主要内容

Jbtest.

Jarque-Bera测试

折叠所有页面

语法

h =制造商jbt (x)
h = jbtest（x，alpha）
H = JBTEST（x，alpha，mctol）
[h，p] = jbtest（＿＿＿）
[h p jbstat, critval] =制造商jbt (＿＿＿）

描述

例子

h= jbtest（x）返回对向量中的数据的零假设的测试决定x来自均值和方差的正常分布，使用Jarque-Bera测试．替代假设是它不来自这种分布。结果h是1如果检验在5%显著性水平上拒绝了原假设，并且0否则。

例子

h= jbtest（x，α）在指定的显著性级别上返回null假设的测试决定α．

例子

h= jbtest（x，α，MCTOL.）返回基于p- 使用Monte Carlo仿真计算，最大值计算蒙特卡罗标准误差小于或等于MCTOL.．

例子

［h，p] = Jbtest（＿＿＿）也返回p价值p假设测试，使用来自前面语法的任何输入参数。

例子

［h，p，jbstat.，critval] = Jbtest（＿＿＿）还返回测试统计jbstat.和临界价值critval用于测试。

例子

全部收缩

打开直播脚本

加载数据集。

负载carbig

测试汽车里程的零假设，每加仑英里（MPG.)，在不同的车型上遵循正态分布。

h =制造商jbt (MPG)
h = 1

的返回值h = 1表示Jbtest.在默认的5%显著性水平上拒绝零假设。

打开直播脚本

加载数据集。

负载carbig

检验零假设:汽车英里数(英里/加仑)(MPG.)在1%显著性水平上服从正态分布。

(h p) =制造商jbt (MPG, 0.01)
h = 1
p = 0.0022

的返回值h = 1和回归 p -值小于α= 0.01表明,Jbtest.拒绝零假设。

打开直播脚本

加载数据集。

负载carbig

测试汽车里程的零假设，每加仑英里（MPG.)，在不同的车型上遵循正态分布。用蒙特卡罗模拟得到精确的 p 价值。

[H，P，JBSTAT，克里特] = JBTEST（MPG，[]，0.0001）
h = 1
p = 0.0022
jbstat = 18.2275
critval = 5.8461

的返回值h = 1表示Jbtest.在默认的5%显著性水平上拒绝零假设。此外，测试统计量，jbstat.，大于临界值，critval，这表明拒绝了零假设。

输入参数

全部收缩

假设检验的样本数据，指定为向量。Jbtest.对待南值x缺少值并忽略它们。

数据类型:单|双倍的

假设测试的意义水平，指定为范围（0,1）的标量值。如果α在[0.001,0.50]范围内，如果样本量小于等于2000，Jbtest.在预计算值表中查找测试的临界值。要在这些规范之外的显著性水平上进行测试，请使用MCTOL.．

例子：0．01

数据类型:单|双倍的

最大值蒙特卡罗标准误差为了p值,p，指定为非负标量值。如果指定的值MCTOL.，Jbtest.计算的蒙特卡罗近似p直接，而不是插入预先计算的值表。Jbtest.选择足够大的蒙特卡罗复制的数量，以使蒙特卡罗标准错误p少于MCTOL.．

如果指定的值MCTOL.，还必须指定的值α．您可以指定α作为[]使用默认值为0.05。

例子：0.0001

数据类型:单|双倍的

输出参数

全部收缩

假设检验结果，返回为1或者0．

  • 如果h= 1，这表明拒绝零假设α显著性水平。

  • 如果h= 0.，这表示在α显著性水平。

p-测试的值，作为范围(0,1)内的标量值返回。p是观察到一个检验统计量与零假设下的观测值相同或更极端的概率。小的值p对零假设的有效性倾诉。

Jbtest.警告p在[0.001,0.50]的列表范围内未找到，并返回最小或最大的表格值。在这种情况下，您可以使用MCTOL.计算更准确的p价值。

jarque-bera测试的测试统计，作为非负标量值返回。

贾克-贝拉试验的临界值α显著性级别，作为非负标量值返回。如果α在[0.001,0.50]范围内，如果样本量小于等于2000，Jbtest.在预计算值表中查找测试的临界值。如果你使用MCTOL.，Jbtest.用蒙特卡罗模拟确定试验的临界值。null假设被拒绝jbstat > critval．

更多关于

全部收缩

Jarque-Bera测试

Jarque-Bera测试是当完全指定的空分布未知时适​​用的双面优度测试，并且必须估计其参数。

该测试是专门为皮尔逊分配系统中的替代方案而设计的。检验统计量为

J B ＝ n 6 （ 年代 2 + （ k − 3. ） 2 4 ） ，

在哪里n为样本量，年代样本偏度，和k是样品峰氏症。对于大型样本尺寸，测试统计数据具有具有两度自由度的Chi-Square分布。

蒙特卡罗标准误差

Monte Carlo标准错误是由于模拟的错误p价值。

蒙特卡罗标准误差计算为

年代 E ＝ （ p ＾ ） （ 1 − p ＾ ） mcreps. ，

在哪里 p ＾ 是估计的p- 假设试验值，和mcreps.为进行蒙特卡罗复制的次数。Jbtest.选择蒙特卡罗复制的次数，mcreps.，大到足以使蒙特卡罗标准误差 p ＾ 小于指定的值MCTOL.．

算法

Jarque-Bera测试通常使用Chi-Square分布来估计大型样品的临界值，推迟到LipreieFors测试（见莉莉亚特）对于小样本。Jbtest.相比之下，采用蒙特卡罗模拟计算的临界值表，用于样本容量小于2000，显著性水平从0.001到0.50。检验的临界值是通过插值到表中来计算的，只有在对更大的样本量进行外推时才使用分析卡方近似。

参考

C. M. Jarque和A. K. Bera。观察值和回归残差的正态性检验国际统计审查．卷。55，1987年第2,987页，第163-172页。

[2] Deb，P.和M. Sefton。“标记乘法乘法的分布正常。”经济学字母．1996年第51卷，123-130页。本文提出了一种蒙特卡罗模拟方法来确定检验统计量的分布。这个函数的结果是基于一个独立的蒙特卡罗模拟，而不是本文的结果。

另请参阅

||

在R2006A之前介绍

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书