主要内容
假设测试假设
不同的假设测试对数据中的随机变量的分布进行了不同的假设。在选择测试和解释结果时，必须考虑这些假设。
例如，Z.-测试 （ZTEST.）和T.-测试 （TTEST.）两者都假设数据从正态分布中独立地采样。统计和机器学习工具箱™功能可用于测试此假设，例如Chi2gof.那Jbtest.那莉莉亚特， 和normplot.。
这俩Z.- 最低和T.- 对于从这个假设的偏离偏离偏离这种假设，最长时间是相对强劲的N足够大。两个测试都计算样本意味着 ，其中，通过中央极限定理，具有大致正常的采样分布，平均等于群体的平均值μ.，无论被取样的人口分布如何。
之间的差异Z.- 最低和T.- 测试是假设标准偏差σ.潜在的正态分布。一种Z.- 最低假定σ.已知;一种T.- 最低。结果，一个T.- 最低必须计算估计S.标准偏差与样品。
测试统计数据Z.- 最低和T.- 最低，分别是，
在零假设下，群体分布为平均值μ.， 这Z.- 间法具有标准的正态分布，N（0,1）。在相同的零假设下T.- 史泰特有学生的T.分销N- 1度自由。对于小型样本尺寸，学生的T.分布比较突出，宽N（0,1），补偿对估计的置信度下降S.。然而，随着样本大小的增加，学生T.分布接近标准的正态分布，两个测试基本上是等效的。
知道在空假设下测试统计的分布允许准确计算P.- 值。解释P.- 在测试假设的上下文中的值允许对测试结果进行批判性分析。
在参考页面中给出了基础统计和机器学习工具箱假设测试的假设，用于实现功能。
相关话题
您还可以从以下列表中选择一个网站：
