क्या ऐसा कोई सूत्र है? डेटा के एक सेट को देखते हुए जिसके लिए माध्य, भिन्नता, तिरछापन और कुर्तोसिस ज्ञात है, या मापा जा सकता है, क्या कोई एकल सूत्र है जिसका उपयोग उपरोक्त डेटा से आने वाले मान की संभावना घनत्व की गणना करने के लिए किया जा सकता है?
क्या ऐसा कोई सूत्र है? डेटा के एक सेट को देखते हुए जिसके लिए माध्य, भिन्नता, तिरछापन और कुर्तोसिस ज्ञात है, या मापा जा सकता है, क्या कोई एकल सूत्र है जिसका उपयोग उपरोक्त डेटा से आने वाले मान की संभावना घनत्व की गणना करने के लिए किया जा सकता है?
जवाबों:
ऐसे कई सूत्र हैं। इस समस्या को हल करने का पहला सफल प्रयास 1895 में कार्ल पियर्सन द्वारा किया गया था, जो अंततः पियर्सन वितरण की प्रणाली के लिए अग्रणी था । इस परिवार को माध्य, विचरण, तिरछापन और कुर्तोसिस द्वारा परिचालित किया जा सकता है। इसमें सामान्य, छात्र-टी, ची-स्क्वायर, उलटा गामा और एफ वितरण जैसे परिचित विशेष मामले शामिल हैं। केंडल और स्टुअर्ट वॉल्यूम 1 विवरण और उदाहरण देते हैं।
यह डेटा वितरण के लिए फिटिंग के लिए एक 'क्षण-मिलान' दृष्टिकोण की तरह लगता है । यह आमतौर पर एक महान विचार नहीं माना जाता है (जॉन कुक के ब्लॉग पोस्ट का शीर्षक 'एक सांख्यिकीय मृत अंत' है)।
D'Agostino का K2 परीक्षण आपको बताएगा कि क्या नमूना वितरण एक सामान्य वितरण से आया है जो नमूना के तिरछेपन और कर्टोसिस पर आधारित है।
यदि आप एक गैर-सामान्य वितरण (शायद उच्च तिरछा या कुर्तोसिस के साथ) मानकर एक परीक्षण करना चाहते हैं, तो आपको यह पता लगाना होगा कि वितरण क्या है। आप तिरछा सामान्य वितरण और सामान्यीकृत सामान्य वितरण देख सकते हैं । यदि आप ऐसा करते हैं, तो आप अन्य वितरणों पर भी विचार करते हैं।