Y), outra coisa é a distribuição condicional dos dados como função das regressoras f(Y|x).
Correto.
Quando assumimos normalidade, estamos nos referindo a f(Y|x), e pelo fato do erro (E) ser aditivo nesses modelos, então f(E) é normal. A f(Y) não vem ao caso.
Sim, E tem que ser N(0,e) para que se possa fazer a regressão linear.
Usando o seu exemplo, é necessário que f(consumo|velocidade) tenha distribuição normal,mas sobre a f(consumo) não há nenhuma suposição.
Sim.
Muitas pessoas pensam que a normalidade deve ser nos dados, e elas aplicam testes de normalidade aos dados (Y), mas a normalidade deve estar presente em Y|x.
Não poderia estar mais correto e sucintamente explicado. O raio é você ver gente aplicar testes de normalidade em Y... O único jeito de sair dessa enrascada (especialmente agora que fazer isso é 'dois palitos', como dizem meus filhos, num SW como R, é fazer a regressão e ver o diagnóstico nos resíduos. []s -- Cesar Rabak GNU/Linux User 52247. Get counted: http://counter.li.org/
Pô estou acompanhando essa série de e-mails extremante entusiasmado! Para mim foi extremamente construtivo, destaque os pensamentos do Prof Paulo Justiano e do Prof Walmes! Agradeço pela aula... Resta saber o sentido do questionamento do Adriano (ironia ou o que?), e da decisão do Eduardo (será que temos mais um adepto dos GLMs?) abraço, FH 2011/6/2 Cesar Rabak <cesar.rabak@gmail.com>
Em 2/6/2011 10:31, Walmes Zeviani escreveu:
Cesar,
As coisas estão meio confusas (pelo menos para mim). Uma coisa é distribuição marginal dos dados f(Y), outra coisa é a distribuição condicional dos dados como função das regressoras f(Y|x).
Correto.
Quando
assumimos normalidade, estamos nos referindo a f(Y|x), e pelo fato do erro (E) ser aditivo nesses modelos, então f(E) é normal. A f(Y) não vem ao caso.
Sim, E tem que ser N(0,e) para que se possa fazer a regressão linear.
Usando o seu exemplo, é necessário que f(consumo|velocidade)
tenha distribuição normal,mas sobre a f(consumo) não há nenhuma suposição.
Sim.
Muitas pessoas pensam que a normalidade deve ser nos dados, e
elas aplicam testes de normalidade aos dados (Y), mas a normalidade deve estar presente em Y|x.
Não poderia estar mais correto e sucintamente explicado. O raio é você ver gente aplicar testes de normalidade em Y...
O único jeito de sair dessa enrascada (especialmente agora que fazer isso é 'dois palitos', como dizem meus filhos, num SW como R, é fazer a regressão e ver o diagnóstico nos resíduos.
[]s
-- Cesar Rabak GNU/Linux User 52247. Get counted: http://counter.li.org/ _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
E quando os resíduos não são normais em um glm da família binomial? O que fazer? Daniel 2011/6/2 Fernando Henrique Toledo <fernandohtoledo@gmail.com>:
Pô estou acompanhando essa série de e-mails extremante entusiasmado!
Para mim foi extremamente construtivo, destaque os pensamentos do Prof Paulo Justiano e do Prof Walmes! Agradeço pela aula...
Resta saber o sentido do questionamento do Adriano (ironia ou o que?), e da decisão do Eduardo (será que temos mais um adepto dos GLMs?)
abraço, FH
2011/6/2 Cesar Rabak <cesar.rabak@gmail.com>
Em 2/6/2011 10:31, Walmes Zeviani escreveu:
Cesar,
As coisas estão meio confusas (pelo menos para mim). Uma coisa é distribuição marginal dos dados f(Y), outra coisa é a distribuição condicional dos dados como função das regressoras f(Y|x).
Correto.
Quando assumimos normalidade, estamos nos referindo a f(Y|x), e pelo fato do erro (E) ser aditivo nesses modelos, então f(E) é normal. A f(Y) não vem ao caso.
Sim, E tem que ser N(0,e) para que se possa fazer a regressão linear.
Usando o seu exemplo, é necessário que f(consumo|velocidade) tenha distribuição normal,mas sobre a f(consumo) não há nenhuma suposição.
Sim.
Muitas pessoas pensam que a normalidade deve ser nos dados, e elas aplicam testes de normalidade aos dados (Y), mas a normalidade deve estar presente em Y|x.
Não poderia estar mais correto e sucintamente explicado. O raio é você ver gente aplicar testes de normalidade em Y...
O único jeito de sair dessa enrascada (especialmente agora que fazer isso é 'dois palitos', como dizem meus filhos, num SW como R, é fazer a regressão e ver o diagnóstico nos resíduos.
[]s
-- Cesar Rabak GNU/Linux User 52247. Get counted: http://counter.li.org/ _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
-- Daniel Marcelino http://danielmarcelino.zip.net Skype: d_marcelino
Daniel, Em glm não existe uma única definição de resíduos. Veja nas opções da função residuals.glm() que existem diversas opções. Há um resultado assintótico (n tende ao infinito) que que os resíduos de pearson e deviance padronizados convergem para distribuição normal(0,1). Por isso o gráfico qqplot ainda é útil no diagnóstico desses resíduos. Leia os rótulos dos eixos dos gráficos de análise de resíduos que saberá qual tipo de resíduo está sendo usado. ## Dobson (1990) Page 93: Randomized Controlled Trial : counts <- c(18,17,15,20,10,20,25,13,12) outcome <- gl(3,1,9) treatment <- gl(3,3) glm.D93 <- glm(counts ~ outcome + treatment, family=poisson()) plot(glm.D93, which=1) plot(glm.D93, which=2) Acontece que, assim como nem todos os dados contínuos são normais, também nem todas as proporções serão binomiais e nem todas as contagens serão Poisson. Se assim fosse todos os nossos problemas seriam resolvidos com 3 distribuições!!! Não devemos assumir uma distribuição de referência pela natureza de representação (números inteiros). Devemos procurar exergar o processo gerador dos dados. Eu mesmo uma vez peguei dados de contagem do número de capulhos de algodão. Corri para o glm Poisson. Não observei um bom ajuste (presença de forte subdispersão) e busquei respostas teóricas. Conclusões, apesar do meu dado ser uma contagem, o surgimento de capulhos numa planta não é um evento independente com o número de ligações que chegam numa central telefônica em uma hora (exemplo canônico de distribuição Poisson). Meu dado é negativamente correlacionado, mais capulhos impedem que novos apareçam pois a planta só é capar de nutrir um número limitado deles. Felizmente eu encontrei uma distribuição (em que Poisson é um caso particular) para dados de contagem que considerasse esse aspecto inerente do meu dado. 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 ==========================================================================
Walmes, Achei bastante instrutiva essa discussão na lista. Pensei agora num exemplo que me ocorreu há uns 2 meses ao tentar ajudar um colega no mestrado que foi orientado a usar glm. Quando eu me deparei com os resíduos não consegui avançar, pois não tenho muito conhecimento teórico dos modelos generalizados. Os dados que eu digo estão aqui, caso queira ver o problema: http://dl.dropbox.com/u/1339742/lucio11.dta Usavamos o STATA para rodar o seguinte modelo: glm boe bps bpi bpn bls BOL , link(logit) family(binomial) vce(r) predict glmdev, dev glm boe bps bpi bpn bls BOL , link(logit) family(binomial) vce(bootstrap, reps(2000) seed(10101)) predict glmdevb, dev swilk glmdev glmdevb pnorm glmdev pnorm glmdevb A ideia do modelo era comparar as agendas de três diferentes públicos (democrata satisfeito, insatisfeito e não democrata – bps, bpi e bpn), das atividades de plenário do senado (bls) e das promessas fiscais para o exercício seguinte (orçamento lei -1 = BOL) na solução imediata ou diferida dos acordos políticos (orçamento executado = boe). Daniel 2011/6/2 Walmes Zeviani <walmeszeviani@gmail.com>:
Daniel,
Em glm não existe uma única definição de resíduos. Veja nas opções da função residuals.glm() que existem diversas opções. Há um resultado assintótico (n tende ao infinito) que que os resíduos de pearson e deviance padronizados convergem para distribuição normal(0,1). Por isso o gráfico qqplot ainda é útil no diagnóstico desses resíduos. Leia os rótulos dos eixos dos gráficos de análise de resíduos que saberá qual tipo de resíduo está sendo usado.
## Dobson (1990) Page 93: Randomized Controlled Trial : counts <- c(18,17,15,20,10,20,25,13,12) outcome <- gl(3,1,9) treatment <- gl(3,3) glm.D93 <- glm(counts ~ outcome + treatment, family=poisson()) plot(glm.D93, which=1) plot(glm.D93, which=2)
Acontece que, assim como nem todos os dados contínuos são normais, também nem todas as proporções serão binomiais e nem todas as contagens serão Poisson. Se assim fosse todos os nossos problemas seriam resolvidos com 3 distribuições!!! Não devemos assumir uma distribuição de referência pela natureza de representação (números inteiros). Devemos procurar exergar o processo gerador dos dados. Eu mesmo uma vez peguei dados de contagem do número de capulhos de algodão. Corri para o glm Poisson. Não observei um bom ajuste (presença de forte subdispersão) e busquei respostas teóricas. Conclusões, apesar do meu dado ser uma contagem, o surgimento de capulhos numa planta não é um evento independente com o número de ligações que chegam numa central telefônica em uma hora (exemplo canônico de distribuição Poisson). Meu dado é negativamente correlacionado, mais capulhos impedem que novos apareçam pois a planta só é capar de nutrir um número limitado deles. Felizmente eu encontrei uma distribuição (em que Poisson é um caso particular) para dados de contagem que considerasse esse aspecto inerente do meu dado.
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
-- Daniel Marcelino http://danielmarcelino.zip.net Skype: d_marcelino
Boa noite pessoal,eu que estou contente com essa discussão toda.Me ajudaram e criaram uma lista bem extensa de discussão,através destas discussões se aprende mais.Tiraram minhas dúvidas,porém criaram outras,mas acho que isso é válido,pois como meio leigo no assunto me faz buscar informações a mais,e isso é muito interessante.Obrigado. Em 2 de junho de 2011 20:17, Daniel Marcelino <dmsilva.br@gmail.com>escreveu:
Walmes, Achei bastante instrutiva essa discussão na lista. Pensei agora num exemplo que me ocorreu há uns 2 meses ao tentar ajudar um colega no mestrado que foi orientado a usar glm. Quando eu me deparei com os resíduos não consegui avançar, pois não tenho muito conhecimento teórico dos modelos generalizados.
Os dados que eu digo estão aqui, caso queira ver o problema: http://dl.dropbox.com/u/1339742/lucio11.dta
Usavamos o STATA para rodar o seguinte modelo:
glm boe bps bpi bpn bls BOL , link(logit) family(binomial) vce(r) predict glmdev, dev
glm boe bps bpi bpn bls BOL , link(logit) family(binomial) vce(bootstrap, reps(2000) seed(10101)) predict glmdevb, dev
swilk glmdev glmdevb pnorm glmdev pnorm glmdevb
A ideia do modelo era comparar as agendas de três diferentes públicos (democrata satisfeito, insatisfeito e não democrata – bps, bpi e bpn), das atividades de plenário do senado (bls) e das promessas fiscais para o exercício seguinte (orçamento lei -1 = BOL) na solução imediata ou diferida dos acordos políticos (orçamento executado = boe).
Daniel
2011/6/2 Walmes Zeviani <walmeszeviani@gmail.com>:
Daniel,
Em glm não existe uma única definição de resíduos. Veja nas opções da função residuals.glm() que existem diversas opções. Há um resultado assintótico (n tende ao infinito) que que os resíduos de pearson e deviance padronizados convergem para distribuição normal(0,1). Por isso o gráfico qqplot ainda é útil no diagnóstico desses resíduos. Leia os rótulos dos eixos dos gráficos de análise de resíduos que saberá qual tipo de resíduo está sendo usado.
## Dobson (1990) Page 93: Randomized Controlled Trial : counts <- c(18,17,15,20,10,20,25,13,12) outcome <- gl(3,1,9) treatment <- gl(3,3) glm.D93 <- glm(counts ~ outcome + treatment, family=poisson()) plot(glm.D93, which=1) plot(glm.D93, which=2)
Acontece que, assim como nem todos os dados contínuos são normais, também nem todas as proporções serão binomiais e nem todas as contagens serão Poisson. Se assim fosse todos os nossos problemas seriam resolvidos com 3 distribuições!!! Não devemos assumir uma distribuição de referência pela natureza de representação (números inteiros). Devemos procurar exergar o processo gerador dos dados. Eu mesmo uma vez peguei dados de contagem do número de capulhos de algodão. Corri para o glm Poisson. Não observei um bom ajuste (presença de forte subdispersão) e busquei respostas teóricas. Conclusões, apesar do meu dado ser uma contagem, o surgimento de capulhos numa planta não é um evento independente com o número de ligações que chegam numa central telefônica em uma hora (exemplo canônico de distribuição Poisson). Meu dado é negativamente correlacionado, mais capulhos impedem que novos apareçam pois a planta só é capar de nutrir um número limitado deles. Felizmente eu encontrei uma distribuição (em que Poisson é um caso particular) para dados de contagem que considerasse esse aspecto inerente do meu dado.
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
-- Daniel Marcelino http://danielmarcelino.zip.net Skype: d_marcelino _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
-- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
Ale'da resposta do Walmnes acrescento que o que fazer depende do padrão observado nos desvios -- covariáveis faltantes/mistura de populacoes? heterogeneidade diferente da esperada pela distribuição (superdispersão)? enfim cada possível comportamento dos resíduos fora do experado pelo modelo pode sugerir apotar para uma solução On Thu, 2 Jun 2011, Daniel Marcelino wrote:
E quando os resíduos não são normais em um glm da família binomial? O que fazer?
Daniel
2011/6/2 Fernando Henrique Toledo <fernandohtoledo@gmail.com>:
Pô estou acompanhando essa série de e-mails extremante entusiasmado!
Para mim foi extremamente construtivo, destaque os pensamentos do Prof Paulo Justiano e do Prof Walmes! Agradeço pela aula...
Resta saber o sentido do questionamento do Adriano (ironia ou o que?), e da decisão do Eduardo (será que temos mais um adepto dos GLMs?)
abraço, FH
2011/6/2 Cesar Rabak <cesar.rabak@gmail.com>
Em 2/6/2011 10:31, Walmes Zeviani escreveu:
Cesar,
As coisas estão meio confusas (pelo menos para mim). Uma coisa é distribuição marginal dos dados f(Y), outra coisa é a distribuição condicional dos dados como função das regressoras f(Y|x).
Correto.
Quando assumimos normalidade, estamos nos referindo a f(Y|x), e pelo fato do erro (E) ser aditivo nesses modelos, então f(E) é normal. A f(Y) não vem ao caso.
Sim, E tem que ser N(0,e) para que se possa fazer a regressão linear.
Usando o seu exemplo, é necessário que f(consumo|velocidade) tenha distribuição normal,mas sobre a f(consumo) não há nenhuma suposição.
Sim.
Muitas pessoas pensam que a normalidade deve ser nos dados, e elas aplicam testes de normalidade aos dados (Y), mas a normalidade deve estar presente em Y|x.
Não poderia estar mais correto e sucintamente explicado. O raio é você ver gente aplicar testes de normalidade em Y...
O único jeito de sair dessa enrascada (especialmente agora que fazer isso é 'dois palitos', como dizem meus filhos, num SW como R, é fazer a regressão e ver o diagnóstico nos resíduos.
[]s
-- Cesar Rabak GNU/Linux User 52247. Get counted: http://counter.li.org/ _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
-- Daniel Marcelino http://danielmarcelino.zip.net Skype: d_marcelino _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Completando ainda mais, sugiro o seguinte documento: http://faculty.washington.edu/norm/pubs/glm.pdf On 02/06/2011, at 19:13, Paulo Justiniano wrote:
Ale'da resposta do Walmnes acrescento que o que fazer depende do padrão observado nos desvios -- covariáveis faltantes/mistura de populacoes? heterogeneidade diferente da esperada pela distribuição (superdispersão)? enfim cada possível comportamento dos resíduos fora do experado pelo modelo pode sugerir apotar para uma solução
On Thu, 2 Jun 2011, Daniel Marcelino wrote:
E quando os resíduos não são normais em um glm da família binomial? O que fazer?
Daniel
2011/6/2 Fernando Henrique Toledo <fernandohtoledo@gmail.com>:
Pô estou acompanhando essa série de e-mails extremante entusiasmado!
Para mim foi extremamente construtivo, destaque os pensamentos do Prof Paulo Justiano e do Prof Walmes! Agradeço pela aula...
Resta saber o sentido do questionamento do Adriano (ironia ou o que?), e da decisão do Eduardo (será que temos mais um adepto dos GLMs?)
abraço, FH
2011/6/2 Cesar Rabak <cesar.rabak@gmail.com>
Em 2/6/2011 10:31, Walmes Zeviani escreveu:
Cesar,
As coisas estão meio confusas (pelo menos para mim). Uma coisa é distribuição marginal dos dados f(Y), outra coisa é a distribuição condicional dos dados como função das regressoras f(Y|x).
Correto.
Quando assumimos normalidade, estamos nos referindo a f(Y|x), e pelo fato do erro (E) ser aditivo nesses modelos, então f(E) é normal. A f(Y) não vem ao caso.
Sim, E tem que ser N(0,e) para que se possa fazer a regressão linear.
Usando o seu exemplo, é necessário que f(consumo|velocidade) tenha distribuição normal,mas sobre a f(consumo) não há nenhuma suposição.
Sim.
Muitas pessoas pensam que a normalidade deve ser nos dados, e elas aplicam testes de normalidade aos dados (Y), mas a normalidade deve estar presente em Y|x.
Não poderia estar mais correto e sucintamente explicado. O raio é você ver gente aplicar testes de normalidade em Y...
O único jeito de sair dessa enrascada (especialmente agora que fazer isso é 'dois palitos', como dizem meus filhos, num SW como R, é fazer a regressão e ver o diagnóstico nos resíduos.
[]s
-- Cesar Rabak GNU/Linux User 52247. Get counted: http://counter.li.org/ _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
-- Daniel Marcelino http://danielmarcelino.zip.net Skype: d_marcelino _______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Mauro, a pagina completa com os dados estão em: http://www.leg.ufpr.br/~eder/cursoR/ <http://www.leg.ufpr.br/~eder/cursoR/>e o wiki com as explicações em: http://www.leg.ufpr.br/doku.php/cursos:ragronomia <http://www.leg.ufpr.br/doku.php/cursos:ragronomia>Att Em 31 de maio de 2011 22:11, Mauro Sznelwar <sznelwar@uol.com.br> escreveu:
Onde eu pego os arquivos para rodar? Mauro
José, Sem o seu codigo fica meio complicado, porem neste link tem uma serie de analises de estatistica experimental com onde se testa homogenidade e normalidade. http://www.leg.ufpr.br/~eder/cursoR/Exercicios.R att
Em 31 de maio de 2011 20:13, Eduardo Vargas <duvargas@gmail.com>escreveu:
Boa noite pessoal,preciso de uma ajuda.Estou fazendo uma comparação de médias de germinação de sementes, e as varianveis são tratamentos(trat) fator e Germinação (germ) numerica.Preciso fazer o teste de homogeneidade de variancias com o Bartlett e normalidade com o teste de shapiro-Wilk, porém dá um mensagem de erro(Erro em bartlett.test(germ, trat) : objeto 'germ' não encontrado) e no Shapiro -wilk essa mensagem Erro em `[.data.frame`(x, complete.cases(x)) : undefined columns selected Será que alguem pode me ajudar? -- José Eduardo Vargas Lopes de Aráujo Engenheiro Agrônomo Contato:(38)8811-6985 duvargas@gmail.com
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
------------------------------
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
participantes (10)
-
Adriano Carvalho Costa -
Cesar Rabak -
Daniel Marcelino -
Eder David Borges da Silva -
Eduardo Vargas -
Fernando Henrique Toledo -
Leonard Assis -
Mauro Sznelwar -
Paulo Justiniano -
Walmes Zeviani