Points clés
- Catégorie
- Maths, dates et finance
- Types d’entrée
- textarea, select, number, checkbox
- Type de sortie
- json
- Couverture des échantillons
- 0
- API disponible
- Yes
Vue d’ensemble
Le Calculateur de kurtosis est un outil statistique permettant d'évaluer l'aplatissement et le poids des queues d'une distribution de données. En saisissant une série de nombres, vous obtenez instantanément la kurtosis brute et la kurtosis excédentaire. Il est idéal pour déterminer si vos données présentent des valeurs extrêmes plus fréquentes (queues lourdes) ou moins fréquentes (queues légères) par rapport à une distribution normale, avec des options pour ajuster les décimales et inclure des statistiques de synthèse.
Quand l’utiliser
- •Pour analyser le risque financier et la volatilité en identifiant la probabilité de rendements extrêmes dans un portefeuille.
- •Lors du contrôle qualité pour vérifier si un processus de fabrication produit un nombre anormal de défauts extrêmes.
- •Pour valider les hypothèses de normalité avant d'appliquer certains tests statistiques paramétriques sur un jeu de données.
Comment ça marche
- •Saisissez ou collez votre jeu de données numériques dans le champ texte, en séparant les valeurs par des virgules.
- •Choisissez le type de résultat souhaité : kurtosis excédentaire, kurtosis brute, ou les deux.
- •Ajustez le nombre de décimales et choisissez d'inclure ou non les statistiques de synthèse.
- •L'outil calcule instantanément les métriques et renvoie les résultats au format JSON.
Cas d’usage
Exemples
1. Analyse d'un point extrême
Analyste de données- Contexte
- Un analyste souhaite comprendre l'impact d'une valeur aberrante sur la distribution d'un petit échantillon.
- Problème
- Mesurer rapidement la kurtosis pour voir si la distribution présente des queues lourdes.
- Comment l’utiliser
- Saisir `2, 3, 4, 5, 6, 30`, sélectionner `Excedentaire et brute` et définir les décimales sur 4.
- Configuration d’exemple
-
kurtosisOutput: both, decimalPlaces: 4 - Résultat
- L'outil renvoie une kurtosis brute de 4.076 et une kurtosis excédentaire de 1.076, confirmant la présence d'une queue lourde due à la valeur 30.
2. Vérification de la normalité des rendements
Analyste financier- Contexte
- L'analyste étudie les rendements mensuels d'un actif pour évaluer le risque de pertes extrêmes.
- Problème
- Déterminer si les rendements suivent une distribution normale ou s'ils présentent un risque de queue (tail risk).
- Comment l’utiliser
- Coller les rendements historiques dans le champ de données et sélectionner `Kurtosis excedentaire`.
- Configuration d’exemple
-
kurtosisOutput: excess, includeSummaryStatistics: true - Résultat
- Le calcul révèle une kurtosis excédentaire positive élevée, alertant l'analyste sur un risque de volatilité extrême supérieur à celui d'une distribution normale.
Hubs associés
FAQ
Quelle est la différence entre la kurtosis brute et excédentaire ?
La kurtosis brute d'une distribution normale est de 3. La kurtosis excédentaire soustrait 3 à cette valeur, fixant ainsi la référence de la distribution normale à 0 pour faciliter les comparaisons.
Que signifie une kurtosis excédentaire positive ?
Une valeur positive (distribution leptokurtique) indique des queues plus lourdes et un pic plus pointu qu'une distribution normale, signalant une plus forte probabilité de valeurs extrêmes.
Que signifie une kurtosis excédentaire négative ?
Une valeur négative (distribution platykurtique) indique des queues plus légères et un pic plus plat, ce qui signifie que les données sont moins sujettes aux valeurs extrêmes.
Comment dois-je formater mes données d'entrée ?
Saisissez simplement vos nombres dans le champ de texte, en les séparant par des virgules (par exemple : 2, 3, 4, 5, 6, 30).
Puis-je ajuster la précision des résultats ?
Oui, vous pouvez définir le nombre de décimales (de 0 à 10) pour adapter la précision des calculs à vos besoins.