임의의 변수 에 대해 로컬 대체 에 대해 null 을 테스트하려고 합니다. Wilcox의 '강력한 추정 및 가설 테스트 소개'에서 제안한 내용에 따라 나는 잘린 평균, 중간 값 및 위치의 M 추정기 (Wilcox ' "1 단계"절차)를 기반으로 한 테스트를 살펴 보았습니다. 이 강건한 검정은 기울어지지 않지만 렙 토쿠 르토 시스 분포를 사용하여 검정 할 때 검정력의 측면에서 표준 t 검정보다 성능이 우수합니다.
그러나 치우친 분포를 사용하여 검정 할 때 이러한 단측 검정은 분포가 각각 왼쪽 또는 오른쪽으로 치우쳐 있는지 여부에 따라 귀무 가설 하에서 너무 자유롭거나 너무 보수적입니다. 예를 들어, 관측치가 1000 개인 경우 중앙값을 기반으로 한 검정은 실제로 공칭 5 % 수준에서 ~ 40 %의 시간을 거부합니다. 그 이유는 명백합니다. 비대칭 분포의 경우 중앙값과 평균이 다소 다릅니다. 그러나 응용 프로그램에서 잘린 평균이 아닌 중간이 아닌 평균을 테스트해야합니다.
실제로 평균을 테스트하지만 비대칭 및 첨도에는 영향을 미치지 않는 더 강력한 버전의 t- 검정이 있습니까?
이상적으로는 절개가없는 높은 첨도의 경우에도 절차가 잘 작동합니다. '1 단계'테스트는 '벤드'매개 변수가 상대적으로 높게 설정되어 거의 충분하지만, 스큐가 없을 때 트림 된 평균 테스트보다 강력하지 않으며, 스큐에서 공칭 레벨의 리 젝트를 유지하는 데 어려움이 있습니다. .
배경 : 중간 값이 아닌 평균에 대해 정말로 신경 쓰는 이유는 테스트가 재무 응용 프로그램에서 사용될 것입니다. 예를 들어, 포트폴리오에 긍정적 인 예상 로그 리턴이 있는지 테스트하려는 경우 실제로는 평균이 적절합니다. 포트폴리오에 투자하면 대신 모든 리턴 (샘플 수의 평균 시간)이 발생하기 때문입니다. 중앙값의 복제. 즉 , RV 의 드로우 의 합에 정말로 관심이 있습니다.