Saya memiliki beberapa hasil pengujian keterlambatan respons server. Menurut analisis teori kami, distribusi tunda (Fungsi distribusi probabilitas tunda respons) harus memiliki perilaku berekor berat. Tapi bagaimana saya bisa membuktikan bahwa hasil tes tidak mengikuti distribusi heavy-tail?
Jawaban:
Saya tidak yakin apakah saya menginterpretasikan pertanyaan Anda dengan benar, jadi beri tahu saya, dan saya dapat mengadaptasi atau menghapus jawaban ini. Pertama, kami tidak membuktikan hal-hal mengenai data kami, kami hanya menunjukkan bahwa ada sesuatu yang tidak masuk akal. Itu bisa dilakukan beberapa cara, salah satunya adalah melalui uji statistik. Namun, menurut saya, jika Anda memiliki distribusi teoretis yang telah ditentukan sebelumnya, pendekatan terbaik adalah membuat plot-qq . Kebanyakan orang menganggap plot qq hanya digunakan untuk menilai normalitas, tetapi Anda dapat memplot kuantil empiris terhadap setiap distribusi teoretis yang dapat ditentukan. Jika Anda menggunakan R, paket mobil memiliki fungsi augmented qq.plot ()dengan banyak fitur bagus; dua yang saya suka adalah bahwa Anda dapat menentukan sejumlah distribusi teoretis yang berbeda di luar hanya Gaussian (misalnya, Anda bisa untuk talternatif berekor lebih gemuk), dan bahwa ia merencanakan pita kepercayaan 95%. Jika Anda tidak memiliki distribusi teoretis tertentu, tetapi hanya ingin melihat apakah ekornya lebih berat dari yang diharapkan dari normal, itu bisa dilihat pada plot-qq, tetapi kadang-kadang bisa sulit dikenali. Satu kemungkinan yang saya suka adalah membuat plot densitas kernel dan juga qq-plot dan Anda bisa overlay kurva normal untuk boot. Kode R dasar adalah plot(density(data)). Untuk suatu angka, Anda dapat menghitung kurtosis, dan lihat apakah lebih tinggi dari yang diharapkan. Saya tidak mengetahui fungsi kaltosis untuk kurtosis di R, Anda harus membuatnya dengan menggunakan persamaan yang diberikan pada halaman yang ditautkan, tetapi tidak sulit untuk melakukannya.
kurtosisfungsi yang dapat Anda gunakan di sini.
library(moments); apply(matrix(1:5,5,1), 1, function(p) kurtosis((1:100)^p)): perhatikan bagaimana kurtosis meningkat ketika ekor kanan membentang di bawah kekuatan yang lebih tinggi.