Mitkä ovat syyt tutkittava Normaali Residuals?

In tilastollinen analyysi, se on standardi tutkijoiden tarkkailla jäännökset, tai erot todellisia tietoja ja niiden malleja, niiden analysointi, sekä todetaan tuloksia. Jos jäämät eivät ole normaalia, tai jotka eivät ole bell-käyrän muotoinen, se on usein niin, että tekee päätelmän mallin olisi tilastollisesti väärin ja sopimatonta. Niinpä, kun tutkija huomaa, että jäännökset hänen malli eivät ole normaalia, hän luonnollisesti kysyy, miksi näin on. On olemassa useita mahdollisia syitä ei-normaali jäännöksiä, ja tutkijan täytyy tarkastella kaikkia mahdollisuuksia ymmärtää koko kuvan. Jakelu
p Jos jakelu alkuperäisten tietojen ei ole normaalia, että ei ole saapuu Gaussin, niin se on erittäin todennäköistä, että jäännökset myös olla normaalia. Tutkija voi selvittää, jos tämä on syy ei-normaalisuus jäännösten katsomalla alkuperäiset tiedot väestön tai näyte jakeluun. Jos alkuperäinen tiedot eivät näy normaalisti, tutkija ehkä tehnyt virheen olettaessaan, että data on normaalijakaumasta ennen kuin suoritat tilastollisia analyysejä. Jos näin on, tutkijan on luotava malli, joka muodostaa todellisen jakelun väestöstä.
Väärä malli Choice

on jäännöksiä, sinun on ensin on malli. Jos tutkija valitsee mallin, joka ei vastaa todellisuutta, hän voi todeta, että jäännökset ovat keskimääräistä kaukana nollasta. Tämä nostaisi jakelu jäännökset pois normaalijakautuman.
Riippuvuus

Useimmat mallit olettavat arvoja he ennustavat ovat riippumattomia. Eli jos malli on käynnissä tietoihin, jotka ovat riippuvaisia, mallin oletus ei pidä. Tämä vaikuttaa jäännökset, mikä tekee niistä toisistaan ​​riippuvaisia. Riippuvaisia ​​toisistaan ​​arvoja ei tulla normaalijakaumaa, selittää ei-normaalisuus jäännöksiä.
Kuin jatkuva varianssi

jäännösten mallin pitäisi olla sama varianssi. Mitä tämä tarkoittaa sitä, että jäännökset pitäisi erota tarkoita satunnaisesti ja itsenäisesti, jos kolmas jäljellä kohdistuu varianssi 4, sitten viides, kuudes, ja yksi miljoonasosa jäljellä pitäisi olla sama varianssi niihin liittyviä. Jos huomaat, että varianssi muuttuu, kun ennustaa erilaisia ​​arvoja, tämä on todennäköisesti syy ei-normaalisuus jäännöksiä.