Câu trả lời:
Tôi không chắc liệu tôi có giải thích chính xác câu hỏi của bạn không, vì vậy hãy cho tôi biết và tôi có thể điều chỉnh hoặc xóa câu trả lời này. Đầu tiên, chúng tôi không chứng minh những điều liên quan đến dữ liệu của mình, chúng tôi chỉ cho thấy rằng điều gì đó không hợp lý. Điều đó có thể được thực hiện theo một số cách, một trong số đó là thông qua các bài kiểm tra thống kê. Tuy nhiên, theo tôi, nếu bạn có một phân phối lý thuyết được chỉ định trước, cách tiếp cận tốt nhất chỉ là tạo ra một cốt truyện qq . Hầu hết mọi người nghĩ về qq-lô chỉ được sử dụng để đánh giá tính chuẩn, nhưng bạn có thể vẽ các lượng tử theo kinh nghiệm chống lại bất kỳ phân phối lý thuyết nào có thể được chỉ định. Nếu bạn sử dụng R, gói xe có chức năng tăng cường qq.plot ()với rất nhiều tính năng hay; hai điều tôi thích là bạn có thể chỉ định một số phân phối lý thuyết khác nhau ngoài Gaussian (ví dụ: bạn có thể tcho một giải pháp thay thế hoàn hảo hơn) và nó có âm mưu độ tin cậy 95%. Nếu bạn không có phân phối lý thuyết cụ thể, nhưng chỉ muốn xem liệu đuôi có nặng hơn dự kiến so với bình thường hay không, có thể thấy trên biểu đồ qq, nhưng đôi khi có thể khó nhận ra. Một khả năng mà tôi thích là tạo một biểu đồ mật độ hạt nhân cũng như một biểu đồ qq và bạn có thể phủ một đường cong bình thường lên nó để khởi động. Mã R cơ bản là plot(density(data)). Đối với một số, bạn có thể tính toán kurtosisvà xem nếu nó cao hơn dự kiến. Tôi không biết các hàm đóng hộp cho kurtosis trong R, bạn phải mã hóa nó bằng các phương trình được đưa ra trên trang được liên kết, nhưng điều đó không khó thực hiện.
kurtosischức năng bạn có thể sử dụng ở đây.
library(moments); apply(matrix(1:5,5,1), 1, function(p) kurtosis((1:100)^p)): chú ý cách tăng độ nhạy khi đuôi phải kéo dài ra dưới sức mạnh cao hơn.