Eu tenho dois conjuntos de dados que são aproximadamente centrados em torno de zero, mas eu suspeito que eles tenham caudas diferentes. Conheço alguns testes para comparar a distribuição com uma distribuição normal, mas gostaria de comparar diretamente as duas distribuições.
Existe um teste simples para comparar a gordura da cauda de 2 distribuições ?
Obrigado
frança
hypothesis-testing
distributions
kurtosis
fat-tails
RockScience
fonte
fonte
Respostas:
Essa pergunta parece pertencer à mesma família que a anterior, sobre como testar se duas amostras têm a mesma inclinação ; portanto, você pode ler minha resposta . Acredito que os momentos L seriam úteis aqui também pelas mesmas razões (especificamente, curtose de
inclinaçãoLneste caso).fonte
Construindo um limite, dizendo lambda, podemos testar a igualdade de duas médias ou variações das duas distribuições restritas na região da cauda (\ lambda, infinito) com base em dois conjuntos de dados de observações que caem nessa região da cauda. Obviamente, o teste t de duas amostras ou o teste F podem estar OK, mas não devem ser positivos, pois as variáveis aleatórias restritas nessa região da cauda não são normais, mesmo as originais.
fonte
Que tal ajustar a distribuição lambda generalizada e os intervalos de confiança de bootstrap nos terceiro e quarto parâmetros?
fonte
O teste Chi Square (teste de qualidade de ajuste) será muito bom na comparação das caudas de duas distribuições, pois está estruturado para comparar duas distribuições por intervalos de valores (representados graficamente por um histograma). E, as caudas consistirão na maioria dos baldes.
Embora este teste se concentre em toda a distribuição, não apenas na cauda, você pode observar rapidamente quanto do valor ou divergência do quadrado de Chi é derivado pela diferença na gordura da cauda.
Observe que o histograma derivado pode fornecer visualmente muito mais informações sobre a respectiva gordura das caudas do que qualquer significância estatística relacionada ao teste. Uma coisa é afirmar que a gordura da cauda é estatisticamente diferente. Outra é observá-lo visualmente. Dizem que uma imagem vale mais que mil palavras. Às vezes, também vale mais que mil números (faz sentido, dado que os gráficos encapsulam todos os números).
fonte