Menjalankan Ujian
Apakah Ujian Larian?
Ujian larian ialah prosedur statistik yang mengkaji sama ada satu s tring data berlaku secara rawak daripada taburan tertentu. Ujian larian menganalisis kejadian serupa yang dipisahkan oleh peristiwa yang berbeza.
Dalam pelaburan, ujian larian boleh menjadi penting bagi pelabur untuk menentukan sama ada set data yang mereka gunakan dijana secara rawak atau jika ia dipengaruhi oleh pembolehubah asas. Pedagang yang menumpukan pada analisis teknikal boleh menggunakan ujian larian untuk membantu menganalisis tindakan harga sekuriti.
Memahami Ujian Larian
Larian ialah satu siri peningkatan atau penurunan nilai, sering diwakili pada carta dengan simbol tambah (+) atau tolak (-). Dalam statistik, ujian larian membantu menentukan rawak data dengan mendedahkan sebarang pembolehubah yang mungkin memberi kesan kepada corak data.
Sebagai contoh, senarai nombor satu digit yang benar-benar rawak seharusnya hanya mempunyai beberapa kejadian di mana urutan nombor menaik secara berangka. Walau bagaimanapun, dalam banyak kes, sukar untuk menegaskan kerawak data di mana terdapat beribu-ribu jujukan dalam rentetan data. Oleh itu, ujian larian dicipta sebagai kaedah objektif untuk menentukan rawak.
Jenis Ujian Larian
Ujian larian ialah versi pendek nama penuh: ujian larian Wald–Wolfowitz, dinamakan sempena ahli matematik Abraham Wald dan Jacob Wolfowitz. Ujian Wald-Wolfowitz ialah ujian statistik bukan parametrik,. yang bermaksud data yang dianalisis tidak perlu memenuhi andaian atau parameter tertentu. Ujian Wald-Wolfowitz boleh digunakan untuk mengkaji hipotesis bahawa pembolehubah dalam rentetan data adalah saling bebas.
Sesetengah ahli statistik percaya satu lagi jenis ujian larian—ujian Kolmogorov–Smirnov—adalah alat yang lebih baik daripada ujian Wald-Wolfowitz untuk mengesan perbezaan antara pengedaran. Ujian Kolmogorov-Smirnov ialah sejenis ujian kesesuaian yang menunjukkan sama ada data sampel yang diuji mewakili corak taburan normal atau jika data itu terpesong. Ujian ini menetapkan percanggahan antara nilai dalam data sampel dan model taburan normal.
Faedah Ujian Larian
Model ujian runs adalah penting dalam menentukan sama ada sesuatu hasil percubaan adalah benar-benar rawak, terutamanya dalam kes di mana data rawak berbanding data berurutan mempunyai implikasi untuk teori dan analisis seterusnya. Ujian larian boleh menjadi alat yang berharga untuk pelabur yang menggunakan analisis teknikal untuk membuat keputusan perdagangan mereka. Pedagang ini menganalisis arah aliran statistik, seperti pergerakan harga dan volum,. untuk melihat peluang dagangan yang berpotensi menguntungkan. Adalah penting untuk pedagang ini memahami pembolehubah asas yang boleh memberi kesan kepada pergerakan harga dan ujian larian boleh membantu dengan perkara ini.
Dua cara berkuasa peniaga boleh menggunakan ujian larian termasuk:
Menguji kerawak taburan, dengan mengambil data dalam susunan yang diberikan dan menandakan dengan tambah (+) data yang lebih besar daripada median,. dan dengan tolak (-) data kurang daripada median (nombor yang sama dengan median adalah ditinggalkan.)
Menguji sama ada fungsi sesuai dengan set data, dengan menandakan data melebihi nilai fungsi dengan + dan data lain dengan −. Untuk kegunaan ini, ujian larian, yang mengambil kira tanda tetapi bukan jarak, adalah pelengkap kepada ujian khi kuasa dua,. yang mengambil kira jarak tetapi bukan tanda.
Sorotan
Ujian larian ialah analisis statistik yang membantu menentukan rawak data dengan mendedahkan sebarang pembolehubah yang mungkin mempengaruhi corak data.
Ujian larian, juga dikenali sebagai ujian larian Wald–Wolfowitz, telah dibangunkan oleh ahli matematik Abraham Wald dan Jacob Wolfowitz.
Pedagang teknikal boleh menggunakan ujian larian untuk menganalisis arah aliran statistik dan membantu melihat peluang dagangan yang menguntungkan.
Sebagai contoh, pelabur yang berminat untuk menganalisis pergerakan harga saham tertentu mungkin menjalankan ujian larian untuk mendapatkan cerapan tentang kemungkinan tindakan harga saham tersebut pada masa hadapan.
