La regresión lineal por sí misma no necesita el supuesto normal (gaussiano), los estimadores se pueden calcular (por mínimos cuadrados lineales) sin necesidad de tal supuesto, y hace perfecta sentido sin ella. … En la práctica, por supuesto, la distribución normal es como mucho una ficción conveniente.
¿Se requiere normalidad para la regresión?
La regresión solo asume normalidad para la variable de resultado. La no normalidad en los predictores PUEDE crear una relación no lineal entre ellos y la y, pero ese es un tema aparte. … El ajuste no requiere normalidad.
¿Se puede usar la regresión lineal si los datos no se distribuyen normalmente?
En resumen, cuando una variable dependiente no se distribuye normalmente, la regresión lineal sigue siendo una técnica estadísticamente sólida en estudios de muestras de gran tamaño. La Figura 2 proporciona tamaños de muestra apropiados (es decir, >3000) donde las técnicas de regresión lineal todavía se pueden usar incluso si se viola la suposición de normalidad.
¿Qué sucede si los datos no se distribuyen normalmente?
Los datos insuficientes pueden hacer que una distribución normal parezca completamente dispersa Por ejemplo, los resultados de las pruebas en el salón de clases suelen tener una distribución normal. Un ejemplo extremo: si elige tres estudiantes al azar y traza los resultados en un gráfico, no obtendrá una distribución normal.
¿Cómo saber si los datos no se distribuyen normalmente?
Si los datos observados siguen perfectamente una distribución normal, el valor de la estadística KS será 0 El valor P se usa para decidir si la diferencia es lo suficientemente grande como para rechazar la hipótesis nula: … Si el valor P de la prueba KS es menor que 0.05, no asumimos una distribución normal.
