Howtosignalprocessing
- Que nous disent les résidus?
- Comment interprétez-vous un complot résiduel?
- Pourquoi l'analyse résiduelle est-elle importante?
Que nous disent les résidus?
Un résidu est une mesure de la façon dont une ligne correspond à un point de données individuel. Cette distance verticale est connue sous le nom de résidu. Pour les points de données au-dessus de la ligne, le résidu est positif, et pour les points de données sous la ligne, le résidu est négatif. Plus le résidu d'un point de données est proche de 0, mieux l'ajustement est.
Comment interprétez-vous un complot résiduel?
Si les points ne montrent aucun modèle, c'est-à-dire que les points sont dispersés au hasard, nous pouvons conclure qu'un modèle linéaire est un modèle approprié. Si les points montrent un motif incurvé, comme un motif en forme de U, nous pouvons conclure qu'un modèle linéaire n'est pas approprié et qu'un modèle non linéaire pourrait mieux s'adapter.
Pourquoi l'analyse résiduelle est-elle importante?
L'analyse résiduelle est une classe utile de techniques pour l'évaluation de la bonté d'un modèle ajusté. La vérification des hypothèses sous-jacentes est importante car la plupart des estimateurs de régression linéaire nécessitent une fonction de régression correctement spécifiée et des erreurs indépendantes et distribuées à l'identité sont cohérentes.
