主要内容

ttest2

两个示例t以及

折叠所有页面

语法

H = test2(x,y)
h = ttest2(x,y，名称，值)
[h,p] = ttest2(___）
[h,p,ci,stats] = ttest2(___）

描述

例子

h= ttest2 (x，y）返回零假设的测试决定，即数据为向量x而且y来自正态分布的独立随机样本，具有相等的均值和相等但未知的方差，使用两个示例t以及．另一种假设是数据x而且y来自于收入不平等的人群。结果h是1如果检验在5%显著性水平上拒绝原假设，并且0否则。

例子

h= ttest2 (x，y，名称,值）返回两个样本的测试决策t-test使用一个或多个名称-值对参数指定的附加选项。例如，您可以更改显著性水平或在不假设相等方差的情况下进行测试。

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(___）还返回总体均值之差的置信区间，ci，以及结构统计数据包含关于测试统计量的信息。

例子

全部折叠

打开实时脚本

加载数据集。创建包含数据矩阵第一列和第二列的向量，以表示学生在两次考试中的成绩。

负载examgradesX =成绩(:，1);Y =成绩(:，2);

检验原假设，即两个数据样本来自均值相等的总体。

[h,p,ci,stats] = ttest2(x,y)
H = 0
P = 0.9867
ci =2×1-1.9438 - 1.9771
统计=带字段的结构:Tstat: 0.0167 df: 238 sd: 7.7084

的返回值。H = 0表明ttest2在默认的5%显著性水平上不拒绝零假设。

打开实时脚本

加载数据集。创建包含数据矩阵第一列和第二列的向量，以表示学生在两次考试中的成绩。

负载examgradesX =成绩(:，1);Y =成绩(:，2);

检验零假设，即两个数据向量来自具有相等均值的总体，而不假设总体也具有相等方差。

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

的返回值。H = 0表明ttest2即使没有假设相等的方差，也不会在默认的5%显著性水平上拒绝原假设。

输入参数

全部折叠

样本数据，指定为向量、矩阵或多维数组。ttest2对待南值作为缺失数据并忽略它们。

  • 如果x而且y被指定为向量时，它们的长度不需要相同。

  • 如果x而且y指定为矩阵时，它们必须具有相同的列数。ttest2执行单独的t-test沿着每一列返回一个结果向量。

  • 如果x而且y被指定为多维数组，他们必须有相同的大小，除了第一个非单维度．

数据类型:单|双

样本数据，指定为向量、矩阵或多维数组。ttest2对待南值作为缺失数据并忽略它们。

  • 如果x而且y被指定为向量时，它们的长度不需要相同。

  • 如果x而且y指定为矩阵时，它们必须具有相同的列数。ttest2执行单独的t-test沿着每一列返回一个结果向量。

  • 如果x而且y被指定为多维数组，他们必须有相同的大小，除了第一个非单维度．ttest2沿着第一个非单维度工作。

数据类型:单|双

名称-值参数

的可选逗号分隔对名称,值参数。的名字参数名称和价值对应的值。的名字必须出现在引号内。您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,“Vartype”,“不平等”指定1%显著性水平的右尾检验，并且不假设x而且y有相等的总体方差。

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

用于测试平均值的输入矩阵的维数，指定为由逗号分隔的对组成“暗”一个正整数值。例如，指定“暗”,1测试列均值，而“暗”,2测试行均值。

例子:“暗”,2

数据类型:单|双

要评估的替代假设类型，指定为逗号分隔的对，由“尾巴”其中之一是:

  • “两个”-对备选假设进行检验，即总体均值不相等。

  • “对”-检验替代假设的总体均值x大于总体均值y．

  • “左”-检验替代假设的总体均值x是否小于总体均值y．

ttest2检验零假设，即总体均值与指定的备择假设相等。

例子:“尾巴”,“对”

方差类型，指定为逗号分隔的对，由“Vartype”下面是其中之一。

“平等” 使用假设进行测试x而且y均来自方差相等但未知的正态分布。
“不平等” 使用假设进行测试x而且y均来自方差未知且不等的正态分布。这被称为贝伦斯-费雪问题。ttest2使用Satterthwaite近似计算有效自由度。

Vartype必须是单一的方差类型，即使x是矩阵或多维数组。

例子:“Vartype”、“不平等”

输出参数

全部折叠

假设检验结果，返回为1或0．

  • 如果h= 1，这表明在α显著性水平。

  • 如果h= 0，这表明拒绝零假设的失败α显著性水平。

p-value测试的值，作为范围[0,1]的标量值返回。p是在原假设下观察到的检验统计量与观察值一样极端或更极端的概率。的小值p对原假设的有效性提出质疑。

的总体均值差异的置信区间x而且y，返回为包含100 × (1 -α%置信区间。

检验两样本的统计量t-test，作为包含以下内容的结构返回:

  • tstat-测试统计量的值。

  • df-测试的自由度。

  • sd-总体标准差的汇总估计(对于方差相等的情况)或包含总体标准差的未汇总估计的向量(对于方差不相等的情况)。

更多关于

全部折叠

两个示例t以及

这两个示例t-test是一个参数测试，比较两个独立的数据样本的位置参数。

检验统计量为

t ＝ x ¯ − y ¯ 年代 x 2 n + 年代 y 2 米 ，

在哪里 x ¯ 而且 y ¯ 样本均值，年代x而且年代y样本的标准差，和n而且米是样本容量。

在假设两个数据样本来自方差相等的总体的情况下，零假设下的检验统计量具有Student的t分布与n+米- 2自由度，样本标准差被合并标准差取代

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

在不假设两个数据样本来自方差相等的总体的情况下，零假设下的检验统计量具有近似的Student'st由Satterthwaite近似给出的若干自由度的分布。这种测试有时被称为韦尔奇测试t以及。

多维数组

多维数组具有两个以上的维度。例如，如果x是1 × 3 × 4的数组吗x是一个三维数组。

第一个非单维度

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

提示

  • 使用sampsizepwr计算:

    • 对应于指定功率和参数值的样本量;

    • 给定真参数值，在特定样本量下所获得的功率;

    • 在指定样本量和功率下可检测到的参数值。

扩展功能

另请参阅

||

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MATLAB指南

掌握机器学习:一步一步的MATLAB指南

下载电子书