Na pr\u00e1tica, geralmente dizemos que qualquer observa\u00e7\u00e3o<\/a> num conjunto de dados cujo res\u00edduo de estudante seja maior que um valor absoluto de 3 \u00e9 um outlier.<\/span><\/p>\n Podemos obter rapidamente os res\u00edduos estudantis de um modelo de regress\u00e3o em Python usando a fun\u00e7\u00e3o OLSResults.outlier_test()<\/a> de statsmodels, que usa a seguinte sintaxe:<\/span><\/p>\n OLSResults.outlier_test()<\/strong><\/span><\/p>\n onde OLSResults<\/i> \u00e9 o nome de um modelo linear ajustado usando a fun\u00e7\u00e3o statsmodels ols()<\/strong> .<\/span><\/p>\n Suponha que constru\u00edmos o seguinte modelo de regress\u00e3o linear simples<\/a> em Python:<\/span><\/p>\n Podemos usar a fun\u00e7\u00e3o outlier_test()<\/strong> para produzir um DataFrame que cont\u00e9m os res\u00edduos estudantis para cada observa\u00e7\u00e3o no conjunto de dados:<\/span><\/p>\n Este DataFrame exibe os seguintes valores para cada observa\u00e7\u00e3o no conjunto de dados:<\/span><\/p>\n Podemos ver que o res\u00edduo estudantil para a primeira observa\u00e7\u00e3o no conjunto de dados \u00e9 -0.486471<\/strong> , o res\u00edduo estudantil para a segunda observa\u00e7\u00e3o \u00e9 -0.491937<\/strong> e assim por diante.<\/span><\/p>\n Tamb\u00e9m podemos criar um gr\u00e1fico r\u00e1pido dos valores das vari\u00e1veis preditoras em rela\u00e7\u00e3o aos res\u00edduos estudantis correspondentes:<\/span> <\/p>\n No gr\u00e1fico podemos ver que nenhuma das observa\u00e7\u00f5es possui um res\u00edduo de aluno com valor absoluto superior a 3, portanto, n\u00e3o h\u00e1 valores discrepantes claros no conjunto de dados.<\/span><\/p>\n Como realizar regress\u00e3o linear simples em Python<\/a> Um res\u00edduo de estudante \u00e9 simplesmente um res\u00edduo dividido pelo seu desvio padr\u00e3o estimado. Na pr\u00e1tica, geralmente dizemos que qualquer observa\u00e7\u00e3o num conjunto de dados cujo res\u00edduo de estudante seja maior que um valor absoluto de 3 \u00e9 um outlier. Podemos obter rapidamente os res\u00edduos estudantis de um modelo de regress\u00e3o em Python usando a […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1247","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo: c\u00e1lculo de res\u00edduos estudantis em Python<\/strong><\/span><\/h3>\n
#import necessary packages and functions\n<\/span>import<\/span> numpy as<\/span> np\nimport<\/span> pandas as<\/span> pd\nimport<\/span> statsmodels. api<\/span> as<\/span> sm\nfrom<\/span> statsmodels. formula<\/span> . api<\/span> import<\/span> ols\n\n#create dataset<\/span>\ndf = pd. DataFrame<\/span> ({'rating': [90, 85, 82, 88, 94, 90, 76, 75, 87, 86],\n 'points': [25, 20, 14, 16, 27, 20, 12, 15, 14, 19]})\n\n#fit simple linear regression model<\/span>\nmodel = ols('rating ~ points', data=df). fit<\/span> ()\n<\/strong><\/pre>\n #calculate studentized residuals<\/span>\nstud_res = model. outlier_test<\/span> ()\n\n#display studentized residuals<\/span>\nprint(stud_res)\n\n student_resid unadj_p bonf(p)\n0 -0.486471 0.641494 1.000000\n1 -0.491937 0.637814 1.000000\n2 0.172006 0.868300 1.000000\n3 1.287711 0.238781 1.000000\n4 0.106923 0.917850 1.000000\n5 0.748842 0.478355 1.000000\n6 -0.968124 0.365234 1.000000\n7 -2.409911 0.046780 0.467801\n8 1.688046 0.135258 1.000000\n9 -0.014163 0.989095 1.000000\n<\/strong><\/pre>\n\n
import<\/span> matplotlib. pyplot<\/span> as<\/span> plt<\/span>\n\n#define predictor variable values and studentized residuals\n<\/span>x = df[' points<\/span> ']\ny = stud_res[' student_resid<\/span> ']\n\n#create scatterplot of predictor variable vs. studentized residuals\n<\/span>plt. scatter<\/span> (x,y)\nplt. axhline<\/span> (y=0, color=' black<\/span> ', linestyle=' --<\/span> ')\nplt. xlabel<\/span> (' Points<\/span> ')\nplt. ylabel<\/span> (' Studentized Residuals<\/span> ') \n<\/strong><\/pre>\n![\"Res\u00edduos](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/etudiants1.png\")
<\/p>\n Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar regress\u00e3o linear m\u00faltipla em Python<\/a>
Como criar um gr\u00e1fico residual em Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"