Grafici di validazione post-modello + varianza
Nell’ultimo esercizio abbiamo visto che int_rate differisce in base a grade. Ora dovremmo validare questo modello; per la regressione lineare significa esaminare i grafici Residuals vs. Fitted e Normal Q-Q.
Se chiami plot() su un oggetto modello in R, verranno tracciati automaticamente entrambi questi grafici più altri due. Interpreta questi grafici per valutare l’adeguatezza del modello. Abbiamo visto come farlo nel video.
Un’altra assunzione dell’ANOVA e della modellazione lineare è l’omogeneità della varianza. Omogeneità significa “uguale” e, qui, implica che la varianza di int_rate sia la stessa per ciascun livello di grade. Possiamo testare l’omogeneità delle varianze usando bartlett.test(), che prende in input una formula e un insieme di dati.
Questo esercizio fa parte del corso
Progettazione Sperimentale in R
Istruzioni dell'esercizio
- Esegui la prima riga di codice con
par()così i grafici verranno mostrati in una griglia 2 per 2. - Chiama
plot()sugrade_aov(già creato per te) per produrre i grafici diagnostici del modello. - Verifica l’omogeneità delle varianze usando
bartlett.test().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# For a 2x2 grid of plots:
par(mfrow=c(___, ___))
# Plot grade_aov
___
# Bartlett's test for homogeneity of variance
___