Я пытаюсь проверить нулевое значение сравнении с локальной альтернативой E [ X ] > 0 для случайной величины X , подверженной небольшому или среднему перекосу и эксцессу случайной величины. Следуя предложениям Уилкокса в «Введении в робастную оценку и проверку гипотез», я рассмотрел тесты, основанные на усеченном среднем, медиане, а также М-оценке местоположения («одношаговая» процедура Уилкокса). Эти надежные тесты превосходят стандартные t-тесты по мощности при тестировании с дистрибутивом, не подверженным перекосу, но лептокуртотическим.
Однако при тестировании с искаженным дистрибутивом эти односторонние тесты либо слишком либеральны, либо слишком консервативны при нулевой гипотезе, в зависимости от того, искажено ли распределение влево или вправо соответственно. Например, при 1000 наблюдениях тест, основанный на медиане, фактически отклонит ~ 40% времени при номинальном уровне 5%. Причина этого очевидна: для искаженных распределений медиана и среднее довольно разные. Однако в моем приложении мне действительно нужно проверить среднее значение, а не среднее значение, а не усеченное среднее значение.
Существует ли более надежная версия t-критерия, которая фактически проверяет среднее значение, но не подвержена перекосам и эксцессам?
В идеале процедура будет хорошо работать и в случае отсутствия перекоса и высокого куртоза. «Одностадийный» тест почти достаточно хорош, с параметром «изгиб», установленным относительно высоким, но он менее мощный, чем тесты с усеченным средним, когда нет перекоса, и имеет некоторые проблемы с поддержанием номинального уровня отклонений при перекосе. ,
Предыстория: причина, по которой я действительно беспокоюсь о среднем, а не о медиане, заключается в том, что тест будет использоваться в финансовой заявке. Например, если вы хотите проверить, имел ли портфель положительные ожидаемые журнальные доходы, среднее значение действительно подходит, потому что если вы инвестируете в портфель, вы получите все доходы (то есть среднее число раз выборок) вместо дубликатов медианы. То есть, я на самом деле волнует сумма п черпает из RV X .