Questions marquées «kurtosis»

un quatrième moment normalisé d'une distribution ou d'un ensemble de données.

1
Estimation robuste du kurtosis?
J'emploie l'estimateur habituel de , mais je remarque que mêmepetites valeurs aberrantes « » dans ma distribution empirique,savoirpetits pics loin du centre, affectent énormément. Existe-t-il un estimateur de kurtosis qui est plus robuste?K^=μ^4σ^4K^=μ^4σ^4\hat{K}=\frac{\hat{\mu}_4}{\hat{\sigma}^4}
2
Kurtosis gigantesque?
Je fais des statistiques descriptives des rendements quotidiens des indices boursiers. Autrement dit, si et sont les niveaux de l'indice au jour 1 et au jour 2, respectivement, alors est le retour que j'utilise (tout à fait standard dans la littérature).P 2 l o g e ( P 2P1P1P_1P2P2P_2l o …
3
Existe-t-il des équivalents normalisés de l'asymétrie et du kurtosis?
Quel serait l'équivalent normalisé de l'asymétrie qui aurait la même unité que les données? De même, quel serait l'équivalent normalisé de Kurtosis? Idéalement, ces fonctions devraient être linéaires par rapport aux données, ce qui signifie que si toutes les observations devaient être multipliées par un facteur n, l'asymétrie et le …
2
Des transformations de données sur des données non normales sont-elles nécessaires pour une analyse factorielle exploratoire lors de l'utilisation de la méthode d'extraction factorisée par axe principal?
Je développe un questionnaire pour mesurer quatre facteurs qui constituent la spiritualité, et je voudrais poser la question suivante: Des transformations de données sur des données non normales sont-elles nécessaires pour une analyse factorielle exploratoire lors de l'utilisation de la méthode d'extraction factorisée par axe principal? J'ai terminé le filtrage …
1
Estimateurs impartiaux de l'asymétrie et du kurtosis
L'asymétrie et le kurtosis sont définis comme suit: ζ3=E[(X−μ)3]E[(X−μ)2]3/2=μ3σ3ζ3=E[(X−μ)3]E[(X−μ)2]3/2=μ3σ3\zeta_3 = \frac{E[(X-\mu)^3]}{E[(X-\mu)^2]^{3/2}} = \frac{\mu_3}{\sigma^3} ζ4=E[ ( X- μ)4]E[ ( X- μ)2]2=μ4σ4ζ4=E[(X-μ)4]E[(X-μ)2]2=μ4σ4\zeta_4 = \frac{E[(X-\mu)^4]}{E[(X-\mu)^2]^2} = \frac{\mu_4}{\sigma^4} Les formules suivantes sont utilisées pour calculer l'asymétrie et le kurtosis de l'échantillon: z3=1n∑ni = 1[ (Xje-X¯)3](1n∑ni = 1[ (Xje-X¯)2])3 / 2z3=1n∑je=1n[(Xje-X¯)3](1n∑je=1n[(Xje-X¯)2])3/2z_3 = \frac{\frac{1}{n}\sum_{i=1}^{n} [(x_i-\bar x)^3]}{(\frac{1}{n}\sum_{i=1}^{n}[(x_i-\bar …
4
Kurtosis de distribution composée
Regardez l'image ci-dessous. La ligne bleue indique le pdf normal standard. La zone rouge est censée être égale à la somme des zones grises (désolé pour un dessin horrible). Je me demande si nous pouvons créer une nouvelle distribution avec un pic plus élevé en déplaçant les zones grises vers …
2
L'échantillonnage kurtosis est-il désespérément biaisé?
Je regarde l'échantillon kurtosis d'une variable aléatoire assez asymétrique, et les résultats semblent incohérents. Pour illustrer simplement le problème, j'ai regardé l'échantillon kurtosis d'un VR log-normal. En R (que j'apprends lentement): library(moments); samp_size = 2048; n_trial = 4096; kvals <- rep(NA,1,n_trial); #preallocate for (iii in 1:n_trial) { kvals[iii] <- kurtosis(exp(rnorm(samp_size))); …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.