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?
Ответы:
Расширяем комментарий Хон Уа с изображением. Вот изображение набора данных, в котором ни один из маргиналов не распределяется нормально, но остатки все еще остаются, поэтому предположения о линейной регрессии все еще верны:
Изображение было сгенерировано следующим кодом R:
источник