Page 157 - 71_01

VOL. 71 (1), 153-173, 2005 CALIBRACIÓN, COMPARACIÓN DE MÉTODOS Y...

(Teorema Central del Límite) si su varianza es finita. Puesto que la
mayor parte de los experimentos implican muchas operaciones para
establecer los resultados de las medidas, es razonable suponer que las
perturbaciones o errores estarán normalmente distribuidos. De ahí
que la normalidad sea una suposición muy frecuente en el análisis por
regresión. Los parámetros del modelo se estiman, en la mayor parte
de los casos, por mínimos cuadrados, puesto que son eficientes si los
errores están normalmente distribuidos.

Muchos resultados normales se satisfacen para poblaciones
no normales, y respuestas no normales pueden ser transformadas
en normales. Una transformación que estabiliza la varianza es ca-
paz, a menudo, de transformar una variable no normal, sesgada, en
una variable razonablemente simétrica y aproximadamente normal.
La transformación de escala logra a menudo pues, un doble efecto
beneficioso. Hay que tener en cuenta que si la variable original se
distribuye normalmente, la variable transformada puede no hacerlo.
Con frecuencia, sin embargo, la falta de constancia de la varianza
(heterocedasticidad) se asocia simultáneamente con la ausencia de
normalidad y la transformación que da lugar a una varianza cons-
tante (homocedasticidad) también origina simultáneamente una dis-
tribución próxima a la normal.

Robusteza

Una o más observaciones, que no sigan la misma pauta que el
resto de los datos, pueden ejercer una gran influencia sobre el mo-
delo de regresión. Los datos reales están sujetos a problemas que
dificultan el uso de la estadística clásica basada en la distribución
normal. El principal problema práctico es la existencia de datos
atípicos. Otra dificultad radica en que, a veces, la distribución de
los datos no es normal. Esto puede tratar de corregirse con ensayos
para eliminar datos anómalos o con procedimientos que conviertan
la distribución en normal. La detección y el rechazo de datos anó-
malos, en particular, no es a menudo evidente, como indican Walc-
zak y Massart, y una posible alternativa entonces es usar procedi-
mientos estadísticos que sean robustos frente a los datos atípicos o
frente a las desviaciones de la normalidad.

159