Matlab 7数理统计-优快云博客

本文详细介绍了一系列统计分析方法和数据检验技巧，包括均值检验、方差检验、经验累积分布函数、正态分布函数定义、Q-Q图绘制、向量运算、卡方拟合优度检验、正态累积分布函数及数据分布假设检验等。这些方法适用于验证数据集的统计特性，如均值、方差、分布类型等，对于数据分析、机器学习等领域具有重要价值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[h,p,ci,st] = ttest(x0,mean(x0),'Alhpa',0.05,'Tail','right/left/both')	均值检验	p= n-1;st: {df:n-1,st:std(x0)}
[h,p,ci,st] = vartest(x0,mean(x0),'Alhpa',0.05,'Tail','right/left/both')	方差检验	同上
[ydf,xdf,n] = cdfcalc(x0)	经验累积分布函数
cdfplot(x0)	画出cdf图像
nonzeros(x0)	除去多余的0,展开成列向量
pd = makedist('distname','mu','sigma')	定义正态分布函数/其他分布也可以
qqplot(x0,pd)	画出Q-Q图	pd 为一个分布函数;若为直线,则拟合度高
dot(A,B)	两个向量的非向量积
corss(A,B)	向量积
[h,p,st]=chi2gof(bins,'ctrs',bins,...'frequency',obsCounts, ... 'expected',expCounts)	对离散分布和连续分布进行卡方拟合优度检验。检验方法为将数据分组到各个统计箱中，计算各统计箱的观测数和期望数，计算卡方检验统计量和((O-E).²/E)，其中O为观测数，E为期望数。当计数足够大时，该检验统计量具有近似卡方分布。
chi2inv/chi2cdf	卡方累积分布函数(cdf)的倒数/卡方累积分布函数(cdf)
P = normcdf(X,MU,SIGMA)	正态累积分布函数
[h,p,ci] = kstest(x0,'CDF',pd)	测试数据是否来自假设分布