muchas gracias.
El 26/05/11 12:43, José Trujillo Carmona escribió:
No conzco, ni he encontrado en bibliografÃa ningún test no
paramétrico para dos o más factores bloque (igual que tampoco lo hay
para dos factores tratamiento). En tu caso, de todos modos, como los
bloques están anidado (no existe 2 biuno, ni 1 bic4) realmente la
construcción de rangos de Friedman elimina el efecto de ambos
sistemas de bloque sobre los datos. Los rangos de cada dato X_(ijk)
son asignados en función de su valor en el conjunto de todos los
rangos que son iguales a el tanto en lo referente al bloque j
(origen) como al bloque k (bicho).
Saludos.
Antonio Maurandi López escribió:
Estimado profesor Trujillo
Muchas gracias, lo he probado, es exactamente mi caso.
Ciertamente yo no consideraba el bloqueo debido a las medidas
repetitivas sobre el mismo bicho, Muchas gracias.
Perdone que le haga otra pregunta. Me podrÃa orientar a como abordar
otro problema, se tarta de un diseño parecido pero con un factor
más, un inter-sujetos, por ejemplo 'origen' (hemos tomado bichos de
dos sitios muy diferentes).
El esquema es casi el mismo pero con el factor 'origen'
complicándolo todo, es como un modelo mixto en parametricos.... pero
no-paramétrico?
origen Bicho M1 M2 M3 M4 M5
1 biuno 10 11 12 13 14
1 bidos 51 52 53 54 55
1 btres 91 92 93 94 95
2 bic4 10 11 12 13 14
2 bi5 51 52 53 54 55
2 bt6 91 92 93 94 95
En fin en todo caso muchas gracias por su ayuda.
Antonio.
El 25/05/11 12:39, José Trujillo Carmona escribió:
Querido Olivier:
El paqeute multcomp se llama: Simultaneous Inference in General
Parametric Models.
Su descripción dice:
Simultaneous tests and confidence intervals for general linear
hypotheses in parametric models, including linear, generalized
linear, linear mixed effects, and survival models.
El principal argumento del paquete es un objeto de tipo "model"
creado mediante lm, glm o aov.
El test de Friedman no es "General Parametric Models". Es un test
no paramético y no genera objetos tipo "model".
Por otra parte, estimado Antonio. Para estudiar las comparaciones
múltiples mediante pairwise.wilcox.test, primero deberÃas eliminar
el efecto de los bloques. El método proporciona comparaciones
múltiples pero para un Kruskal-Wallis, no para un test de Friedman.
El test de Friedmann es algo parecido a un test de Kruskal-Wallis
pero con el efecto de los bloques (los animales en tu caso) eliminado.
Puede haber mucha diferencia entre unos bichos y otros, lo que crea
mucha varianza adicional. Ejemplo:
Bicho M1 M2 M3 M4 M5
biuno 10 11 12 13 14
bidos 51 52 53 54 55
btres 91 92 93 94 95
En un esquema de este tipo las diferencias entre tratamientos son
muy pequeñas frente a la variabilidad de los datos, pero se ve que
en todos los bichos (bloques) el orden de los tratamientos es
M1<M2<...<M5. Un test de Friedmann elimina primero el efecto de los
bloques.
En tu caso, por lo que cuentas no tienes repeticiones en las
observaciones. En este contexto el test "friedman" del paquete
"agricolae" es perfecto. Corresponde con tu problema y te aporta
además las comparaciones múltiples.
Consulta:
install.packages("agricolae")
library(agricolae)
?friedman
Saludos.
Antonio Maurandi López escribió:
Gracias Oliver.
Mis tratamientos son uno control (medición clásica) y otros 4
en que se miden lo mismo en distintos órganos de unos bichos,
tengo unos 40 bichos, y de cada bicho 5 mediciones (control y 4 mas).
Puedo después de un friedman significativo de los 5 trat, hacer
comparaciones por pares, múltiples comparaciones con un wilcoxon
ajustado (pairwise.wilcox.test), pero por ser más fino solo me
interesarÃa el de media más alta de los 4(a lo burro) frente a
control, y/o control frente al resto.
en fin miro lo que me dices (ahora me voy a comer).
mil gracias.
El 24/05/11 12:43, Olivier Nuñez escribió:
Echa un vistazo al paquete library(multcomp).
En todo caso, procura especificar como están relacionados tus
tratamientos (¿por el diseño?).
Un saludo. Olivier
-- ____________________________________
Olivier G. Nuñez
Email: onunez en iberstat.es
Tel : +34 663 03 69 09
Web: http://www.iberstat.es