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。