主要内容

Chi2gof.

Chi-Square良好的测试

页面上倒塌

语法

h = chi2gof (x)
h = chi2gof (x、名称、值)
(h p) = chi2gof (＿＿＿）
(h p统计)= chi2gof (＿＿＿）

描述

例子

h= chi2gof (x）返回对向量中的数据的零假设的测试决定x来自于一个正态分布，其平均值和方差由x， 使用Chi-Square良好的测试．另一种假设是，数据不是来自这样的分布。结果h是1如果测试在5％的意义水平下拒绝零假设，并且0否则。

例子

h= chi2gof (x，名称,值）返回Chi-Square拟合测试的测试决定，并使用一个或多个名称值对参数指定的其他选项。例如，您可以测试除正常的分布，或更改测试的显着级别。

例子

［h，p] = CHI2GOF（＿＿＿）也返回p-价值p在假设测试中，使用来自先前语法的任何输入参数。

例子

［h，p，统计] = CHI2GOF（＿＿＿）也返回结构统计，包含测试统计信息。

例子

全部折叠

打开直播脚本

创建标准的正常概率分布对象。生成数据矢量x使用分布中的随机数。

pd = makedist (“正常”）;rng默认；%的再现性x =随机（PD，100,1）;

测试数据中的NULL假设x来自一个正常分布的人口。

h = chi2gof (x)
h = 0

返回值h = 0表示Chi2gof.在默认的5%显著性水平上不拒绝零假设。

打开直播脚本

创建标准的正常概率分布对象。生成数据矢量x使用分布中的随机数。

pd = makedist (“正常”）;rng默认；%的再现性x =随机（PD，100,1）;

测试数据中的NULL假设x来自于1%显著性水平的正态分布的总体。

(h p) = chi2gof (x,'Α', 0.01)
h = 0
p = 0.3775

返回值h = 0表示Chi2gof.在1%显著性水平上不拒绝零假设。

打开直播脚本

加载灯泡寿命样本数据。

负载灯泡

从数据矩阵的第一列创建一个向量，其中包含灯泡的生命周期(以小时为单位)。

x =灯泡(:1);

测试数据中的NULL假设x来自一个威布尔分布的种群。使用fitdist来创建一个概率分布对象一个和B根据数据估计的参数。

pd = fitdist（x，“威布尔”）;h = chi2gof (x),“提供”, pd)
h = 1

返回值h = 1表示Chi2gof.拒绝默认5％的显着性水平下的空假设。

打开直播脚本

创建6个容器，编号为0到5，用于数据池。

箱= 0：5;

创建一个包含每个箱子的观察计数的向量，并计算观察总数。

掩盖= [6 16 10 12 4 2];n = sum（掩盖）;

对数据拟合一个泊松概率分布对象，并计算每个容器的期望计数。使用转置算子。转换垃圾箱和obsCounts从行向量到列向量。

pd = fitdist（bins'，“泊松”，'频率'obsCounts ');expcount = n * pdf(pd,bins);

测试数据中的NULL假设obsCounts来自泊松分布，其中lambda参数等于lambdahat．

[h，p，st] = chi2gof（垃圾箱，'ctrs'垃圾箱,......'频率'obsCounts,......'预期的'expCounts,......“NParams”, 1)
h = 0
p = 0.4654
圣=结构体字段:chi2stat: 2.5550 df: 3 edges: [-0.5000 0.5000 1.5000 2.5000 3.5000 5.5000] O: [6 16 10 12 6] E: [7.0429 13.8041 13.5280 8.8383 6.0284]

返回值h = 0表示Chi2gof.在默认的5%显著性水平上不拒绝零假设。向量E包含null假设下每个容器的预期计数O包含每个垃圾箱的观察到的计数。

打开直播脚本

使用概率分布函数normcdf作为Chi-Square的拟合性测试中的功能手柄（Chi2gof.）．

测试输入向量中的样本数据的空假设x来自一个带参数的正态分布µ和σ等于平均值​​（的意思是)及标准偏差(STD.）分别的样本数据。

rng (“默认”）%的再现性X = NORMRND（50,5,100,1）;h = chi2gof (x),“提供”，{@ normcdf，均值（x），std（x）}）
h = 0

返回的结果h = 0表示Chi2gof.在默认的5%显著性水平上不拒绝零假设。

输入参数

全部折叠

假设测试的样本数据，指定为向量。

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。姓名参数名和价值是相应的价值。姓名必须出现在引号内。您可以以任何顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“α”NBins, 8日,0.01将数据汇总为八个垃圾箱，并在1％的显着性水平下进行假设试验。

用于数据池的容器数量，指定为逗号分隔对组成“NBins”和一个正整数。如果指定的值nbins.，则不指定值CTRS.或者边缘．

例子:“NBins”,8

数据类型:单身的|双

Bin中心，指定为逗号分隔的对，由'ctrs'以及每个箱子的中心值的向量。如果指定的值CTRS.，则不指定值nbins.或者边缘．

例子:'CTRS'，[1 2 3 4 5]

数据类型:单身的|双

Bin边，指定为逗号分隔对，由“边缘”以及每个箱子的边值向量。如果指定的值边缘，则不指定值nbins.或者CTRS.．

例子:'边'，[ - 2.5 -1.5 -0.5 0.5 1.5 2.5]

数据类型:单身的|双

假设分布的CDF，指定为逗号分隔对组成“提供”和概率分布对象，功能句柄或单元阵列。

  • 如果提供是一个概率分布对象，自由度说明你是否使用估计参数fitdist或者使用制造主义者．

  • 如果提供一个函数的句柄，是分布函数必须取的吗x作为它唯一的争论。

  • 如果提供是单元格数组，第一个元素必须是函数句柄，其余元素必须是参数值，每个单元格一个。函数必须x作为它的第一个参数，数组中的其他参数作为后面的参数。

如果指定的值提供，则不指定值预期的．

例子:“提供”,pd_object

数据类型:单身的|双

指定为逗号分隔的对的每个容器的预期计数'预期的'和非负值的矢量。如果预期的取决于估计的参数，使用NParams以确保Chi2gof.正确计算自由度。如果指定的值预期的，则不指定值提供．

例子:'Expected'，[19.1446 18.3789 12.3224 8.2432 4.1378]

数据类型:单身的|双

用于描述空分布的估计参数的数量，指定为逗号分隔对组成“NParams”和一个正整数。这个值根据用于计算cdf或预期计数的估计参数的数量来调整测试的自由度。

默认值NParams这取决于你如何指定空分布:

  • 如果您指定提供作为一个概率分布对象，NParams等于用于创建对象的估计参数的数量。

  • 如果您指定提供作为函数名或句柄，默认值为NParams是0．

  • 如果您指定提供作为单元格数组，默认值为NParams是数组中的参数个数。

  • 如果您指定预期的，默认值NParams是0．

例子:'nparams'，1

数据类型:单身的|双

每个容器的最小期望计数，指定为逗号分隔的对，由“EMin”和一个非负整数值。如果任意尾部的垃圾桶的期望值小于艾敏，将其与相邻的容器合并，直到每个极端容器的计数至少为5。如果任何内部垃圾箱的计数小于5，Chi2gof.显示警告，但不合并内部的垃圾箱。在这种情况下，您应该使用更少的容器，或提供容器中心或边缘，以增加所有容器中的预期计数。指定艾敏作为0防止垃圾箱的组合。

例子:艾敏,0

数据类型:单身的|双

数据值的频率，指定为逗号分隔对组成'频率'一个非负整数值的向量和这个向量的长度相同x．

例子:'Frequency'，[20 16 13 10 8]

数据类型:单身的|双

假设试验的意义水平，指定为逗号分隔对组成'Α'和范围(0,1)的标量值。

例子:'alpha'，0.01

数据类型:单身的|双

输出参数

全部折叠

假设检验结果，返回为1或者0．

  • 如果h= 1，表示拒绝零假设α显著性水平。

  • 如果h= 0，这表示在α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。

测试统计信息，作为包含以下内容的结构返回：

  • chi2stat- 测试统计值。

  • df- 测试自由度。

  • 边缘- 汇集后的箱边缘矢量。

  • O- 每个垃圾箱的观察计数矢量矢量图。

  • E- 每个垃圾箱的预期计数矢量。

更多关于

全部折叠

卡方拟合优度检验

Chi-Square的拟合测试确定数据样本是否来自指定的概率分布，参数估计来自数据。

测试将数据分为垃圾箱，计算这些垃圾箱的观察和预期计数，并计算Chi-Square测试统计数据

χ 2 ＝ σ. 我 ＝ 1 N （ O 我 - E 我 ） 2 / E 我 ，

在哪里O我观察到的计数和E我是基于假设分布的预期计数。当计数足够大时，测试统计数据具有近似的Chi-Square分布。

算法

Chi2gof.将测试统计值与具有等于的自由度的Chi-Square分布进行比较nbins- 1 -nparams,在那里nbins用于数据池和的容器的数量nparams用于确定预期计数的估计参数的数量。如果没有足够的自由度来进行测试，Chi2gof.返回p值为南．

扩展能力

另请参阅

|

主题

在R2006A之前介绍

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