Ho diversi risultati dei test relativi al ritardo della risposta del server. Secondo la nostra analisi teorica, la distribuzione del ritardo (La funzione di distribuzione della probabilità del ritardo della risposta) dovrebbe avere un comportamento di coda pesante. Ma come posso dimostrare che il risultato del test segue la distribuzione della coda pesante?
Risposte:
Non sono sicuro di interpretare correttamente la tua domanda, quindi fammi sapere e potrei adattare o eliminare questa risposta. In primo luogo, noi non dimostriamo le cose per quanto riguarda i nostri dati, dobbiamo solo mostrare che qualcosa non è irragionevole. Ciò può essere fatto in diversi modi, uno dei quali è attraverso test statistici. Secondo me, tuttavia, se si dispone di una distribuzione teorica predefinita, l'approccio migliore è solo quello di creare una trama qq . La maggior parte delle persone pensa che i grafici qq vengano usati solo per valutare la normalità, ma è possibile tracciare i quantili empirici contro qualsiasi distribuzione teorica che può essere specificata. Se usi R, il pacchetto auto ha una funzione aumentata qq.plot ()con molte belle funzioni; due che mi piacciono sono che puoi specificare un numero di diverse distribuzioni teoriche oltre al solo gaussiano (ad esempio, potresti fare tun'alternativa più grassa) e che traccia una banda di confidenza al 95%. Se non hai una distribuzione teorica specifica, ma vuoi solo vedere se le code sono più pesanti del previsto da una normale, ciò può essere visto su un diagramma qq, ma a volte può essere difficile da riconoscere. Una possibilità che mi piace è quella di creare un diagramma di densità del kernel e un diagramma qq e si potrebbe sovrapporre una curva normale su di esso per l'avvio. Il codice R di base è plot(density(data)). Per un numero, potresti calcolare la curtosie vedere se è superiore al previsto. Non sono a conoscenza delle funzioni predefinite per la curtosi in R, devi codificarlo usando le equazioni fornite nella pagina collegata, ma non è difficile da fare.
kurtosisfunzione che puoi usare qui.
library(moments); apply(matrix(1:5,5,1), 1, function(p) kurtosis((1:100)^p)): nota come la curtosi aumenta man mano che la coda destra si allunga sotto poteri superiori.