主要内容

测试

一个样本和成对样本t以及

折叠所有页面

语法

h=t试验（x）
h=t试验（x，y）
h=T测试（x，y，名称，值）
h = tt (x, m)
h=t测试（x，m，名称，值）
[h，p]=t试验(＿＿＿）
[h，p，ci，stats]=t测试(＿＿＿）

描述

例子

h=测试(x）返回null假设的测试决定x来自均值等于零且方差未知的正态分布，使用一个样本t以及．另一种假设是总体分布的均值不等于零。结果h是1如果测试在5%显著性水平上拒绝了无效假设，以及0否则。

例子

h=测试(x，y）返回null假设的测试决定x–y来自均值为零且方差未知的正态分布，使用配对样本t-测试。

例子

h=测试(x，y，名称,值）返回配对样本的测试决定t-test带有由一个或多个名称-值对参数指定的附加选项。例如，可以更改显著性级别或进行单边测试。

例子

h=测试(x，米）返回null假设的测试决定x来自均值的正态分布米和未知方差。另一种假设是，均值不是米．

例子

h=测试(x，米，名称,值）返回一个样本的测试决定t-test带有由一个或多个名称-值对参数指定的附加选项。例如，可以更改显著性级别或进行单边测试。

例子

［h，p]=测试(＿＿＿）还返回p值,p，使用前面语法组中的任何输入参数。

例子

［h，p，ci，统计数据]=测试(＿＿＿）也返回置信区间ci为了平均x,或x–y成对的t-测试，以及结构统计数据包含有关测试统计的信息。

例子

全部折叠

打开实时脚本

加载示例数据。创建一个包含股票返回数据的第三列的向量。

负载股票收益x=股票（：，3）；

检验样本数据来自均值等于零的总体的零假设。

[h，p，ci，stats]=t测试（x）
h = 1
p=0.0106
词=2×1-0.7357 -0.0997
统计数据=结构体字段:Tstat: -2.6065 df: 99 sd: 1.6027

返回值h = 1表明测试在5%显著性水平上拒绝零假设。

打开实时脚本

加载示例数据。创建一个包含股票返回数据的第三列的向量。

负载股票收益x=股票（：，3）；

检验零假设，即样本数据来自1%显著性水平下平均值等于零的总体。

h = tt (x 0“阿尔法”,0.01)
h = 0

返回值h = 0表明测试在1%显著性水平上不拒绝零假设。

打开实时脚本

加载样本数据。创建包含数据矩阵第一列和第二列的向量，以表示学生在两次考试中的成绩。

负载examgradesx=等级（：，1）；y=等级（：，2）；

检验零假设，即数据向量之间的成对差异x和y平均值等于零。

(h p) = tt (x, y)
h = 0
p=0.9805

的返回值h = 0表明测试不拒绝默认5%显著性水平的无效假设。

打开实时脚本

加载样本数据。创建包含数据矩阵第一列和第二列的向量，以表示学生在两次考试中的成绩。

负载examgradesx=等级（：，1）；y=等级（：，2）；

检验零假设，即数据向量之间的成对差异x和y在1%显著性水平下，平均值等于零。

[h，p]=t试验（x，y，“阿尔法”,0.01)
h = 0
p=0.9805

的返回值h = 0表明测试在1%显著性水平上不拒绝零假设。

打开实时脚本

加载样本数据。创建包含学生考试成绩数据第一列的向量。

负载examgradesx=等级（：，1）；

检验样本数据来自均值分布的零假设m=75．

h = tt (x, 75)
h = 0

的返回值h = 0表明测试在5%显著性水平上不拒绝原假设。

打开实时脚本

加载示例数据。创建一个包含学生考试成绩数据第一列的向量。

负载examgradesx=等级（：，1）；

对比均值大于65的另一种情况，检验数据来自均值等于65的总体的零假设。

h=t试验（x，65，“尾巴”，“对”）
h = 1

的返回值h = 1表明测试在5%显著性水平上拒绝零假设，支持另一种假设，即数据来自均值大于65的总体。

输入参数

全部折叠

样本数据，指定为向量、矩阵或多维数组．测试执行一个单独的t-test沿着每一列返回一个向量的结果。如果y指定样本数据，x和y必须是相同的尺寸。

数据类型：仅有一个的|双重的

样本数据，指定为向量、矩阵或多维数组如果y指定样本数据，x和y必须是相同的尺寸。

数据类型：仅有一个的|双重的

假设总体平均值，指定为标量值。

数据类型：仅有一个的|双重的

名称-值参数

指定可选的逗号分隔的对名称,值论据。名称参数名和价值是对应的值。名称必须出现在引号内。可以以任意顺序指定多个名称和值对参数名称1，值1，…，名称，值．

例子：“尾巴”，“右”，“阿尔法”，0.01在1%显著性水平下进行右尾假设检验。

假设检验的显著性水平，指定为逗号分隔对，包括“阿尔法”和范围(0,1)的标量值。

例子：“阿尔法”，0.01

数据类型：仅有一个的|双重的

要测试平均值的输入矩阵的维数，指定为由逗号分隔的对组成“昏暗”和正整数值。例如，指定“暗”,1测试列的平均值，而“暗”,2测试行的平均值。

例子：“暗”,2

数据类型：仅有一个的|双重的

要评估的替代假设的类型，指定为逗号分隔的对，由“尾巴”其中一个:

  • “两个”-检验替代假设，即总体平均值不是米．

  • “对”-检验总体平均值大于的替代假设米．

  • “左”-检验总体平均值小于米．

测试检验总体平均值为的无效假设米与特定的备择假设相反。

例子：“尾巴”，“对”

输出参数

全部折叠

假设检验结果，返回为1或0．

  • 如果h＝ １，表示拒绝零假设阿尔法显著性水平。

  • 如果h= 0，这表示在阿尔法显著性水平。

p-测试的值，作为范围[0,1]内的标量值返回。p是观察到一个检验统计量与零假设下的观测值相同或更极端的概率。小的值p对无效假设的有效性产生了怀疑。

真实总体平均值的置信区间，作为包含100×（1–阿尔法)%置信区间。

测试统计信息，作为包含以下内容的结构返回：

  • 塔特—测试统计值。

  • df-测试的自由度。

  • sd-估计总体标准差。对于一个配对t-测试，sd的标准差是x–y．

更多关于

全部折叠

单样本t检验

的一个示例t-test是在总体标准差未知的情况下对位置参数的参数检验。

检验统计是

t ＝ x ¯ − μ 年代 / n ，

哪里 x ¯ 是样本的平均值，μ是假设的总体均值，年代是样本的标准偏差，以及n为样本量。在原假设下，检验统计量为Studentt分布与n– 1自由度。

多维数组

多维数组具有两个以上的维度。例如，如果x是一个1×3×4的数组，那么x是一个三维阵列。

第一个Nonsingleton维度

第一个非Singleton维度是大小不等于1的数组的第一个维度x是一个1×2×3×4数组，则第二维是x．

提示

  • 使用sampsizepwr计算：

    • 对应于指定功率和参数值的样本大小；

    • 给定真实参数值时，特定样本大小的功率；

    • 使用指定的样本大小和功率可检测的参数值。

扩展能力

另请参阅

||

在R2006a之前引入

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书