Termo | Descrição |
---|---|
valor ajustado | |
xk | ko termo. Cada termo pode ser um único preditor, um termo polinomial ou um termo de interação. |
bk | estimativa do ko coeficiente de regressão |
O erro padrão do valor ajustado em um modelo de regressão com um preditor é:
O erro padrão do valor ajustado em um modelo de regressão com mais de um preditor é:
Para regressão ponderada, inclua a matriz de peso na equação:
Quando os dados têm um conjunto de dados de teste ou validação cruzada k-fold, as fórmulas são as mesmas. O valor de s2 é dos dados de treinamento. A matriz de design e a matriz de peso também são dos dados de treinamento.
Termo | Descrição |
---|---|
s2 | mean square error |
n | number of observations |
x0 | new value of the predictor |
mean of the predictor | |
xi | io predictor value |
x0 | vector of values that produce the fitted values, one for each column in the design matrix, beginning with a 1 for the constant term |
x'0 | transpose of the new vector of predictor values |
X | design matrix |
W | weight matrix |
Termo | Descrição |
---|---|
ei | i o resíduo |
i o valor de resposta observada | |
i a resposta ajustada |
Resíduos padronizados também são chamados de "resíduos estudentizados internamente".
Termo | Descrição |
---|---|
ei | i o resíduo |
hi | i o elemento diagonal de X(X'X)–1X' |
s2 | quadrado médio do erro |
X | matriz do experimento |
X' | transposição da matriz do experimento |
Também chamados de resíduos estudentizados externamente. A fórmula é:
Outra apresentação desta fórmula é:
O modelo que estima a ia observação omite a ia observação do conjunto de dados. Portanto, a ia observação não pode influenciar a estimativa. Cada resíduo excluído tem distribuição t de Student com graus de liberdade.
Termo | Descrição |
---|---|
ei | iésimo residual |
s(i)2 | erro de quadrado médio calculado sem a ia observação |
hi | i ésimo elemento diagonal de X(X'X)–1X' |
n | número de observações |
p | número de termos, incluindo a constante |
SSE | soma dos quadrados para erro |