文章/答案/技术大牛

发布

社区首页 >问答首页 >为什么正态分布被认为是因变量和自变量的重要假设？

问为什么正态分布被认为是因变量和自变量的重要假设？
EN

Stack Overflow用户

提问于 2019-06-27 00:23:02

回答 1查看 335关注 0票数 1

在Kaggle上通过一个关于回归的内核时，提到了数据应该看起来像正态分布。但是我不明白为什么？我知道这个问题可能很基本，但请帮助我理解这个概念。

提前感谢！！

回答已采纳

发布于 2019-06-27 12:45:21

回归模型做了许多假设，其中之一是正态分布。当这个假设被违反时，那么你的p值和你的系数估计的置信区间可能是错误的，从而导致关于你的预测值的统计意义的错误结论。

然而，一个常见的误解是数据(即变量/预测值)需要正态分布，但这不是真的。这些模型不会对预测因子的分布做出任何假设。

例如，假设你在回归中有一个二元预测变量(男性/女性；慢/快等)-这个变量不可能是正态分布的，但它仍然是一个有效的预测变量，可以在回归模型中使用。正态假设实际上指的是残差的分布，而不是预测值本身。

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/56777257

复制

相似问题

问为什么正态分布被认为是因变量和自变量的重要假设？EN