Aviso
Agora você está saindo do support.minitab.com.
Clique em Continuar para prosseguir para:
O valor ajustado para a variável preditora é responsável pela incerteza no valor da preditora.
Use o valor ajustado para a preditora para investigar quaisquer resíduos incomuns. Se o valor ajustado da variável da preditora for muito maior ou menor do que o valor observado, investigue a causa.
O valor ajustado para a variável de resposta é responsável pela incerteza em ambas as variáveis de resposta e preditora.
Use o valor ajustado para a variável de resposta para investigar quaisquer resíduos incomuns. Se o valor ajustado da variável de resposta for muito maior ou menor do que o valor observado, investigue a causa.
Um resíduo é a diferença entre o valor observado e o valor ajustado.
Examine os resíduos para determinar quão bem o modelo se ajusta aos dados. Em geral, os resíduos devem ser distribuídos aleatoriamente, sem padrões óbvios e nenhum valor incomum. Se um valor de resíduo é incomum, você pode determinar se valor do resíduo é incomum por causa do valor-x ajustado, o valor-y ajustado ou ambos os valores.
O resíduo padronizado é igual ao valor de um resíduo, (ei), dividido por uma estimativa de seu desvio padrão.
Use os resíduos padronizados para ajudar a detectar outliers. Os resíduos padronizados que são maiores que 2 e menores que -2 são normalmente considerados grandes o bastante para investigar.
Os resíduos padronizados são úteis porque resíduos brutos podem não ser bons indicadores de outliers. A variância de cada resíduo bruto pode diferir pelos valores-x associados a ela. Esta escala desigual torna difícil avaliar os tamanhos dos resíduos brutos. A padronização dos resíduos soluciona esse problema convertendo as diferentes variâncias a uma escala comum.
O valor predito é o valor da variável de resposta em uma nova configuração da variável preditora.
Use o valor da predita para estimar o valor de um novo valor da resposta.
O desvio padrão do valor predito mede quão precisamente o modelo estima novos dados. Os desvios padrão de todos os valores preditos são iguais.
Use o desvio padrão do valor predito para medir a precisão da estimativa da predição. Quando menor o desvio padrão, mais precisa é a predição. Os desvios padrão são sempre positivos.
Agora você está saindo do support.minitab.com.
Clique em Continuar para prosseguir para: