¿Qué inspiró esta solicitud de lista de deseos?
Los residuos estudentizados en los informes de Fit Model incluyen una leyenda de figura en otro idioma además del inglés
Residuos estudentizados
¿Qué tipo de intervalo se describe con "95%"?
"Límites simultáneos" necesita una traducción.
Nadie, excepto los estadísticos avanzados, sabe quién es Bonferroni.
¿Quizás una explicación en inglés de cómo interpretar los resultados?
Impact es una simplificación de la interfaz de usuario para mejorar la utilidad y la comprensibilidad de los componentes del informe.
Como anécdota, en una visita reciente a un cliente, me mostraron un conjunto de datos problemáticos que habían estado analizando durante 3 meses. Cuando les pedí que realizaran el análisis, el problema era muy claro: dos valores atípicos grandes en el modelo. Era muy fácil verlo en el gráfico de residuos estudentizados, pero lo habían desactivado porque no sabían lo que significaba. En cuestión de minutos, resolvimos el problema con el conjunto de datos y pudieron interpretar los resultados del experimento y hacer predicciones futuras para una región del espacio de diseño que no habían planeado explorar previamente.
Cuando explico cómo analizar los datos del DOE, tengo que explicar qué significa este gráfico. La leyenda de la figura no forma parte de la solución.
@Byron_JMP ¿podrías sugerir cambios de redacción?
Figura 1: Gráfico de residuos estudentizados y error cuadrático medio para cada respuesta.
Un residuo estudentizado se calcula dividiendo el residuo por una estimación de su desviación estándar. La desviación estándar para cada residuo se calcula con la observación excluida. Los residuos estudentizados son más eficaces para detectar valores atípicos y evaluar el supuesto de varianza igual. El gráfico de residuos estudentizados por número de fila básicamente realiza una prueba para cada residuo. Los residuos estudentizados que caen fuera de los límites rojos son valores atípicos potenciales.
https://www.jmp.com/en_us/statistics-knowledge-portal/what-is-multiple-regression/mlr-residual-analysis
