কুর্তোসিসকে প্রভাবিত না করে স্কু পরিবর্তন করার একটি রূপান্তর?

11

আমি কৌতূহলবশত যদি এমন কোনও রূপান্তর হয় যা কুর্তোসিসকে প্রভাবিত না করে এলোমেলো ভেরিয়েবলের স্কিউকে পরিবর্তন করে দেয়। এটি কোনও আরভি-র অ্যাফাইন রূপান্তর কীভাবে গড় এবং তারতম্যকে প্রভাবিত করে তা সাদৃশ্যপূর্ণ তবে স্কিউ এবং কুরটোসিস নয় (আংশিকভাবে কারণ স্কিউ এবং কুর্তোসিসকে স্কেল পরিবর্তনের পরিবর্তে অবিচ্ছিন্ন হিসাবে সংজ্ঞায়িত করা হয়েছে)। এই সমস্যাটা কি জ্ঞাত?

data-transformation random-variable moments

— shabbychef
সূত্র

আপনার কি দরকার যে এই রূপান্তরটির সাথে মানক বিচ্যুতিও স্থির থাকে?

— রাসেলপিয়ের্স

না, আমি আশা করি এটি হবে না, তবে অতিরিক্ত কুরটোসিস স্থির থাকা উচিত। আমি প্রত্যাশা করব রূপান্তরটি একঘেয়ে হয়ে উঠবে, তবে অগ্রাধিকার হিসাবে নির্দ্বিধায়।

— shabbychef

1

হ্যাঁ - আফসোস সেই ব্যক্তির জন্য যে অ-সংঘবদ্ধ ফাংশন প্রমাণ করতে চায় তা একঘেয়েমি is

— রাসেলপিয়ের্স

এই থ্রেড পাঠকদের আগ্রহী হতে পারে: কুর্তোসিস এবং সাধারণ আরভিটির স্কিউনেস বাড়ানোর রূপান্তর ।

— গুং - মনিকা পুনরায়

6

আমার উত্তরটি মোট হ্যাকের শুরু, তবে আপনি যা চান তা করার কোনও প্রতিষ্ঠিত উপায় সম্পর্কে আমি অবগত নই।

আমার প্রথম পদক্ষেপটি আপনার ডেটাসেটের ক্রম রেকর্ড করা হবে আপনি নিজের ডেটাসেটে আনুপাতিক অবস্থানটি সন্ধান করতে পারেন এবং তারপরে এটিকে একটি সাধারণ বিতরণে রূপান্তর করতে পারেন, এই পদ্ধতিটি রেইনল্ডস এবং হুইট, ১৯৯ 1996 সালে ব্যবহৃত হয়েছিল।

বিতরণটি স্বাভাবিক হয়ে গেলে, তারপরেই সমস্যাটি তার মাথা ঘুরিয়ে দেওয়া হয়েছিল - কুরটোসিস সামঞ্জস্য করার বিষয়টি তবে স্কিউ নয়। গুগল অনুসন্ধানে পরামর্শ দেওয়া হয়েছিল যে কুর্তোসিস সামঞ্জস্য রাখতে 1980 এবং জন ড্রাফারের পদ্ধতি অনুসরণ করতে পারে তবে স্কু নয় - তবে আমি সেই ফলাফলটির প্রতিলিপি করতে পারি না।

আমার অপরিশোধিত ছড়িয়ে পড়া / সংকীর্ণকরণের ক্রিয়াটি বিকশিত করার প্রয়াস যা ইনপুট (সাধারণীকৃত) মান নেয় এবং এ থেকে একটি মান সংযোজন বা বিয়োগ করে দেয় যা সাধারণ স্কেলে ভেরিয়েবলের অবস্থানের সাথে আনুপাতিকভাবে সংঘবদ্ধ হয়, তবে বাস্তবে এটি তৈরির প্রবণতা তৈরি হয় একটি দ্বি বিন্দু বিতরণ যদিও কাঙ্ক্ষিত skewness এবং কুর্তোসিস মান রয়েছে values

আমি বুঝতে পারি এটি একটি সম্পূর্ণ উত্তর নয়, তবে আমি ভেবেছিলাম এটি সঠিক দিকের কোনও পদক্ষেপ সরবরাহ করতে পারে।

PROCMiracle <- function(datasource,normalrank="BLOM")
  {
     switch(normalrank,
      "BLOM" = {
                  rmod <- -3/8
                  nmod <- 1/4
                },
      "TUKEY" = {
                  rmod <- -1/3
                  nmod <- 1/3
                },
      "VW" ={
                  rmod <- 0
                  nmod <- 1
            },
      "NONE" = {
                  rmod <- 0
                  nmod <- 0
                }
    )
    print("This may be doing something strange with NA values!  Beware!")
    return(scale(qnorm((rank(datasource)+rmod)/(length(datasource)+nmod))))
  }

— russellpierce
সূত্র

আমি এটির মতো কিছু করছিলাম: র‌্যাঙ্ক, তারপরে একটি স্থির কুরটোসিস এবং স্কিউ পেতে জি-ও-এইচ রূপান্তরটি ব্যবহার করুন। যাইহোক, এই কৌশলটি আমি ধরে নিয়েছি যে আমি আসলে জনসংখ্যা কুর্তোসিসকে জানি, যা আমি অনুমান করতে পারি, তবে আমি আগ্রহী, দার্শনিকভাবে, যদি এমন কোনও রূপান্তর ঘটে যা

— কুর্তোসিসকে

@ শ্যাববিচেফ: ওহ, তবে নতুন কিছু যোগ না করার জন্য দুঃখিত। তবে আপনি নতুন কিছু যুক্ত করেছেন, আমি এর আগে জি-ও-h সূত্রটি শুনিনি। আপনার কাছে কি নিখরচায় অ্যাক্সেসযোগ্য উদ্ধৃতি দেওয়া আছে যা এটি সরবরাহ করে? আমি একটি কাগজে পাথরের সাথে হোঁচট খেয়েছি ( fic.wharton.upenn.edu/fic/papers/02/0225.pdf ) তবে ধারণাটি আমার কাছে কিছুটা বিদেশী (বিশেষত এটি ^ জেড ^ জি বা অন্য কিছু) )? আমি এটির মতো চেষ্টা করেছিলাম ... তবে ফলাফলগুলি বিজোড় বলে মনে হয়েছিল ... a + b * (e ^ g ^ z-1) * (এক্সপ্রেস ((এইচ * জেড ^ 2) / 2) / জি)।

— রাসেলপিয়ের্স

1

@ ড্রনেেক্সাস: আমি আমার কৌশলটি উল্লেখ করে ফলাফলকে পক্ষপাত করতে চাই না। আমি হেইনস এট থেকে জি-ও-এইচ এবং জি-ও-কে বিতরণ সম্পর্কে শিখেছি। আল, dx.doi.org/10.1016/S0378-3758(97)00050-5 , এবং ফিশার এবং ক্লিন, একনস্টোর.ইউ

— বিট্রিমি

1

$n$ $n-1$ $\ell_2$ নমুনা অর্ডার পরিসংখ্যান এবং প্রদত্ত সীমাবদ্ধতার সাপেক্ষে রূপান্তরিত সংস্করণের মধ্যে আদর্শ। যদিও এটি এক ধরণের ভৌতিক পদ্ধতির। মূল প্রশ্নে আমি আরও কিছু মৌলিক এবং মৌলিক বিষয় খুঁজছিলাম। আমিও স্পষ্টভাবে এমন একটি কৌশল খুঁজছিলাম যা পৃথক পর্যবেক্ষণে প্রয়োগ করা যেতে পারে, সম্পূর্ণ নমুনাগুলির সমাহার ব্যতীত।

— shabbychef
সূত্র

0

আমি ডেটা-ট্রান্সফর্মেশনগুলি পরিবর্তে লেপটোকুর্টিক বিতরণ ব্যবহার করে এই ডেটা সেটটিকে মডেল করব। আমি জোস এবং পিউসি (২০০৯), বায়োমেট্রিকা থেকে সিনাহ-আরকসিংহ বিতরণ পছন্দ করি।

— অ আ ক খ
সূত্র