Calcula el valor p de la prueba estadística para el esceso de kurtosis en la población (4to momento).
Sintaxis
TEST_XKURT(X, Return_type, $\alpha$)
- X
- es la muestra de los datos de entrada (una/dos matrices dimensionales de celdas (Ej.filas o columnas))
- Return_type
- es un cambio para seleccionar lo que devuelve de salida (1 = Valor-P (defecto), 2 = Esatdísticas de prueba, 3 = Valor Crítico.
Método Descripción 1 Valor-P. 2 Esadísticas de prueba (Ej. puntuación Z). 3 Valor Crítico. - $\alpha$
- es la significvancia estadistica de la preuba (es decir, alpha). Si falta o es omitida, un valor alpha de 5% es asumido.
Observaciones
- La muestra de datos puede incluir valores faltantes (Ej. #N/A).
- la hipótesis de prueba para el excesso de kurtosis en la población. $$H_{o}: K=0$$ $$H_{1}: K\neq 0$$ Donde:
- $H_{o}$ es la hipótesis nula.
- $H_{1}$ es la hipótesis alternativa.
- 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: $$\hat K \sim N(0,\frac{24}{T})$$ Donde:
- $\hat k$ 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).
- Usando una muestra de datos dada, el esceso de kurtosis en la muestra se caslcula como: $$\hat K (x)= \frac{\sum_{t=1}^T(x_t-\bar x)^4}{(T-1)\hat \sigma^4}-3$$
Donde:- $\hat K(x)$ 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.
- La distribución de la población subyacente es asumida como normal (gaussiana).
- 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.($\frac{\alpha}{2}$).
Ejemplos de archivos
Comentarios
El artículo está cerrado para comentarios.