Tiesinei regresijai patiems nereikia normalios (gauso) prielaidos, įverčius galima apskaičiuoti (tiesiniais mažiausiais kvadratais) netaikant tokios prielaidos, ir tai yra tobula. jausmas be jo. … Praktikoje, žinoma, normalusis skirstinys yra daugiausiai patogi fikcija.
Ar regresijai reikalingas normalumas?
Regresija tik reiškia normalumą rezultato kintamajam. Numatytojų nenormalumas GALI sukurti netiesinį ryšį tarp jų ir y, tačiau tai yra atskira problema. … Tinkamumas nereikalauja normalumo.
Ar galite naudoti tiesinę regresiją, jei duomenys nėra įprastai paskirstyti?
Trumpai tariant, kai priklausomas kintamasis nėra pasiskirstęs normaliai, tiesinė regresija išlieka statistiškai patikima metodika tiriant didelius imčių dydžius. 2 paveiksle pateikti tinkami imties dydžiai (t. y. >3000), kuriuose vis tiek galima naudoti tiesinės regresijos metodus, net jei pažeidžiama normalumo prielaida.
Kas atsitiks, jei duomenys nėra įprastai paskirstomi?
Nepakankamai duomenų įprastas pasiskirstymas gali atrodyti visiškai išsklaidytas Pavyzdžiui, klasės testų rezultatai paprastai paskirstomi įprastai. Ekstremalus pavyzdys: jei pasirinksite tris atsitiktinius mokinius ir nubraižysite rezultatus grafike, normaliojo skirstinio negausite.
Kaip žinoti, ar duomenys nėra įprastai paskirstomi?
Jei stebimi duomenys puikiai atitinka normalųjį pasiskirstymą, KS statistikos reikšmė bus 0 P reikšmė naudojama norint nuspręsti, ar skirtumas yra pakankamai didelis, kad būtų galima atmesti. nulinė hipotezė: … Jei KS testo P reikšmė yra mažesnė nei 0.05, nemanome, kad normalus skirstinys.
