Normalidade dos resíduos

O que o bloco faz

models/shapiro_residuals Aplica Shapiro–Wilk aos resíduos do ajuste (resíduo b em parcela subdividida). A saída é data/test.

Antes de continuar

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

Hipótese nula

A afirmação que o teste põe à prova, em geral a de que não há efeito ou diferença (médias iguais, ausência de tendência). O teste mede o quanto os dados são incompatíveis com ela; não rejeitá-la não prova que ela é verdadeira.

p-valor

A probabilidade de obter um resultado tão extremo quanto o observado, ou mais, se a hipótese nula fosse verdadeira. p-valor pequeno indica dados pouco compatíveis com a hipótese nula; ele não é a probabilidade de a hipótese nula ser verdadeira nem mede o tamanho do efeito.

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.

Pressuposto

Uma condição sob a qual o método dá resultados confiáveis, como resíduos normais ou observações independentes. Quando um pressuposto falha, p-valores e intervalos podem ficar errados, mesmo que a conta rode.

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 para avaliar normalidade dos erros de um ajuste linear; não use resposta bruta como substituto dos resíduos.

Pressupostos

• Os resíduos vêm de um modelo bem especificado (termos certos, sem tendência sobrando): o teste olha os resíduos, e um modelo errado muda o que eles medem.

  Verificar:Diagnóstico dos resíduos

  Se falhar: Acerte o modelo antes (termo faltante, interação, curvatura) e teste de novo.

• De 3 a 5000 resíduos, e não muito arredondados (muitos empates distorcem o W).

  Se falhar: Acima de 5000, leia o Q-Q do models/plot_diagnostics: com esse n qualquer desvio mínimo rejeita.

Configuração

Não há parâmetros. O teste se aplica a 3–5000 resíduos e não se aplica a GLM.

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/shapiro_residuals", from = "ajuste")

O ajuste DIC de PlantGrowth fornece os resíduos de weight ~ group; Shapiro–Wilk retorna W e p-valor para esses 30 resíduos.

Como interpretar

A hipótese nula é normalidade dos resíduos. Não rejeitar não comprova normalidade; leia também o Q-Q.