帮助中心帮助中心
z以及
h =中兴通讯(x, m,σ)
h =中兴通讯(x, m,σ,名称,值)
(h p) =中兴通讯(___)
[h p ci, zval] =中兴通讯(___)
例子
h=中兴通讯(x,米,σ)返回一个测试决定零假设的数据向量x来自一个正态分布的意思米和标准偏差σ,使用z以及。另一种假说是,意思是不米。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。
h=中兴通讯(x,米,σ)
h
x
米
σ
1
0
h=中兴通讯(x,米,σ,名称,值)返回一个测试的决定z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单侧检验。
h=中兴通讯(x,米,σ,名称,值)
名称,值
(h,p)=中兴通讯(___)还返回p测试的价值,从先前的语法使用任何输入参数。
(h,p)=中兴通讯(___)
p
(h,p,ci,zval)=中兴通讯(___)还返回总体均值的置信区间,ci检验统计量的值,zval。
(h,p,ci,zval)=中兴通讯(___)
ci
zval
全部折叠
加载示例数据。创建一个向量包含学生的考试成绩第一列的数据。
负载examgradesx =成绩(:1);
测试零假设的数据来自正态分布的意思米= 75和标准偏差σ= 10。
米= 75
σ= 10
[h p, ci, zval] =中兴通讯(x, 75, 10)
h = 0
p = 0.9927
ci =2×173.2191 - 76.7975
zval = 0.0091
的返回值h = 0表明中兴通讯不拒绝零假设默认的5%显著性水平。
中兴通讯
画一个柱状图的考试成绩数据和符合正态密度函数。
histfit (x)包含(“年级”)ylabel (“频率”)
测试零假设的数据来自正态分布的意思米= 65和标准偏差σ= 10对备择假设,意思是大于65。
米= 65
[h, ~, ~, zval] =中兴通讯(x, 65年10“尾巴”,“正确”)
h = 1
zval = 10.9636
的返回值h = 1表明中兴通讯拒绝零假设默认为5%显著性水平,有利于替代假设的总体均值大于65。
标准正态分布,返回的阴谋z统计,至关重要z价值。计算的关键z值为默认使用置信水平95%norminv。
norminv
k = linspace (-15、15300);y = normpdf (k);zvalpdf = normpdf (zval);zcrit = norminv (0.95);情节(k, y);持有在散射(zval zvalpdf,“填充”)参照线(zcrit”——“)传说([“标准正常pdf”,“统计”,…“关键截止”])
橙色的点代表了z统计和位于右边的黑色虚线代表的关键z价值。
样本数据,指定为一个向量,矩阵,或多维数组。
如果x被指定为一个向量,中兴通讯为每个输出参数返回一个值。
如果x被指定为一个矩阵,中兴通讯执行一个单独的z以及在每一列的x并返回一个向量的结果。
如果x被指定为一个多维数组,中兴通讯工作在第一个nonsingleton维度的x。
在所有情况下,中兴通讯对待南值缺失的数据,忽略他们。
南
数据类型:单|双
单
双
假设的意思是,指定为一个标量值。
总体标准偏差,指定为一个标量值。
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。
Name1 = Value1,…,以=家
的名字
价值
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指定一个right-tailed假设检验在1%的显著性水平。
“尾巴”,“对”,“阿尔法”,0.01
α
0.05
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)。
“α”
例子:“阿尔法”,0.01
“阿尔法”,0.01
昏暗的
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。
“暗”
“暗”,1
“暗”,2
例子:“暗”,2
尾巴
“两个”
“对”
“左”
备择假设评估类型,指定为逗号分隔组成的“尾巴”其中一个:
“尾巴”
“两个”——测试总体均值的备择假设米。
“对”——测试总体均值大于备择假设米。
“左”——测试备择假设总体均值小于米。
中兴通讯测试总体均值的零假设米对指定的备择假设。
例子:“尾巴”,“对”
“尾巴”,“对”
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。
= 1
如果h= 0,这表明失败的拒绝零假设α显著性水平。
= 0
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。
真正的总体均值的置信区间,作为双元素向量包含返回的上限与下限100×(1 -α)%置信区间。
测试统计,作为非负返回标量值。
的z以及参数假设检验是用来决定是否一个示例数据集来自人口与特定的意思。测试假定样本数据来自人口正态分布与已知的标准偏差。
测试数据
z = x ¯ − μ σ / n ,
在哪里 x ¯ 是样本均值,μ是总体均值、总体标准差σ,然后呢n是样本容量。在零假设下,检验统计量的标准正态分布。
μ
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。
使用sampsizepwr计算:
sampsizepwr
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。
这个函数完全支持GPU数组。金宝app有关更多信息,请参见运行在GPU MATLAB函数(并行计算工具箱)。
之前介绍过的R2006a
tt|ttest2|sampsizepwr
tt
ttest2
你有一个修改版的这个例子。你想打开这个例子与编辑?
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室