主要内容

tt

单样本和成对样本t以及

折叠所有页面

语法

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

描述

例子

h= tt (x）返回数据所在的零假设的测试决策x来自均值等于零且方差未知的正态分布，使用一个示例t以及．另一种假设是，总体分布的均值不等于零。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= tt (x，y）返回数据所在的零假设的测试决策X - y来自均值等于零且方差未知的正态分布，使用配对样本t以及。

例子

h= tt (x，y，名称,值）返回配对样本的测试决策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进行单侧测试。

例子

h= tt (x，米）返回数据所在的零假设的测试决策x来自于有均值的正态分布米方差未知。另一个假设是，平均值不是米．

例子

h= tt (x，米，名称,值）返回一个样本的测试决策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进行单侧测试。

例子

［h，p] = ttest(___）还返回p值,p的测试，使用来自前面语法组的任何输入参数。

例子

［h，p，ci，统计数据] = ttest(___）也返回置信区间ci为了…的目的x，或X - y对于成对的t-test和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

加载样例数据。创建一个包含股票回报数据第三列的向量。

负载stockreturnsX =股票(:，3);

检验零假设，即样本数据来自均值为零的总体。

[h,p,ci,stats] = ttest(x)
H = 1
P = 0.0106
ci =2×1-0.7357 - -0.0997
统计=带字段的结构:Tstat: -2.6065 df: 99 sd: 1.6027

返回值H = 1表明tt在5%的显著性水平上拒绝原假设。

打开实时脚本

加载样例数据。创建一个包含股票回报数据第三列的向量。

负载stockreturnsX =股票(:，3);

在1%显著性水平下，检验原假设样本数据来自一个均值等于零的总体。

H = ttest(x,0，“α”, 0.01)
H = 0

返回值H = 0表明tt在1%的显著性水平上不拒绝原假设。

打开实时脚本

加载样例数据。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，即数据向量之间的成对差x而且y其均值为0。

[h,p] = ttest(x,y)
H = 0
P = 0.9805

的返回值。H = 0表明tt在默认的5%显著性水平上不拒绝零假设。

打开实时脚本

加载样例数据。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，即数据向量之间的成对差x而且y在1%显著性水平下，均值等于零。

[h,p] = ttest(x,y，“α”, 0.01)
H = 0
P = 0.9805

的返回值。H = 0表明tt在1%的显著性水平上不拒绝原假设。

打开实时脚本

加载样例数据。创建一个包含学生考试成绩数据第一列的向量。

负载examgradesX =成绩(:，1);

检验样本数据来自具有均值的分布的零假设M = 75．

H = ttest(x,75)
H = 0

的返回值。H = 0表明tt在5%的显著性水平上不拒绝原假设。

打开实时脚本

加载样例数据。创建一个包含学生考试成绩数据第一列的向量。

负载examgradesX =成绩(:，1);

检验原假设，即数据来自均值等于65的总体，而不是均值大于65的替代假设。

H = ttest(x,65，“尾巴”，“对”）
H = 1

的返回值。H = 1表明tt在5%显著性水平上拒绝零假设，支持备用假设，即数据来自均值大于65的总体。

输入参数

全部折叠

样本数据，指定为向量、矩阵或多维数组．tt执行单独的t-test沿着每一列返回一个结果向量。如果y指定样本数据，x而且y必须是一样的尺寸。

数据类型:单|双

样本数据，指定为向量、矩阵或多维数组．如果y指定样本数据，x而且y必须是一样的尺寸。

数据类型:单|双

假设总体均值，指定为标量值。

数据类型:单|双

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后，但对的顺序无关紧要。

在R2021a之前，使用逗号分隔每个名称和值，并将其括起来名字在报价。

例子:“尾巴”,“对”,“阿尔法”,0.01在1%显著性水平下进行右尾假设检验。

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”-检验替代假设，即总体均值不是米．

  • “对”-检验备选假设，即总体均值大于米．

  • “左”-检验备选假设，即总体均值小于米．

tt检验原假设，即总体均值为米与指定的替代假设相反。

例子:“尾巴”,“对”

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。

真实总体均值的置信区间，返回为包含100 ×(1 -)的上下边界的两元素向量α%置信区间。

测试统计数据，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-估计总体标准差。成对的t以及,sd的标准差是X - y．

更多关于

全部折叠

单样本t检验

的一个示例t-test是在总体标准差未知的情况下对位置参数的参数检验。

检验统计量为

t ＝ x ¯ − μ 年代 / n ，

在哪里 x ¯ 是样本均值，μ假设总体均值，年代样本是标准差，和n是样本容量。在零假设下，检验统计量具有Student的t分布与n- 1自由度。

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

版本历史

R2006a之前介绍

另请参阅

||