Módulo de análisis
predictivo > Regresión
logística binaria > Gráficas
Curva de la
característica de funcionamiento del receptor (ROC)
Muestra la curva de características de funcionamiento del receptor (ROC). Una nota a pie de página en el gráfico muestra el área bajo la curva ROC. Puede utilizar el área bajo la curva ROC para comparar modelos. La curva ROC representa la tasa de verdaderos positivos (TPR) con respecto a la tasa de falsos positivos (FPR).
Regular: Represente gráficamente los residuos brutos regulares.
Estandarizado: Represente los valores residuales estandarizados.
Eliminado: Represente los valores residuales eliminados de Studentized.
Gráficas de residuos
Utilice las gráficas de residuos para determinar si el modelo cumple con los supuestos de regresión y ANOVA. Para obtener más información, vaya a Gráficas de residuos incluidas en Minitab.
Gráficas de valores individuales: Seleccione las gráficas de residuos que desea mostrar.
Histograma
de los residuos
Muestra un histograma de los residuos.
Gráfica de probabilidad normal de los
residuos
Muestre una gráfica de probabilidad normal de los residuos.
Residuos vs. ajustes
Muestre los residuos vs. los valores ajustados. Esta gráfica no está disponible cuando los datos están en formato binario o en formato de frecuencia, porque el patrón resultante no sería informativo.
Residuos vs. orden
Muestre los residuos vs. el orden de los datos. El número de fila para cada punto de datos se muestra en el eje X.
Tres en uno o Cuatro en uno: Muestre las parcelas residuales juntas en un gráfico. Si los datos están en formato binario o en formato de frecuencia, el diseño incluye un histograma de residuos, una gráfica de probabilidad normal de los residuos y una gráfica de residuos versus orden. Si los datos están en formato evento/ensayo, el diseño también incluye una gráfica de residuos versus los ajustes en la escala de enlace.
Residuos vs. las
variables
Ingrese una o más variables para realizar una gráfica en función de los residuos. Se pueden graficar los siguientes tipos de variables:
Variables que ya están en el modelo actual, para buscar curvatura en los residuos.
Variables importantes que no están en el modelo actual, para determinar si están relacionadas con la respuesta.
