Modelo normal linear multivariado

Prof. Caio Azevedo

Prof. Caio Azevedo

Modelo normal linear multivariado
 Os dados consistem de 50 unidades amostrais de tres especies
(setosa, virginica, versicolor) de ris (uma especie de planta), ou seja,
temos um total de 150 unidades amostrais.

De cada uma delas mediu-se quatro variaveis: comprimento e largura

da sepala (CS, LS) e comprimento e largura da petala (CP,LP).

Objetivo original: quantificar a variacao morfologica em relacao a

essas especies com bases nas quatro variaveis de interesse.

Prof. Caio Azevedo

Modelo normal linear multivariado
 Seja Yijk : o valor da k-esima variavel (k=1,2,3,4), para o j-esimo
indivduo (j=1,...,50) do i-esimo grupo (i = 1, 2, 3).
ind.
Suposicao Y ij = (Yij1 , Yij2 , Yij3 , Yij4 ) N4 (i , ).

Tem-se, portanto, dados balanceados (em relacao aos grupos).

Prof. Caio Azevedo

Modelo normal linear multivariado
 comprimento da spala
7.5

4.0
largura da spala
6.5

3.0
5.5

4.5

2.0
setosa versicolor virginica setosa versicolor virginica
espcie espcie

2.5
7
comprimento da ptala

largura da ptala
6
5

1.5
4

0.5
2

setosa versicolor virginica setosa versicolor virginica

espcie espcie

Prof. Caio Azevedo

Modelo normal linear multivariado
 setosa setosa

1.2

0.8
densidade

densidade
0.8

0.4
0.4
0.0

0.0
4.5 5.0 5.5 2.0 2.5 3.0 3.5 4.0 4.5
comprimento da spala largura da spala

setosa setosa

7
6
2.0

5
densidade

densidade
4
3
1.0

2
1
0.0

1.0 1.2 1.4 1.6 1.8 0.1 0.2 0.3 0.4 0.5 0.6
comprimento da ptala largura da ptala

Prof. Caio Azevedo

Modelo normal linear multivariado
 versicolor versicolor

1.5
0.6
densidade

densidade
1.0
0.4

0.5
0.2
0.0

0.0
4.5 5.0 5.5 6.0 6.5 7.0 2.0 2.2 2.4 2.6 2.8 3.0 3.2 3.4
comprimento da spala largura da spala

versicolor versicolor
0.8

2.0
0.6
densidade

densidade
0.4

1.0
0.2
0.0

0.0

3.0 3.5 4.0 4.5 5.0 5.5 1.0 1.2 1.4 1.6 1.8
comprimento da ptala largura da ptala

Prof. Caio Azevedo

Modelo normal linear multivariado
 virginica virginica

1.2
0.6
densidade

densidade
0.8
0.4

0.4
0.2
0.0

0.0
4.5 5.0 5.5 6.0 6.5 7.0 7.5 8.0 2.5 3.0 3.5
comprimento da spala largura da spala

virginica virginica

1.2
0.6
densidade

densidade
0.8
0.4

0.4
0.2
0.0

0.0

4.5 5.0 5.5 6.0 6.5 7.0 1.4 1.6 1.8 2.0 2.2 2.4 2.6
comprimento da ptala largura da ptala

Prof. Caio Azevedo

Modelo normal linear multivariado
 Iris setosa
2.5 3.0 3.5 4.0 0.1 0.2 0.3 0.4 0.5 0.6

5.5





CS

5.0

4.5

3.5

LS




















2.5

1.8




CP

1.4

1.0

0.5

LP
0.3

0.1

4.5 5.0 5.5 1.0 1.2 1.4 1.6 1.8

Prof. Caio Azevedo

Modelo normal linear multivariado
 Iris versicolor
2.0 2.2 2.4 2.6 2.8 3.0 3.2 3.4 1.0 1.2 1.4 1.6 1.8

7.0

6.0
CS

5.0

3.2

2.8

LS










2.4

2.0

5.0










CP

4.0

3.0

1.8

1.4

LP


1.0

5.0 5.5 6.0 6.5 7.0 3.0 3.5 4.0 4.5 5.0

Prof. Caio Azevedo

Modelo normal linear multivariado
 Iris virginica
2.5 3.0 3.5 1.4 1.6 1.8 2.0 2.2 2.4

8.0

7.0







CS

6.0

5.0

3.5

3.0

LS






















2.5

6.5








CP

5.5

4.5

2.2

LP
1.8

1.4

5.0 5.5 6.0 6.5 7.0 7.5 8.0 4.5 5.0 5.5 6.0 6.5

Prof. Caio Azevedo

Modelo normal linear multivariado
 Variancias na diagonal principal, covariancias abaixo e correlacoes
acima (da diagonal principal).

CS 0, 12 0, 74 0, 27 0, 28

LS 0, 10 0, 14 0, 18 0, 23
setosa =
e

CP 0, 02 0, 01 0, 03 0, 33

LP 0, 01 0, 01 0, 01 0, 01

CS 0, 27 0, 53 0, 75 0, 55

LS 0, 08 0, 10 0, 56 0, 66

e versicolor =

CP 0, 18 0, 08 0, 22 0, 79

LP 0, 06 0, 04 0, 07 0, 04

CS 0, 40 0, 46 0, 86 0, 28

LS 0, 09 0, 10 0, 40 0, 54
virginica =
e

CP 0, 30 0, 07 0, 30 0, 32

LP 0, 05 0, 05 0, 05 0, 07

Prof. Caio Azevedo

Modelo normal linear multivariado
Medidas resumo: comprimento da sepala

Especie Media DP Var CV(%) Mnimo Mediana Maximo n

setosa 5,01 0,35 0,12 7,04 4,30 5,00 5,80 50
versicolor 5,94 0,52 0,27 8,70 4,90 5,90 7,00 50
virginica 6,59 0,64 0,40 9,65 4,90 6,50 7,90 50

Prof. Caio Azevedo

Modelo normal linear multivariado
Medidas resumo: largura da sepala

Especie Media DP Var CV(%) Mnimo Mediana Maximo n

setosa 3,43 0,38 0,14 11,06 2,30 3,40 4,40 50
versicolor 2,77 0,31 0,10 11,33 2,00 2,80 3,40 50
virginica 2,97 0,32 0,10 10,84 2,20 3,00 3,80 50

Prof. Caio Azevedo

Modelo normal linear multivariado
Medidas resumo: comprimento da petala

Especie Media DP Var. CV(%) Mnimo Mediana Maximo n

setosa 1,46 0,17 0,03 11,88 1,00 1,50 1,90 50
versicolor 4,26 0,47 0,22 11,03 3,00 4,35 5,10 50
virginica 5,55 0,55 0,30 9,94 4,50 5,55 6,90 50

Prof. Caio Azevedo

Modelo normal linear multivariado
Medidas resumo: largura da petala

Especie Media DP Var. CV(%) Mnimo Mediana Maximo n

setosa 0,25 0,11 0,01 42,84 0,10 0,20 0,60 50
versicolor 1,33 0,20 0,04 14,91 1,00 1,30 1,80 50
virginica 2,03 0,27 0,08 13,56 1,40 2,00 2,50 50

Prof. Caio Azevedo

Modelo normal linear multivariado
Graficos de quantis-quantis com envelopes: setosa
quantil da distribuio da comprimento da spala

quantil da distribuio da largura da spala

2

1
1

0


0

1


1

2


2

2 1 0 1 2 2 1 0 1 2

quantil da N(0,1) quantil da N(0,1)

quantil da distribuio da comprimento da ptala

quantil da distribuio da largura da ptala

3
2

2
1

2 1 0 1 2 2 1 0 1 2

quantil da N(0,1) quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Graficos de quantis-quantis com envelopes: versicolor
quantil da distribuio da comprimento da spala

quantil da distribuio da largura da spala

2
2

1

1

0

0

1


1

2


2

2 1 0 1 2 2 1 0 1 2

quantil da N(0,1) quantil da N(0,1)

quantil da distribuio da comprimento da ptala

quantil da distribuio da largura da ptala

2

1

1

0

0
1

1
2

2 1 0 1 2 2 1 0 1 2

quantil da N(0,1) quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Graficos de quantis-quantis com envelopes: virginica
quantil da distribuio da comprimento da spala

quantil da distribuio da largura da spala

2

2



1

1




0

0



1

1



2

2 1 0 1 2 2 1 0 1 2

quantil da N(0,1) quantil da N(0,1)

quantil da distribuio da comprimento da ptala

quantil da distribuio da largura da ptala

2

1



1

2 1 0 1 2 2 1 0 1 2

quantil da N(0,1) quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Graficos de quantis-quantis com envelopes:fq
setosa versicolor virginica

40000
25000
150000

30000
20000
quantil da forma quadrtica

quantil da forma quadrtica

quantil da forma quadrtica

15000
100000

20000
10000
50000

10000
5000
0

0
0 5 10 15 0 5 10 15 0 5 10 15

quantil da distribuio quiquadrado quantil da distribuio quiquadrado quantil da distribuio quiquadrado

Prof. Caio Azevedo

Modelo normal linear multivariado

Y111 Y112 Y113 Y114


Y121 Y122 Y123 Y124

. . .


. . .. .


. . . .




Y1(50)1 Y1(50)2 Y1(50)3 Y1(50)4






Y211 Y212 Y213 Y214


Y221 Y222 Y223 Y224
Y (np) = . . .. .

. . . .

. . .



Y2(50)1 Y2(50)2 Y2(50)3 Y2(50)4






Y311 Y312 Y313 Y314


Y321 Y322 Y323 Y324
. . .. .
. . . .

. . .

Y3(50)1 Y3(50)2 Y3(50)3 Y3(50)4

Prof. Caio Azevedo

Modelo normal linear multivariado
Suposicoes

Suponha um conjunto de G populacoes independentes da qual

retiramos G amostras de tamanho ni , i = 1, ..., G ,

Por suposicao, temos que Y ij Np (i , ), em que i = 1, 2,...,G

(grupo) e j = 1,2,...,ni (indivduo). Notacao: Yijk observacao
referente a variavel k do indivduo j do grupo i.

Homocedasticidades: 1 = 2 = ... = G = .
PG
Assim, temos a seguinte matriz de dados (n = i=1 ni ):

Prof. Caio Azevedo

Modelo normal linear multivariado

Y111 Y112 ... Y11p

Y121 Y122 ... Y12p

. . .


. . .. .


. . . .



Y Y1n1 2 ... Y1n1 p
1n1 1




Y211 Y212 ... Y21p


Y221 Y222 ... Y22p

. . .. .
. . . .
. . .
Y (np) =


Y2n 1 Y2n2 2 ... Y2n2 p
2



. . .. .
. . . .

. . .





YG 11 YG 12 ... YG 1p


YG 21 YG 22 ... YG 2p

. . .. .
. . . .

. . .

YGnG 1 YGnG 2 ... YGnG p

Prof. Caio Azevedo

Modelo normal linear multivariado
 Queremos testar
H0 : 1 = 2 = ... = G vs H1 : pelo menos uma diferenca.

Uma abordagem: analise de variancia multivariada (MANOVA).

Comparar medias atraves do estudo da decomposicao da matriz de

variancias-covariancias total.

Como resumir a informacao das matrizes de covariancias de

interesse? Variancias generalizadas.

Prof. Caio Azevedo

Modelo normal linear multivariado
Modelo linear normal multivariado

Y (np) = X (nq) B (qp) + (np)

Y (np) : matriz de dados

X (nq) : matriz de planejamento, conhecida e nao-aleatoria.

B (qxp) : parametros de interesse , desconhecido e nao aleatorio.

(np) : matriz de resduos, ij Np (0, ).

Prof. Caio Azevedo

Modelo normal linear multivariado

X111 X112 ... X11G

X121 X122 ... X12G

. . . .

. . . .

. . . .



X X1n1 2 ... X1n1 G
1n1 1


11 12 ... 1p



21 22 ... 2p
. . . .

X (nq) = . . . . ;B (qp) =

.. . . .

. . . . . . . .



. . .


G 1 G 2 ... Gp



XG 11 XG 12 ... XG 1G


XG 21 XG 22 ... XG 2G

. . . .
. . . .

. . . .

XGnG 1 XGnG 2 ... XGnG G

Prof. Caio Azevedo

Modelo normal linear multivariado

111 112 ... 11p

121 122 ... 12p

. . .


. . .. .


. . . .



1n1 2 ... 1n1 p
1n1 1




211 212 ... 21p


221 222 ... 22p

. . .. .
. . . .
. . .
(np) =


2n 1 2n2 2 ... 2n2 p
2



. . .. .
. . . .

. . .





G 11 G 12 ... G 1p


G 21 G 22 ... G 2p

. . .. .
. . . .

. . .

GnG 1 GnG 2 ... GnG p

Prof. Caio Azevedo

Modelo normal linear multivariado
Nosso exemplo:

G = 3, p = 4 e ni = 50, i = 1, 2, 3 (3 grupos, 4 variaveis e 50

indivduos por grupo).

Modelar as medias.

Y (1504) .

Prof. Caio Azevedo

Modelo normal linear multivariado
Nosso exemplo: Parametrizacao de medias

X = I (33) 1(501)
( denota o produto de
Kronecker a
1 0(501) 0(501)
(501)
esquerda). X = 0(501) 1(501) 0(501)


0(501) 0(501) 1(501)

11 12 13 14

B = 21 22 23 24


31 32 33 34
ik : media da variavel k do grupo i.

Prof. Caio Azevedo

Modelo normal linear multivariado
Nosso exemplo: Parametrizacao casela de referencia

1(501) 0(501) 0(501)

X = 1(501) 1(501) 0(501)



1(501) 0(501) 1(501)

11 12 13 14

B = 21 22 23 24


31 32 33 34
1k : media da variavel k do grupo 1 (grupo de referencia - setosa).

Prof. Caio Azevedo

Modelo normal linear multivariado
Decomposicao da matriz de covariancias total

Pode-se demonstrar que:

ni
G X G
X

0 X

0
Y ij Y Y ij Y = ni Y i Y Yi Y
i=1 j=1 i=1
| {z } | {z }
Matriz de SQ Total Matriz de SQ do Modelo
ni
G X
X

0
+ Y ij Y i Y ij Y i
i=1 j=1
| {z }
Matriz de SQ do Resduo
T = M +E

Prof. Caio Azevedo

Modelo normal linear multivariado
Variancia generalizada

Seja (pp) uma matriz de covariancias.

Variancia generalizada || (resume a informacao contida em ).

Suponha p = 2.

Assim || = 12 22 11
2
= 12 22 12 22 2 = 12 22 (1 2 ).

Estamos supondo que 1 = 2 = ... = G = (teste de Box para

igualdade de matrizes de covariancias).

Prof. Caio Azevedo

Modelo normal linear multivariado
As quatro estatsticas tradicionais

Sejam 1 2 ... s os autovalores diferentes de zero da

matriz E 1 M, em que s = min(p, G 1).
s
Y 1 |E |
Lambda de Wilks : = .
1 + i |E + M|
i=1
s
X i
Traco de Pillai: = tr [M(M + E )1 ].
1 + i
i=1
s
X
Traco de Lawley-Hotelling: 1
i = tr [ME 1 ]
i=1
1
Maxima raiz de Roy:
1 + 1

Prof. Caio Azevedo

Modelo normal linear multivariado
Cont.

Quanto menor o valor das estatstica de Wilks e maior os valores das

estatsticas de Pillai, Lawley-Hotelling e de Roy, mais evidencias
tem-se contra H0 .

Existem aproximacoes pela distribuicao F, para cada uma destas

estatsticas.

Prof. Caio Azevedo

Modelo normal linear multivariado
Aplicacao

Dados da iris: as quatro variaveis apresentadas e os tres grupos.

O teste de Box indica a rejeicao da igualdade entre as matrizes de

covariancias (estatstica = 140,94 ; pvalor < 0,0001).

Utilizacao do pacote manova implementado na linguagem R.

Prof. Caio Azevedo

Modelo normal linear multivariado
Estatsticas

Estatstica Valor Aproxim. pela dist. F. p-valor

Wilks 0,02 119,15 < 0,0001
Pillai 1,19 53,46 < 0,0001
Hotelling-Lawley 32,47 580,53 < 0,0001
Roy 32,19 1167,00 < 0,0001

A igualdade simultanea dos vetores de medias e rejeitada, para cada uma

das estatsticas. Como realizar outras comparacoes de interesse?

Prof. Caio Azevedo

Modelo normal linear multivariado
Anovas univariadas

CS

FV g.l. SQ QM Estat. F p-valor

Especie 2 63,21 31,61 119,26 < 0,0001
Resduos 147 38,96 0,27

LS

FV g.l. SQ QM Estat. F p-valor

Especie 2 11,34 5,67 49,16 < 0,0001
Resduos 147 16,96 0,12

Prof. Caio Azevedo

Modelo normal linear multivariado
Anovas univariadas

CP

FV g.l. SQ QM Estat. F p-valor

Especie 2 437,10 218,55 1180,16 < 0,0001
Resduos 147 27,22 0,19

LP

FV g.l. SQ QM Estat. F p-valor

Especie 2 80,41 40,21 960,01 < 0,0001
Resduos 147 6,16 0,04

Prof. Caio Azevedo

Modelo normal linear multivariado
Forma vetorial

Considere novamente o modelo: Y (np) = X (nq) B (qp) + (np) .

Assim, note que:

Y 0(pn) = B 0(pq) X 0(qn) + 0(pn)

vec(Y 0 ) X (nq) I p vec(B 0 ) + vec( 0 )

=

Y (np1) = X (nppq) (pq1) + (np1)

pois vec(ABC ) = (C 0 A)vec(B).

Note, assim, que as observacoes dos indivduos foram concatenadas
(uma abaixo da outra), nos vetores Y e .
Prof. Caio Azevedo
Modelo normal linear multivariado
Cont.

Portanto, temos que Y Npn (X , ), em que

= I n (pp)

O estimador de mnimos quadrados generalizados de e obtido

minimizando-se

(Y X )0 1 (Y X ).
 1 0
b = X 0 1 X
O que implica que X 1 Y

Prof. Caio Azevedo

Modelo normal linear multivariado
Cont.
Note que

h i1
0 1 0 1

b = (X I ) (I ) (X I ) (X I ) (I ) Y
 0
1  0
X X 1 X 1 Y

=
h
1 0 i
= X 0X X I Y

= AY (1)

Por outro lado, temos que

h i
b = X 0 X 1 X 0 I [X I ] = .


E()
Alem disso,
h i h i
b = X 0 X 1 X 0 I [I ] X X 0 X 1 I = X 0 X 1




Cov ()
Prof. Caio Azevedo
Modelo normal linear multivariado
Cont.

1
b Npq (, ), em que = X 0 X
Logo, .

Portanto, se for conhecido (e consequentemente, ), entao

 0  
b 1 b 2
( ) (qp)

De modo semelhante ao caso univariado, a grande maioria das

hipoteses de interesse, podem ser escritas na forma

H0 : C (r q) B (qp) U (ps) = M (r s) vs H1 : C BU 6= M

em que r q e s p.
Prof. Caio Azevedo
Modelo normal linear multivariado
Cont.

Note agora que H0 : U 0 B 0 C 0 = M 0 e, assim, temos que:

vec(U 0 B 0 C 0 ) vec(M 0 ) = C U 0 M = C M .


| {z } | {z }
M C
 
b M Nrs C M, C C 0 .
b = C
Logo,

Se for conhecido, e fazendo = C M , temos que, sob H0

 0  0
1  
b
C C b 2
(rs)

Prof. Caio Azevedo

Modelo normal linear multivariado
Cont.

Considere, entao, que

b e um estimador consistente de , logo
b = X 0 X 1


b o sera para .

Assim, por Slutsky,

 0  1  0
Q= b b C 0
C b D 2
(rs,) n

em que
 0
1
0
= (C M ) C C (C M ).
Mas, sob H0 tem-se que = 0.

Prof. Caio Azevedo

Modelo normal linear multivariado
Cont.

Nvel descritivo: P(Q > qcalc |H0 ), em que Q 2(rs) , para n

suficientemente grande e qcalc e o valor calculado da estatstica Q.
Funcao poder: P(Q > qc |H1 , ), em que Q 2(rs) para n
suficientemente grande e qc e o valor crtico para um dado (nvel
de significancia).
e > qc |H1 , ), em
Assim, o poder estimado do teste e dado por: P(Q
e 2
que Q e para n suficientemente grande e qc e o valor crtico
(rs,)
para um dado (nvel de significancia) e
 0  1  
e = C
e M e C 0
C C
e M e e representa

a respectiva estimativa.
Prof. Caio Azevedo
Modelo normal linear multivariado
Cont.

Voltando ao exemplo da ris, se quisermos testar se as medias entre

os grupos, em relacao a variavel CS (que e a variavel 1), sao
simultaneamente
iguais,
teramos (parametrizacao de medias):
1 1 0
C =
1 0 1

1

11 21

0 0
U = ;M = ; C BU =
11 31

0 0

0

Prof. Caio Azevedo

Modelo normal linear multivariado
Cont.

Voltando ao exemplo da ris, se quisermos testar se as medias entre

os grupos, em relacao a variavel CS (que e a variavel 1), sao
simultaneamente iguais, teramos (parametrizacao casela de
referencias):

0 1 0
C =
0 0 1

1


0 0 21
U =
;M =

; C BU =
0 0 31

0
Prof. Caio Azevedo
Modelo normal linear multivariado
Comparacoes multiplas

Comparacoes de interesse (para k = 1, 2, 3, 4)

H0 : 1k = 2k vs H1 : 1k 6= 2k

H0 : 1k = 3k vs H1 : 1k 6= 3k

H0 : 2k = 3k vs H1 : 2k 6= 3k

Prof. Caio Azevedo

Modelo normal linear multivariado
Resultados

Estatstica do teste e p-valor entre parenteses.

Variavel CS:

Setosa x Versicolor: 81,59 (< 0,0001).

Setosa x Virginica: 236,10 (< 0,0001).
Versicolor x Virgnica: 40,10 (< 0,0001).

Variavel LS:

Setosa x Versicolor: 93,81 (< 0,0001).

Setosa x Virginica: 44,60 (< 0,0001).
Versicolor x Virgnica: 9,02 ( 0,0027).

Prof. Caio Azevedo

Modelo normal linear multivariado
Resultados

Estatstica do teste e p-valor entre parenteses.

Variavel CP:

Setosa x Versicolor: 1056,87 (< 0,0001).

Setosa x Virginica: 2258,26 (< 0,0001).
Versicolor x Virgnica: 225,35 (< 0,0001).

Variavel LP:

Setosa x Versicolor: 696,25 (< 0,0001).

Setosa x Virginica: 1891,28 (< 0,0001).
Versicolor x Virgnica: 292,49 (<0,0001).

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos

Resduo ordinario: R = Y X B.
b

Resduo padronizado: R = R D 1 , em que D = sqrt(diag ()).

b

(distribuicao de referencia: N(0,1))

p
Resduo studentizado (RS): R s = R./ (1(np) h (np) ), em que
./ denota a divisao elemento por elemento, h e uma matriz em que
cada coluna corresponde a diagonal principal da matriz
X (X 0 X )1 X 0 . (distribuicao de referencia: N(0,1))

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos

Resduo studentizado (multivariado) (RSM) :

R s(m) = R (chol())
b 1 . (distribuicao de referencia: N(0,1))

Resduo baseado na distancia de Mahalanobis (via RSM):

(R i )0 (Ai A
b i )1 R , em que R i = Y i X i B,
i
b em que Ai e a i-esima

linha da matriz A = I n X (X 0 X )1 X 0 . (distribuicao de referencia:

2p )
 0  
1 b = X 0 X 1 X 0 Y .



b=
nq Y XB
b Y XB
b , em que B

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos (RS) - comprimento da sepala
3

3
2

2
resduo studentizado

resduo studentizado
1

1
0

0
1

1
2

2
3

3
0 50 100 150 5.0 5.5 6.0 6.5

ndice valor ajustado

2
quantil do resduo studentizado
0.4

1
0.3
densidade

0
0.2

1
2
0.1

3
0.0

3 2 1 0 1 2 3 2 1 0 1 2

resduo studentizado quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos (RS) - largura da sepala
3

3
2

2
resduo studentizado

resduo studentizado
1

1
0

0
1

1
2

2
3

3
0 50 100 150 2.8 2.9 3.0 3.1 3.2 3.3 3.4

ndice valor ajustado

3
0.4

quantil do resduo studentizado

2
1
0.3
densidade

0
0.2

1
0.1

2
3
0.0

3 2 1 0 1 2 3 2 1 0 1 2

resduo studentizado quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos (RS) - comprimento da petala
3

3
2

2
resduo studentizado

resduo studentizado
1

1
0

0
1

1
2

2
3

3
0 50 100 150 2 3 4 5

ndice valor ajustado

3
0.4

quantil do resduo studentizado

2
0.3

1
densidade

0
0.2

1
0.1

2
0.0

3 2 1 0 1 2 3 2 1 0 1 2

resduo studentizado quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos (RS) - largura da petala
3

3
2

2
resduo studentizado

resduo studentizado
1

1
0

0
1

1
2

2
3

3
0 50 100 150 0.5 1.0 1.5 2.0

ndice valor ajustado

0.6

2
quantil do resduo studentizado
0.5

1
0.4
densidade

0
0.3

1
0.2

2
0.1

3
0.0

3 2 1 0 1 2 2 1 0 1 2

resduo studentizado quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Envelopes (RS) - comprimento da sepala 2
1
quantil do resduo studentizado

0
1
2
3

2 1 0 1 2

quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Envelopes (RS) - largura da sepala 3
2
1
quantil do resduo studentizado

0
1
2
3

2 1 0 1 2

quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Envelopes (RS) - comprimento da petala 3
2
quantil do resduo studentizado

1
0
1
2
3

2 1 0 1 2

quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Envelopes (RS) - largura da petala 2
1
quantil do resduo studentizado

0
1
2
3

2 1 0 1 2

quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos (RSM) - comprimento da sepala
3

3
2

2
resduo studentizado

resduo studentizado
1

1
0

0
1

1
2

2
3

3
0 50 100 150 5.0 5.5 6.0 6.5

ndice valor ajustado

2
quantil do resduo studentizado
0.4

1
0.3
densidade

0
0.2

1
2
0.1

3
0.0

3 2 1 0 1 2 3 2 1 0 1 2

resduo studentizado quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos (RSM) - largura da sepala
3

3
2

2
resduo studentizado

resduo studentizado
1

1
0

0
1

1
2

2
3

3
0 50 100 150 2.8 2.9 3.0 3.1 3.2 3.3 3.4

ndice valor ajustado

0.4

2
quantil do resduo studentizado

1
0.3
densidade

0
0.2

1
0.1

2
3
0.0

3 2 1 0 1 2 3 2 1 0 1 2

resduo studentizado quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos (RSM) - comprimento da petala
3

3
2

2
resduo studentizado

resduo studentizado
1

1
0

0
1

1
2

2
3

3
0 50 100 150 2 3 4 5

ndice valor ajustado

3
0.4

quantil do resduo studentizado

2
0.3

1
densidade

0
0.2

1
0.1

2
0.0

3 2 1 0 1 2 3 2 1 0 1 2

resduo studentizado quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Analise de resduos (RSM) - largura da petala
3

3
2

2
resduo studentizado

resduo studentizado
1

1
0

0
1

1
2

2
3

3
0 50 100 150 0.5 1.0 1.5 2.0

ndice valor ajustado

0.4

2
quantil do resduo studentizado
0.3

1
densidade

0
0.2

1
2
0.1

3
0.0

4 3 2 1 0 1 2 3 2 1 0 1 2

resduo studentizado quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Envelopes (RSM) - comprimento da sepala 2
1
quantil do resduo studentizado

0
1
2
3

2 1 0 1 2

quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Envelopes (RSM) - largura da sepala 2
1
quantil do resduo studentizado

0
1
2
3

2 1 0 1 2

quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Envelopes (RSM) - comprimento da petala 3
2
quantil do resduo studentizado

1
0
1
2

2 1 0 1 2

quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Envelopes (RSM) - largura da petala 2
1
quantil do resduo studentizado

0
1
2
3

2 1 0 1 2

quantil da N(0,1)

Prof. Caio Azevedo

Modelo normal linear multivariado
Envelopes (RSM) - distancia de Mahalanobis
300
250
quantil da forma quadrtica

200
150
100

0 5 10 15

quantil da distribuio quiquadrado

Prof. Caio Azevedo

Modelo normal linear multivariado