TEST_XKURT - Prueba de Exceso de curtosis

1. La muestra de datos puede incluir valores faltantes (Ej. #N/A).
2. la hipótesis de prueba para el excesso de kurtosis en la población.
   $$H_{o}: K=0$$
   $$H_{1}: K\neq 0$$
   Where:
   
   • $H_{o}$ es la hipótesis nula.
   • $H_{1}$ es la hipótesis alternativa.
3. Para el caso en que la distribucion de la poblacion subyacente es normal, la muestra del exceso de kurtosis tambien tiene una distribución de muestreo normal:
   $$\hat K \sim N(0,\frac{24}{T}) $$
   Where:
   
   • $\hat k$ es el exceso de kurtosis en la muestra (es decir. 4to momento).
   • $T$ es el número de valores no faltantes en la muestra de datos.
   • $N(.)$ es la función de distribución de probabilidad normal (Es descir. gaussiana).
4. Usando una muestra de datos dada, el esceso de kurtosis en la muestra se caslcula como:
   $$\hat K (x)= \frac{\sum_{t=1}^T(x_t-\bar x)^4}{(T-1)\hat \sigma^4}-3$$
   Where:
   
   • $\hat K(x) $ es el exceso de la muestra de kurtosis.
   • $x_i $ es el valor i-th no faltante eb la muestra de datos.
   • $T$ es el numero de valores no flatantes en la muestra de datos.
   • $\hat \sigma$ es la desviación estándar.
5. La distribución de la población subyacente es asumida como normal (gaussiana).
6. Esta es una prueba de dos lados (Es decir. dos colas), entonces le valor p computado debe ser comparado con lamitad del nivel de significancia.($\frac{\alpha}{2}$).

Ejemplo 1:

Ejemplos de archivos

Enlaces Relacionados

• Financial Dictionary - Excess kurtosis
• Wikipedia - Curtosis
• Wikipedia - Contraste de hipótesis