主要内容

制造商jbt

Jarque-Bera测试

所有的页面崩溃

语法

h =制造商jbt (x)
h =制造商jbt (x,α)
h =制造商jbt (x,α,mctol)
(h p) =制造商jbt (___)
[h p jbstat, critval] =制造商jbt (___)

描述

例子

h=制造商jbt (x)返回一个测试决定零假设的数据向量x来自未知的均值和方差的正态分布,使用Jarque-Bera测试。另一种假说是,它不来自这种分布。结果h是1如果测试在5%的显著性水平,拒绝零假设0否则。

例子

h=制造商jbt (x,α)返回一个测试决定零假设在指定的显著性水平α。

例子

h=制造商jbt (x,α,mctol)返回一个基于测试的决定p值与最大使用蒙特卡罗模拟计算蒙特卡罗标准错误小于或等于mctol。

例子

(h,p)=制造商jbt (___)还返回p价值p假设检验,使用任何输入参数从以前的语法。

例子

(h,p,jbstat,critval)=制造商jbt (___)还返回检验统计量jbstat和关键的价值critval的测试。

例子

全部折叠

打开生活的脚本

加载数据集。

负载carbig

测试汽车里程的零假设,英里/加仑(英里/加仑),遵循正态分布在不同的汽车。

h =制造商jbt (MPG)
h = 1

的返回值h = 1表明制造商jbt拒绝零假设默认为5%显著性水平。

打开生活的脚本

加载数据集。

负载carbig

测试零假设汽车里程英里每加仑(英里/加仑)遵循正态分布在不同的汽车在1%的显著性水平。

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

的返回值h = 1,并返回 p 值小于α= 0.01表明,制造商jbt拒绝零假设。

打开生活的脚本

加载数据集。

负载carbig

测试汽车里程的零假设,英里/加仑(英里/加仑),遵循正态分布在不同的汽车。使用蒙特卡罗模拟来获得一个精确的 p 价值。

(h p jbstat critval] =制造商jbt(0.0001英里/加仑,[])
h = 1
p = 0.0022
jbstat = 18.2275
critval = 5.8461

的返回值h = 1表明制造商jbt拒绝零假设默认为5%显著性水平。此外,测试数据,jbstat大于临界值,critval,这表明拒绝零假设。

输入参数

全部折叠

假设检验的样本数据,指定为一个向量。制造商jbt对待南值x作为缺失值,忽略了他们。

数据类型:单|双

假设检验的显著性水平,指定为一个标量值的范围(0,1)。如果α在区间[0.001,0.50],如果样本大小是小于或等于2000,制造商jbt查找的关键值测试表中预先计算的值。在显著性水平进行测试在这些规范之外,使用mctol。

例子:0.01

数据类型:单|双

最大蒙特卡罗标准错误为p值,p,指定为负的标量值。如果你指定一个值mctol,制造商jbt计算的蒙特卡罗近似p直接,而不是预先计算的值的插值到表中。制造商jbt选择蒙特卡罗复制的数量足以使蒙特卡罗标准误差p不到mctol。

如果你指定一个值mctol,您还必须指定一个值α。您可以指定α作为[]使用默认值是0.05。

例子:0.0001

数据类型:单|双

输出参数

全部折叠

假设检验结果,返回1或0。

  • 如果h= 1,这表明拒绝零假设的α显著性水平。

  • 如果h= 0,这表明失败的拒绝零假设α显著性水平。

p测试的价值,作为一个返回标量值的范围(0,1)。p观察一个检验统计量的概率是一样极端,或者比,更极端的零假设下的观测值。小的值p怀疑零假设的有效性。

制造商jbt警告说,当p列表范围内没有找到[0.001,0.50],并返回最小或最大的列表值。在这种情况下,您可以使用mctol计算更准确p价值。

检验统计量的Jarque-Bera测试,作为一个负的标量值返回。

临界值为Jarque-Bera测试α显著性水平,作为非负返回标量值。如果α在区间[0.001,0.50],如果样本大小是小于或等于2000,制造商jbt查找的关键值测试表中预先计算的值。如果你使用mctol,制造商jbt决定的关键价值使用蒙特卡罗模拟测试。零假设被拒绝时jbstat > critval。

更多关于

全部折叠

Jarque-Bera测试

Jarque-Bera测试是一个双面的拟合优度检验合适当一个完全指定零分布及其参数必须被估计是未知的。

测试是专门为选择皮尔逊分布系统。测试数据

J B = n 6 ( 年代 2 + ( k − 3 ) 2 4 ) ,

在哪里n是样品的尺寸,年代是样本偏态,k是样品峰态。对于大的样本量,检验统计量有一个卡方分布有两个自由度。

蒙特卡罗标准错误

蒙特卡洛标准误差是由于模拟误差p价值。

蒙特卡洛计算标准误差

年代 E = ( p ^ ) ( 1 − p ^ ) mcreps ,

在哪里 p ^ 是估计的p价值的假设检验mcreps是蒙特卡罗复制的数量。制造商jbt选用蒙特卡罗复制的数量,mcreps,足以使蒙特卡罗标准误差 p ^ 不到指定的值mctol。

算法

Jarque-Bera测试常常使用卡方分布估计的关键值大的样本,推迟到Lilliefors测试(见lillietest)对小样本。制造商jbt相比之下,使用一个表的关键值使用蒙特卡罗模拟计算样本大小小于2000和意义从0.001到0.50的水平。关键值测试由插值计算到桌上,只使用卡方分析近似推断时更大的样本量。

引用

[1]Jarque, c . M。,and A. K. Bera. “A Test for Normality of Observations and Regression Residuals.”国际统计审查。55卷,2号,1987年,页163 - 172。

[2]Deb, P。,and M. Sefton. “The Distribution of a Lagrange Multiplier Test of Normality.”经济学的信件。51卷,1996年,页123 - 130。本文提出了蒙特卡罗模拟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,而不是结果。

版本历史

之前介绍过的R2006a

另请参阅

||