Rafael - exp 2
Juan
Objetivo:
- Testar efeito do trat “dose de hormonio” na prenhez (DG30)
Dataset » Experimento 2
Exploração
- Dose
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 333
##
## | dat$dose
## dat$dg30 | 0 | 300 | 600 | 900 | Row Total |
## -------------|-----------|-----------|-----------|-----------|-----------|
## 0 | 48 | 46 | 41 | 47 | 182 |
## | 26.374% | 25.275% | 22.527% | 25.824% | 54.655% |
## | 50.000% | 54.118% | 55.405% | 60.256% | |
## | 14.414% | 13.814% | 12.312% | 14.114% | |
## -------------|-----------|-----------|-----------|-----------|-----------|
## 1 | 48 | 39 | 33 | 31 | 151 |
## | 31.788% | 25.828% | 21.854% | 20.530% | 45.345% |
## | 50.000% | 45.882% | 44.595% | 39.744% | |
## | 14.414% | 11.712% | 9.910% | 9.309% | |
## -------------|-----------|-----------|-----------|-----------|-----------|
## Column Total | 96 | 85 | 74 | 78 | 333 |
## | 28.829% | 25.526% | 22.222% | 23.423% | |
## -------------|-----------|-----------|-----------|-----------|-----------|
##
## 
Touro
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 333
##
## | dat$touro
## dat$dg30 | A | B | C | D | N | Row Total |
## -------------|-----------|-----------|-----------|-----------|-----------|-----------|
## 0 | 59 | 17 | 3 | 57 | 46 | 182 |
## | 32.418% | 9.341% | 1.648% | 31.319% | 25.275% | 54.655% |
## | 58.416% | 42.500% | 25.000% | 61.290% | 52.874% | |
## | 17.718% | 5.105% | 0.901% | 17.117% | 13.814% | |
## -------------|-----------|-----------|-----------|-----------|-----------|-----------|
## 1 | 42 | 23 | 9 | 36 | 41 | 151 |
## | 27.815% | 15.232% | 5.960% | 23.841% | 27.152% | 45.345% |
## | 41.584% | 57.500% | 75.000% | 38.710% | 47.126% | |
## | 12.613% | 6.907% | 2.703% | 10.811% | 12.312% | |
## -------------|-----------|-----------|-----------|-----------|-----------|-----------|
## Column Total | 101 | 40 | 12 | 93 | 87 | 333 |
## | 30.330% | 12.012% | 3.604% | 27.928% | 26.126% | |
## -------------|-----------|-----------|-----------|-----------|-----------|-----------|
##
## ## fazenda
## touro 1 2 3
## A 99 2 0
## B 0 40 0
## C 0 12 0
## D 0 0 93
## N 87 0 0Confunde-se o touro com a fazenda. Sería necessário melhor distribuição dos touros nas fazendas para testar seu efeito.
Peso
» Criar uma variavel dicotomica com o peso > ou < 410 (mediana)
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 236
##
## | dat$peso2
## dat$dg30 | 0 | 1 | Row Total |
## -------------|-----------|-----------|-----------|
## 0 | 76 | 64 | 140 |
## | 54.286% | 45.714% | 59.322% |
## | 65.517% | 53.333% | |
## | 32.203% | 27.119% | |
## -------------|-----------|-----------|-----------|
## 1 | 40 | 56 | 96 |
## | 41.667% | 58.333% | 40.678% |
## | 34.483% | 46.667% | |
## | 16.949% | 23.729% | |
## -------------|-----------|-----------|-----------|
## Column Total | 116 | 120 | 236 |
## | 49.153% | 50.847% | |
## -------------|-----------|-----------|-----------|
##
## 
Aparentemente, quanto mais pesados, maior é a probabilidade de ficar prenhe. (Faltam dados de peso na fazenda 2)
Fazenda
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 333
##
## | dat$fazenda
## dat$dg30 | 1 | 2 | 3 | Row Total |
## -------------|-----------|-----------|-----------|-----------|
## 0 | 104 | 21 | 57 | 182 |
## | 57.143% | 11.538% | 31.319% | 54.655% |
## | 55.914% | 38.889% | 61.290% | |
## | 31.231% | 6.306% | 17.117% | |
## -------------|-----------|-----------|-----------|-----------|
## 1 | 82 | 33 | 36 | 151 |
## | 54.305% | 21.854% | 23.841% | 45.345% |
## | 44.086% | 61.111% | 38.710% | |
## | 24.625% | 9.910% | 10.811% | |
## -------------|-----------|-----------|-----------|-----------|
## Column Total | 186 | 54 | 93 | 333 |
## | 55.856% | 16.216% | 27.928% | |
## -------------|-----------|-----------|-----------|-----------|
##
## 
Na fazenda 2 aparenta ter melhor prenhez (grande variabilidade)
Anestro
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 324
##
## | dat$anestro
## dat$dg30 | 0 | 1 | Row Total |
## -------------|-----------|-----------|-----------|
## 0 | 130 | 46 | 176 |
## | 73.864% | 26.136% | 54.321% |
## | 56.034% | 50.000% | |
## | 40.123% | 14.198% | |
## -------------|-----------|-----------|-----------|
## 1 | 102 | 46 | 148 |
## | 68.919% | 31.081% | 45.679% |
## | 43.966% | 50.000% | |
## | 31.481% | 14.198% | |
## -------------|-----------|-----------|-----------|
## Column Total | 232 | 92 | 324 |
## | 71.605% | 28.395% | |
## -------------|-----------|-----------|-----------|
##
## 
O fato de estar em anestro ao momento do trat-inseminação parece aumentar a probabilidade de ficar prenhe.
Cio
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 226
##
## | dat$cio
## dat$dg30 | 0 | 1 | Row Total |
## -------------|-----------|-----------|-----------|
## 0 | 13 | 116 | 129 |
## | 10.078% | 89.922% | 57.080% |
## | 56.522% | 57.143% | |
## | 5.752% | 51.327% | |
## -------------|-----------|-----------|-----------|
## 1 | 10 | 87 | 97 |
## | 10.309% | 89.691% | 42.920% |
## | 43.478% | 42.857% | |
## | 4.425% | 38.496% | |
## -------------|-----------|-----------|-----------|
## Column Total | 23 | 203 | 226 |
## | 10.177% | 89.823% | |
## -------------|-----------|-----------|-----------|
##
## ## , , cio = 0
##
## dg30
## dose 0 1
## 0 4 7
## 300 3 2
## 600 1 0
## 900 5 1
##
## , , cio = 1
##
## dg30
## dose 0 1
## 0 30 24
## 300 32 20
## 600 26 25
## 900 28 18
> Se observa que
- Vacas em cio ao momento do trat-inseminação (poucas observações) a dose nao tem efeito
- Vacas nao em cio, a dose diminui a prehnez
Idade
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 275
##
## | dat$idade2
## dat$dg30 | 0 | 1 | Row Total |
## -------------|-----------|-----------|-----------|
## 0 | 53 | 107 | 160 |
## | 33.125% | 66.875% | 58.182% |
## | 73.611% | 52.709% | |
## | 19.273% | 38.909% | |
## -------------|-----------|-----------|-----------|
## 1 | 19 | 96 | 115 |
## | 16.522% | 83.478% | 41.818% |
## | 26.389% | 47.291% | |
## | 6.909% | 34.909% | |
## -------------|-----------|-----------|-----------|
## Column Total | 72 | 203 | 275 |
## | 26.182% | 73.818% | |
## -------------|-----------|-----------|-----------|
##
## 
Clara tendencia de aumentar a probabilidade de prenhez quanto maior idade
Score
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 330
##
## | dat$score3
## dat$dg30 | 1Low | 2Medium | 3High | Row Total |
## -------------|-----------|-----------|-----------|-----------|
## 0 | 76 | 62 | 42 | 180 |
## | 42.222% | 34.444% | 23.333% | 54.545% |
## | 57.576% | 57.407% | 46.667% | |
## | 23.030% | 18.788% | 12.727% | |
## -------------|-----------|-----------|-----------|-----------|
## 1 | 56 | 46 | 48 | 150 |
## | 37.333% | 30.667% | 32.000% | 45.455% |
## | 42.424% | 42.593% | 53.333% | |
## | 16.970% | 13.939% | 14.545% | |
## -------------|-----------|-----------|-----------|-----------|
## Column Total | 132 | 108 | 90 | 330 |
## | 40.000% | 32.727% | 27.273% | |
## -------------|-----------|-----------|-----------|-----------|
##
## 
Aparenta ter o mesmo efeito para todas as doses mas vale a pena testar como covariavel.
IPT
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 202
##
## | dat$ipt2
## dat$dg30 | 0 | 1 | Row Total |
## -------------|-----------|-----------|-----------|
## 0 | 58 | 56 | 114 |
## | 50.877% | 49.123% | 56.436% |
## | 57.426% | 55.446% | |
## | 28.713% | 27.723% | |
## -------------|-----------|-----------|-----------|
## 1 | 43 | 45 | 88 |
## | 48.864% | 51.136% | 43.564% |
## | 42.574% | 44.554% | |
## | 21.287% | 22.277% | |
## -------------|-----------|-----------|-----------|
## Column Total | 101 | 101 | 202 |
## | 50.000% | 50.000% | |
## -------------|-----------|-----------|-----------|
##
## 
Aparenta não mudar a probabilidade de prenhez quando ipt=0 (<72 dias) ou 1 (>72 dias).
cl7
##
## Cell Contents
## |-------------------------|
## | Count |
## | Row Percent |
## | Column Percent |
## | Total Percent |
## |-------------------------|
##
## Total Observations in Table: 240
##
## | dat$cl7.2
## dat$dg30 | 0 | 1 | Row Total |
## -------------|-----------|-----------|-----------|
## 0 | 32 | 107 | 139 |
## | 23.022% | 76.978% | 57.917% |
## | 60.377% | 57.219% | |
## | 13.333% | 44.583% | |
## -------------|-----------|-----------|-----------|
## 1 | 21 | 80 | 101 |
## | 20.792% | 79.208% | 42.083% |
## | 39.623% | 42.781% | |
## | 8.750% | 33.333% | |
## -------------|-----------|-----------|-----------|
## Column Total | 53 | 187 | 240 |
## | 22.083% | 77.917% | |
## -------------|-----------|-----------|-----------|
##
## 
Efeito contrario em em ausencia (0) ou presencia (1) de corpos luteos, mas com bastante erro.
Ajuste de modelo para DG30
Modelo completo
##
## Call:
## glm(formula = dg30 ~ factor(dose) + idade + anestro + peso2 +
## score, family = binomial, data = da)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.5918 -0.9931 -0.7710 1.1992 1.8704
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.68780 1.13381 -1.489 0.1366
## factor(dose)300 -0.24016 0.37066 -0.648 0.5170
## factor(dose)600 -0.16052 0.39932 -0.402 0.6877
## factor(dose)900 -0.49911 0.40150 -1.243 0.2138
## idade 0.16396 0.06708 2.444 0.0145 *
## anestro 0.61367 0.31962 1.920 0.0549 .
## peso21 0.68874 0.33427 2.060 0.0394 *
## score -0.01085 0.40057 -0.027 0.9784
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 306.73 on 227 degrees of freedom
## Residual deviance: 289.88 on 220 degrees of freedom
## AIC: 305.88
##
## Number of Fisher Scoring iterations: 4## [1] 16.85045## [1] 7## [1] 0.01838641modelo significativo
Backwards selection
- Small numbers are better
- Penalizes models with lots of parameters
- Penalizes models with poor fit
## Start: AIC=305.88
## dg30 ~ factor(dose) + idade + anestro + peso2 + score
##
## Df Deviance AIC
## - factor(dose) 3 291.49 301.49
## - score 1 289.88 303.88
## <none> 289.88 305.88
## - anestro 1 293.60 307.60
## - peso2 1 294.20 308.20
## - idade 1 296.11 310.11
##
## Step: AIC=301.49
## dg30 ~ idade + anestro + peso2 + score
##
## Df Deviance AIC
## - score 1 291.49 299.49
## <none> 291.49 301.49
## - anestro 1 295.39 303.39
## - peso2 1 295.88 303.88
## - idade 1 297.97 305.97
##
## Step: AIC=299.49
## dg30 ~ idade + anestro + peso2
##
## Df Deviance AIC
## <none> 291.49 299.49
## - anestro 1 295.53 301.53
## - peso2 1 296.86 302.86
## - idade 1 298.01 304.01Modelo selecionado:
## dg30 ~ idade + anestro + peso2##
## Call:
## glm(formula = dg30 ~ idade + anestro + peso2, family = binomial,
## data = da)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -1.6499 -0.9822 -0.7557 1.2333 1.7436
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.93667 0.45643 -4.243 2.2e-05 ***
## idade 0.16586 0.06644 2.497 0.0125 *
## anestro 0.62910 0.31482 1.998 0.0457 *
## peso21 0.67941 0.29676 2.289 0.0221 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 306.73 on 227 degrees of freedom
## Residual deviance: 291.49 on 224 degrees of freedom
## AIC: 299.49
##
## Number of Fisher Scoring iterations: 4## df AIC
## backwards 4 299.4925
## glmfull 8 305.8800O modelo reduzido, selecionado pelo metodo backward de stepwise apresenta menor valor de AIC.
O fator hormonio nao foi incluido no modelo de melhor ajuste. Nao teria efeito significativo na probabilidade de prenhez.
Odds ratio and 95% CI
## Waiting for profiling to be done...## OR 2.5 % 97.5 %
## (Intercept) 0.1441836 0.05727594 0.3449256
## idade 1.1804123 1.03879899 1.3495801
## anestro 1.8759295 1.01533874 3.5019659
## peso21 1.9727205 1.10947386 3.5624912Para um incremento de 1 ano de idade, a chance de ficar prenhe (versus nao ficar) aumenta por um fator de 1.18
Para vacas em condição de anestro (versus em nao anestro), a chance de ficar prenhe (versus nao ficar) aumenta por um fator de 1.87
Vacas com mais de 410 kg tem uma chance de ficar prenhe de 1.97 maior que vacas de menos de 410 kg.
