標本デ，タを読み込みます。株式収益デタの3列目を含むベクトルを作成します。

负载stockreturnsX =股票(:，3);

標本デ，タが，平均がゼロの母集団から派生しているという帰無仮説を検定します。

[h,p,ci,stats] = ttest(x)

H = 1

P = 0.0106

ci =2×1-0.7357 - -0.0997

统计=带字段的结构:Tstat: -2.6065 df: 99 sd: 1.6027

戻り値H = 1は,ttが有意水準5%で帰無仮説を棄却することを示します。

標本デ，タを読み込みます。株式収益デタの3列目を含むベクトルを作成します。

负载stockreturnsX =股票(:，3);

有意水準1%において，標本デ，タの派生元は平均がゼロの母集団であるという帰無仮説を検定します。

H = ttest(x,0，“α”, 0.01)

H = 0

戻り値H = 0は,ttが有意水準1%で帰無仮説を棄却しないことを示します。

標本デ，タを読み込みます。2つの試験における学生の採点データを表すデータ行列の1列目と2列目を含むベクトルを作成します。

负载examgradesX =成绩(:，1);Y =成绩(:，2);

デ，タベクトルxとy間のペアワ@ @ズ差分の平均はゼロあるという帰無仮説を検定します。

[h,p] = ttest(x,y)

H = 0

P = 0.9805

H = 0の戻り値は，ttが既定の有意水準5%で帰無仮説を棄却しないことを示します。

標本デ，タを読み込みます。2つの試験における学生の採点データを表すデータ行列の1列目と2列目を含むベクトルを作成します。

负载examgradesX =成绩(:，1);Y =成绩(:，2);

有意水準1%において，デ，タベクトルxとy間のペアワ@ @ズ差分の平均はゼロであるという帰無仮説を検定します。

[h,p] = ttest(x,y，“α”, 0.01)

H = 0

P = 0.9805

H = 0の戻り値は，ttが有意水準1%で帰無仮説を棄却しないことを示します。

標本デ，タを読み込みます。学生の試験採点デタの1列目が含まれているベクトルを作成します。

负载examgradesX =成绩(:，1);

標本デ，タの派生元は，平均M = 75の分布であるという帰無仮説を検定します。

H = ttest(x,75)

H = 0

H = 0の戻り値は，ttが有意水準5%で帰無仮説を棄却しないことを示します。

標本デ，タを読み込みます。学生の試験の採点デタの1列目を含むベクトルを作成します。

负载examgradesX =成绩(:，1);

試験採点デ，タのヒストグラムをプロットし，正規密度関数を当てはめます。

histfit (x)包含(“年级”) ylabel (“频率”）

右側“t”検定を使用して,データの派生元は,平均が65の母集団であるという帰無仮説を,平均が65より大きいという対立仮説に対して検定します。

[h，~，~，stats] = ttest(x,65，“尾巴”,“正确”）

H = 1

统计=带字段的结构:Tstat: 12.5726 df: 119 sd: 8.7202

H = 1の戻り値は，tt65年が,平均がより大きい母集団からデータが派生しているという対立仮説を優先して,既定の有意水準5%で帰無仮説を棄却することを示します。

対応するスチュ，デントの“t”分布，返された“t”統計量，および棄却限界“t”値をプロットします。tinvを使用して，既定の信頼度95%における棄却限界“t”値を計算します。

Nu = stats.df;K = linspace(-15,15,300);Tdistpdf = tpdf(k,nu);Tval = stats.tstat

Tval = 12.5726

Tvalpdf = tpdf(tval,nu);Tcrit = tinv(0.95,nu)

Tcrit = 1.6578

情节(k, tdistpdf)在散射(tval tvalpdf,“填充”)参照线(tcrit”——“)传说([“学生的t pdf”,“t统计量”,.．.“关键截止”])

オレンジ色のドットは“t”統計量を表し，棄却限界“t”値を表す黒い破線の右側にあります。