Luiz, Dê uma olhada em: Modelos DE Regressão com apoio computacional <http://www.ime.usp.br/~giapaula/texto_2013.pdf> Modelos Lineares Generalizados e Extensões <http://www.lce.esalq.usp.br/arquivos/aulas/2010/LCE5868/livro.pdf> Modelos Lineares Generalizados - da teoria à prática - <https://docs.ufpr.br/~taconeli/CE225/tp.pdf> HTH -- Cesar Rabak 2016-11-29 16:44 GMT-02:00 Luiz Leal via R-br <r-br@listas.c3sl.ufpr.br>:
Muito obrigado Walmes. Teria algum material pra indicar (livros, papers, etc)? Procurei na internet e não achei nenhum material bom. Desde já agradeço Luiz
On Friday, November 25, 2016 2:05 PM, Walmes Zeviani < walmeszeviani@gmail.com> wrote:
Luiz,
A suposição é que de os erros são normais. Isso implica que a distribuição **condicional** de Y, ou seja, Y|mu(x) terá distribuição normal (no caso de mu(x) estar corretamente especificada). Os modelos da gls() supõe-se que os erros padronizados sejam normais, haja visto que exite um modelo para a variância dos erros (então não são iid). Os resíduos crus, portanto, não tem suposição. O modelo para a ser Y|(mu(x),var(z)), em que mu(x) é o modelo para a média e var(z) é o modelo para a variância. Sendo assim, os diagnósticos devem ser sobre os resíduos padronizados.
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.