Nos modelos estatísticos, os resíduos representam a diferença entre os valores observados e os valores previstos pelo modelo.

Nos modelos estatísticos, os resíduos representam a diferença entre os valores observados e os valores previstos pelo modelo. Eles indicam o quanto o modelo erra ao tentar ajustar os dados. A análise dos resíduos é crucial para diagnosticar a qualidade do modelo, permitindo identificar se as suposições estatísticas foram violadas. Resíduos aleatórios e sem padrões indicam um bom ajuste, enquanto padrões podem revelar problemas como heterocedasticidade ou não linearidade. Outliers (valores atípicos) também podem ser identificados através da análise de resíduos. Existem diferentes tipos de resíduos, como os brutos, padronizados e studentizados, cada um com suas particularidades para a análise.

Elaborado pelo professor.

Considerando as informações apresentadas, avalie as asserções a seguir e a relação proposta entre elas:

I. A análise dos resíduos em modelos lineares auxilia na verificação de pressupostos importantes para a validade do modelo.

PORQUE

II. Em modelos lineares, os resíduos são descartados após o ajuste e não exercem influência na avaliação da qualidade do modelo.

A respeito dessas asserções, assinale a alternativa correta: