Modelo linear

# primeiro vamos baixar o conjunto de dados utilizado no exemplo, baixando direto da web

# vamos carregar o pacote lattice e usar a função xyplot()

# observe que a medida que o nível de proteína aumenta a conversão alimentar diminui

# note que cada leitegada tem valores bem distintos de conversão

# sabe-se que o efeito de leitegada existe e deve ser retirado da variação residual

# via modelo fixo pode-se retirar o efeito de leitegada analisando em "blocos ao acaso"

# via modelo misto pode-se retirar o efeito de leitegada incluindo a mesma como efeito aleatório

# observe que o resultado do teste F foi o mesmo da análise em modelo fixo

# para obter as médias criamos um modelo sem o intercepto

# assim, tando no modelo fixo quanto no misto tem-se o resultado mais adequado quanto retirado o efeito da leitegada 

# qual a melhor opção? Modelo misto ou fixo? Neste caso o resultado é o mesmo e usar modelo fixo é mais prático, de solução matemática mais fácil, apenas esta vantagem. Um modelo misto pode ter algumas vantagens em experimentos maiores e mais complexos, com dados perdidos e muitos efeitos no modelo. Também utiliza-se modelo misto quando se pretende fazer estimativas de componentes de variância.

# vamos considerar nível de proteína como variável quantitativa e avaliar o experimento em um modelo de regressão

# uma maneira prática de fazer este estudo seria utilizando a função pr2() do pacote epr

# ou então via modelo misto

# modelo linear