Devuelve el valor p de la prueba de normalidad (Ej. Si una serie de datos es bien modelada por un una distribución normal).
Sintaxis
NormalityTest(X, Method, Return_type, $\alpha$)
- X
- es la entrada de datos de la muestra (matrices de una o dos dimensiones de celdas (Ej. filas o columnas)).
- Method
- la prueba estdística para ejecutar (1 = Jarque-Bera, 2 = Shapiro-Wilk, 3 = Chi-Square (Doornik y Hansen)).
Método Descripción 1 Prueba Jarque-Bera. 2 Prueba Shapiro-Wilk. 3 Prueba Doornik Chi-Square. - 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 significancia estadística de la prueba (Ej. alpha). Si falta o es omitido, un valor de 5% es asumido.
Observaciones
- Los datos de la muestra pueden incluir valores faltantes (Ej. una serie de tiempo como un resultado de un lag o un operador diferencial).
- La prueba Shapiro-Wilk, es la prueba más adecauda para muestras de menos de 5000 observaciones.
- La prueba Jarque-Bera, es la prueba más potente cuando mayor sea el número de valores.
- La prueba de hipótesis para los datos es de una distribución normal:$$H_{o}: x \sim N(.)$$ $$H_{1}: x \neq N(.)$$ Where:
- $H_{o}$ es la hipótesis nula.
- $H_{1}$ es la hipótesis alternativa.
- $N(.)$ es la función de distribución de probabilidad normal.
- La prueba Jarque-Bera es una medida de la bondad de ajuste de la desviacion de la normalidad, en base a la kurtosos y la simetria de la muestra. La prueba es llamada despues de Carlos M Jarque y Anil K. Bera. La prueba estadística JB que se define como: $$\mathit{JB} = \frac{n}{6} \left( S^2 + \frac{K^2}{4} \right)$$ Where:
- $S$ es la asimetría de la muestra.
- $K$ es el exceso de curtosis en la muestra.
- $n$ es el número de valores no faltantes en los datos de la muestra.
- La estadistica Jarque-Bera $\mathit{JB}$ tiene una distribucion chi-square asintótica con dos grados de libertad y puede ser usada para probar la hipotesis nula y se puede utilizar para probar la hipótesis nula de que los datos son de una distribución normal. $$\mathit{JB} \sim \chi_{\nu=2}^2()$$ Where:
- $\chi_{\nu}^2()$ es la función de distribución de probabilidad Chi-square.
- $\nu$ son los grados de libertad para la distribución Chi-square.
- Es un lado de la prueba (Ej. one-tail) test, entonces el valor p computado debe ser comparado con el nivel total de significancia. ($\alpha$).
Ejemplos de archivos
Enlaces Relacionados
- Wikipedia - Prueba de Portmanteau.
- Wikipedia - Prueba Jarque-Bera.
- Wikipedia - Prueba Shapiro-Wilk Normality.
Referencias
- Jarque, Carlos M.; Anil K. Bera (1980). "Efficient tests for normality, homoscedasticity and serial independence of regression residuals". Economics Letters 6 (3): 255-259.
- Ljung, G. M. and Box, G. E. P., "On a measure of lack of fit in time series models." Biometrika 65 (1978): 297-303.
- Enders, W., "Applied econometric time series", John Wiley & Sons, 1995, p. 86-87.
- Shapiro, S. S. and Wilk, M. B. (1965). "An analysis of variance test for normality (complete samples)", Biometrika, 52, 3 and 4, pages 591-611.
Comentarios
El artículo está cerrado para comentarios.