Я не впевнений, чи правильно я тлумачу ваше запитання, тому повідомте мені, і я можу адаптувати або видалити цю відповідь. По-перше, ми не доводимо речі щодо наших даних, ми просто показуємо, що щось не є необґрунтованим. Це можна зробити декількома способами, один з яких - за допомогою статистичних тестів. На мою думку, однак, якщо ви маєте заздалегідь заданий теоретичний розподіл, найкращий підхід - це просто зробити qq-графік . Більшість людей вважають, що qq-графіки використовуються лише для оцінки нормальності, але ви можете побудувати емпіричні кванти проти будь-якого теоретичного розподілу, який можна вказати. Якщо ви використовуєте R, автомобільний пакет має розширену функцію qq.plot ()з великою кількістю приємних рис; два, які мені подобаються, - це те, що ви можете вказати кілька різних теоретичних розподілів, що виходять за межі гауссових (наприклад, ви могли б t
зробити більш товсту альтернативу), і що вона накреслить 95-відсоткову смугу довіри. Якщо ви не маєте конкретного теоретичного розподілу, але просто хочете дізнатися, чи хвости важчі, ніж очікували від нормальних, це можна побачити на qq-графіці, але іноді їх важко розпізнати. Одна з можливостей, яка мені подобається, - це зробити графік щільності ядра , а також qq-графік, і ви можете накласти на нього звичайну криву для завантаження. Основний код R є plot(density(data))
. Для ряду можна обчислити куртоз, і подивіться, чи вище вона, ніж очікувалося. Мені невідомі функції консервованих куртозів в R, ви повинні кодувати це за допомогою рівнянь, наведених на пов'язаній сторінці, але це не важко зробити.
library(moments); apply(matrix(1:5,5,1), 1, function(p) kurtosis((1:100)^p))
: помітити, як збільшується куртоз, коли правий хвіст розтягується при більш високих силах.