Quando costruisci i modelli nelle statistiche, li testerai di solito, assicurandoti che i modelli corrispondano a situazioni reali. Il residuo è un numero che ti aiuta a determinare quanto il tuo modello teorico è vicino al fenomeno nel mondo reale. I residui non sono troppo difficili da capire: sono solo numeri che rappresentano quanto lontano un punto dati è da ciò che "dovrebbe essere" secondo il modello previsto.
Definizione matematica

Matematicamente, un residuo è la differenza tra un punto dati osservato e il valore previsto o stimato per quello che avrebbe dovuto essere quel punto dati. La formula per un residuo è R = O - E, dove "O" indica il valore osservato e "E" indica il valore atteso. Ciò significa che i valori positivi di R mostrano valori più alti del previsto, mentre i valori negativi mostrano valori inferiori al previsto. Ad esempio, potresti avere un modello statistico che dice che quando il peso di un uomo è di 140 sterline, la sua altezza dovrebbe essere di 6 piedi o 72 pollici. Quando esci e raccogli dati, potresti trovare qualcuno che pesa 140 sterline ma è di 5 piedi o 9 pollici o 69 pollici. Il residuo è quindi 69 pollici meno 72 pollici, dandoti un valore negativo di 3 pollici. In altre parole, il punto dati osservato è 3 pollici sotto il valore previsto.
I modelli di controllo

I residui sono particolarmente utili quando si desidera verificare se il modello teorizzato funziona nel mondo reale. Quando crei un modello e calcoli i suoi valori attesi, stai teorizzando. Ma quando vai a raccogliere dati, potresti scoprire che i dati non corrispondono al modello. Un modo per trovare questa discrepanza tra il tuo modello e il mondo reale è calcolare i residui. Ad esempio, se scopri che i tuoi residui sono tutti costantemente lontani dai valori stimati, il tuo modello potrebbe non avere una forte teoria di base. Un modo semplice per utilizzare i residui in questo modo è di tracciarli.
Video di Sciencing Video Vault Creare la parentesi (quasi) perfetta: ecco come si fa a creare la parentesi (quasi) perfetta: ecco come si procede a tracciare Residui

Quando si calcolano i residui, si dispone di una manciata di numeri, che è difficile da interpretare per gli umani. Tracciare i residui può spesso mostrarti dei modelli. Questi modelli possono portare a determinare se il modello è adatto. Due aspetti dei residui possono aiutarti ad analizzare una trama di residui. Innanzitutto, i residui per un buon modello dovrebbero essere sparsi su entrambi i lati dello zero. Cioè, una trama di residui dovrebbe avere circa la stessa quantità di residui negativi come residui positivi. Secondo, i residui dovrebbero sembrare casuali. Se vedi un pattern nel tuo tracciato residuo, come ad esempio un pattern lineare o curvo chiaro, il tuo modello originale potrebbe avere un errore.
Residui speciali: valori anomali

Valori anomali o residui di valori estremamente grandi , appaiono insolitamente lontani dagli altri punti sulla trama dei residui. Quando trovi un residuo che è un outlier nel tuo set di dati, devi pensarci attentamente. Alcuni scienziati raccomandano di rimuovere i valori anomali perché sono "anomalie" o casi particolari. Altri raccomandano ulteriori indagini sul motivo per cui si dispone di un residuo così grande. Ad esempio, potresti fare un modello di come lo stress influenzi i voti scolastici e teorizzare che più stress di solito significhi voti peggiori. Se i tuoi dati dimostrano che questo è vero tranne che per una persona, che ha uno stress molto basso e voti molto bassi, potresti chiederti perché. Una persona del genere potrebbe semplicemente non interessarsi di nulla, compresa la scuola, spiegando il grande residuo. In questo caso, potresti prendere in considerazione la possibilità di prelevare il residuo dal set di dati perché vuoi modellare solo gli studenti che si interessano alla scuola.