
Walmes, Solicitei desta maneira porque eu achava que em análises de sobrevivência, como no meu caso que utilizo o modelo de Weibull com a função survreg() do pacote survival, fosse necessário informar o número de indivíduos vivos (zeros) ao final do tempo experimental para se efetuar os ajustes e se ter um correto número de graus de liberdade. E você tem razão sim, avalio a mesma unidade experimental em determinados intervalos no tempo, como no exemplo postado abaixo, tenho 200 formigas em 2 tratamentos (100 formigas por tratamento - T1 e T2) e acompanhei a mortalidade durante 17 dias a cada 24 horas e acho que se encaixam na questão levanta por você, segue CRM: #------------------------------------------------------------------------------- # Download dos dados no dropbox links <- c( "https://www.dropbox.com/s/adawrlwws1ro7te/mortalidadeAtta3.txt") tokens <- gsub("^.*/s/","",dirname(links)) fileNames <- basename(links) newLinks <- file.path("http://dl.dropbox.com/s", tokens, fileNames); newLinks for (a in newLinks) { tryCatch(download.file(a, dest=basename(a), mode='wb'), error=function(...) print("Falha no download!"))} # Leitura dos dados -------------------------------------------------------- dados<-read.table("mortalidadeAtta3.txt", h=T) # Converte para notação binomial ------------------------------------ dados$z<-1 dados2 <- dados[rep(1:nrow(dados), dados$mort),] # Ajuste GLM binomial ----------------------------------------------------- m0 <- glm(cbind(yes=mort, no=100-mort)~trat*tempo, dados, family=binomial) summary(m0) # Ajuste análise de sobrevivência de Weibull ----------------------- require(survival) m1<-survreg(Surv(dados$tempo,dados$z)~dados$trat) summary(m1) #END --------------------------------------------------------------------------- Abraço, -- ====================================================================== Alexandre dos Santos Proteção Florestal IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso Campus Cáceres Caixa Postal 244 Avenida dos Ramires, s/n Bairro: Distrito Industrial Cáceres - MT CEP: 78.200-000 Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO) e-mails:alexandresantosbr@yahoo.com.br alexandre.santos@cas.ifmt.edu.br Lattes: http://lattes.cnpq.br/1360403201088680 ====================================================================== Em 10/12/2013 16:20, walmes . escreveu:
Eu não sei exatamente porque você precisa dos dados dessa maneira, mas se é para correr um glm() binomial, basta que você tenha um vetor com o número de mortos e outro com o número de vivos. Não precisar estar em binário {0,1} não.
tot <- 212 da <- expand.grid(trat=gl(3,4), tempo=1:5) da$y <- rbinom(nrow(da), size=212, prob=0.5)
m0 <- glm(cbind(yes=y, no=212-y)~trat*tempo, da, family=binomial) summary(m0)
Agora eu tive a impressão pelo seu texto de que você observa os insetos mortos em intervalos de tempo na mesma unidade experimental. Dessa maneira, no tempo i+1 jamais terá menos insetos mortos que o tempo i. As observações são tomadas na mesma unidade experimental. Esse experimento não pode deve analisado como um glm() com n=212 para todas as observações. Um caso exatamente igual ao seu experimento (se eu estiver correto) é o de índice de germinação de sementes. Por exemplo, 100 sementes são semeadas e a cada dia observa-se o número de germinadas. No dia 1 você tem n=100, se nasceram 5, para o dia 2 deve usar n=95 e não n=100. Em outras palavras, a cada acesso no tempo você tem uma binomial cujo n é o n-y do tempo anterior, ou seja, n[i+1] = n[i]-y[i], em que y[i] é o número de germinadas no tempo i. Os artigos da área aplicada fazem análise sem considerar esse importante fato (considerar n=100 para todos os tempos) é isso pode comprometer as conclusões.
Outra forma de analisar os mesmos dados é ao invés de considerar o número germinadas no tempo i, é considerar o tempo necessário para germinar. Ambas análises (glm e sobrevivência) vão fornecer praticamente o mesmo resultado que do meu ponto de vista é saber qual o número esperado para quantidade de sementes germinadas em cada instante i. No glm você modela o p e multiplica por n para ter o número esperado de sementes em cada i. Na sobrevivência você ajusta o modelo e partir do ajuste obtém os quantis que dão a proporção de indivíduos que germinam à cada tempo. Eu confesso que sou curioso para comparar às duas abordagens. Será que os seus dados não servem para isso?
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.