主要内容

vartest

卡方测试方差

折叠所有页面

语法

h = vartest (x, v)
h = vartest (x, v,名称,值)
(h p) = vartest (＿＿＿）
(h p, ci,统计)= vartest (＿＿＿）

描述

例子

h= vartest (x，v）返回null假设的测试决定，即向量中的数据x来自方差正态分布v,使用卡方测试方差．另一种假设是x来自于方差不同的正态分布。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= vartest (x，v，名称,值）使用由一个或多个名称-值对参数指定的附加选项执行卡方方差测试。例如，可以更改显著性级别或进行单边测试。

例子

［h，p) = vartest (＿＿＿）还返回p-测试值，p，使用前面语法中的任何输入参数。

例子

［h，p，ci，统计数据) = vartest (＿＿＿）也返回真实方差的置信区间，ci，结构统计数据包含测试统计信息。

例子

全部折叠

打开生活的脚本

加载示例数据。创建一个包含学生考试成绩矩阵第一列的向量。

负载examgradesx =成绩(:1);

检验数据来自一个方差为25的分布的零假设。

[h p, ci,统计]= vartest (x, 25)
h = 1
p = 0
ci =2×159.8936 - 99.7688
统计=结构体字段:Chisqstat: 361.9597 df: 119

返回值h = 1表明vartest在默认的5%显著性水平上拒绝零假设。ci显示了真实方差的95%置信区间的上下边界，并表明真实方差大于25。

打开生活的脚本

加载示例数据。创建一个包含学生考试成绩矩阵第一列的向量。

负载examgradesx =成绩(:1);

对数据来自方差为25的分布的零假设和方差大于25的备择假设进行检验。

(h p) = vartest (x, 25岁,“尾巴”，“对”）
h = 1
p = 2.4269 e-26

的返回值h = 1表明vartest在默认的5%显著性水平上拒绝零假设，支持方差大于25的备择假设。

输入参数

全部折叠

样本数据，指定为向量、矩阵或多维数组。对矩阵,vartest的每一列执行单独的测试x，并返回结果的行向量。为多维数组，vartest工作在第一个nonsingleton维度的x．

数据类型:单|双

假设方差，指定为非负标量值。

数据类型:单|双

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:“尾巴”,“对”,“阿尔法”,0.01指定在1%显著性水平下的右尾假设检验。

假设检验的显著性水平，指定为逗号分隔对组成“α”和范围(0,1)的标量值。

例子:“阿尔法”,0.01

数据类型:单|双

要测试的输入矩阵的维数，指定为逗号分隔对组成“暗”和一个正整数。例如,指定“暗”,1测试每一列的数据是否与假设方差相等，而“暗”,2测试每一行中的数据。

例子:“暗”,2

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。

“两个” 检验另一个假设，即总体方差不是v．
“对” 检验备选假设，即总体方差大于v．
“左” 检验总体方差小于的备择假设v．

例子:“尾巴”,“对”

输出参数

全部折叠

假设检验结果，返回为1或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。

真实方差的置信区间，返回为包含100 ×(1 -)的上下边界的两个元素向量α) %置信区间。

卡方方差检验的检验统计量，返回为包含:

  • chisqstat—测试统计值。

  • df-测试的自由度。

更多关于

全部折叠

卡方测试方差

卡方方差检验用于检验总体方差是否等于假设值。

检验统计量为

T ＝ （ n − 1 ） （ 年代 σ 0 ） 2 ，

在哪里n为样本量，年代是样本标准差，和σ0为假设标准差。分母是样本标准差与假设标准差之比。这个比值离1越远，你就越有可能拒绝零假设。测试数据T有卡方分布吗n- 1零假设下的自由度。

多维数组

多维数组有两个以上的维度。例如,如果x是1乘3乘4的数组吗x是一个三维阵列。

第一个Nonsingleton维度

第一个非单元素维度是大小不等于1的数组的第一个维度。例如,如果x是一个1 × 2 × 3 × 4的数组，那么第二个维是第一个非单维x．

提示

  • 使用sampsizepwr计算:

    • 对应指定功率和参数值的样本量;

    • 给定真实参数值，某一特定样本容量所获得的功率;

    • 参数值可检测与规定的样本量和功率。

扩展功能

另请参阅

||

之前介绍过的R2006a

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