So führen sie einen jarque-bera-test in python durch

Der Jarque-Bera-Test ist ein Anpassungstest, der bestimmt, ob die Stichprobendaten Schiefe und Kurtosis aufweisen, die einer Normalverteilung entsprechen.

Die Jarque-Bera-Teststatistik ist immer eine positive Zahl und je weiter sie von Null entfernt ist, desto mehr Beweise gibt es dafür, dass die Stichprobendaten keiner Normalverteilung folgen.

In diesem Tutorial wird erläutert, wie Sie einen Jarque-Bera-Test in Python durchführen.

So führen Sie einen Jarque-Bera-Test in Python durch

Um einen Jarque-Bera-Test in Python durchzuführen, können Sie die Funktion jarque_bera aus der Scipy-Bibliothek verwenden, die die folgende Syntax verwendet:

jarque_bera(x)

Gold:

• x: eine Tabelle mit Beobachtungen

Diese Funktion gibt eine Teststatistik und einen entsprechenden p-Wert zurück.

Beispiel 1

Angenommen, wir führen einen Jarque-Bera-Test für eine Liste von 5.000 Werten durch, die einer Normalverteilung folgt:

 import numpy as np
import scipy.stats as stats

#generate array of 5000 values that follows a standard normal distribution
np.random.seed(0)
data = np.random.normal(0, 1, 5000)

#perform Jarque-Bera test
stats.jarque_bera(data)

(statistic=1.2287, pvalue=0.54098)

Die Teststatistik beträgt 1,2287 und der entsprechende p-Wert beträgt 0,54098 . Da dieser p-Wert nicht kleiner als 0,05 ist, können wir die Nullhypothese nicht ablehnen. Wir haben nicht genügend Beweise, um sagen zu können, dass diese Daten Schiefe und Kurtosis aufweisen, die sich deutlich von einer Normalverteilung unterscheiden.

Dieses Ergebnis sollte nicht überraschen, da die von uns generierten Daten aus 5.000 Zufallsvariablen bestehen, die einer Normalverteilung folgen.

Beispiel 2

Nehmen wir nun an, wir führen einen Jarque-Bera-Test für eine Liste von 5.000 Werten durch, die einer gleichmäßigen Verteilung folgen:

 import numpy as np
import scipy.stats as stats

#generate array of 5000 values that follows a uniform distribution
np.random.seed(0)
data = np.random.uniform(0, 1, 5000)

#perform Jarque-Bera test
stats.jarque_bera(data)

(statistic=300.1043, pvalue=0.0)

Die Teststatistik ist 300,1043 und der entsprechende p-Wert ist 0,0 . Da dieser p-Wert kleiner als 0,05 ist, lehnen wir die Nullhypothese ab. Somit verfügen wir über ausreichende Beweise, um zu argumentieren, dass diese Daten eine deutlich andere Schiefe und Kurtosis aufweisen als eine Normalverteilung.

Dieses Ergebnis sollte auch nicht überraschend sein, da die von uns generierten Daten aus 5.000 Zufallsvariablen bestehen, die einer gleichmäßigen Verteilung folgen, deren Schiefe und Kurtosis sich stark von einer Normalverteilung unterscheiden sollten.

Wann ist der Jarque-Bera-Test anzuwenden?

Der Jarque-Bera-Test wird typischerweise für große Datensätze (n > 2.000) verwendet, bei denen andere Normalitätstests (wie der Shapiro-Wilk-Test) unzuverlässig sind.

Dies ist ein geeigneter Test vor der Durchführung einer Analyse, bei der davon ausgegangen wird, dass der Datensatz einer Normalverteilung folgt. Ein Jarque-Bera-Test kann Ihnen sagen, ob diese Annahme erfüllt ist oder nicht.