##### Ex. 7.2 O modelo mais simples possivel ##### library(MASS) data(Animals) str(Animals) anim.m2 <- lm(log(brain)~log(body), data=Animals, subset = !(log(Animals$body)>8 & log(Animals$brain)<6)) anim.m0 <- lm(log(brain)~1, data=Animals, subset=!(log(Animals$body)>8 & log(Animals$brain) <6)) anova(anim.m0, anim.m2) anova(anim.m2) ##Perguntas## #1. Qual a relação do comando 'anova' acima com: anova(anim.m2) #Resp.: Ambos comparam o modelo mais complexo ajustado (anim.m2), ao modelo nulo, #em que log(brain) eh ajustado em funcao da propria media #2. Qual a relação entre os valores obtidos por estes comandos: summary(anim.m0) mean(log(Animals$brain[!(log(Animals$body)>8&log(Animals$brain)<6)])) sd(log(Animals$brain[!(log(Animals$body)>8&log(Animals$brain)<6)])) #Resp.: Em anim.m0 nossa variavel resposta (log(brain)) foi ajustada em funcao #da propria media, assim, o valor do intercepto estimado eh exatamente #igual ao valor da media dos dados selecionados em mean(). O mesmo vale #para o erro padrao dos residuos, em que o valor eh exatamente o mesmo #calculado para o desvio padrao dos dados selecionados em sd().