En este tema
Histograma de residuos
El histograma de residuos muestra la distribución de los residuos para todas las observaciones.
Interpretación
| Patrón | Lo que el patrón puede indicar |
|---|---|
| Una larga cola en una dirección | Asimetría |
| Una barra que se encuentra muy alejada de las otras barras | Un valor atípico |
Puesto que la apariencia de un histograma depende del número de intervalos usados para agrupar los datos, no utilice un histograma para evaluar la normalidad de los residuos. En su lugar, utilice una gráfica de probabilidad normal.
Un histograma es más efectivo cuando tiene aproximadamente 20 o más puntos de datos. Si la muestra es demasiado pequeña, entonces cada barra en el histograma no contiene suficientes puntos de datos para de manera fiable mostrar asimetría o valores atípicos.
Gráfica de probabilidad normal de los residuos
La gráfica de probabilidad normal de los residuos muestra los residuos vs. sus valores esperados cuando la distribución es normal.
Nota
Si el factor de lote es aleatorio, utilice los residuos condicionales para evaluar la normalidad.
Interpretación
Utilice la gráfica de probabilidad normal de los residuos para verificar el supuesto de que los residuos están distribuidos normalmente. La gráfica de probabilidad normal de los residuos debe seguir aproximadamente una línea recta.
La curva S implica una distribución con colas largas.
La curva S invertida implica una distribución con colas cortas.
La curva descendente implica una distribución con asimetría a la derecha.
Algunos puntos alejados de la línea implican una distribución con valores atípicos.
Si observa un patrón no normal, utilice las otras gráficas de residuos para verificar otros problemas con el modelo, como varianza no constante o un efecto del orden cronológico. Si los residuos no siguen una distribución normal y los datos tienen menos de 15 observaciones, entonces los intervalos de confianza para las predicciones, los intervalos de confianza para los coeficientes y los valores p de los coeficientes pueden ser inexactos.
Residuos vs. ajustes
Gráfica con valor atípico
Uno de los puntos es mucho más grande que todos los otros puntos. Por lo tanto, el punto es un valor atípico. Si hay demasiados valores atípicos, el modelo podría no ser aceptable. Usted debe tratar de identificar la causa de cualquier valor atípico. Corrija cualquier error de entrada de datos o de medición. Considere eliminar los valores de datos que estén asociados con eventos anormales y únicos (causas especiales). A continuación, repita el análisis.
Gráfica con varianza no constante
La varianza de los residuos aumenta con los valores ajustados. Tenga en cuenta que, a medida que el valor de los ajustes aumenta, la dispersión entre los residuos se amplía. Este patrón indica que las varianzas de los residuos son desiguales (no constante).
Si identifica patrones o valores atípicos en la gráfica de residuos vs. ajustes, considere las siguientes soluciones:
| Problema | Posible solución |
|---|---|
| Varianza no constante | Considere usar una transformación de Box-Cox. Para obtener más información, vaya a Realizar una transformación de Box-Cox para Estudio de estabilidad. |
| Un valor atípico o punto de influencia |
|
Residuos vs. orden
La gráfica de residuos vs. orden muestra los residuos en el orden en que se recopilaron los datos.
Interpretación
Tendencia
Cambio
Ciclo
Residuos versus las variables
La gráfica residuos vs. las variables muestra los residuos versus otra variable. La variable pudiera estar ya incluida en el modelo. O, la variable podría no estar en el modelo, pero se sospecha que influye en la respuesta.
Interpretación
Si observa un patrón no aleatorio en los residuos, indica que la variable influye en la respuesta de forma sistemática. Considere incluir esta variable en un análisis.
