куртозіс - четвертий момент розподілу випадкової величини
це M (x-Mx) ^ 4? а що в такому випадку може озночает фраза "позитивний куртозіс"? тотлько те, що він не нуль? негативним адже він бути не може, якщо я правильно зрозумів. який його сенс?
А хрін його знає.
Я, якщо чесно, написав те, що в інтернеті знайшов, я цей термін раніше не чув.
Краще запитати професійних математиків. Або тих, хто вчиться на таких.
Зазвичай використовують цей показник для визначення нормальності вибірки. Якщо цей кусторсіс більше 0, то крива розподілу вер-тей (щільність) ширше ніж у нормальної кривої. Якщо негативний, то вже.
Ваще (з формули видно ксторсіс - міра відхилення (розширення) біля центральної точки.
цей кусторсіс більше 0, то крива розподілу вер-тей (щільність) ширше ніж у нормальної кривої. Якщо негативний, то вже.
або це не четвертий момент і помилився (а наприклад який-небудь непарний, скажім третій або я ніяк не можу зрозуміти чому M (x-Mx) ^ 4 може бути негативним
> кусторсіс
так кусторсіс або куртозіс? або це дві різні величини?
ps: якщо вірити Яндексу, то незалежно від мат очікування і дисперсії, куртозіс гауссовского розподілу дорівнює 3.
Тут ніхто не помилився! Повір! Прийду додому, приведу тобі точну формулу. Можеш, до речі, мануал до SPSS відкрити.
слухай, я не так добре знаю мануали до спссам, але те, що четвертий момент не може бути негативним - жопой клянусь.
> Можеш, до речі, мануал до SPSS відкрити.
куди далі?
ps: якщо вірити Яндексу, то незалежно від мат очікування і дисперсії, куртозіс гауссовского розподілу дорівнює 3.
це тільки для стандарного гауссовского (що те ж саме, нормального) розподілу. а взагалі всі моменти нормального закону є функцією від матожіданія і дисперсії (як, якщо цікаво, можу пояснити тому від них куртозіс не може не залежати
це тільки для стандарного гауссовского (що те ж саме, нормального) розподілу.
я вже зрозумів
взагалі всі моменти нормального закону є функцією від матожіданія і дисперсії (як, якщо цікаво, можу пояснити тому від них куртозіс не може не залежати
краще напиши як його вважати. то, що у гауссовского розподілу всі моменти є функція перших трьох (ще нульовий, тобто одиниця) мені сказали рік тому.
Kurtosis (Коефіцієнт варіації або ексцес) вказує, чи є розподіл пологим (в разі великих значень) або крутим. Ексцес дорівнює 0, якщо спостереження підкоряються нормальному закону. Сл-но, Якщо ексцес значно відрізняється від 0, то гіпотезу про нормальність г.с. з якої взята вибірка, прийняти не можна!
E = (M (XM (x ^ 4 / D (X) ^ 4) -3. Так що він може бути як позитивним, так і негативним. Більш того [-2,2]. Можу ще тобі ще що-нитка написати про це. І про асиметрію можу.
E = (M (X-M (x ^ 4 / D (X) ^ 4) -3
тепер зрозуміло, чому негативний. я виходив з визначення 'а.
Можу ще тобі ще що-нитка написати про це. І про асиметрію можу.
буду дуже вдячний.
Тепер чекай до вечора. після 20.00 че-нить забацаного. Ти відразу оголосити весь список питань.
ну поки питань немає, розкажи про асиметрію.
Skewness (коеф-т асиметрії) - це міра відхилення розподілу частот від симетричного розподілу. Для нормального розподілу асиметрія дорівнює 0. Якщо к-т асиметрії позитивний, то вершина асиметричного розподілу зрушена вліво, і навпаки: якщо асиметрія негативна, то вершина - вправо.
Skewness = (M (X-M (X ^ 3) / D (X) ^ 3
Negative kurtosis would indicate a thin-tailed data distribution, and is said to be platykurtic. Positive kurtosis would indicate a fat-tailed distribution, and is said to be leptokurtic. Normal distribution has zero kurtosis and thus the standard tail shape. It is said to be mesokurtic.
The kurtosis is -1.5116, which indicates that duration is platykurtic. This is consistent with the fact that its histogram is not bell-shaped.