[转载]matlab假设检验（转）
原文地址：http://blog.csdn.net/colddie/article/details/7773278
正态总体的参数检验
单样本均值的z检验
（总体服从正态分布）
[h,sig,ci,zval] =
ztest(x,mu0,sigma,alpha,tail)
单样本均值t检验
（总体服从正态分布）
[h,sig,ci,tval] = ttest(x,mu0,alpha,tail)
双样本均值差t检验
（两个总体均服从正态分布）
[h,sig,ci,tval] = ttest2(x,y,alpha,tail)
单样本正态分布Jarque-Bera检验
样本来自正态分布）
[h,p,jbstat,cv]=jbtest(x,alpha)
lillietest
单样本正态分布Lilliefors检验
样本来自正态分布）
[h,p,lstat,cv]= lillietest(x,alpha)
单样本分布的Kolmogorov-Smirnov检验
[h,p,ksstat,cv] = kstest(x,cdf,alpha,tail)
双样本同分布Kolmogorov-Smirnov检验
两样本来自同一连续分布）
h = kstest2(x1,x2,alpha,tail)
双不匹配样本同分布Wilcoxon秩和检验
两样本来自同一分布）
[p,h,stats] = ranksum(x,y,alpha)
单样本正态分布概率纸检验
样本来自正态分布）
normplot(x)
画双样本同分布检验的分位数—分位数图(简称qq图)
两样本来自同一分布）
qqplot(x,y)
1、jbtest, lillietest与kstest的比较:
(1) jbtest与lillietest均是检验样本是否来自正态分布,
而kstest可检验样本来自任意指定的分布;
(2) jbtest是利用偏度峰度来检验,
适用于大样本;
而对于小样本,
则用lillietest来检验;
(3) lillietest与kstest的检验原理均是用x的经验分布函数与一个有相同均值与方差的正态分布的分布函数进行比较,
不同的是lisllietest中正态分布的参数是由x估计得来,
而kstest中正态分布的参数是事先指定的.
2、kstest2对应于斯米尔诺夫检验.
3、命令说明:
(1) [h,sig,ci,zval] =
ztest(x,mu0,sigma,alpha,tail)
对已知方差的单个总体均值进行Z检验.
进行显著性水平为
的Z假设检验,
以检验标准差为
的正态分布样本的均值与
并可通过指定tail的值来控制备择假设的类型. tail
的取值及表示意义如下:
备择假设为 (缺省值);
tail=1备择假设为
－1备择假设为
(原假设则为
·输出变量含义:
h——如果h=0,
而接受备择假设 ;
sig——Z的观察值在
下较大或统计意义上较大的概率值;
ci——方差
未知时均值
的置信区间.
zval——Z统计量
·单边检验对应单侧区间估计.
(2) [h,sig,ci,tval] = ttest(x,mu0,alpha,tail)
格式调用中无“tval”这个输出变量,
但可加上此项.
tval——包含两个结果: tstat表示t统计量
的值; df表示t分布的自由度.
(3) [h,p,jbstat,cv] = jbtest(x,alpha)
对“单个总体服从正态分布（未指定均值和方差）”假设进行显著水平为
的Jarque-Bera检验.
此检验基于x的偏度与峰度.
对于真实的正态分布,
样本偏度应接近于0,
样本峰度应接近于3. Jarque-Bera检验通过
统计量来判定样本偏度和峰度是否与它们的期望值显著不同.
·输出变量含义:
h——如果h=0,
则接受“ :
认为x来自正态总体”;
则接受备择假设“ :
认为x不是来自正态总体”;
p——检验的概率p-值;
jbstat——检验统计量的值;
cv——判断是否拒绝原假设的关键值.
(4) [h,p,ksstat,cv] = kstest(x,cdf,alpha,tail)
对“x的总体服从由两列矩阵cdf指定的分布G”假设进行显著水平为
的Kolmogorov-Smirnov检验.
矩阵cdf的第一列包含可能的x值,
第二列包含相应的理论累积分布函数值G(x0).
在可能的情况下,
应定义cdf使每一列包含x中的值.
如果cdf=[ ], kstest( )将使用标准正态分布.
(5) [h,p,ksstat] =
kstest2(x,cdf,alpha,tail)
对“两个样本来自同一连续分布”假设进行显著水平为的Kolmogorov-Smirnov检验.
对于大容量的样本来说, p-值将很精确,
当样本容量N1和N2满足
时, p-值即可认为是精确的.
(6) normplot(x)
绘出x中数据的正态检验概率图.
如果x是一个矩阵,
则对每一列绘出一条线.
图中样本数据用符号‘＋’来表示,
叠加在数据上的实线是数据的第一个与第三个四分位点之间的连线 (为样本顺序统计量的鲁棒线性拟合).
这条线延伸到样本数据的两端,
以便估计数据的线性度.
如果数据是来自一个正态分布,则‘＋’线近似地在一直线上.
中间的点离直线位置的偏差不能过大,
两头的点的偏差可以允许大一些.
当中间的点离直线位置偏差太大时,
就认为x来自其它分布.
(7) qqplot(x,y)
绘出两样本的分位数-分位数图.
图中样本数据用符号‘＋’来表示,
叠加在数据上的实线是各分布的第一个与第三个四分位点之间的连线 (为两个样本顺序统计量的鲁棒线性拟合).
这条线延伸到样本数据的两端以便估计数据的线性度.
如果两个样本来源于同一个分布,
则‘＋’线近似地在一直线上.
绘出样本x的分位数-正态分布的理论分位数图.
如x为正态分布,
则‘＋’线近似地在一直线上.
【例3-1】(例3.4)
一台包装机装洗衣粉,
额定标准重量为500g,
根据以往经验,
包装机的实际装袋重量服从正态分布 ,
为检验包装机工作是否正常,
随机抽取9袋,
称得洗衣粉净重数据如下 (单位: g):
若取显著性水平 ,
问这包装机工作是否正常?
x=[497,506,518,524,488,517,510,515,516];
[h,sig,ci,zval]=ztest(x,500,15,0.01,0)
为真条件下P( )的值
的置信水平为0.95的双侧置信区间
所以认为包装机工作正常.
【例3-2】(例3.5)
某部门对当前市场的价格情况进行调查.
以鸡蛋为例,
所抽查的全省20个集市上,
售价分别为 (单位:
已知往年的平均售价一直稳定在3.25元/500克左右,
在显著性水平
能否认为全省当前的鸡蛋售价明显高于往年?
x=[3.05,3.31,3.34,3.82,3.30,3.16,3.84,3.10,3.90,3.18,...
3.88,3.22,3.28,3.34,3.62,3.28,3.30,3.22,3.54,3.30];
[h,sig,ci,tval]=ttest(x,3.25,0.025,1)
所以认为全省当前的鸡蛋售价明显高于往年.
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。基于matlab的数据正态分布检验鄙人有一组数据,基于matlab用jb检验服从正态分布,但ks检验不服从正态分布,请问这是怎么回事?我该信哪种检验方式?还有我用ksdensity函数高斯拟合该数据,显示为Gauss-4的拟合效果最好,高斯不就是正态分布吗?那不就说这个数据服从正态分布?数据部分内容如下：1935504735252035333025353025504625302536303025363545303530402530
你是用什么检验的matlab 有jbtest和kstest的函数据我所知ks检验是利用累计分布去测试是否符合某个分布的你这里的所谓ks分布5条gauss曲线是怎么来的?貌似曲线本身是多峰gauss曲线
我把该数据投影到正态分布纸成该图，按图上来看是不符合正态分布。搞不懂了。哎。gauss曲线是根据程序添加，自动拟合处理的。
只能说是不符合你图中红线所对应的正态分布但是基本上数据在这个正态分布图纸中也近似一条直线也有可能是近似于正态分布的你的红线数据是那里来的？从你的直方图统计上来看数据，对称性不太好，局部有小的峰但是整体上来看仍然有正态分布特点有依据地判断它是否符合正态分布，要给出判断的依据，不是说肉眼看上去像不像（当然肉眼看上去像不像也是一个标准，但是不严谨）matlab 有现成的jbtest和kstest函数有显著水平等参数的设置具体你看matalb的帮助或者找找资料，下面是一个参考/link?url=vj2q8OUpya-_7tMT_x_cc3GxQ1HFP0yjFb5zpzs4J3FsrNIPfZ5UcHDIJ-F2nkIls326byieUinOQ9D6h4XnTgangOtGPM_ya3mhPL0MEJ7
红线是系统自动生成的。用jbtest检验服从正态分布，但kstest检验不服从正态分布，请问这是怎么回事？我该信哪种检验方式？数据共有130个。另外，为感谢你的回答，我增加了20个赏金。
kstest检验，是要你输入一个认为可能的CDF去和数据比较单独用kstest(x)它会和标准正态分布比较或者你先将数据处理一下y=(x-mean(x))/std(x)再用kstest(y)因为两种检验不一样，是有可能一种接受，一种不接受你只能查资料看那种检验更有说服力或者你在论文里给出两种检验的结果，说明数据在符合与不符合正态分布之间如果严格一点，它就不符合，宽松一点认为它符合也不为过另外通过高斯曲线拟合的话，要说明是否符合正态分布，只能用单峰的高斯曲线
为您推荐：
其他类似问题
扫描下载二维码君，已阅读到文档的结尾了呢~~
广告剩余8秒
文档加载中
matlab 正态性检验 matlab画参数方程 matlab t检验 卡方检验 matlab matlab ks检验 matlab 函数参数 matlab 参数传递 matlab 参数方程 matlab f检验 matlab 假设检验
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
非参数检验及matlab实现
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口君，已阅读到文档的结尾了呢~~
Copula理论及MATLAB应用实例???
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
Copula理论及MATLAB应用实例
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口}