The creation of statistical models comes from the need to try to understand phenomena around us. In order to achieve these goals, it is necessary to make assumptions about the problem; therefore, as important as the creation of models is the verification that the assumptions made are plausible. This thesis's objective was to create a new methodology for the diagnosis of regression models. It is based on obtaining prediction intervals for new observations under the null hypothesis and averaging the absolute differences between the observed and expected coverage of these intervals; we denote the resulting statistic Mn. If the model specifications are reasonable, we expect values of Mn close to 0. In principle, the only assumption made for using the methodology is independence and the continuous response of the observations. However, an adaptation for the count data case based on randomization was also developed. In both situations, we present theoretical results about Mn and conduct tests through applications, simulations, and comparisons with other goodness-of-fit methodologies in the literature. We concluded that our methodology presented satisfactory results, proving to be very promising and applicable to the most diverse types of regression models.

A criação de modelos estatísticos advém da necessidade de tentarmos compreender fenômenos ao nosso redor. De modo a atingir tais objetivos, é necessário fazer suposições acerca do problema, dessa forma, tão importante quanto a criação de modelos é a verificação de que as suposições feitas são plausíveis. O objetivo desta tese foi a criação de uma nova metodologia para diagnóstico de modelos de regressão. Ela é baseada na obtenção de intervalos de predição para novas observações sob a hipótese nula e calculando a média das diferenças absolutas entre as coberturas observadas e esperadas desses intervalos; nós denotamos a estatística resultante de Mn. Se as especificações do modelo são razoáveis, esperamos valores de Mn próximos de 0. A princípio, a única suposição feita para o uso da metodologia é independência e resposta continua das observações. Todavia, também foi desenvolvida uma adaptação para o caso de dados de contagem baseado em aleatorização. Em ambas as situações, apresentamos resultados teóricos acerca de Mn e realizamos testes através de aplicações, simulações e comparações com outras metodologias de bondade de ajuste da literatura. Concluímos que a nossa metodologia apresentou resultados satisfatórios, provando ser muito promissora e aplicável aos mais diversos tipos de modelos de regressão.