Essa apresentação não tem, em hipótese nenhuma, a intenção de ser agradável, correta, bonita, inteligente ou qualquer outro adjetivo. De fato, nem correção ortográfica eu fiz.
Trata-se um arquivo onde eu documento a minha experimentação com estatística da forma que eu acho mais conveniente e escrevo meus pensamentos. Sem nenhuma outra pretenção.
3. R²: Coeficiente que ilustra o quão bem
os pontos interpolam o polinômio
R² Adj: Pondera o coeficiente pela
quantidade de parâmetros;
RMSE: Prevê o desvio padrão do erro;
Mean of Response: Média dos valores.
Há uma pequena
diferença entre o RMSE e
Std Dev do Resíduo, mas
a aproximação é boa
Pode-se obter R² dividindo SSModel por
SStotal (5527.5/3562.40) = 0.6448.
R² Adj:
Onde n é o número de experimentos ou
pontos e k a quantidade de parâmetros
ou fatores do modelo. Navalha de Occam
4. Essa aba não aparece caso o modelo
esteja saturado ou não há graus de
liberdade suficientes para o cálculo do
erro ou seja, dois Y para o mesmo X.
Não é muito útil se você não tem muitas
réplicas dos dados para um mesmo X.
O Lack of Fit pode ser significativamente
maior que o erro puro se a função de
interpolação não é boa ou se não é
iterações suficientes no modelo.
F Ratio: Para o Mean of Square do Lack
of Fit, testa hipótese H1 de que o Lack
of Fit = 0
Pvalue para o Lack of Fit, valores
pequenos de p-value indicam que há
Lack of Fit.
Max R Sq indica o máximo valor de R²
possível com as variáveis do modelo.
O erro total também é
utilizado no ANOVA, e
com o mesmo nome, o
Lack of Fit somente trata
o quanto do erro é puro e
quanto é problema o
polinômio de
interpolação.
Sobre a quantidade de DoF do modelo,
próxima página.
5. Lack of Fit depende da
quantidade de
réplicas/repetições que há
no seu experimento, caso
não haja nenhuma, ele não
aparece no Fit.
6. Sum of Squares Total : O quadrado da
diferença da média das medições
menos o valor medido.
Sum of Squares Error: O quadrado da
diferença do valor previsto pelo modelo
menos o valor medido.
Sum of Squares Model: O valor total
menos o erro.
Estimate: O valor do coeficiente
utilizado para a previsão da resposta.