Como visto anteriormente, o resíduo (ei) é dado pela diferença entre a variável resposta observada (Yi) e a variável resposta estimada (ˆYi), isto é ei=Yi−ˆYi=Yi−ˆβ0−ˆβ1x1i−⋯−ˆβpxpii=1,…,n. i. εi e εj são independentes (i≠j); ii.
Os resíduos indicam a variação natural dos dados, um fator aleatório (ou não) que o modelo não capturou. Se as pressuposições do modelo são violadas, a análise será levada a resultados duvidosos e não confiáveis para inferência.
Homocedasticidade é o termo para designar variância constante dos erros experimentaisεi para observações distintas.
Interpretação. Use o gráfico de resíduos versus ajustes para verificar a pressuposição de que os resíduos são aleatoriamente distribuídos e têm variância constante. De maneira ideal, os pontos devem cair aleatoriamente em ambos os lados de 0, sem padrões reconhecíveis nos pontos.
Figura 1: Estruturar a tabela de dados no Excel, ir ao menu dados e clicar em análise de dados. Figura 2: Selecionar regressão. Figura 3: Selecionar o intervalo de dados desejado para as variáveis X e para as variáveis Y. Figura 4: Selecionar o nível de confiança de 95%, plotar resíduos e plotar a probabilidade normal.
O Excel detém uma vasta gama de funções estatísticas. Dentre muitas outras, é possível calcular sem grandes dificuldade o coeficiente de correlação de Pearson usando a formula “=CORREL(matriz1;matriz2)” onde as matrizes 1 e 2 são os dados referentes as variáveis que se deseja correlacionar.
3.
Já normalizar tem como objetivo colocar as variáveis dentro do intervalo de 0 e 1, caso tenha resultado negativo -1 e 1.
Padronização é a uniformização de produtos, serviços e atividades. ... A padronização geralmente engloba os padrões técnicos (especificações) do produto, bem como os procedimentos operacionais para produzi-lo.