Em um post anterior, eu te expliquei como interpretar os gráficos diagnósticos, que nos permitem checar pressupostos do modelo de regressão linear. Nesse post, te explico como construí-los com o pacote ggplot2, que permite diversos ajustes estéticos.
É bem comum que a gente utilize os chamados “gráficos diagnósticos” para avaliar se um modelo de regressão linear está atendendo aos pressupostos. Mas, esses gráficos não têm uma interpretação tão intuitiva. Nesse post, eu te explico como interpretar cada um deles.
No dia-a-dia, é comum usarmos chance e probabilidade como sinônimos. Mas na estatística, elas significam coisas consideravelmente diferentes. Nesse post eu te explico, com exemplos, como interpretar cada uma delas.
Alguém te disse para calcular um Índice de Validade de Conteúdo (IVC) para o seu questionário, e você não sabe nem o que isso é, muito menos como calculá-lo? Nesse post eu te explico como calcular os três tipos de IVC e o kappa modificado, que normalmente acompanha esse índice.
Coletou dados em escala Likert (por exemplo, com opções de Concordo Fortemente a Discordo Fortemente) e bateu uma dúvida quanto a como representá-los? Neste post eu te explico como construir um gráfico de barras divergentes, o mais recomendado pela literatura para esse tipo de dado.
Já tentou representar graficamente os resultados de um teste qui-quadrado e sem saber exatamente como fazer? Eu também. Ness post, compartilho algumas soluções que eu encontrei.
