Cara melakukan tes jarque-bera di r

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 bernilai positif dan jika jauh dari nol berarti data sampel tidak berdistribusi normal.

Statistik uji JB didefinisikan sebagai:

JB =[(n-k+1) / 6] * [S ² + (0,25*(C-3) ² )]

dimana n adalah jumlah observasi dalam sampel, k adalah jumlah regressor (k = 1 jika tidak digunakan dalam konteks regresi), S adalah skewness sampel dan C adalah kurtosis sampel.

Di bawah hipotesis ^normalitas nol, JB ~

Tutorial ini menjelaskan cara melakukan tes Jarque-Bera di R.

Tes Jarque-Bera di R

Untuk melakukan pengujian Jarque-Bera pada contoh kumpulan data, kita dapat menggunakan paket tseries :

 #install (if not already installed) and load tseries package
if(!require(tseries)){install.packages('tseries')}

#generate a list of 100 normally distributed random variables
dataset <- rnorm(100)

#conduct Jarque-Bera test
jarque.bera.test(dataset)

Ini menghasilkan output berikut:

Hal ini menunjukkan bahwa statistik uji adalah 0,67446 dan nilai p uji adalah 0,7137. Dalam hal ini, kami tidak akan dapat menolak hipotesis nol bahwa data berdistribusi normal.

Hasil ini tidak mengherankan karena kumpulan data yang kami hasilkan terdiri dari 100 variabel acak yang mengikuti distribusi normal.

Sebagai gantinya, pertimbangkan jika kita membuat kumpulan data yang terdiri dari daftar 100 variabel acak yang terdistribusi secara seragam:

 #install (if not already installed) and load tseries package
if(!require(tseries)){install.packages('tseries')}

#generate a list of 100 uniformly distributed random variables
dataset <- runif(100)

#conduct Jarque-Bera test
jarque.bera.test(dataset)

Ini menghasilkan output berikut:

Hal ini menunjukkan bahwa statistik uji adalah 8,0807 dan nilai p uji adalah 0,01759. Dalam hal ini, kami akan menolak hipotesis nol bahwa data berdistribusi normal. Kami mempunyai cukup bukti untuk mengatakan bahwa data dalam contoh ini tidak terdistribusi secara normal.

Hasil ini tidak mengherankan karena kumpulan data yang kami hasilkan terdiri dari 100 variabel acak yang mengikuti distribusi seragam. Bagaimanapun, data dimaksudkan untuk didistribusikan secara seragam, tidak normal.