análise de reísduo
Boa noite listeiros. Uma dúvida de estatística básica. A questão é que ao analisar o CV dos resíduos entre dois modelos de estimativa de safra e o observado, o CV do modelo que melhor ajustou ficou muito, mas muito alto. Acredito que seja pelo fato de estar analisando resíduos, com valores negativos e positivos, com grande amplitude. Sendo que o modelo que melhor ajustou apresentou média baixa, tornando o CV alto. Pensando nisso, subtrai o menor valor de cada variável aos resíduos, tornando todos os valores positivos. Feito isto, o desvio padrão ficou igual, mas a média aumentou, diminuindo o CV, ficando no mesmo patamar dos estimadores. Este procedimento está correto? Se sim, quem poderia me indicar material que "validasse" este procedimento? Agradeço desde já as opiniões. -- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
residuos tem media zero para calcular o CV vc está entao dividindo por zero.... alias, para que mesmo calcular o CV? pense nisto pois em geral isto é de pouca ou nhemuma valia On Fri, 13 Jun 2014, Hélio Gallo Rocha wrote:
Boa noite listeiros. Uma dúvida de estatística básica.
A questão é que ao analisar o CV dos resíduos entre dois modelos de estimativa de safra e o observado, o CV do modelo que melhor ajustou ficou muito, mas muito alto. Acredito que seja pelo fato de estar analisando resíduos, com valores negativos e positivos, com grande amplitude. Sendo que o modelo que melhor ajustou apresentou média baixa, tornando o CV alto.
Pensando nisso, subtrai o menor valor de cada variável aos resíduos, tornando todos os valores positivos. Feito isto, o desvio padrão ficou igual, mas a média aumentou, diminuindo o CV, ficando no mesmo patamar dos estimadores.
Este procedimento está correto? Se sim, quem poderia me indicar material que "validasse" este procedimento?
Agradeço desde já as opiniões.
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
Para que o CV é útil? Eu sempre me deparo com esse tema em cursos e nunca houve argumentação à favor dele. Você fez análise dos resíduos? Os pressupostos do modelo foram atendidos pela sua análise de diagnóstico dos resíduos? O CV é apenas uma medida descritiva. Seu valor, se alto ou baixo, não tem relação nenhuma com a qualidade das análises ou adequação dos pressupostos. Não se preocupe com o CV. Nem o reporte. Isso que você está fazendo de remover observações para ter um CV menor é não justificável, não adequado e não recomendado. Não faça isso. Walmes.
Caros, Bonat, Walmes e Paulo, obrigado pelas orientações. A CV teria apenas função de análise exploratória, sem valor estatístico. Hélio Em 14 de junho de 2014 12:20, Paulo Justiniano [via R-br] < ml-node+s2285057n4662409h47@n4.nabble.com> escreveu:
residuos tem media zero
para calcular o CV vc está entao dividindo por zero....
alias, para que mesmo calcular o CV? pense nisto pois em geral isto é de pouca ou nhemuma valia
On Fri, 13 Jun 2014, Hélio Gallo Rocha wrote:
Boa noite listeiros. Uma dúvida de estatística básica.
A questão é que ao analisar o CV dos resíduos entre dois modelos de estimativa de safra e o observado, o CV do modelo que melhor ajustou ficou muito, mas muito alto. Acredito que seja pelo fato de estar analisando resíduos, com valores negativos e positivos, com grande amplitude. Sendo que o modelo que melhor ajustou apresentou média baixa, tornando o CV alto.
Pensando nisso, subtrai o menor valor de cada variável aos resíduos, tornando todos os valores positivos. Feito isto, o desvio padrão ficou igual, mas a média aumentou, diminuindo o CV, ficando no mesmo patamar dos estimadores.
Este procedimento está correto? Se sim, quem poderia me indicar material que "validasse" este procedimento?
Agradeço desde já as opiniões.
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
_______________________________________________ R-br mailing list [hidden email] <http://user/SendEmail.jtp?type=node&node=4662409&i=0> 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.
------------------------------ If you reply to this email, your message will be added to the discussion below:
http://r-br.2285057.n4.nabble.com/R-br-analise-de-reisduo-tp4662407p4662409.... To unsubscribe from R-br, click here <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=unsubscribe_by_code&node=3357982&code=aGVsaW9nYWxsb3JvY2hhQGdtYWlsLmNvbXwzMzU3OTgyfC0xMzQ3NTkwMDY4> . NAML <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=macro_viewer&id=instant_html%21nabble%3Aemail.naml&base=nabble.naml.namespaces.BasicNamespace-nabble.view.web.template.NabbleNamespace-nabble.view.web.template.NodeNamespace&breadcrumbs=notify_subscribers%21nabble%3Aemail.naml-instant_emails%21nabble%3Aemail.naml-send_instant_email%21nabble%3Aemail.naml>
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
Caros, Andei pesquisando sobre a msg do Walmes, sobre os resíduos estarem atendendo os pressupostos. Achei o Teste de White e o Teste de Durbin-Watson. Seria isto mesmo? Se sim, alguém poderia indicar pacote ou comando para que eu possa dar uma olhada e implementar ? Agradeço desde já Hélio Em 14 de junho de 2014 12:20, Paulo Justiniano [via R-br] < ml-node+s2285057n4662409h47@n4.nabble.com> escreveu:
residuos tem media zero
para calcular o CV vc está entao dividindo por zero....
alias, para que mesmo calcular o CV? pense nisto pois em geral isto é de pouca ou nhemuma valia
On Fri, 13 Jun 2014, Hélio Gallo Rocha wrote:
Boa noite listeiros. Uma dúvida de estatística básica.
A questão é que ao analisar o CV dos resíduos entre dois modelos de estimativa de safra e o observado, o CV do modelo que melhor ajustou ficou muito, mas muito alto. Acredito que seja pelo fato de estar analisando resíduos, com valores negativos e positivos, com grande amplitude. Sendo que o modelo que melhor ajustou apresentou média baixa, tornando o CV alto.
Pensando nisso, subtrai o menor valor de cada variável aos resíduos, tornando todos os valores positivos. Feito isto, o desvio padrão ficou igual, mas a média aumentou, diminuindo o CV, ficando no mesmo patamar dos estimadores.
Este procedimento está correto? Se sim, quem poderia me indicar material que "validasse" este procedimento?
Agradeço desde já as opiniões.
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
_______________________________________________ R-br mailing list [hidden email] <http://user/SendEmail.jtp?type=node&node=4662409&i=0> 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.
------------------------------ If you reply to this email, your message will be added to the discussion below:
http://r-br.2285057.n4.nabble.com/R-br-analise-de-reisduo-tp4662407p4662409.... To unsubscribe from R-br, click here <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=unsubscribe_by_code&node=3357982&code=aGVsaW9nYWxsb3JvY2hhQGdtYWlsLmNvbXwzMzU3OTgyfC0xMzQ3NTkwMDY4> . NAML <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=macro_viewer&id=instant_html%21nabble%3Aemail.naml&base=nabble.naml.namespaces.BasicNamespace-nabble.view.web.template.NabbleNamespace-nabble.view.web.template.NodeNamespace&breadcrumbs=notify_subscribers%21nabble%3Aemail.naml-instant_emails%21nabble%3Aemail.naml-send_instant_email%21nabble%3Aemail.naml>
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
Caro Hélio, É do meu conhecimento que muitas pessoas adotam a aplicação de testes de hipótese aos resíduos para se assegurarem da validade dos pressupostos. Aqui vão algumas preocupações da minha parte sobre essa abordagem e recomendações gerais. 1. Teste de normalidade para os resíduos. Os resíduos crus não são independentes. Sua covariância é proporcional aos elementos fora da diagonal da matriz de projeção H = X (X'X)^{-1} X'. Os testes de normalidade assumem uma amostra aleatória independente. Os resíduos crus não são. Logo, inferência a partir do teste não é segura. 2. Caso queira fazê-lo, considere os resíduos studentizados ou externamente padronizados, pois estes corrigem para os elementos da matriz H. 3. Embora esses resíduos satisfaçam os requisitos dos testes, ainda não o considero útil aplicá-los. Suponha que o teste de normalidade rejeite a hipótese nula. Qual será sua decisão? Abandonar a análise? Ou procurar identificar a causa da rejeição para tentar corrigir/amenizar? Se for procurar pela causa você certamente fará gráficos desses resíduos. Ou seja, o teste de hipótese não é informativo quando há rejeição da hipótese. A análise visual é muito mais interessante pois, no caso de afastamento dos pressupostos, você pode ter alguma indicação de como proceder: remover observação influente, aplicar transformação, ir para um modelo com suposições mais relaxadas/condizentes. 4. O argumento mais frequente contra a análise gráfica é a sua subjetividade. De fato, pessoas olham para os gráficos e tem impressões diferentes. Já considerar um p-valor menor ou não que 5% parece ser, para a maioria, livre de subjetividade. Mas se decidir por um p-valor retornado por um teste subjetivamente escolhido e aplicado em situações muitas vezes fora das assumidas pelo teste não é subjetivo? Não é subjetivo adotar um Shapiro-Wilk, Anderson-Darling, Kolmogorv-Smirnov ou outro? Um Levene ou Bartlett? Subjetividade por subjetividade na minha consideração. 5. O mais importante é que uma análise gráfica pode ser conduzida para uma ampla classe de modelos enquanto que testes de hipótese como esse perdem campo para modelos mais gerais ou delineamento mais complexos. Como avaliar a homogeneidade de variâncias para um experimento fatorial? Combinar os níveis dos fatores? E se for um fatorial fracionado ou ensaio com uma única repetição por cédula? Se os resíduos de deviance de um modelo Poisson, por exemplo, sé terá distribuição normal para amostras grandes, então qual a validade de o teste para uma amostra pequena? O que é uma amostra pequena/grande? 6. Uma coisa que eu realmente sou contra é o exagero na aplicação dos testes de hipótese. Vejamos o caso clássico da análise de experimentos. Para concluir a análise tem-se que: Testar normalidade (1), testar homogeneidade de variâncias (2), testar o efeitos dos termos do modelo (pela anova, 3) e aplicar contrastes entre médias (4). Eu não acho que a investigação estatística seja um conjunto de procedimentos como esse. 7. A análise gráfica é útil. Afastamentos realmente comprometedores são identificados via uma análise gráfica até mesmo por pessoas não treinadas. O que fazer diante dos possíveis cenários requer um pouco de treino. Simples recomendações são: Q-q norm com disposição curvada -> assimetria -> transformar? Resíduos~ajustados em forma de cone -> relação média variância -> transformar? Resíduos de desvio grande e/ou alta alavancagem -> remover? E assim vai. À disposição. Walmes.
Que fazendo coro às observações do Walmes, lembro que os gráficos para as análises citadas *já* estão disponíveis a um simples:
plot(objeto_retornado_pela_regressão_ou_anova)
tipicamente ele retorna quatro gráficos (mais usados na opinão dos implementadores) mas se for chamada:
plot(objeto, which=<número>) onde número pode ir de 1 a 6, temos mais dois gráficos, em particular os que mostram a alavancagem.
Uma descrição dos testes subjacentes a esses gráficos pode ser visto na obra de Julian J. Faraway, "Practical Regression and Anova using R", 2002. (esse e-book pode ser baixado do site CRAN). HTH -- Cesar Rabak 2014-06-16 15:27 GMT-03:00 walmes . <walmeszeviani@gmail.com>:
Caro Hélio,
É do meu conhecimento que muitas pessoas adotam a aplicação de testes de hipótese aos resíduos para se assegurarem da validade dos pressupostos. Aqui vão algumas preocupações da minha parte sobre essa abordagem e recomendações gerais.
1. Teste de normalidade para os resíduos. Os resíduos crus não são independentes. Sua covariância é proporcional aos elementos fora da diagonal da matriz de projeção H = X (X'X)^{-1} X'. Os testes de normalidade assumem uma amostra aleatória independente. Os resíduos crus não são. Logo, inferência a partir do teste não é segura. 2. Caso queira fazê-lo, considere os resíduos studentizados ou externamente padronizados, pois estes corrigem para os elementos da matriz H. 3. Embora esses resíduos satisfaçam os requisitos dos testes, ainda não o considero útil aplicá-los. Suponha que o teste de normalidade rejeite a hipótese nula. Qual será sua decisão? Abandonar a análise? Ou procurar identificar a causa da rejeição para tentar corrigir/amenizar? Se for procurar pela causa você certamente fará gráficos desses resíduos. Ou seja, o teste de hipótese não é informativo quando há rejeição da hipótese. A análise visual é muito mais interessante pois, no caso de afastamento dos pressupostos, você pode ter alguma indicação de como proceder: remover observação influente, aplicar transformação, ir para um modelo com suposições mais relaxadas/condizentes. 4. O argumento mais frequente contra a análise gráfica é a sua subjetividade. De fato, pessoas olham para os gráficos e tem impressões diferentes. Já considerar um p-valor menor ou não que 5% parece ser, para a maioria, livre de subjetividade. Mas se decidir por um p-valor retornado por um teste subjetivamente escolhido e aplicado em situações muitas vezes fora das assumidas pelo teste não é subjetivo? Não é subjetivo adotar um Shapiro-Wilk, Anderson-Darling, Kolmogorv-Smirnov ou outro? Um Levene ou Bartlett? Subjetividade por subjetividade na minha consideração. 5. O mais importante é que uma análise gráfica pode ser conduzida para uma ampla classe de modelos enquanto que testes de hipótese como esse perdem campo para modelos mais gerais ou delineamento mais complexos. Como avaliar a homogeneidade de variâncias para um experimento fatorial? Combinar os níveis dos fatores? E se for um fatorial fracionado ou ensaio com uma única repetição por cédula? Se os resíduos de deviance de um modelo Poisson, por exemplo, sé terá distribuição normal para amostras grandes, então qual a validade de o teste para uma amostra pequena? O que é uma amostra pequena/grande? 6. Uma coisa que eu realmente sou contra é o exagero na aplicação dos testes de hipótese. Vejamos o caso clássico da análise de experimentos. Para concluir a análise tem-se que: Testar normalidade (1), testar homogeneidade de variâncias (2), testar o efeitos dos termos do modelo (pela anova, 3) e aplicar contrastes entre médias (4). Eu não acho que a investigação estatística seja um conjunto de procedimentos como esse. 7. A análise gráfica é útil. Afastamentos realmente comprometedores são identificados via uma análise gráfica até mesmo por pessoas não treinadas. O que fazer diante dos possíveis cenários requer um pouco de treino. Simples recomendações são: Q-q norm com disposição curvada -> assimetria -> transformar? Resíduos~ajustados em forma de cone -> relação média variância -> transformar? Resíduos de desvio grande e/ou alta alavancagem -> remover? E assim vai.
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.
Cesar, Agradeço a indicação da obra e os comandos. Hélio Em 16 de junho de 2014 18:26, Cesar Rabak [via R-br] < ml-node+s2285057n4662433h91@n4.nabble.com> escreveu:
Que fazendo coro às observações do Walmes, lembro que os gráficos para as análises citadas *já* estão disponíveis a um simples:
plot(objeto_retornado_pela_regressão_ou_anova)
tipicamente ele retorna quatro gráficos (mais usados na opinão dos implementadores) mas se for chamada:
plot(objeto, which=<número>) onde número pode ir de 1 a 6, temos mais dois gráficos, em particular os que mostram a alavancagem.
Uma descrição dos testes subjacentes a esses gráficos pode ser visto na obra de Julian J. Faraway, "Practical Regression and Anova using R", 2002. (esse e-book pode ser baixado do site CRAN).
HTH
-- Cesar Rabak
2014-06-16 15:27 GMT-03:00 walmes . <[hidden email] <http://user/SendEmail.jtp?type=node&node=4662433&i=0>>:
Caro Hélio,
É do meu conhecimento que muitas pessoas adotam a aplicação de testes de hipótese aos resíduos para se assegurarem da validade dos pressupostos. Aqui vão algumas preocupações da minha parte sobre essa abordagem e recomendações gerais.
1. Teste de normalidade para os resíduos. Os resíduos crus não são independentes. Sua covariância é proporcional aos elementos fora da diagonal da matriz de projeção H = X (X'X)^{-1} X'. Os testes de normalidade assumem uma amostra aleatória independente. Os resíduos crus não são. Logo, inferência a partir do teste não é segura. 2. Caso queira fazê-lo, considere os resíduos studentizados ou externamente padronizados, pois estes corrigem para os elementos da matriz H. 3. Embora esses resíduos satisfaçam os requisitos dos testes, ainda não o considero útil aplicá-los. Suponha que o teste de normalidade rejeite a hipótese nula. Qual será sua decisão? Abandonar a análise? Ou procurar identificar a causa da rejeição para tentar corrigir/amenizar? Se for procurar pela causa você certamente fará gráficos desses resíduos. Ou seja, o teste de hipótese não é informativo quando há rejeição da hipótese. A análise visual é muito mais interessante pois, no caso de afastamento dos pressupostos, você pode ter alguma indicação de como proceder: remover observação influente, aplicar transformação, ir para um modelo com suposições mais relaxadas/condizentes. 4. O argumento mais frequente contra a análise gráfica é a sua subjetividade. De fato, pessoas olham para os gráficos e tem impressões diferentes. Já considerar um p-valor menor ou não que 5% parece ser, para a maioria, livre de subjetividade. Mas se decidir por um p-valor retornado por um teste subjetivamente escolhido e aplicado em situações muitas vezes fora das assumidas pelo teste não é subjetivo? Não é subjetivo adotar um Shapiro-Wilk, Anderson-Darling, Kolmogorv-Smirnov ou outro? Um Levene ou Bartlett? Subjetividade por subjetividade na minha consideração. 5. O mais importante é que uma análise gráfica pode ser conduzida para uma ampla classe de modelos enquanto que testes de hipótese como esse perdem campo para modelos mais gerais ou delineamento mais complexos. Como avaliar a homogeneidade de variâncias para um experimento fatorial? Combinar os níveis dos fatores? E se for um fatorial fracionado ou ensaio com uma única repetição por cédula? Se os resíduos de deviance de um modelo Poisson, por exemplo, sé terá distribuição normal para amostras grandes, então qual a validade de o teste para uma amostra pequena? O que é uma amostra pequena/grande? 6. Uma coisa que eu realmente sou contra é o exagero na aplicação dos testes de hipótese. Vejamos o caso clássico da análise de experimentos. Para concluir a análise tem-se que: Testar normalidade (1), testar homogeneidade de variâncias (2), testar o efeitos dos termos do modelo (pela anova, 3) e aplicar contrastes entre médias (4). Eu não acho que a investigação estatística seja um conjunto de procedimentos como esse. 7. A análise gráfica é útil. Afastamentos realmente comprometedores são identificados via uma análise gráfica até mesmo por pessoas não treinadas. O que fazer diante dos possíveis cenários requer um pouco de treino. Simples recomendações são: Q-q norm com disposição curvada -> assimetria -> transformar? Resíduos~ajustados em forma de cone -> relação média variância -> transformar? Resíduos de desvio grande e/ou alta alavancagem -> remover? E assim vai.
À disposição. Walmes.
_______________________________________________ R-br mailing list [hidden email] <http://user/SendEmail.jtp?type=node&node=4662433&i=1> 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.
_______________________________________________ R-br mailing list [hidden email] <http://user/SendEmail.jtp?type=node&node=4662433&i=2> 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.
------------------------------ If you reply to this email, your message will be added to the discussion below:
http://r-br.2285057.n4.nabble.com/R-br-analise-de-reisduo-tp4662407p4662433.... To unsubscribe from R-br, click here <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=unsubscribe_by_code&node=3357982&code=aGVsaW9nYWxsb3JvY2hhQGdtYWlsLmNvbXwzMzU3OTgyfC0xMzQ3NTkwMDY4> . NAML <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=macro_viewer&id=instant_html%21nabble%3Aemail.naml&base=nabble.naml.namespaces.BasicNamespace-nabble.view.web.template.NabbleNamespace-nabble.view.web.template.NodeNamespace&breadcrumbs=notify_subscribers%21nabble%3Aemail.naml-instant_emails%21nabble%3Aemail.naml-send_instant_email%21nabble%3Aemail.naml>
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
Caro Walmes, Muito obrigado pela orientação, ou melhor, pela aula. Estas considerações só podem ser feitas quando se tem profundo conhecimento do assunto, que não é o meu caso. Se me permite, vou explanar em três linhas o que pretendo, se puder estender sua orientação, agradeço desde já. Fico no aguardo Hélio Em 16 de junho de 2014 15:29, Walmes Zeviani 2 [via R-br] < ml-node+s2285057n4662428h36@n4.nabble.com> escreveu:
Caro Hélio,
É do meu conhecimento que muitas pessoas adotam a aplicação de testes de hipótese aos resíduos para se assegurarem da validade dos pressupostos. Aqui vão algumas preocupações da minha parte sobre essa abordagem e recomendações gerais.
1. Teste de normalidade para os resíduos. Os resíduos crus não são independentes. Sua covariância é proporcional aos elementos fora da diagonal da matriz de projeção H = X (X'X)^{-1} X'. Os testes de normalidade assumem uma amostra aleatória independente. Os resíduos crus não são. Logo, inferência a partir do teste não é segura. 2. Caso queira fazê-lo, considere os resíduos studentizados ou externamente padronizados, pois estes corrigem para os elementos da matriz H. 3. Embora esses resíduos satisfaçam os requisitos dos testes, ainda não o considero útil aplicá-los. Suponha que o teste de normalidade rejeite a hipótese nula. Qual será sua decisão? Abandonar a análise? Ou procurar identificar a causa da rejeição para tentar corrigir/amenizar? Se for procurar pela causa você certamente fará gráficos desses resíduos. Ou seja, o teste de hipótese não é informativo quando há rejeição da hipótese. A análise visual é muito mais interessante pois, no caso de afastamento dos pressupostos, você pode ter alguma indicação de como proceder: remover observação influente, aplicar transformação, ir para um modelo com suposições mais relaxadas/condizentes. 4. O argumento mais frequente contra a análise gráfica é a sua subjetividade. De fato, pessoas olham para os gráficos e tem impressões diferentes. Já considerar um p-valor menor ou não que 5% parece ser, para a maioria, livre de subjetividade. Mas se decidir por um p-valor retornado por um teste subjetivamente escolhido e aplicado em situações muitas vezes fora das assumidas pelo teste não é subjetivo? Não é subjetivo adotar um Shapiro-Wilk, Anderson-Darling, Kolmogorv-Smirnov ou outro? Um Levene ou Bartlett? Subjetividade por subjetividade na minha consideração. 5. O mais importante é que uma análise gráfica pode ser conduzida para uma ampla classe de modelos enquanto que testes de hipótese como esse perdem campo para modelos mais gerais ou delineamento mais complexos. Como avaliar a homogeneidade de variâncias para um experimento fatorial? Combinar os níveis dos fatores? E se for um fatorial fracionado ou ensaio com uma única repetição por cédula? Se os resíduos de deviance de um modelo Poisson, por exemplo, sé terá distribuição normal para amostras grandes, então qual a validade de o teste para uma amostra pequena? O que é uma amostra pequena/grande? 6. Uma coisa que eu realmente sou contra é o exagero na aplicação dos testes de hipótese. Vejamos o caso clássico da análise de experimentos. Para concluir a análise tem-se que: Testar normalidade (1), testar homogeneidade de variâncias (2), testar o efeitos dos termos do modelo (pela anova, 3) e aplicar contrastes entre médias (4). Eu não acho que a investigação estatística seja um conjunto de procedimentos como esse. 7. A análise gráfica é útil. Afastamentos realmente comprometedores são identificados via uma análise gráfica até mesmo por pessoas não treinadas. O que fazer diante dos possíveis cenários requer um pouco de treino. Simples recomendações são: Q-q norm com disposição curvada -> assimetria -> transformar? Resíduos~ajustados em forma de cone -> relação média variância -> transformar? Resíduos de desvio grande e/ou alta alavancagem -> remover? E assim vai.
À disposição. Walmes.
_______________________________________________ R-br mailing list [hidden email] <http://user/SendEmail.jtp?type=node&node=4662428&i=0> 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.
------------------------------ If you reply to this email, your message will be added to the discussion below:
http://r-br.2285057.n4.nabble.com/R-br-analise-de-reisduo-tp4662407p4662428.... To unsubscribe from R-br, click here <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=unsubscribe_by_code&node=3357982&code=aGVsaW9nYWxsb3JvY2hhQGdtYWlsLmNvbXwzMzU3OTgyfC0xMzQ3NTkwMDY4> . NAML <http://r-br.2285057.n4.nabble.com/template/NamlServlet.jtp?macro=macro_viewer&id=instant_html%21nabble%3Aemail.naml&base=nabble.naml.namespaces.BasicNamespace-nabble.view.web.template.NabbleNamespace-nabble.view.web.template.NodeNamespace&breadcrumbs=notify_subscribers%21nabble%3Aemail.naml-instant_emails%21nabble%3Aemail.naml-send_instant_email%21nabble%3Aemail.naml>
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
Vc calculou o CV dos resíduos de um modelo e depois do outro e esta comparando isso ?? Lembre-se que o resíduo tem esperança zero !! :) Em 14 de junho de 2014 01:44, Hélio Gallo Rocha <heliogallorocha@gmail.com> escreveu:
Boa noite listeiros.
Uma dúvida de estatística básica.
A questão é que ao analisar o CV dos resíduos entre dois modelos de estimativa de safra e o observado, o CV do modelo que melhor ajustou ficou muito, mas muito alto. Acredito que seja pelo fato de estar analisando resíduos, com valores negativos e positivos, com grande amplitude. Sendo que o modelo que melhor ajustou apresentou média baixa, tornando o CV alto.
Pensando nisso, subtrai o menor valor de cada variável aos resíduos, tornando todos os valores positivos. Feito isto, o desvio padrão ficou igual, mas a média aumentou, diminuindo o CV, ficando no mesmo patamar dos estimadores.
Este procedimento está correto? Se sim, quem poderia me indicar material que "validasse" este procedimento?
Agradeço desde já as opiniões.
-- Hélio Gallo Rocha IFSULDEMINAS - Câmpus Muzambinho
_______________________________________________ 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.
-- Wagner Hugo Bonat LEG - Laboratório de Estatística e Geoinformação UFPR - Universidade Federal do Paraná
participantes (5)
-
Cesar Rabak -
Hélio Gallo Rocha -
Paulo Justiniano -
Wagner Bonat -
walmes .