В качестве допущения о линейной регрессии нормальность распределения ошибки иногда ошибочно «расширяется» или интерпретируется как необходимость нормальности y или x.
Можно ли построить сценарий / набор данных, где X и Y ненормальны, но ошибочный член есть, и, следовательно, полученные оценки линейной регрессии действительны?
5
Тривиальный пример: X имеет распределение Бернулли (т.е. принимает значения 0 или 1); Y = X + N (0, 0,1). Ни X, ни Y обычно не распространяются сами по себе, но регрессия Y на X все еще работает.
—
Hong Ooi
Я думаю, вы думаете о распределении остатков, а не о распределении переменных.
—
Ташухка
У меня есть пример, разработанный здесь: что если остатки нормально распределены, а Y нет?
—
gung - Восстановить Монику