I statistisk analys, är det standard för forskare att följa förbättringarna, eller skillnader mellan de faktiska uppgifter och deras modeller, i sin analys av data och förklarar resultaten. Om förbättringarna är icke-normala, eller inte utgör en bell-kurva form, är det ofta så att göra slutsats enligt den modell skulle vara statistiskt felaktigt och olämpligt. Så när en forskare upptäcker att residualerna i hans modell är icke-normala, frågar hon naturligtvis varför det är så. Det finns ett antal möjliga orsaker till icke-normala residualer, och en forskare måste titta på alla möjligheter för att förstå hela bilden. Distribution
p Om fördelningen av de ursprungliga uppgifterna inte är normal, som inte kommer från en normalfördelning, då är det mycket troligt att residualerna inte heller kommer att vara normal. Forskaren kan ta reda på om detta är orsaken till icke-normalitet i residualerna genom att titta på de ursprungliga uppgifterna befolkningen eller provfördelning. Om de ursprungliga uppgifterna inte visas normalt, kan forskaren har gjort ett misstag i att anta att uppgifterna kom från en normalfördelning innan du utför statistiska analyser. Om detta är fallet, måste forskaren återskapa en modell som tar hänsyn till den verkliga fördelningen av befolkningen.
Felaktig modell Choice
Att ha rester, måste du först har en modell. Om forskaren väljer en modell som inte är i linje med verkligheten, kan hon finna att residualerna har en genomsnittlig långt från noll. Detta skulle driva fördelningen av residualerna från en vanlig normalfördelning.
Interdependence
flesta modeller antar de värden som de förutspår är oberoende. Det är, om din modell körs på uppgifter som är beroende, kommer din modell antagande håller inte. Detta påverkar residualerna, vilket gör dem beroende av varandra. Ömsesidigt beroende värden kan inte komma från en normalfördelning, förklarar icke-normalitet av restprodukter.
Icke-konstant varians
rester av en modell ska ha samma varians. Vad detta betyder är att rester ska skilja sig från det betyda slumpmässigt och oberoende, om den tredje kvarvarande utsattes för en varians på 4, då den femte, sjätte och en miljondels kvarvarande bör ha samma varians förknippas med dem. Om du upptäcker att variansen ändras när du förutse olika värden, är det sannolikt orsaken till den icke-normalitet av restprodukter.
