Tôi đang thử kiểm tra null , dựa vào thay thế cục bộ , cho một biến ngẫu nhiên , chịu sự lệch nhẹ và trung bình của biến ngẫu nhiên. Theo đề xuất của Wilcox trong 'Giới thiệu về Ước tính mạnh mẽ và Thử nghiệm giả thuyết', tôi đã xem xét các thử nghiệm dựa trên giá trị trung bình, trung bình, cũng như ước lượng M của vị trí (thủ tục "một bước" của Wilcox). Các thử nghiệm mạnh mẽ này vượt trội hơn so với thử nghiệm t tiêu chuẩn, về mặt sức mạnh, khi thử nghiệm với phân phối không bị lệch, nhưng leptokurtotic.
Tuy nhiên, khi thử nghiệm với phân phối bị lệch, các thử nghiệm một phía này quá tự do hoặc quá bảo thủ theo giả thuyết null, tùy thuộc vào việc phân phối bị lệch trái hay phải, tương ứng. Ví dụ, với 1000 quan sát, thử nghiệm dựa trên trung vị sẽ thực sự loại bỏ ~ 40% thời gian, ở mức 5% danh nghĩa. Lý do cho điều này là rõ ràng: đối với các phân phối sai lệch, trung vị và giá trị trung bình khá khác nhau. Tuy nhiên, trong ứng dụng của tôi, tôi thực sự cần kiểm tra giá trị trung bình, không phải trung bình, không phải trung bình cắt.
Có một phiên bản mạnh mẽ hơn của bài kiểm tra t thực sự kiểm tra giá trị trung bình, nhưng không bị xiên và kurtosis?
Lý tưởng nhất là thủ tục sẽ hoạt động tốt trong trường hợp không bị lệch, cao. Thử nghiệm 'một bước' là gần như đủ tốt, với tham số 'uốn cong' được đặt tương đối cao, nhưng nó không mạnh hơn các thử nghiệm trung bình được cắt xén khi không có độ lệch và có một số rắc rối trong việc duy trì mức độ từ chối danh nghĩa khi bị lệch .
Bối cảnh: lý do tôi thực sự quan tâm đến giá trị trung bình, chứ không phải trung bình, là thử nghiệm sẽ được sử dụng trong một ứng dụng tài chính. Ví dụ: nếu bạn muốn kiểm tra xem danh mục đầu tư có lợi nhuận nhật ký dự kiến dương hay không, giá trị trung bình thực sự phù hợp bởi vì nếu bạn đầu tư vào danh mục đầu tư, bạn sẽ trải nghiệm tất cả lợi nhuận (gấp đôi số lần lấy mẫu), thay vì trùng lặp của trung vị. Đó là, tôi thực sự quan tâm đến tổng của rút ra từ RV .