Próbuję przetestować zerową wartość , względem lokalnej alternatywy E [ X ] > 0 , dla zmiennej losowej X , z zastrzeżeniem łagodnego do średniego pochylenia i kurtozy zmiennej losowej. Zgodnie z sugestiami Wilcoxa w „Wstęp do solidnego szacowania i testowania hipotez” spojrzałem na testy oparte na skróconej średniej, medianie, a także estymatorze M lokalizacji (procedura „jednoetapowa” Wilcoxa). Te solidne testy przewyższają standardowy test t pod względem mocy podczas testowania z rozkładem, który nie jest przekrzywiony, ale leptokurtotyczny.
Jednak podczas testowania z rozkładem, który jest przekrzywiony, te jednostronne testy są albo zbyt zbyt liberalne, albo zdecydowanie zbyt konserwatywne w ramach hipotezy zerowej, w zależności od tego, czy rozkład jest odpowiednio przesunięty w lewo czy w prawo. Na przykład przy 1000 obserwacji test oparty na medianie faktycznie odrzuci ~ 40% czasu, przy nominalnym poziomie 5%. Powód tego jest oczywisty: w przypadku przekrzywionych rozkładów mediana i średnia są raczej różne. Jednak w mojej aplikacji naprawdę muszę przetestować średnią, a nie średnią, a nie średnią obciętą.
Czy istnieje bardziej niezawodna wersja testu t, która faktycznie sprawdza średnią, ale jest odporna na przekrzywienie i kurtozę?
Idealnie byłoby, gdyby procedura działała dobrze również w przypadku braku przekrzywienia i wysokiej kurtozy. Test „jednoetapowy” jest prawie wystarczająco dobry, przy ustawionym stosunkowo wysokim parametrze „zgięcia”, ale jest on mniej skuteczny niż średnie przycięte testy, gdy nie ma pochylenia, i ma pewne problemy z utrzymaniem nominalnego poziomu odrzutów pod pochyleniem .
tło: powodem, dla którego naprawdę zależy mi na średniej, a nie na medianie, jest to, że test zostałby zastosowany w aplikacji finansowej. Na przykład, jeśli chcesz sprawdzić, czy portfel ma dodatnie oczekiwane zwroty z logów, średnia jest w rzeczywistości odpowiednia, ponieważ jeśli zainwestujesz w portfel, zobaczysz wszystkie zwroty (czyli średnią razy liczbę próbek), zamiast duplikaty mediany. Oznacza to, że troszczą się o sumę n czerpie z RV X .