답변:
귀하의 질문을 올바르게 해석하고 있는지 잘 모르겠으므로 알려주십시오.이 답변을 수정하거나 삭제할 수 있습니다. 먼저, 우리는 데이터와 관련된 것을 증명 하지 않고 단지 어떤 것이 부당하지 않다는 것을 보여줍니다. 이는 여러 가지 방법으로 수행 될 수 있으며 그 중 하나는 통계 테스트를 통하는 것입니다. 그러나 제 생각에 사전에 지정된 이론적 분포가 있다면 가장 좋은 방법은 qq-plot 을 만드는 것 입니다. 대부분의 사람들은 qq-plots를 정규성 평가에만 사용하는 것으로 생각하지만, 지정할 수 있는 이론적 분포 에 대해 경험적 Quantile을 그릴 수 있습니다. R을 사용하면 자동차 패키지에는 qq.plot () 기능이 확장됩니다. 좋은 기능의 많은을; 내가 좋아하는 두 가지는 가우시안 이외의 다양한 이론적 분포를 지정할 수 있다는 것입니다 (예 :t 더 먼 꼬리 대안 위해 ) 95 % 신뢰 구간을 표시한다는 것입니다. 특정 이론적 분포를 가지고 있지만, 단지 꼬리가 정상에서 예상보다 무거워 있는지 확인하지 않으려면 수 QQ 플롯에서 볼 수 있지만, 때로는 인식하기 어려울 수 있습니다. 내가 좋아하는 한 가지 가능성은 커널 밀도 플롯 과 qq 플롯 을 만드는 것입니다 . 부팅하기 위해 정상적인 곡선을 오버레이 할 수 있습니다. 기본 R 코드는 plot(density(data))입니다. 숫자의 경우 첨도를 계산할 수 있습니다예상보다 높은지 확인하십시오. 나는 R의 첨도에 대한 통조림 함수를 알지 못합니다. 링크 된 페이지에 주어진 방정식을 사용하여 코드를 작성해야하지만 어렵지 않습니다.
kurtosis여기에 사용할 수있는 기능.
library(moments); apply(matrix(1:5,5,1), 1, function(p) kurtosis((1:100)^p)): R : 오른쪽 꼬리가 더 높은 힘 아래에서 뻗어 짐에 따라 첨도가 어떻게 증가하는지 확인하십시오.