统计工具箱中的假设检验表.doc

统计工具箱中的假设检验表 函数名称 函数说明 调用格式 正态总体的参数检验 ztest 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) ttest 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) ttest2 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) 非 参 数 假 设 检 验 jbtest 单样本正态分布Jarque-Bera检验 （H0: 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 （H0: 样本来自正态分布） [h,p,lstat,cv]= lillietest(x,alpha) kstest 单样本分布的Kolmogorov-Smirnov检验 [h,p,ksstat,cv] = kstest(x,cdf,alpha,tail) kstest2 双样本同分布Kolmogorov-Smirnov检验 （H0: 两样本来自同一连续分布） h = kstest2(x1,x2,alpha,tail) ranksum 双不匹配样本同分布Wilcoxon秩和检验 （H0: 两样本来自同一分布） [p,h,stats] = ranksum(x,y,alpha) 绘图检验 normplot 单样本正态分布概率纸检验 （H0: 样本来自正态分布） normplot(x) qqplot 画双样本同分布检验的分位数—分位数图(简称qq图) （H0: 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的关系. 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: tail=0 备择假设为 (缺省值); tail=1备择假设为; tail= －1备择假设为. (原假设则为) ·输出变量含义: h——如果h=0, 则接受; 如果h=1, 则拒绝而接受备择假设; sig——Z的观察值在下较大或统计意义上较大的概率值; ci——方差未知时均值的的置信区间. zval——Z统计量的观测值. ·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”; 如果h=1, 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