chi2gof
卡方拟合优度检验
描述
例子
正态分布的检验
创建标准的正态概率分布对象。生成数据向量x
使用分布中的随机数。
Pd = makedist(“正常”);rng默认的;再现率%X = random(pd,100,1);
检验数据中的零假设x
来自于正态分布的总体。
H = chi2gof(x)
H = 0
返回值H = 0
表明chi2gof
在默认的5%显著性水平上不拒绝零假设。
在不同显著性水平上检验假设
创建标准的正态概率分布对象。生成数据向量x
使用分布中的随机数。
Pd = makedist(“正常”);rng默认的;再现率%X = random(pd,100,1);
检验数据中的零假设x
来自于1%显著性水平正态分布的总体。
[h,p] = chi2gof(x,“α”, 0.01)
H = 0
P = 0.3775
返回值H = 0
表明chi2gof
在1%的显著性水平上不拒绝原假设。
用概率分布对象检验威布尔分布
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,其中包含灯泡的寿命(以小时为单位)。
X =灯泡(:,1);
检验数据中的零假设x
来自具有威布尔分布的总体。使用fitdist
创建一个概率分布对象一个
而且B
由数据估计的参数。
Pd = fitdist(x,“威布尔”);H = chi2gof(x,“提供”, pd)
H = 1
返回值H = 1
表明chi2gof
在默认的5%显著性水平上拒绝零假设。
泊松分布的检验
创建6个容器,编号从0到5,用于数据池。
Bins = 0:5;
为每个箱子创建一个包含观察到的计数的向量,并计算观察到的总数。
obsCounts = [6 16 10 12 4 2];n = sum(obsCounts);
为数据拟合泊松概率分布对象,并计算每个箱子的期望计数。使用转置算子”。
转换垃圾箱
而且obsCounts
从行向量到列向量。
Pd = fitdist(bin ',“泊松”,“频率”obsCounts ');expCounts = n * pdf(pd,bins);
检验数据中的零假设obsCounts
来自一个泊松分布,参数等于lambdaHat
.
[h,p,st] = chi2gof(箱子,“点击率数据”垃圾箱,...“频率”obsCounts,...“预期”expCounts,...“NParams”,1)
H = 0
P = 0.4654
圣=带字段的结构: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
表明chi2gof
在默认的5%显著性水平上不拒绝零假设。向量E
包含零假设下每个箱子的预期计数,和O
包含每个bin的观察计数。
使用函数句柄检验正态分布
使用概率分布函数normcdf
作为卡方拟合优度检验中的函数句柄(chi2gof
).
检验原假设,即样本数据在输入向量中x
来自一个带参数的正态分布µ而且σ等于均值(的意思是
)和标准差(性病
)的样本数据。
rng (“默认”)%用于再现性X = normrnd(50,5100,1);H = chi2gof(x,“提供”, {@normcdf,意味着(x),性病(x)})
H = 0
返回的结果H = 0
表明chi2gof
在默认的5%显著性水平上不拒绝零假设。
输入参数
x
- - - - - -样本数据
向量
假设检验的样本数据,指定为向量。
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名称-值参数必须出现在其他参数之后,但对的顺序无关紧要。
在R2021a之前,使用逗号分隔每个名称和值,并将其括起来的名字
在报价。
例子:“α”NBins, 8日,0.01
将数据集中到8个箱子中,在1%显著性水平下进行假设检验。
NBins
- - - - - -箱数
10
(默认)|正整数值
用于数据池的容器数,指定为逗号分隔的对,由“NBins”
一个正整数值。的值NBins
,不指定值点击率数据
或边缘
.
例子:“NBins”,8
数据类型:单
|双
点击率数据
- - - - - -本中心
向量
Bin中心,指定为逗号分隔的对,由“点击率数据”
以及每个箱子的中心值向量。的值点击率数据
,不指定值NBins
或边缘
.
例子:'Ctrs',[1 2 3 4 5]
数据类型:单
|双
边缘
- - - - - -本边缘
向量
Bin边,指定为逗号分隔的对,由“边缘”
以及每个箱子的边值向量。的值边缘
,不指定值NBins
或点击率数据
.
例子:'Edges',[-2.5 -1.5 -0.5 0.5 1.5 2.5]
数据类型:单
|双
预期
- - - - - -预期的数量
非负值的向量
的逗号分隔对指定的每个bin的预期计数“预期”
和一个非负值的向量。如果预期
取决于估计的参数,使用NParams
为了确保chi2gof
正确计算自由度。的值预期
,不指定值提供
.
例子:'Expected',[19.1446 18.3789 12.3224 8.2432 4.1378]
数据类型:单
|双
艾敏
- - - - - -每个箱子的最小期望计数
5
(默认)|非负整数值
每个bin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。如果任一尾部末端的箱子的期望值小于艾敏
,它与相邻的bin组合,直到每个极端bin中的计数至少为5。如果任何内部容器的计数小于5,chi2gof
显示警告,但不合并内部箱。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,以增加所有容器中的预期计数。指定艾敏
作为0
防止箱子合并。
例子:艾敏,0
数据类型:单
|双
频率
- - - - - -频率
非负整数值的向量
α
- - - - - -显著性水平
0.05
(默认)|范围(0,1)中的标量值
假设检验的显著性水平,由逗号分隔的对组成“α”
和范围(0,1)中的标量值。
例子:“阿尔法”,0.01
数据类型:单
|双
输出参数
更多关于
卡方拟合优度检验
卡方拟合优度检验确定数据样本是否来自指定的概率分布,参数由数据估计。
测试将数据分组到箱子中,计算这些箱子的观察到的和预期的计数,并计算卡方检验统计量
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,检验统计量具有近似卡方分布。
算法
chi2gof
将检验统计量的值与自由度等于的卡方分布进行比较nbins- 1 -nparams,在那里nbins用于数据池和的容器数量是多少nparams用于确定预期计数的估计参数的数目。如果没有足够的自由度来进行测试,chi2gof
返回p值为南
.
扩展功能
GPU数组
通过使用并行计算工具箱™在图形处理单元(GPU)上运行来加速代码。
本功能完全支持GPU阵列。金宝app有关更多信息,请参见在图形处理器上运行MATLAB函数(并行计算工具箱).
版本历史
R2006a之前介绍
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。