文档帮助中心文档
两个示例t以及
h = ttest2 (x, y)
h=ttest2(x,y,名称,值)
(h p) = ttest2 (___)
(h p, ci,统计)= ttest2 (___)
例子
h= ttest2 (x,y)返回null假设的测试决定,即数据以向量表示x和y来自于均值相等,方差相等但未知的正态分布的独立随机样本,使用两个示例t以及.另一种假设是x和y来自收入不平等的人群。结果h是1如果检验在5%显著性水平上拒绝了原假设,并且0否则。
h= ttest2 (x,y)
h
x
y
1
0
h= ttest2 (x,y,名称,值)返回两个样本的测试决定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,您可以更改显著性水平或在不假设相同方差的情况下进行测试。
h= ttest2 (x,y,名称,值)
名称,值
[h,p) = ttest2 (___)还返回p值,p,使用前面语法中的任何输入参数。
[h,p) = ttest2 (___)
p
[h,p,ci,统计数据) = ttest2 (___)也返回总体均值之差的置信区间,ci,结构统计数据包含测试统计信息。
[h,p,ci,统计数据) = ttest2 (___)
ci
统计数据
全部折叠
加载数据集。创建包含数据矩阵的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 =成绩(:1);y =成绩(:,2);
检验两个数据样本来自均值相等的总体的零假设。
[h p, ci,统计]= ttest2 (x, y)
h = 0
p = 0.9867
ci =2×1-1.9438 - 1.9771
统计=结构体字段:tstat:0.0167 df:238 sd:7.7084
的返回值h = 0表明ttest2在默认的5%显著性水平上不拒绝零假设。
ttest2
检验两个数据向量来自均值相等的总体的零假设,而不假设总体也有相等的方差。
(h p) = ttest2 (x, y,“Vartype”,“不平等”)
的返回值h = 0表明ttest2在默认的5%显著性水平上不拒绝零假设,即使没有假设相同的方差。
样本数据,指定为向量、矩阵或多维数组。ttest2对待南值视为丢失的数据,并忽略它们。
南
如果x和y被指定为向量,它们不需要是相同的长度。
如果x和y指定为矩阵时,它们必须具有相同的列数。ttest2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x和y被指定为多维数组,他们必须有相同的大小,除了第一非辛格尔顿维数.
数据类型:单|双
单
双
如果x和y被指定为多维数组,他们必须有相同的大小,除了第一非辛格尔顿维数.ttest2沿着第一个非单例维度工作。
指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家.
的名字
价值
Name1, Value1,…,的家
“尾巴”,“对”,“阿尔法”,0.01,“Vartype”,“不平等”
α
0.05
假设检验的显著性水平,指定为逗号分隔对组成“α”和范围(0,1)的标量值。
“α”
例子:“阿尔法”,0.01
“阿尔法”,0.01
昏暗的
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“暗”和一个正整数。例如,指定“暗”,1测试列的意思,而“暗”,2测试行的含义。
“暗”
“暗”,1
“暗”,2
例子:“暗”,2
尾巴
“两个”
“对”
“左”
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:
“尾巴”
“两个”-对备选假设的检验,即总体均值不相等。
“对”-对备选假设的检验,即总体均值x是否大于总体均值y.
“左”-对备选假设的检验,即总体均值x是否小于总体均值y.
ttest2检验零假设,即总体均值与指定的备择假设相等。
例子:“尾巴”,“对”
“尾巴”,“对”
Vartype
“平等”
“不平等”
方差类型,指定为逗号分隔的对,由“Vartype”下面是其中之一。
“Vartype”
Vartype必须是单一的方差类型,即使什么时候x是一个矩阵或多维数组。
例子:“Vartype”、“不平等”
“Vartype”、“不平等”
假设检验结果,返回为1或0.
如果h= 1,表示拒绝零假设α显著性水平。
= 1
如果h= 0,这表示在α显著性水平。
= 0
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。
的总体均值差的置信区间x和y,返回为包含100 ×(1 -)的上下边界的双元素向量α) %置信区间。
两个样本的检验统计量t-test,返回一个包含以下内容的结构:
tstat—测试统计值。
tstat
df-测试的自由度。
df
sd-总体标准差的汇总估计(对于方差相等的情况)或包含总体标准差的未汇总估计(对于方差不等的情况)的向量。
sd
这两个示例t-test是对两个独立数据样本的位置参数进行比较的参数检验。
检验统计量为
t = x ¯ − y ¯ 年代 x 2 n + 年代 y 2 米 ,
在哪里 x ¯ 和 y ¯ 是样本均值,年代x和年代y是样本标准差,和n和米为样本容量。
在假设两个数据样本来自方差相等的总体的情况下,零假设下的检验统计量为Studentt分布与n+米- 2自由度,并将样本标准差替换为合并标准差
年代 = ( n − 1 ) 年代 x 2 + ( 米 − 1 ) 年代 y 2 n + 米 − 2 .
在不假设两个数据样本来自方差相等的总体的情况下,零假设下的检验统计量近似为Studentt由Satterthwaite近似给出的具有多个自由度的分布。这种测试有时被称为韦尔奇测试t以及。
多维数组具有两个以上的维度。例如,如果x是1乘3乘4的数组吗x是一个三维阵列。
第一个非单元素维度是大小不等于1的数组的第一个维度。例如,如果x是一个1 × 2 × 3 × 4的数组,那么第二个维是第一个非单维x.
使用sampsizepwr计算:
sampsizepwr
对应指定功率和参数值的样本量;
给定真实参数值,某一特定样本容量所获得的功率;
参数值可检测与规定的样本量和功率。
该功能完全支持GPU阵列。金宝app有关更多信息,请参见在GPU上运行MATLAB函数(并行计算工具箱).
tt|中兴通讯|sampsizepwr
tt
中兴通讯
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系