主要内容

kstest2

两个样本kolmogorov-smirnov测试

折叠所有页面

语法

h = kstest2（x1，x2）
h = kstest2 (x1, x2)名称、值)
[h，p] = kstest2（＿＿＿）
[h，p，ks2stat] = kstest2（＿＿＿）

描述

例子

h= kstest2 (x1，x2）返回NULL假设的测试决定，即向量中的数据x1和x2来自相同的连续分布，使用两个样本kolmogorov-smirnov测试．另一种假设是x1和x2来自不同的连续分布。结果h是1如果检验在5%显著性水平上拒绝了原假设，并且0否则。

例子

h= kstest2 (x1，x2，名称,值）返回两个示例Kolmogorov-Smirnov测试的测试决定，其中包含由一个或多个名称-值对参数指定的附加选项。例如，可以更改显著性级别或进行单边测试。

例子

［h，p] = kstest2（＿＿＿）也返回渐近线p价值p，使用前面语法中的任何输入参数。

例子

［h，p，ks2stat] = kstest2（＿＿＿）还返回测试统计ks2stat．

例子

全部折叠

打开直播脚本

从两个不同的Weibull分布生成样本数据。

RNG（1）;再现性的百分比X1 = WBLRND（1,1,1,5）;X2 = WBLRND（1.2,2,1,50）;

测试NULL假设：数据中的数据x1和x2来自相同分布的人群

h = kstest2（x1，x2）
h =逻辑1

的返回值h = 1表示键糟在默认的5%显著性水平上拒绝零假设。

打开直播脚本

从两个不同的Weibull分布生成样本数据。

RNG（1）;再现性的百分比X1 = WBLRND（1,1,1,5）;X2 = WBLRND（1.2,2,1,50）;

测试数据向量的NULL假设x1和x2来自群体，在1％的意义水平下具有相同的分布。

(h p) = kstest2 (x1, x2)'Α', 0.01)
h =逻辑0
P = 0.0317.

的返回值h = 0表示键糟在1％的重要性水平下不会拒绝零假设。

打开直播脚本

从两个不同的Weibull分布生成样本数据。

RNG（1）;再现性的百分比X1 = WBLRND（1,1,1,5）;X2 = WBLRND（1.2,2,1,50）;

测试NULL假设：数据中的数据x1和x2来自具有相同分配的人口，反对替代假设，即CDF分配的CDFx1是否大于CDF的分布x2．

(h、磷、钾)= kstest2 (x1, x2,“尾巴”，“大”）
h =逻辑1
p = 0.0158
k = 0.2800

的返回值h = 1表示键糟拒绝原假设，支持备选假设，即CDF的分布x1是否大于CDF的分布x2，默认5％的意义水平。的返回值k是两个样本Kolmogorov-Smirnov测试的测试统计。

输入参数

全部折叠

来自第一个样本的示例数据，指定为向量。数据向量x1和x2不需要相同的尺寸。

数据类型:单|双

来自第二个样本的示例数据，指定为向量。数据向量x1和x2不需要相同的尺寸。

数据类型:单|双

名称-值参数

指定可选的逗号分隔的对名称,值论点。的名字参数名和价值是相应的价值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子：'尾'，'较大'，'alpha'，0.01指定一个使用替代假设的检验，实证的CDFx1比实证CDF大x2，在1％的意义水平下进行。

假设试验的意义水平，指定为逗号分隔的对组成'Α'和范围(0,1)的标量值。

例子：'alpha'，0.01

数据类型:单|双

要评估的替代假设的类型，指定为逗号分隔的对，由“尾巴”下面是其中之一。

“不平等” 检验替代假设，经验的cdfx1等于?的经验CDFx2．
“大” 检验替代假设，经验的cdfx1比实证CDF大x2．
'小' 检验替代假设，经验的cdfx1小于经验的CDFx2．

如果数据值为x1往往比那些更大x2的经验分布函数x1趋向于小于x2，反之亦然。

例子：“尾巴”,“大”

输出参数

全部折叠

假设测试结果，作为逻辑值返回。

  • 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。

渐近p-测试的值，作为范围(0,1)内的标量值返回。p是观察测试统计学的概率，如零假设下观察到的值。渐近p-value对于大的样本量非常准确，并且被认为对于样本量是相当准确的n1.和N2.，这样的（n1 * n2）/（n1 + n2）≥4．

测试统计量，作为非负标量值返回。

更多关于

全部折叠

两个示例Kolmogorov-Smirnov测试

两样本Kolmogorov-Smirnov检验是非参数假设检验，评估两个样本数据向量在范围内分布的cdfs之间的差异x在每个数据集中。

双边检验使用两个数据向量分布的cdfs之间的最大绝对差值。检验统计量为

D ＊ ＝ 最大限度 x （ | F ＾ 1 （ x ） − F ＾ 2 （ x ） | ） ，

在哪里 F ＾ 1 （ x ） 为x1值小于或等于x和 F ＾ 2 （ x ） 为x2值小于或等于x．

单面测试使用两个数据向量的分布的CDF之间的实际值而不是绝对值。检验统计量为

D ＊ ＝ 最大限度 x （ F ＾ 1 （ x ） − F ＾ 2 （ x ） ） ．

算法

在kstest2，拒绝零假设的决定是基于比较p价值p具有重要性水平α而不是通过比较测试统计数据ks2stat有一个临界值。

参考

[1] Massey，F. J.“Kolmogorov-Smirnov-Smirnov测试的善良测试。”美国统计协会杂志．1951年第46卷253期68-78页。

[2] Miller, L. H. <科尔莫戈罗夫统计百分比表>。美国统计协会杂志．卷。51,273,1956，pp.111-121。

[3] Marsaglia，G.，W. Tsang和J. Wang。“评估Kolmogorov的分布。”统计软件杂志．2003年第8卷第18期

另请参阅

||

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