ช่วงเวลา L อาจจะมีประโยชน์ที่นี่?
บทความ Wikipedia
หน้า L- ช่วงเวลา (Jonathan RM Hosking, IBM Research)
พวกมันให้ปริมาณใกล้เคียงกับช่วงเวลาทั่วไปเช่นความเบ้และความโด่งที่เรียกว่า l-skewness และ l-kurtosis สิ่งเหล่านี้มีข้อได้เปรียบที่พวกเขาไม่ต้องการการคำนวณช่วงเวลาที่สูงเนื่องจากคำนวณจากชุดค่าผสมเชิงเส้นของข้อมูลและกำหนดเป็นชุดค่าผสมเชิงเส้นของค่าที่คาดหวังของสถิติการสั่งซื้อ นอกจากนี้ยังหมายความว่าพวกเขามีความไวต่อค่าผิดปกติน้อยลง
ฉันเชื่อว่าคุณต้องการเพียงช่วงเวลาที่สองในการคำนวณผลต่างตัวอย่างของพวกเขาซึ่งน่าจะเป็นสิ่งที่คุณต้องการสำหรับการทดสอบของคุณ อีกทั้งการกระจายเชิงซีมโทติคของพวกเขาจะเปลี่ยนเป็นการกระจายแบบปกติเร็วกว่าช่วงเวลาทั่วไป
ดูเหมือนว่านิพจน์สำหรับความแปรปรวนตัวอย่างของพวกเขาจะค่อนข้างซับซ้อน (Elamir และ Seheult 2004) แต่ฉันรู้ว่าพวกเขาได้รับการโปรแกรมในแพ็คเกจที่สามารถดาวน์โหลดได้สำหรับทั้ง R และ Stata (มีจากคลังเก็บมาตรฐาน) และอาจอยู่ในแพ็คเกจอื่นด้วย ฉันรู้ว่า. เนื่องจากตัวอย่างของคุณมีความเป็นอิสระเมื่อคุณได้รับการประมาณการและข้อผิดพลาดมาตรฐานคุณสามารถเสียบเข้ากับการทดสอบซีสองตัวอย่างได้หากขนาดตัวอย่างของคุณ "ใหญ่พอ" (Elamir และ Seheult รายงานการจำลองที่ จำกัด บางอย่างที่แสดงว่า 100 ไม่ใหญ่พอ แต่ไม่ใช่อะไร) หรือคุณสามารถบูตความแตกต่างใน l-skewness คุณสมบัติข้างต้นแนะนำว่าอาจทำงานได้ดีกว่า bootstrapping ตามความเบ้ธรรมดา