Marcelo, Neste caso, verificando a análise gráfica, não acho que a normalidade foi um problema. Consideraria o gráfico robusto o suficiente para assumir que a maioria dos dados tiveram tendência de normalidade. Portanto, justificaria a não transformação.
No entanto, a homocedasticidade foi um problema. Talvez este seja o pressuposto mais importante nesta análise. Analisando os testes de Bartlett e Levene, além da análise gráfica, diria que seus dados não foram homocedasticos. Sendo assim, a estatística paramétrica não seria a melhor forma de avaliação. Em sáb, 2 de mar de 2019 14:26, Marcelo Laia <marcelol...@gmail.com escreveu: > On 02/03/19 at 01:57, Gilson Geraldo Soares de Oliveira Júnior wrote: > > > Após o plot clique em algum botao, dentro da interface do R, para > surgirem > > 4 gráficos. Os dois primeiros são homocedasticidade e normalidade. Faça a > > análise gráfica e verifique a dispersao dos pontos entorno da "reta" de > > normalidade. > > > > Gilson, > > Eu fiz essa verificação (gráficos em anexo). > > Há três observações que estão "fora". > > Eu utilizei o pacote bestNormalize e ele informa que a melhora > transformação > seria Log_b(x+a)[1]. Mas, eu não queria transformar os dados só por esses > três > outliers. > > 1. https://rdrr.io/cran/bestNormalize/man/log_x.html > > Uma vez que se trata de uma tese, preciso de argumentos para justificar a > não > transformação. > > Por outro lado, se, de fato, os dados necessitarem de transformação, terei > que > fazer. E neste caso, o output do bestNormalize informa que o melhor é > lob_b(x+a) e o segundo melhor é Yeo-Johnson[2]. > > 2. https://rdrr.io/cran/bestNormalize/man/yeojohnson.html > > Qualquer sugestão será muito bem vinda! > > Obrigado! > > -- > Marcelo >
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forne�a c�digo m�nimo reproduz�vel.
