Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Cuando en Regresin Lineal Simple no se cumple el supuesto de linealidad (detectado a travs de la prueba formal de
carencia o falta de ajuste u observado como curvaturas en los grficos de dispersin Y vs. x o de residuales vs. valores
predichos) se puede utilizar una transformacin sobre una o las dos variables del modelo que lleva a un modelo alternativo
que es lineal en los parmetros.
El uso de transformaciones hace que se deba tener cuidado con las interpretaciones posteriores, ya que siempre se debe
tener en cuenta la trasformacin a la que fueron sometidos los datos. Cuando despus de transformar se quieren realizar
inferencias se debe retransformar a la escala original para obtener resultados coherentes y en el contexto original del
problema.
La eleccin de la transformacin adecuada se basa en un anlisis del grfico de dispersin de los datos originales, donde se
puede identificar uno de los siguientes patrones que corresponden a una funcin no lineal, pero que puede transformarse en
una lineal.
La sgte. tabla muestra las funciones no lineales ms comunes y la transformacin adecuada en cada caso.
IMPORTANTE:
Cuando el modelo se lleva a la forma lineal se aplica toda la teora desarrollada para el modelo de RLS. Si se tienen varios
candidatos se debe establecer una comparacin de los mismos, respecto a la significancia del modelo, bondad de ajuste
(incluyendo prueba de falta de ajuste) y la validacin de supuestos. Adems cuando se hacen inferencias se debe tener en
cuenta la transformacin realizada, con el fin de aplicar las retransformaciones necesarias para llevar los resultados a la
escala original.
PRUEBAS DE NORMALIDAD ESTADSTICA II PROF.:CARLOS MARIO LOPERA GMEZ
Las pruebas disponibles estn basadas en el supuesto de muestra aleatoria, por ello como mnimo
debe garantizarse que los trminos de la serie de errores del modelo sean incorrelacionados.
Pruebas generales de bondad de ajuste: para probar la hiptesis de que una muestra de n
observaciones x1, ..., xn de una variable aleatoria X sigue una distribucin hipottica dada: H0: X ~ F0(x)
vs. H1: X no sigue la distribucin F0(x). Para distribuciones continuas, compara la funcin de distribucin
emprica F0(x) (calculada con base en los datos muestrales ordenados de menor a mayor) con la
distribucin hipottica F0(x).
Anderson-Darling: Es ms sensible
que la prueba anterior en las colas VP = P(A A0)
de la distribucin.
Cramer-Von Mises: Similar al primer
test pero ms complejo VP = P(W2 W02)
computacionalmente.
Pruebas especiales para normalidad: Para probar la hiptesis de que una muestra de tamao n X1, X2,
..., Xn sigue una distribucin normal.