Skip to content
Snippets Groups Projects
Commit 96662995 authored by Bruna Wundervald's avatar Bruna Wundervald
Browse files

Faz alterações na vinheta de GLM

parent 58f50b41
No related branches found
No related tags found
No related merge requests found
Pipeline #
#' @name MorettinTb4.12
#' @title Vendas de Óleo Lubrificante
#' @description Dados das quantidades de vendas de óleo lubrificante,
#' em região não informada. A série é referente aos meses de
#' Janeiro de 1975 a Dezembro de 1978.
#' @format Uma série temporal (classe \code{ts}), com 48 observações,
#' mensais de Janeiro de 1975 a Dezembro de 1978.
#' @keywords TS
#' @source MORETTIN, TOLOI (2006), Tabela 4.12, pág. 101.
#' @references MONTGOMERY, JOHNSON (1976).
#' @examples
#'
#' data(MorettinTb4.12)
#' str(MorettinTb4.12)
#' MorettinTb4.12
#'
#' # Médias anuais
#' aggregate(MorettinTb4.12, FUN = mean)
#'
#' # Médias mensais
#' tapply(MorettinTb4.12, cycle(MorettinTb4.12), mean)
#'
#' # Visualização da série temporal
#' library(lattice)
#' xyplot(MorettinTb4.12, type = c("o", "g"), pch = 19,
#' col = "palegreen2", lwd = 2, scales = list(rot = 0))
#'
#' # Gráfico da decomposição sazonal
#' library(latticeExtra)
#' xyplot(stl(MorettinTb4.13, s.window = 12), col = "violetred")
#'
NULL
......@@ -152,16 +152,38 @@ para a do modelo nulo, temos uma diferença de apenas 7.57. Isso
linear generalizado, devemos atentar para este ponto, porque medidas
de melhoria do ajuste podem ser tomadas.
```{r}
par(mfrow=c(2,2))
plot(m0)
layout(1)
A análise de resíduos para um modelo linear generalizado cuja váriavel
reposta é **dicotômica** é um pouco diferente da de um modelo de
regressão. Neste caso, os resíduos dificilmente seguem uma distribuição
Normal.
```{r}
par(mfrow = c(1,2), mar = c(3, 4, 4, 2)+.1)
plot(residuals(m0, type = "deviance"),
main = "Resíduos Deviance",
ylab = "Resíduos",
xlab = "",
col = "blue")
plot(residuals(m0, type = "pearson"),
main = "Resíduos de Pearson",
ylab = "Resíduos",
xlab = "",
col = "blue")
```
plot(residuals(m0, type = "deviance"))
plot(residuals(m0, type = "pearson"))
O gráfico com envelope simulado via *bootstrap* permite checar a
qualidade do modelo, mesmo que os resíduos não se distribuam
seguindo uma Normal.
```{r}
# Envelope simulado para a análise de resíduos
library(hnp)
hnp(m0)
par(mfrow = c(1,1))
plot(hnp(m0, conf = 0.95),
main = "Envelope Simulado",
xlab = "Quantis Teóricos",
ylab = "Resíduos",
pch = 16,
col = c("black", "tomato", "black", "blue"))
```
0% Loading or .
You are about to add 0 people to the discussion. Proceed with caution.
Please register or to comment