873622_es-ES

liliconcom

Regresión cuando se viola el supuesto de normalidad

Si hay una salvedad que la mayoría recordamos sobre la regresión por mínimos cuadrados, es esta: la regresión asume normalidad. Más específicamente, la regresión por mínimos cuadrados asume que la distribución de Y dado X es normal o, equivalentemente, que la distribución de los residuos es normal. Pero ¿qué ocurre si nuestros datos violan esta suposición (por ejemplo, si la distribución de la respuesta está muy sesgada o solo consta de valores enteros), lo que podría llevarnos a realizar inferencias incorrectas a partir de los resultados? Afortunadamente, existen técnicas para gestionar fácilmente esta situación tan común. Este seminario web, dirigido a investigadores académicos, le enseñará conceptos y técnicas para realizar regresiones lineales con datos de respuesta no normal, incluyendo cómo implementar estas técnicas en la Edición para Estudiantes de JMP , una versión gratuita y completa de JMP exclusivamente para uso académico. Los temas incluyen: Evaluación de la normalidad Transformación de variables de respuesta Modelos lineales generalizados (GLM) que utilizan una distribución de respuesta más apropiada Seleccionar la distribución más adecuada para su GLM Obtenga el software JMP gratis para uso académico en jmp.com/estudiante

Modelado estadístico avanzadoAnálisis y modelado de datos básicos