dados<-read.csv2("novilho.csv",h=T) # ajuste do modelo Peso<-as.numeric(dados[,4]) PT<-as.numeric(dados[,1]) AC<-as.numeric(dados[,2]) AG<-as.numeric(dados[,3]) m1<-lm(Peso~PT+AC+AG) summary(m1) anova(m1) MSE<-161.29 pred<-predict(m1);pred res_ord<-residuals(m1);res_ord res_pad<-rstandard(m1);res_pad res_stud<-rstudent(m1);res_stud plot(dados) # matriz X x1<-as.matrix(dados$PT) x2<-as.matrix(dados$AC) x3<-as.matrix(dados$AG) y<-as.matrix(dados$Peso) mu<-matrix(1,10,1) X<-cbind(mu,x1,x2,x3);X # matriz H H<-X%*%solve(t(X)%*%X)%*%t(X);H # resíduo ordinário res_ord ri<-Peso-pred;ri # resíduo padronizado ou resíduo estudantizado internamente res_pad rsi1<-ri[1]/sqrt((1-H[1,1])*MSE);rsi1 # resíduo studentizado ou resíduo estudantizado externamente res_stud n<-length(Peso) p<-ncol(X) rsei1<-rsi1*sqrt((n-p-1)/(n-p-(rsi1)^2));rsei1 # Pontos inconsistentes alpha<-0.05/(2*n);alpha t_alpha=qt(1-alpha,n-p-1);t_alpha # Pontos de alavanca - leverage grande pad_lev<-2*p/n;pad_lev diag(H) # Pontos influentes Meddiag<-influence.measures(m1);Meddiag summary(Meddiag) # DFBeta - estimativas dos parâmetros # DFFits - ajuste geral pad_Fit<-3*sqrt(p/(n-p));pad_Fit # COVRATIO -razão de variâncias generalizadas pad_Cov<-cbind(1-(3*p/(n-p)),1+(3*p/(n-p)));pad_Cov # Di - distância de Cooks - afastamento do vetor de estimativas coma retirada da obs i pad_Cook<-qf(0.5,p,n-p,lower.tail=F);pad_Cook # leverage - hi pad_hi<-(3*p)/n;pad_hi resíduos parciais summary(mod1) RC=res_ord+(mod1$coef[3]*X2);RC plot(X2,RC) modt=lm(RC~X2);anova(modt)