La regressione lineare di per sé non necessita dell'assunzione normale (gaussiana), gli stimatori possono essere calcolati (mediante minimi quadrati lineari) senza alcuna necessità di tale ipotesi e rendono perfetti senso senza di essa. … In pratica, ovviamente, la distribuzione normale è al massimo una finzione conveniente.
È richiesta la normalità per la regressione?
La regressione presuppone la normalità solo per la variabile di risultato. La non normalità nei predittori PUÒ creare una relazione non lineare tra loro e la y, ma questa è una questione separata. … L'adattamento non richiede normalità.
Puoi usare la regressione lineare se i dati non sono distribuiti normalmente?
In breve, quando una variabile dipendente non è distribuita normalmente, la regressione lineare rimane una tecnica statisticamente valida negli studi su campioni di grandi dimensioni. La Figura 2 fornisce le dimensioni del campione appropriate (ad es. >3000) in cui le tecniche di regressione lineare possono ancora essere utilizzate anche se l'ipotesi di normalità viene violata.
Cosa succede se i dati non sono distribuiti normalmente?
Dati insufficienti possono far sembrare una distribuzione normale completamente dispersa Ad esempio, i risultati dei test in classe sono generalmente distribuiti normalmente. Un esempio estremo: se scegli tre studenti casuali e traccia i risultati su un grafico, non otterrai una distribuzione normale.
Come fai a sapere se i dati non sono distribuiti normalmente?
Se i dati osservati seguono perfettamente una distribuzione normale, il valore della statistica KS sarà 0 Il valore P viene utilizzato per decidere se la differenza è abbastanza grande da poter essere rifiutata l'ipotesi nulla: … Se il valore P del test KS è inferiore a 0.05, non assumiamo una distribuzione normale.