假设检验的假设
不同的假设测试做出不同的假设随机变量的分布中采样数据。这些假设必须考虑当选择一个测试和解释结果。
例如,z以及(中兴通讯)和t以及(tt)假设独立样本来自正态分布的数据。统计和机器学习工具箱™函数可用于测试这个假设,如chi2gof,制造商jbt,lillietest,normplot。
这两个z以及和t以及相对强劲的偏离这一假设,只要样本容量n足够大。这两个测试样本均值计算 由中央极限定理,大约有一个正常抽样分布的意思等于总体均值μ,无论人口分布的采样。
之间的差异z以及和t以及标准偏差的假设σ潜在的正态分布。一个z以及假设σ是已知的;一个t以及没有。因此,t以及必须计算估计年代从样本的标准偏差。
测试统计数据z以及和t以及分别是
在虚假设条件下,人口分布的意思μ,z统计标准正态分布,N(0,1)。在相同的零假设下,t统计学生的t分布与n- 1自由度。对于小样本大小,学生的t分布是奉承和更广泛的比N(0,1),补偿减少估计的信心年代。然而,随着样本量的增加,学生的t标准正态分布分布方法,两个测试成为本质上是等价的。
了解检验统计量的分布在虚假设条件下允许精确的计算p值。解释p上下文中的值测试假设允许批判性分析测试结果。
假设基础统计和机器学习工具箱假说测试给出了参考页面实现功能。
