Use uma linha suavizadora para ajudá-lo a explorar as relações potenciais entre duas variáveis sem ajuste de um modelo específico, como um modelo de regressão. As linhas suavizadoras são úteis quando a curvatura da relação não muda acentuadamente. As linhas suavizadoras são calculadas usando um método de suavização local.
Gráfico de dispersão com uma linha suavizadoras
Gráfico de séries temporais com linhas suavizadoras para cada variável y

Para adicionar linhas suavizadoras quando você cria um gráfico, clique em Visualização de Dados. Para adicionar linhas suavizadoras a um gráfico existente, clique no gráfico e escolha Editor > Adicionar > Suavizador. Para editar linhas suavizadoras, selecione e clique duas vezes nas linhas suavizadoras que você deseja editar. Para obter mais informações sobre a seleção de linhas suavizadoras, acesse Selecionar grupos e itens únicos em um gráfico. É possível alterar os itens a seguir nas guias Opções e Atributos.

Parâmetros da suavização local
Grau de suavização
A suavização local geralmente funciona melhor quando a fração (f) dos pontos é grande o suficiente para proporcionar um ajuste suave, sem distorcer a relação subjacente entre as variáveis. Cleveland1 sugere que você deve tornar f o maior possível, mas manter a independência em um gráfico de local separado dos resíduos de valor-y versus os valores-x.
Número de passos
Para limitar a influência de outliers sobre os valores-y suavizados, é possível definir o número de iterações de suavização. Cada etapa reduz os pesos atribuídos aos outliers na iteração seguinte de regressão linear ponderada, com base no tamanho dos resíduos na etapa de local anterior. Para obter mais detalhes, consulte a etapa 4 do método de local. Quando você define o número de etapas para 0, a etapa 4 do método de local é eliminada totalmente. Cleveland sugere que duas etapas robustas suavizam adequadamente os efeitos do outlier de suavização para a maioria dos dados.
Atributos da linha
Clique duas vezes sobre a linha suavizadora para alterar sua cor, tamanho ou tipo.
1 W.S. Cleveland (1979). "Robust locally weighted regression and smoothing scatterplots," Journal of the American Statistical Association, 74, 829-836.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política