Cara melakukan tes jarque-bera dengan python

Uji Jarque-Bera merupakan uji goodness-of-fit yang menentukan apakah data sampel menunjukkan skewness dan kurtosis yang sesuai dengan distribusi normal.

Statistik uji Jarque-Bera selalu berupa bilangan positif dan semakin jauh dari nol maka semakin banyak bukti bahwa data sampel tidak mengikuti distribusi normal.

Tutorial ini menjelaskan cara melakukan tes Jarque-Bera dengan Python.

Cara melakukan tes Jarque-Bera dengan Python

Untuk melakukan tes Jarque-Bera dengan Python Anda dapat menggunakan fungsi jarque_bera dari perpustakaan Scipy, yang menggunakan sintaks berikut:

jarque_bera(x)

Emas:

• x : tabel observasi

Fungsi ini mengembalikan statistik uji dan nilai p yang sesuai.

Contoh 1

Misalkan kita melakukan tes Jarque-Bera pada daftar 5.000 nilai yang mengikuti distribusi normal:

 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)

Statistik ujinya adalah 1,2287 dan nilai p yang sesuai adalah 0,54098 . Karena nilai p ini tidak kurang dari 0,05, kita gagal menolak hipotesis nol. Kami tidak memiliki cukup bukti untuk mengatakan bahwa data ini menunjukkan skewness dan kurtosis yang berbeda secara signifikan dari distribusi normal.

Hasil ini tidak mengherankan karena data yang kami hasilkan terdiri dari 5.000 variabel acak yang mengikuti distribusi normal.

Contoh 2

Sekarang anggaplah kita melakukan uji Jarque-Bera pada daftar 5.000 nilai yang mengikuti distribusi seragam:

 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)

Statistik ujinya adalah 300,1043 dan nilai p yang sesuai adalah 0,0 . Karena nilai p ini kurang dari 0,05, kami menolak hipotesis nol. Oleh karena itu, kami mempunyai cukup bukti untuk menyatakan bahwa data ini menunjukkan skewness dan kurtosis yang berbeda secara signifikan dibandingkan distribusi normal.

Hasil ini juga tidak mengherankan karena data yang kami hasilkan terdiri dari 5.000 variabel acak yang mengikuti distribusi seragam, yang seharusnya memiliki kemiringan dan kurtosis yang sangat berbeda dari distribusi normal.

Kapan menggunakan tes Jarque-Bera

Uji Jarque-Bera biasanya digunakan untuk kumpulan data besar (n > 2.000) yang uji normalitas lainnya (seperti uji Shapiro-Wilk) tidak dapat diandalkan.

Ini adalah pengujian yang tepat untuk digunakan sebelum melakukan analisis yang mengasumsikan bahwa kumpulan data mengikuti distribusi normal. Tes Jarque-Bera dapat memberi tahu Anda apakah asumsi ini terpenuhi atau tidak.