Saya memiliki dua set data yang kira-kira berpusat di sekitar nol tetapi saya menduga mereka memiliki ekor yang berbeda. Saya tahu beberapa tes untuk membandingkan distribusi ke distribusi normal, tetapi saya ingin membandingkan langsung dua distribusi.
Apakah ada tes sederhana untuk membandingkan kegemukan ekor dari 2 distribusi ?
Terima kasih
fRed
hypothesis-testing
distributions
kurtosis
fat-tails
RockScience
sumber
sumber
Jawaban:
Pertanyaan ini tampaknya milik keluarga yang sama dengan yang sebelumnya tentang pengujian apakah dua sampel memiliki kemiringan yang sama , jadi Anda mungkin ingin membaca jawaban saya untuk itu . Saya percaya bahwa momen-L akan berguna di sini juga untuk alasan yang sama (khususnya kurtosis L-
skewnessdalam kasus ini).sumber
Membangun sebuah ambang, mengatakan lambda, kita dapat menguji kesetaraan dua cara atau varian dari dua distribusi yang dibatasi pada wilayah ekor (\ lambda, infinity) berdasarkan pada dua set data pengamatan yang jatuh di wilayah ekor ini. Tentu saja, dua sampel t-test atau F-test mungkin OK tetapi tidak poweful karena variabel acak terbatas pada wilayah ekor ini tidak normal bahkan yang asli.
sumber
Bagaimana kalau pas dengan distribusi lambda umum dan interval kepercayaan bootstrap pada parameter ke-3 dan ke-4?
sumber
Uji Chi Square (uji Goodness-of-Fit) akan sangat baik dalam membandingkan ekor dari dua distribusi karena ini disusun untuk membandingkan dua distribusi dengan ember nilai (secara grafis diwakili oleh histogram). Dan, ekor akan terdiri dari ember yang paling jauh.
Meskipun tes ini berfokus pada keseluruhan distribusi, bukan hanya ekor yang dapat dengan mudah Anda amati berapa banyak nilai Chi Square atau divergensi berasal dari perbedaan dalam kegemaran ekor.
Perhatikan bahwa histogram yang diturunkan sebenarnya dapat memberi Anda informasi yang jauh lebih banyak secara visual mengenai masing-masing ekor yang berlemak daripada tes signifikansi statistik terkait. Mengatakan kegemukan ekor berbeda secara statistik. Adalah hal lain untuk mengamatinya secara visual. Mereka mengatakan gambar bernilai ribuan kata. Kadang-kadang juga bernilai ribuan angka (masuk akal mengingat bahwa grafik merangkum semua angka).
sumber