Результаты теста Жарк Бера

Question

Я не понимаю результатов теста Жарк Бера.

from statsmodels.stats.stattools import jarque_bera    
np.random.seed(123)
jarque_bera(np.random.normal(-5, 1, 1000))

Результаты:

(0.1675179797931011,
 0.9196528750223983,
 -0.029040113501245704,
 2.9745614712223074)

3-е значение выглядит как P-значение. Другие, о которых я думал, это Kurtosis и Skew, а 4-го я не знаю.

Итак, я проверил свою теорию, но она была неверной согласно приведенному ниже коду:

import scipy.stats as stats

print(stats.skew(np.random.normal(-5, 1, 1000)))
print(stats.kurtosis(np.random.normal(-5, 1, 1000)))

-0.19743173433793879
-0.11038007419823126

Answer 1

Вам нужно n> 2000, чтобы тест Жарка Бера был действительным

Вывод дает вам; статистика теста, значение p, перекос, эксцесс в этом порядке. Не уверен, почему этого нет в документах?

Также реализованный тест Jarque Bera использует определение Пирсонаиз куртоза не Фишера , поэтому ...

from statsmodels.stats.stattools import jarque_bera  
import scipy.stats as stats
import numpy as np

np.random.seed(123)
samples = np.random.normal(-5, 1, 3000)

print(jarque_bera(samples))
print(stats.skew(samples))
print(stats.kurtosis(samples, fisher=False))

Вывод ..

(3.9600892567754835, 0.13806307564092868, -0.08899286958111645, 3.0013381737844793)
-0.08899286958111645
3.0013381737844793