Boa noite pessoal, Gostaria de discutir com vocês um experimento. Estamos planejando um experimento de medição de gases do solo via câmaras, em síntese colocar uma câmara sob o solo e a cada intervalo de tempo medi-se a concentração de gases (CO2, N2O, CH4) retirando uma amostra e fazendo cromatografia dela. nosso experimento visa otimizar os tempos para coleta destas amostra hoje se faz 0, 15, 30, 45 min. Vamos fazer um experimento com 13 tempos de 0 a 120 min. Nosso interesse neste experimento é determinar a inclinação da reta que da a taxa de emissão (ppm / min) Minha sugestão de analise: 1) Ajustar um modelo com os 13 tempos. sendo esta estimativa de inclinação a mais próxima da realidade. (M0) 2) ajustar modelos com tempos distintos por exemplo 0, 5, 10 , 20 (Mi) e comparar esta estimativas com o (M0) repetir o passo 2 varias vezes 3) computar os modelos que são "iguais" a M0, de todos os "iguais" o melhor é aquele que demore menos tempo. Em resumo se avaliar nos tempos 0,5,10,20 e igual a avaliar em 13 tempos de 0 a 120??? OBS: o tempo 0 sempre terá de ser medido Um Codigo possivel seria isso: require(MCMCpack) require(plyr) require(latticeExtra) dados <- expand.grid(local=c('Agri','Pastagem'),epoca=factor(c(-1,1,5,10,20)),camara=c('C1','C2','C3'),tempo=c(seq(0,45,by=5),60,90,120),bloco=factor(1:4)) dim(dados) dados$resp <- rnorm(nrow(dados),10,10) head(dados) m0 <- MCMCregress(resp~tempo,data=dados) summary(m0) plot(m0) ###Distribuiçao pretendida #### Simulação simu <- list(A=c(0,5,10,60), B=c(0,5,15,45), C=c(0,10,20,45), D=c(0,10,45,60))### colocar mais resS <- data.frame(V1='m0',V2=m0[,2]) for(i in 1:length(simu)){ m0 <- MCMCregress(resp~tempo,data=subset(dados,dados$tempo %in% simu[[i]]),burnin=1000,mcmc=5000) m0 <- as.matrix(m0) resS <- rbind(resS,data.frame(V1=names(simu)[i],V2=m0[,2])) } class(resS) ### Aproximaçao para Slope marginal.plot(resS$V2, data=resS,groups = resS$V1,auto.key=TRUE) ### Diferenças mS <- aov(V2~V1,resS) summary(mS) par(mfrow=c(2,2)) plot(mS) Creio que esta ANOVA no final não seja a coisa mais interessante de ser feita, diante disso gostaria de sugestões para o problema. Acho que problemas de heterogenidade de variancias vão surgir.... OBS1: As outras covariaveis dos dados estão sendo discutidas se serão feitas, por enquanto desconsiderar elas Atenciosamente
Eder, não sei se você já viu esse trabalho sobre emissão de metano. COSTA, F. S. ; BAYER, Cimélio ; LIMA, Magda Aparecida de ; FRIGHETTO, Rosa T S ; MACEDO, Vera R M ; MARCOLIN, Elio . Variação diária da emissão de metano em solo cultivado com arroz irrigado no Sul do Brasil.. Ciência Rural, v. 38, p. 2049-2053, 2008. Estamos utilizando o mesmo esquema para o CO2 Atenciosamente De: r-br-bounces@listas.c3sl.ufpr.br [mailto:r-br-bounces@listas.c3sl.ufpr.br] Em nome de Eder David Borges da Silva Enviada em: quarta-feira, 14 de setembro de 2011 20:44 Para: R-br@listas.c3sl.ufpr.br Assunto: [R-br] Seleção Níveis Regressão linear Boa noite pessoal, Gostaria de discutir com vocês um experimento. Estamos planejando um experimento de medição de gases do solo via câmaras, em síntese colocar uma câmara sob o solo e a cada intervalo de tempo medi-se a concentração de gases (CO2, N2O, CH4) retirando uma amostra e fazendo cromatografia dela. nosso experimento visa otimizar os tempos para coleta destas amostra hoje se faz 0, 15, 30, 45 min. Vamos fazer um experimento com 13 tempos de 0 a 120 min. Nosso interesse neste experimento é determinar a inclinação da reta que da a taxa de emissão (ppm / min) Minha sugestão de analise: 1) Ajustar um modelo com os 13 tempos. sendo esta estimativa de inclinação a mais próxima da realidade. (M0) 2) ajustar modelos com tempos distintos por exemplo 0, 5, 10 , 20 (Mi) e comparar esta estimativas com o (M0) repetir o passo 2 varias vezes 3) computar os modelos que são "iguais" a M0, de todos os "iguais" o melhor é aquele que demore menos tempo. Em resumo se avaliar nos tempos 0,5,10,20 e igual a avaliar em 13 tempos de 0 a 120??? OBS: o tempo 0 sempre terá de ser medido Um Codigo possivel seria isso: require(MCMCpack) require(plyr) require(latticeExtra) dados <- expand.grid(local=c('Agri','Pastagem'),epoca=factor(c(-1,1,5,10,20)),camara= c('C1','C2','C3'),tempo=c(seq(0,45,by=5),60,90,120),bloco=factor(1:4)) dim(dados) dados$resp <- rnorm(nrow(dados),10,10) head(dados) m0 <- MCMCregress(resp~tempo,data=dados) summary(m0) plot(m0) ###Distribuiçao pretendida #### Simulação simu <- list(A=c(0,5,10,60), B=c(0,5,15,45), C=c(0,10,20,45), D=c(0,10,45,60))### colocar mais resS <- data.frame(V1='m0',V2=m0[,2]) for(i in 1:length(simu)){ m0 <- MCMCregress(resp~tempo,data=subset(dados,dados$tempo %in% simu[[i]]),burnin=1000,mcmc=5000) m0 <- as.matrix(m0) resS <- rbind(resS,data.frame(V1=names(simu)[i],V2=m0[,2])) } class(resS) ### Aproximaçao para Slope marginal.plot(resS$V2, data=resS,groups = resS$V1,auto.key=TRUE) ### Diferenças mS <- aov(V2~V1,resS) summary(mS) par(mfrow=c(2,2)) plot(mS) Creio que esta ANOVA no final não seja a coisa mais interessante de ser feita, diante disso gostaria de sugestões para o problema. Acho que problemas de heterogenidade de variancias vão surgir.... OBS1: As outras covariaveis dos dados estão sendo discutidas se serão feitas, por enquanto desconsiderar elas Atenciosamente
Éder, Isso me parece uma questão de delineamento ótimo, que no caso linear apresenta solução simples. Como você já sabe qual o modelo que representa os dados, é só otimizar a escolha dos tempos para obter um estimador com menor erro-padrão. Seria o caso então de estudar os critérios de otimabilidade que existem para modelos lineares. 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, Na verdade não sei se obter o menor erro resolve o problema, o objetivo é obter uma distribuição da inclinação proxima do valor com todas as obervações que esperamos que seja mais próximo do fenômeno. Prof Julio, Assim, nesta área se definiu meio que por "convenção" que seria feito 0, 15, 30, 45 minutos, este ensaio com 45 min e meio restritivo em campo (Muito demorado), e pelos resultados que já obtivemos com medições nesta metodologia, os gases quase sempre apresentam um padrão de crescimento linear bem comportado, diante disso se nós conseguirmos diminuir este tempo de ensaio é uma coisa muito boa, no que diz respeito a analise de cada amostra destas ela é extremamente cara, pois é feita por cromatografia gasosa em cromatógrafo especifico, nós temos o equipamento, porem se fosse pagar por esse serviço cada amostra custaria +- uns R$ 300,00 (Dificilíssimo precisar este custo pois muitos poucos lugares fazem isso comercialmente), neste momento estamos fazendo os 4 tempos com 5 repetições por tempo e duas series no local gerando um volume de 40 amostras por ponto de monitoramento, diante disso se conseguir diminuir o tamanho da amostragem é uma economia boa. Esse experimento visa exatamente compreender melhor o processo de medição para dimensiona-lo de uma forma mais eficiente e com menor custo.
participantes (3)
-
Alan Rodrigo Panosso -
Eder David Borges da Silva -
Walmes Zeviani