jbtest

Jarque-Bera检验

折叠所有页面

句法

H = jbtest（x）的
H = jbtest（X，阿尔法）
H = jbtest（X，α，mctol）
[H，P] = jbtest（___）
[H，P，jbstat，critval] = jbtest（___）

描述

例

H= jbtest（X）返回一个测试决定的零假设，在矢量数据X来自具有未知均值和方差的正态分布，采用Jarque-Bera检验。另一种假设是，它不是来自这样的分布。结果H是1如果检验拒绝在5％的显着性水平的零假设，并0除此以外。

例

H= jbtest（X，α）在由指定的显着性水平返回零假设测试的决定α。

例

H= jbtest（X，α，mctol）返回基于一个测试的决定p- 值计算使用蒙特卡罗模拟具有最大蒙特卡洛标准误小于或等于mctol。

例

[H，p] = jbtest（___）也返回p-值p假设检验中，使用任何从以前的语法输入参数。

例

[H，p，jbstat，critval] = jbtest（___）也返回检验统计jbstat和临界值critval为测试。

例子

全部收缩

开立真实脚本

加载数据集。

加载carbig

测试零假设，即汽车行驶里程，每加仑英里（MPG），沿着穿过汽车的不同品牌的正态分布。

H = jbtest（MPG）
H = 1

的返回值H = 1表明jbtest拒绝以默认的5％的显着水平的零假设。

开立真实脚本

加载数据集。

加载carbig

检验零假设，在每加仑英里的汽车行驶里程（MPG）跟随在1％的显着性水平跨车的不同品牌的正态分布。

[H，P] = jbtest（MPG，0.01）
H = 1
p值= 0.0022

的返回值H = 1和返回 p -VALUE小于α= 0.01表明jbtest拒绝零假设。

开立真实脚本

加载数据集。

加载carbig

测试零假设，即汽车行驶里程，每加仑英里（MPG），沿着穿过汽车的不同品牌的正态分布。使用蒙特卡罗模拟，以获得准确的 p -值。

[H，P，jbstat，critval] = jbtest（MPG，[]，0.0001）
H = 1
p值= 0.0022
jbstat = 18.2275
critval = 5.8461

的返回值H = 1表明jbtest拒绝以默认的5％的显着水平的零假设。此外，检验统计量，jbstat，比临界值大时，critval，这表明拒绝零假设。

输入参数

全部收缩

对于假设检验的样本数据，指定为矢量。jbtest对待为NaN价值观X如缺失值和忽略它们。

数据类型：单|双

假设检验的显着性水平，指定为在范围（0,1）的标量值。如果α是在范围[0.001,0.50]，并且如果样本大小小于或等于2000，jbtest查找在预先计算值表测试的临界值。在这些指标的显着性水平外进行测试，使用mctol。

例：0.01

数据类型：单|双

最大值蒙特卡洛标准误为了p-值，p，指定为一个非负标量值。如果指定的值mctol，jbtest计算蒙特卡洛逼近p直接的，而不是内插成预先计算值的表。jbtest选择蒙特卡洛的数量复制大到足以使蒙特卡洛标准误p少于mctol。

如果指定的值mctol，你还必须指定一个值α。您可以指定α如[]使用0.05的默认值。

例：0.0001

数据类型：单|双

输出参数

全部收缩

假设检验结果，返回1要么0。

  • 如果H= 1，这表明在拒绝原假设α显着性水平。

  • 如果H= 0这表示无法拒绝的零假设α显着性水平。

p-VALUE试验，返回作为在范围（0,1）的标量值的。p是观察检验统计量极端或比更加极端，在零假设下所观察到的值的概率。小值p在零假设的有效性产生怀疑。

jbtest当发出警告p[0.001,0.50]的列范围，并返回任一的最小或最大列值内未找到。在这种情况下，你可以使用mctol计算更准确p-值。

检验统计量的Jarque-Bera检验，返回一个非负标量值。

对于在该Jarque-Bera检验临界值α显着性水平，返回一个非负标量值。如果α是在范围[0.001,0.50]，并且如果样本大小小于或等于2000，jbtest查找在预先计算值表测试的临界值。如果您使用mctol，jbtest确定使用蒙特卡罗模拟测试的临界值。零假设被拒绝时，jbstat> critval。

更多关于

全部收缩

Jarque-Bera检验

的Jarque-Bera检验是双面拟合优度测试配合合适时完全指明的零分布是未知的，它的参数必须被估计。

该试验是专为在分布的皮尔逊系统的替代设计。检验统计量

Ĵ 乙 = ñ 6 （ 小号 2 + （ ķ - 3 ） 2 4 ） ，

哪里ñ为样本大小，小号是样品偏度和ķ为样品峰度。对于大的样本大小，检验统计量具有两个自由度的卡方分布。

蒙特卡洛标准误

蒙特卡洛标准错误是错误，由于模拟p-值。

蒙特卡洛标准误差被计算为

小号 Ë = （ p ^ ） （ 1 - p ^ ） mcreps ，

哪里 p ^ 为估计p-VALUE的假设检验，并mcreps是执行蒙特卡洛复制的数量。jbtest选择蒙特卡洛副本数，mcreps，大足以让蒙特卡洛标准误 p ^ 小于指定的值mctol。

算法

哈尔克-贝拉测试经常使用的卡方分布来估计的临界值对于大试样，推迟到里尔福斯试验（见lillietest）为小样本。jbtest与此相反，使用利用蒙特卡罗模拟样本大小小于2000和显着性水平为0.001〜0.50计算的临界值的表。用于测试的临界值通过内插到表中，仅外插对于较大的样本量时，使用解析卡方近似计算。

参考

[1]哈尔克，C.M.，和A. K.贝拉。“A试验观测常态与回归残差。”国际统计评论。卷。55，第2期，1987，第163-172。

[2]德布，P.，和M.塞夫顿。“正规的拉格朗日乘子测试的分布。”经济学快报。卷。51，1996年，第123-130。本文用于确定检验统计量的分布提出蒙特卡洛模拟。此函数的结果是基于独立的蒙特卡罗模拟，而不是本文的研究结果。

也可以看看

||

R2006a前推出

统计和机器学习工具箱文档
万博1manbetx
掌握机器学习：有步骤，分步指南与MATLAB

掌握机器学习：有步骤，分步指南与MATLAB

下载电子书