主要内容

ttest2

两个示例t以及

所有的页面崩溃

语法

h = ttest2 (x, y)
h = ttest2 (x, y,名称,值)
(h p) = ttest2 (___)
(h p, ci,统计)= ttest2 (___)

描述

例子

h= ttest2 (x,y)返回一个测试决定零假设的数据向量x和y来自独立随机样本来自正态分布以同样的方式和相同但未知的差异,使用两个示例t以及。另一种假说是,数据x和y来自人口与不平等的意思。结果h是1如果测试在5%的显著性水平,拒绝零假设0否则。

例子

h= ttest2 (x,y,名称,值)返回一个测试决定两个示例t以及额外的选项指定的一个或多个参数名称-值对。例如,您可以改变显著性水平或进行测试没有假设方差相等。

例子

(h,p)= ttest2 (___)还返回p值,p的测试,使用任何输入参数在前面的语法。

例子

(h,p,ci,统计数据)= ttest2 (___)还返回不同的置信区间的人口意味着,ci和结构统计数据包含检验统计量的信息。

例子

全部折叠

打开生活的脚本

加载数据集。创建向量包含第一和第二列的数据矩阵来表示学生的成绩在两个考试。

负载examgradesx =成绩(:1);y =成绩(:,2);

测试零假设两个数据样本来自人口以同样的手段。

[h p, ci,统计]= ttest2 (x, y)
h = 0
p = 0.9867
ci =2×1-1.9438 - 1.9771
统计=结构体字段:tstat: 0.0167 df: 238 sd: 7.7084

的返回值h = 0表明ttest2不拒绝零假设默认的5%显著性水平。

打开生活的脚本

加载数据集。创建向量包含第一和第二列的数据矩阵来表示学生的成绩在两个考试。

负载examgradesx =成绩(:1);y =成绩(:,2);

测试两个数据向量的零假设是来自人口以同样的手段,没有假设人口也有平等的方差。

(h p) = ttest2 (x, y,“Vartype”,“不平等”)
h = 0
p = 0.9867

的返回值h = 0表明ttest2不拒绝零假设默认为5%显著性水平即使等于方差不承担。

打开生活的脚本

加载示例数据。创建一个标签分类向量车辆里程数据根据车辆。

负载carbig.mat;十年=分类(Model_Year < 80,真的,假的,“70年代”,“80年代”]);

情节boxcharts里程数据为每一个十年。

boxchart(十年,MPG)包含(“十年”)ylabel (“里程”)

图包含一个坐标轴对象。坐标轴对象包含十年,ylabel里程包含一个boxchart类型的对象。

从每十年的里程数据创建向量。使用left-tailed,两个示例t以及测试数据来自人口的零假设以同样的手段。使用备择假设的总体均值的里程的汽车在1970年代的总体均值小于里程的汽车在1980年代。

MPG70s = MPG(十年= =“70年代”);MPG80s = MPG(十年= =“80年代”);[h, ~, ~,统计]= ttest2 (MPG70s MPG80s,“尾巴”,“左”)
h = 1
统计=结构体字段:tstat: -14.0630 df: 396 sd: 6.3910

的返回值h = 1表明ttest2拒绝零假设在默认5%的显著性水平,有利于总体均值的备择假设汽车的里程在1970年代的总体均值小于里程的汽车在1980年代。

画出相应的学生的t分布,返回t统计,至关重要t价值。计算的关键t在默认值通过使用置信水平95%tinv。

ν= stats.df;k = linspace (-15、15300);tdistpdf = tpdf (k,ν);tval = stats.tstat
tval = -14.0630
tvalpdf = tpdf (tval,ν);νtcrit = -tinv (0.95)
tcrit = -1.6487
情节(k, tdistpdf)在散射(tval tvalpdf,“填充”)参照线(tcrit”——“)传说([“学生是t pdf”,“t统计量”,…“关键截止”])

图包含一个坐标轴对象。坐标轴对象包含3线类型的对象,散射,constantline。这些对象代表学生的t pdf, t统计量,关键截止。

橙色的点代表了t统计和位于左边的黑色虚线代表的关键t价值。

输入参数

全部折叠

样本数据,指定为一个向量,矩阵,或多维数组。ttest2对待南值缺失的数据,忽略他们。

  • 如果x和y被指定为向量,它们不需要相同的长度。

  • 如果x和y被指定为矩阵,他们必须有相同数量的列。ttest2执行一个单独的t以及在每一列的结果,并返回一个向量。

  • 如果x和y被指定为多维数组,他们必须具有相同的大小第一个nonsingleton维度。

数据类型:单|双

样本数据,指定为一个向量,矩阵,或多维数组。ttest2对待南值缺失的数据,忽略他们。

  • 如果x和y被指定为向量,它们不需要相同的长度。

  • 如果x和y被指定为矩阵,他们必须有相同数量的列。ttest2执行一个单独的t以及在每一列的结果,并返回一个向量。

  • 如果x和y被指定为多维数组,他们必须具有相同的大小第一个nonsingleton维度。ttest2工作在第一nonsingleton维度。

数据类型:单|双

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“尾巴”,“对”,“阿尔法”,0.01,“Vartype”,“不平等”指定一个right-tailed测试在1%的显著性水平,并且不认为x和y人口差异平等。

假设检验的显著性水平,指定为逗号分隔组成的“α”和一个标量值的范围(0,1)。

例子:“阿尔法”,0.01

数据类型:单|双

输入矩阵的维度以及测试方法,指定为逗号分隔组成的“暗”和一个正整数价值。例如,指定“暗”,1测试列意味着,虽然“暗”,2测试行。

例子:“暗”,2

数据类型:单|双

备择假设评估类型,指定为逗号分隔组成的“尾巴”其中一个:

  • “两个”——测试对备择假设人口意味着是不平等的。

  • “对”——测试的总体均值的备择假设x大于总体均值的y。

  • “左”——测试的总体均值的备择假设x小于总体均值的y。

ttest2测试零假设的人口意味着相等对指定的备择假设。

例子:“尾巴”,“对”

方差类型,指定为逗号分隔组成的“Vartype”和一个以下。

“平等” 使用假设进行测试x和y从正态分布未知但方差相等。
“不平等” 使用假设进行测试x和y来自正态分布未知的和不平等的方差。这叫做Behrens-Fisher问题。ttest2使用Satterthwaite近似的有效自由度。

Vartype必须是一个单一的变异类型,即使x是一个矩阵或多维数组。

例子:“Vartype”、“不平等”

输出参数

全部折叠

假设检验结果,返回1或0。

  • 如果h= 1,这表明拒绝零假设的α显著性水平。

  • 如果h= 0,这表明失败的拒绝零假设α显著性水平。

p测试的价值,作为一个返回标量值的区间[0,1]。p观察一个检验统计量的概率是一样极端,或者比,更极端的零假设下的观测值。小的值p怀疑零假设的有效性。

置信区间的不同人口的手段x和y,作为一个双元素向量返回包含的上限与下限100×(1 -α)%置信区间。

两个示例的测试数据t以及作为一个结构返回包含以下:

  • tstat——测试数据的价值。

  • df——测试的自由度。

  • sd——汇集估计的总体标准偏差(方差相等的情况下)或一个向量包含未共享的估计人口标准差(对于不平等的方差的情况)。

更多关于

全部折叠

两个示例t以及

这两个示例t以及参数的测试,比较了两个独立的数据样本的位置参数。

测试数据

t = x ¯ − y ¯ 年代 x 2 n + 年代 y 2 米 ,

在哪里 x ¯ 和 y ¯ 是样本均值,年代x和年代y样本标准差,n和米样本大小。

的情况下假定两个数据样本来自人群提供平等的方差,零假设下的检验统计量有学生的t分布与n+米- 2自由度和样本标准差被汇集标准差所取代

年代 = ( n − 1 ) 年代 x 2 + ( 米 − 1 ) 年代 y 2 n + 米 − 2 。

如果它不是假定两个数据样本来自人群提供平等的方差,零假设下的检验统计量有一个近似的学生的t分布的自由度由Satterthwaite给出的近似。这个测试有时被称为韦尔奇的t以及。

多维数组

一个多维数组有超过两个维度。例如,如果x是1-by-3-by-4数组,那么x是一个三维数组。

第一个Nonsingleton维度

第一个nonsingleton维度是一个数组的第一维的大小不等于1。例如,如果x是1-by-2-by-3-by-4数组,第二个维度是第一nonsingleton维度的x。

提示

  • 使用sampsizepwr计算:

    • 样本大小对应于指定的权力和参数值;

    • 实现特定样本大小,给予正确的参数值;

    • 指定的参数值检测样本大小和权力。

扩展功能

版本历史

之前介绍过的R2006a

另请参阅

||