tt假定数据来自正态分布和合理使用大样本大小。样本数据似乎违反这两个假设。而不是使用一个参数测试,我强烈要求你使用引导置信区间从这些假设都是免费的(当然,但仍需要几件样品)。
这个演示使用
bootci ()
从统计和机器学习的工具箱来计算样品的95%置信区间基于百分比的方法。到1000年,这个数字增加样本容量放回抽样计算95%置信区间。如果预期的意思(μ)是区间外,您可以假定数据来自一个不同的分布比distrubtuion用来计算预期的意思。
μ= 2.366;%总体均值
示例= (2.180213,2.178298,2.310851,2.114255,3.012553,2.69234,2.079787);
bci = bootci(1000年,{@mean、样品},“α”,0.05,“类型”,“每”)
isdiff = ~所有(符号(mu-bci) = = [1; 1])% 0 /错误意味着μ95%置信区间内的样本
