¿Se supone que los residuos tienen barras de error?

Espero estar preguntando esto en la sección correcta. Así que tengo un gráfico con una tendencia lineal de datos y una línea de mejor ajuste trazada. Los puntos de datos en el gráfico principal obviamente tienen sus propias barras de error. También he hecho una subparcela de residuos.

Mi pregunta es: ¿los puntos de datos de la subparcela residual normalmente tienen que tener barras de error y, de ser así, estas barras de error son las mismas que las del gráfico principal? Pregunto porque pensé que tal vez el error en el gradiente y el error en la intercepción (calculado por ESTIMACION.LINEAL de Excel en mi caso) contribuyen al error en el punto de datos residual, lo que significaría que no puedo usar las mismas barras de error que esas utilizado en el gráfico principal? ¿O estoy equivocado aquí?

Nota: en mi caso, solo la variable dependiente tiene error, la variable independiente, es decir, el eje x no tiene error.

Muchas gracias por cualquier ayuda.

Veo lo que quieres decir, sí. La razón por la que hice esta pregunta es porque encontré imágenes en Internet, por ejemplo, i.stack.imgur.com/ajXYY.png , que parecen tener barras de error en los residuos. ¿Estas personas simplemente están equivocadas o son casos especiales?
Bien, eso suena razonable. Entonces, para verificar dos veces, recomendaría simplemente hacer puntos de datos residuales simples sin barras de error y dejar las barras de error en el gráfico principal si simplemente estoy considerando un conjunto de datos con variables independientes y dependientes simples.
En física de partículas, es común que, si se grafica el residual contra un resultado de ajuste o modelo, se mantengan las barras de error sin procesar en los datos y se dibujen las barras de error de ajuste o modelo simétricamente alrededor de 0 (para el residuo absoluto) o 1 (para "como una fracción de" tramas como se llamen).

Respuestas (1)

, los residuos deben tener barras de error.

Si sus residuos son la diferencia entre sus datos y su modelo, y sus datos están bien descritos por su modelo, excepto por errores independientes distribuidos normalmente que ha modelado correctamente con sus incertidumbres, entonces sus residuos deben estar (a) distribuidos aleatoriamente , sin ninguna forma sobrante, y (b) alrededor de dos tercios de las barras de error en los residuos deben tocar cero. Una gráfica de residuos sin barras de error solo le permite evaluar el primero de estos criterios.

A veces, verá gráficos de "residuos normalizados", donde cada diferencia (modelo de datos) se ha escalado para que la barra de error asociada sea 1. Esto está estrechamente relacionado con el cálculo de la x 2 estadístico utilizado para las pruebas de bondad de ajuste.