

Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Considere o modelo de regressão linear simples clássico 𝒀𝒊 = 𝜶 + 𝜷𝒙𝒊 + 𝒆𝒊 , em que 𝒀𝒊 é a variável resposta, 𝒙𝒊 a variável preditora e 𝒆𝒊 são os erros supostamente normais, independentes, com média zero e variância constante. Suponha que num determinado experimento foram obtidas amostras de pares (𝒙𝒊 ,𝒀𝒊)e para tal, um processo de estimação por mínimos quadrados encontrou estimativas pontuais para os parâmetros 𝜶 e 𝜷 (supostamente fixos e constantes). Sabe-se que neste tipo de estimação, é importante que seja realizado uma análise nos resíduos obtidos a partir destas estimativas para o modelo, visto que isso pode indicar possíveis violações das pressuposições básicas do modelo proposto. Abaixo apresentamos um gráfico do tipo Box-Plot, que foi realizado nos resíduos obtidos a partir da amostra em questão:

Observando este gráfico, pode-se concluir que:
Os erros não são independentes.
Os erros são normalmente distribuídos, pois o box-plot indica uma distribuição perfeitamente simétrica para os resíduos.
A suposição de normalidade dos dados pode estar sendo afetada, pois o box-plot indica uma distribuição com uma certa assimetria à direita.
A suposição de normalidade dos dados pode estar sendo afetada, pois o box-plot indica uma distribuição com uma certa assimetria à esquerda.
O gráfico indica uma violação da pressuposição a respeito das variâncias dos resíduos serem constantes.