Тест Джарке-Бера
возвращает решение теста для нулевой гипотезы, что данные в векторе h
= jbtest(x
)x
происходит из нормального распределения с неизвестным средним значением и отклонением, используя тест Jarque-Bera. Альтернативная гипотеза заключается в том, что она не исходит из такого распределения. Результат h
является 1
если тест отклоняет нулевую гипотезу на уровне 5% значимости и 0
в противном случае.
возвращает решение теста, основанное на значении p, вычисленном с помощью симуляции Монте-Карло с максимальной стандартной ошибкой Монте-Карло, меньшей или равной h
= jbtest(x
,alpha
,mctol
)mctol
.
Тесты Jarque-Bera часто используют распределение хи-квадрат для оценки критических значений для больших выборок, откладывая до теста Lilliefors (см. lillietest
) для небольших выборок. jbtest
напротив, использует таблицу критических значений, вычисленных с помощью симуляции Монте-Карло для размеров выборки менее 2000 и уровней значимости от 0,001 до 0,50. Критические значения для теста вычисляются путем интерполяции в таблицу, используя аналитическое хи-квадратное приближение только при экстраполяции для больших размеров выборки.
[1] Jarque, C. M., and A. K. Bera. «Тест на нормальность наблюдений и регрессионых невязок». Международный статистический обзор. Том 55, № 2, 1987, с. 163-172.
[2] Deb, P., and M. Sefton. «Распределение Множителя Лагранжа критерия нормальности». Экономические буквы. Том 51, 1996, стр. 123-130. В этом документе была предложена симуляция Монте-Карло для определения распределения тестовой статистики. Результаты этой функции основаны на независимой симуляции Монте-Карло, а не на результатах в этой статье.
adtest
| kstest
| lillietest