Diagnóstico dos resíduos

O que o bloco faz

models/plot_diagnostics Desenha resíduos versus ajustados, Q-Q normal, escala-localização e histograma. A saída é view/plot.

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

Variância

A média dos quadrados das distâncias de cada valor à média: mede o quanto os dados se espalham. O desvio padrão é a raiz quadrada da variância e fica na mesma unidade dos dados.

Resíduo

A diferença entre o valor observado e o valor que o modelo ajustado prevê para aquela observação. É nos resíduos que se conferem os pressupostos do modelo: eles devem parecer ruído, sem padrão.

Análise de variância (ANOVA)

Um método que divide a variação total da resposta em partes atribuídas a cada fonte (tratamentos, blocos, erro) e testa, pela estatística F, se cada fonte explica mais variação do que o acaso.

Normalidade

Pressuposto de que os erros do modelo seguem a distribuição normal (em forma de sino). Em modelos lineares ele se confere nos resíduos, não nos dados brutos; desvios leves pesam pouco em amostras grandes.

Quando usar

Use após ajustar regressão ou ANOVA para inspecionar forma, normalidade e dispersão residual em conjunto.

Configuração

Não há parâmetros obrigatórios adicionais; aspecto e tema controlam apresentação.

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.models", registry = reg)

tr_flow(reg) |>
  tr_add("dados", "models/example", dataset = "PlantGrowth") |>
  tr_add("ajuste", "models/anova_dic", resposta = "weight", tratamento = "group", from = "dados") |>
  tr_add("resultado", "models/plot_diagnostics", from = "ajuste")

Os painéis usam o ajuste weight ~ group: resíduos versus ajustados examina padrão e dispersão, Q-Q compara quantis, escala-localização mostra variância e histograma resume a forma.

Como interpretar

Curvatura, desvios no Q-Q ou dispersão crescente indicam aspectos do ajuste a investigar; nenhum painel, sozinho, identifica uma correção.