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$trat)
summary(m1)
#END
---------------------------------------------------------------------------
Abraço,
--
======================================================================
Alexandre dos Santos
Proteção Florestal
IFMT - Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso
Campus Cáceres
Caixa Postal 244
Avenida dos Ramires, s/n
Bairro: Distrito Industrial
Cáceres - MT CEP: 78.200-000
Fone: (+55) 65 8132-8112 (TIM) (+55) 65 9686-6970 (VIVO)
e-mails:alexandresanto...@yahoo.com.br
alexandre.san...@cas.ifmt.edu.br
Lattes: http://lattes.cnpq.br/1360403201088680
======================================================================
Em 10/12/2013 16:20, walmes . escreveu:
Eu não sei exatamente porque você precisa dos dados dessa maneira, mas
se é para correr um glm() binomial, basta que você tenha um vetor com
o número de mortos e outro com o número de vivos. Não precisar estar
em binário {0,1} não.
tot <- 212
da <- expand.grid(trat=gl(3,4), tempo=1:5)
da$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.
_______________________________________________
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.
