Linearna regresija sama po sebi ne treba normalnu (gausovu) pretpostavku, procjene se mogu izračunati (po linearnim najmanjim kvadratima) bez potrebe za takvom pretpostavkom, i čini savršenim smisla bez toga. … U praksi, naravno, normalna distribucija je najviše zgodna fikcija.
Da li je normalnost potrebna za regresiju?
Regresija samo pretpostavlja normalnost za varijablu ishoda. Nenormalnost u prediktorima MOŽE stvoriti nelinearnu vezu između njih i y, ali to je zasebno pitanje. … Prilagođavanje ne zahtijeva normalnost.
Možete li koristiti linearnu regresiju ako podaci nisu normalno raspoređeni?
Ukratko, kada varijabla zavisna nije normalno raspoređena, linearna regresija ostaje statistički pouzdana tehnika u studijama velikih veličina uzorka. Slika 2 daje odgovarajuće veličine uzorka (tj. >3000) gdje se tehnike linearne regresije još uvijek mogu koristiti čak i ako je pretpostavka normalnosti prekršena.
Šta se događa ako podaci nisu normalno distribuirani?
Nedovoljni podaci mogu prouzročiti da normalna distribucija izgleda potpuno raštrkana Na primjer, rezultati testa u učionici obično su normalno raspoređeni. Ekstremni primjer: ako odaberete tri nasumična učenika i ucrtate rezultate na grafikon, nećete dobiti normalnu distribuciju.
Kako znate da podaci nisu normalno distribuirani?
Ako posmatrani podaci savršeno prate normalnu distribuciju, vrijednost KS statistike će biti 0 P-vrijednost se koristi za odlučivanje da li je razlika dovoljno velika da se odbije nulta hipoteza: … Ako je P-vrijednost KS testa manja od 0.05, ne pretpostavljamo normalnu distribuciju.