#----------------------------------------------------------------------- # Extensões de modelos de regressão · CE 092 # leg.ufpr.br/ensino/EMR # # Prof. Dr. Walmes M. Zeviani # Prof. Dr. Paulo Justiniano R. Jr # # Laboratory of Statistics and Geoinformation (LEG) # Department of Statistics · Federal University of Paraná # 2019-Ago-15 · Curitiba/PR/Brazil #----------------------------------------------------------------------- #----------------------------------------------------------------------- # Pacotes. library(lattice) #----------------------------------------------------------------------- # Dataset 1 · Regressão. u <- "x y1 y2 0 5.5 0.8 0.1 7.2 1.5 0.2 10.4 2.6 0.3 7.4 1.5 0.4 7.2 1.4 0.5 9.1 2.1 0.6 15.9 3.9 0.7 12.7 3.3 0.8 11.3 3 0.9 14.4 3.9 1 14.8 4.2 1.1 17.1 4.8 1.2 31.4 6.9 1.3 17.5 5.5 1.4 27.6 7.3 1.5 19.6 6.7 1.6 27.1 8.2 1.7 21 8.1 1.8 33.8 10.2 1.9 30.2 10.7 2 45.1 12.8" tb1 <- read.table(textConnection(u), sep = "\t", header = TRUE) str(tb1) xyplot(y1 + y2 ~ x, data = tb1, outer = TRUE, scales = "free", xlab = "x", ylab = "y") #-------------------------------------------- # Utilizando estes dados, efetue as análises das regressões de `y1 ~ x` # e `y2 ~ x`, cada uma delas com os modelos de regressão linear simples # inicialmente e depois com: # # * Transformação logarítmica da variável resposta. # * Transformação raiz quadrada da variável resposta. # * Transformação Box-Cox da variável resposta. # * Distribuição Gama para a resposta (GLM). # * Compare as verossimilhanças dos modelos ajustados lembrando de # torná-las comparáveis se necessário. #----------------------------------------------------------------------- # Dataset 2 · Análise de experimentos. url <- "https://raw.githubusercontent.com/pet-estatistica/labestData/devel/data-raw/BanzattoQd3.2.1.txt" tb2 <- read.table(url, header = TRUE, sep = "\t") str(tb2) cbind(xtabs(~trat, data = tb2)) # Média e desvio-padrão. aggregate(pulgoes ~ trat, data = tb2, FUN = function(y) { c(mean = mean(y), sd = sd(y)) }) # Diagrama de dispersão. xyplot(pulgoes ~ reorder(trat, pulgoes), data = tb2, xlab = "Produtos para controle de pulgão", ylab = "Número de pulgões 36hs após pulverização", scales = list(x = list(rot = 90))) #-------------------------------------------- # Utilizando estes dados, faça a análise do experimento para testar a # hipótese de efeito de tratamentos e estudar as diferenças por # contrastes. Conduza a análise considerando os modelos: # # * Transformação Box-Cox da variável resposta. # * Distribuição (quasi) Poisson para a resposta. # * Em cada caso obtenha as médias dos tratamentos com o erro padrão e # intervalo de confiança. # * Em cada caso aplique constrastes par a par entre os tratamentos. #-----------------------------------------------------------------------