Коэффициент эксцесса

Коэффициент эксцесса — это числовая характеристика формы распределения случайной величины, показывающая степень «островершинности» (крутизны) кривой плотности вероятности по сравнению с нормальным распределением. В математической статистике эксцесс определяется как четвёртый центральный момент, нормированный на квадрат дисперсии, минус три (для приведения к нулевому значению для нормального распределения). Положительный эксцесс указывает на более острую и высокую вершину с «тяжёлыми» хвостами, отрицательный — на более плоскую вершину с «лёгкими» хвостами.

Определение и математическая формулировка

Пусть \(X\) — случайная величина с математическим ожиданием \(\mu\) и дисперсией \(\sigma^2\). Четвёртый центральный момент определяется как \(\mu_4 = E[(X - \mu)^4]\). Тогда коэффициент эксцесса \(\gamma_2\) (или просто эксцесс) вычисляется по формуле:

\[ \gamma_2 = \frac{\mu_4}{\sigma^4} - 3 \]

Вычитание тройки необходимо, чтобы для нормального распределения, у которого \(\mu_4 / \sigma^4 = 3\), эксцесс равнялся нулю. В некоторых источниках (особенно в зарубежной литературе) под эксцессом понимают именно \(\mu_4 / \sigma^4\) (так называемый «сырой» эксцесс), но в русскоязычной статистической традиции чаще используют приведённое значение.

Выборочный коэффициент эксцесса

Для оценки эксцесса по выборке объёма \(n\) применяют выборочный коэффициент эксцесса:

\[ g_2 = \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum_{i=1}^{n} \left( \frac{x_i - \bar{x}}{s} \right)^4 - \frac{3(n-1)^2}{(n-2)(n-3)} \]

где \(\bar{x}\) — выборочное среднее, \(s\) — выборочное стандартное отклонение (с коррекцией на несмещённость). Эта формула обеспечивает несмещённую оценку для нормального распределения.

Интерпретация значений

Значение коэффициента эксцесса интерпретируется относительно нормального распределения:

• Эксцесс = 0 (мезокуртическое распределение): форма кривой близка к нормальной. Пример: стандартное нормальное распределение.
• Эксцесс > 0 (лептокуртическое распределение): распределение имеет более острую вершину и более «тяжёлые» хвосты по сравнению с нормальным. Это означает, что вероятность экстремальных значений (выбросов) выше. Примеры: распределение Стьюдента с малым числом степеней свободы, распределение Лапласа.
• Эксцесс < 0 (платикуртическое распределение): распределение имеет более плоскую вершину и более «лёгкие» хвосты. Вероятность экстремальных значений ниже. Примеры: равномерное распределение, бета-распределение с определёнными параметрами.

Важно: эксцесс характеризует не только вершину, но и хвосты распределения. Положительный эксцесс часто обусловлен именно «тяжёлыми» хвостами, а не только остротой пика.

Классификация и связь с другими характеристиками

Типы распределений по эксцессу

1. Мезокуртические — эксцесс около нуля (нормальное распределение).
2. Лептокуртические — положительный эксцесс (распределения с «тяжёлыми» хвостами).
3. Платикуртические — отрицательный эксцесс (распределения с «лёгкими» хвостами).

Связь с асимметрией

Эксцесс и асимметрия (третий центральный момент) — независимые характеристики формы, но оба используются для описания отклонений от нормальности. Для симметричных распределений асимметрия равна нулю, а эксцесс может быть любым.

Ограничения

• Эксцесс чувствителен к выбросам, так как четвёртая степень усиливает влияние далёких от центра значений.
• Для распределений с бесконечной дисперсией (например, распределение Коши) эксцесс не определён.

Применение

В статистическом анализе данных

• Проверка нормальности: коэффициент эксцесса используется совместно с асимметрией для оценки соответствия данных нормальному распределению (критерий Д’Агостино, тест Харке — Бера).
• Финансовая математика: в анализе доходностей активов эксцесс указывает на риск экстремальных колебаний (так называемый «риск хвоста»). Высокий эксцесс — признак возможных «чёрных лебедей».
• Обработка сигналов: эксцесс применяется для обнаружения импульсных помех и выбросов.

В эконометрике

• Модели с «тяжёлыми» хвостами (например, GARCH с t-распределением) используют эксцесс для более точного описания финансовых временных рядов.

В технических науках

• В контроле качества: эксцесс помогает выявлять отклонения от нормального распределения параметров продукции.

Примеры

1. Нормальное распределение: \(\gamma_2 = 0\).
2. Равномерное распределение на отрезке \([a,b]\): \(\gamma_2 = -1.2\) (платикуртическое).
3. Распределение Лапласа: \(\gamma_2 = 3\) (лептокуртическое).
4. Распределение Стьюдента с 5 степенями свободы: \(\gamma_2 = 6\) (лептокуртическое).
5. Экспоненциальное распределение: \(\gamma_2 = 6\) (лептокуртическое).

Интересные факты

• Термин «эксцесс» (от греч. «ἔκκυρτος» — изогнутый наружу) ввёл в статистику Карл Пирсон в начале XX века.
• Для распределений с конечным четвёртым моментом эксцесс может принимать значения от \(-2\) (минимально возможное для распределения Бернулли с \(p=0.5\)) до бесконечности.
• В некоторых областях, например в геофизике, используют «избыточный эксцесс» (excess kurtosis) — то же, что \(\gamma_2\).

Критика и ограничения

• Эксцесс не является единственной мерой «островершинности»; существуют альтернативные показатели, например, коэффициент эксцесса по Муру — Стиглеру.
• Для малых выборок оценка эксцесса может быть сильно смещённой, поэтому требуются поправки (например, формула выше).
• Интерпретация эксцесса как меры «пика» может вводить в заблуждение, так как для многих распределений (например, бимодальных) эксцесс не отражает форму вершины.

Источники

• Кендалл М. Дж., Стюарт А. Теория распределений. — М.: Наука, 1966.
• Боровков А. А. Математическая статистика. — М.: Наука, 1984.
• Крамер Г. Математические методы статистики. — М.: Мир, 1975.
• Joanes D. N., Gill C. A. Comparing measures of sample skewness and kurtosis // Journal of the Royal Statistical Society: Series D (The Statistician). — 1998. — Vol. 47, № 1. — P. 183–189.
• DeCarlo L. T. On the meaning and use of kurtosis // Psychological Methods. — 1997. — Vol. 2, № 3. — P. 292–307.