Wichtige Fakten
- Kategorie
- Mathe, Datum & Finanzen
- Eingabetypen
- textarea, select, number, checkbox
- Ausgabetyp
- json
- Sample-Abdeckung
- 0
- API verfügbar
- Yes
Überblick
Der Kurtosis-Rechner ermittelt schnell und präzise die rohe und die Exzess-Kurtosis (Wölbung) Ihres Datensatzes. Geben Sie einfach Ihre numerischen Werte ein, um zu analysieren, ob Ihre Verteilung im Vergleich zur Normalverteilung schwerere oder leichtere Ränder (Tails) aufweist. Dieses Tool ist ideal für statistische Analysen, Risikobewertungen und die Datenmodellierung.
Wann verwenden
- •Zur Bewertung finanzieller Risiken, da eine hohe Kurtosis auf eine höhere Wahrscheinlichkeit extremer Marktbewegungen hinweist.
- •Zur Überprüfung der Normalverteilung von Daten, bevor parametrische statistische Tests angewendet werden.
- •Zur Identifizierung von Ausreißern in einem Datensatz durch die Analyse der Verteilungsränder (Tails).
So funktioniert es
- •Fügen Sie Ihren numerischen Datensatz (z. B. durch Kommas getrennte Zahlen) in das Eingabefeld ein.
- •Wählen Sie aus, ob Sie die rohe Kurtosis, die Exzess-Kurtosis oder beide Werte berechnen möchten.
- •Legen Sie die gewünschte Anzahl der Dezimalstellen fest und aktivieren Sie bei Bedarf die zusammenfassenden Statistiken.
- •Das Tool berechnet sofort die Wölbung und gibt die Ergebnisse im übersichtlichen JSON-Format aus.
Anwendungsfälle
Beispiele
1. Analyse von Aktienrenditen
Finanzanalyst- Hintergrund
- Ein Analyst möchte das Risiko extremer Kursverluste bei einer bestimmten Aktie bewerten.
- Problem
- Es muss ermittelt werden, ob die historischen Renditen 'Fat Tails' aufweisen, was auf ein höheres Risiko hindeutet.
- Verwendung
- Geben Sie die historischen Renditewerte ein und wählen Sie 'Exzess und roh' als Ausgabe.
- Beispielkonfiguration
-
Datensatz: -5, -2, 1, 2, 3, 15, -10 Kurtosis-Ausgabe: both - Ergebnis
- Der Rechner liefert eine positive Exzess-Kurtosis, was das Vorhandensein schwerer Ränder und somit ein erhöhtes Risiko für extreme Kursschwankungen bestätigt.
2. Prüfung auf Normalverteilung
Datenwissenschaftler- Hintergrund
- Vor der Anwendung einer linearen Regression müssen die Residuen auf Normalverteilung geprüft werden.
- Problem
- Schnelle Überprüfung, ob die Verteilung der Residuen zu spitz oder zu flach ist.
- Verwendung
- Fügen Sie die Residuenwerte in das Textfeld ein und setzen Sie die Dezimalstellen auf 4.
- Beispielkonfiguration
-
Datensatz: 0.1, -0.2, 0.05, 0.3, -0.1 Dezimalstellen: 4 - Ergebnis
- Die Exzess-Kurtosis liegt nahe 0, was darauf hindeutet, dass die Daten annähernd normalverteilt sind und die Modellannahmen erfüllt sind.
Verwandte Hubs
FAQ
Was ist der Unterschied zwischen roher und Exzess-Kurtosis?
Die rohe Kurtosis einer Normalverteilung beträgt 3. Die Exzess-Kurtosis zieht 3 von der rohen Kurtosis ab, sodass eine exakte Normalverteilung einen Wert von 0 hat.
Was bedeutet eine positive Exzess-Kurtosis (Leptokurtisch)?
Eine positive Exzess-Kurtosis zeigt an, dass die Verteilung schwerere Ränder (Tails) und einen spitzeren Gipfel als eine Normalverteilung hat, was auf mehr extreme Ausreißer hindeutet.
Was bedeutet eine negative Exzess-Kurtosis (Platykurtisch)?
Ein negativer Wert bedeutet, dass die Verteilung flacher ist und leichtere Ränder aufweist als die Normalverteilung. Es gibt weniger extreme Ausreißer.
Welche Datenformate werden für die Eingabe unterstützt?
Sie können einfache numerische Werte in das Textfeld eingeben, die durch Kommas, Leerzeichen oder Zeilenumbrüche getrennt sind (z. B. 2, 3, 4, 5, 6, 30).
Kann ich zusätzliche statistische Kennzahlen berechnen lassen?
Ja, durch Aktivieren der Option 'Zusammenfassende Statistik einschließen' erhalten Sie neben der Kurtosis weitere grundlegende Metriken zu Ihrem Datensatz.