873622_it-IT

liliconcom

Regressione quando viene violata l'ipotesi di normalità

Se c'è un avvertimento che la maggior parte di noi ricorda sulla regressione dei minimi quadrati, è questo: la regressione presuppone la normalità. Più specificamente, la regressione dei minimi quadrati presuppone che la distribuzione di Y dato X sia normale o, in modo equivalente, che la distribuzione dei residui sia normale. Ma cosa succede se i nostri dati violano questo presupposto (ad esempio, la nostra distribuzione delle risposte è fortemente asimmetrica o consiste solo di valori interi), inducendoci potenzialmente a trarre inferenze errate dai risultati? Per fortuna, esistono tecniche per gestire facilmente questo scenario fin troppo comune. Questo webinar, destinato ai ricercatori accademici, illustrerà concetti e tecniche per condurre regressioni lineari con dati di risposta non normali, incluso come implementare queste tecniche in JMP Student Edition , una versione gratuita e completa di JMP, riservata esclusivamente all'uso accademico. Gli argomenti trattati includono: Valutazione della normalità Trasformazione delle variabili di risposta Modelli lineari generalizzati (GLM) che utilizzano una distribuzione di risposta più appropriata Selezione della distribuzione più adatta per il tuo GLM Ottieni gratuitamente il software JMP per uso accademico su jmp.com/student

Modellazione statistica avanzataAnalisi e modellazione dei dati di base