第1章MATLAB知识讲解.ppt

例题1-12 X=[……] %先画出直方图， hist(X,7) %用正态分布拟合 [muhat,sigmahat,muci,sigmaci] =normfit(X,0.05) %用最大似然估计法估计参数 [phat, pci]=mle (norm,X) 1.4.6 假设检验 1．正态总体的均值μ的假设检验 [h,sig,ci,zval] = ztest(x,m,sigma,alpha,tail) 方差已知 [h,sig,ci] = ttest(x,m,alpha,tail) 方差未知 若h=0，不能拒绝； 若h=1，可以拒绝。 sig为观察值的概率，当sig为小概率时则对原假设提出质疑 ci为真正均值μ的1-alpha置信区间， 若tail=0，不等于m；（默认） tail=1，大于m； tail=-1，小于m [h,sig,ci] = ttest2(X,Y,alpha,tail) 方差未知相等 例如，检验【例1-11】中三个银行之间均值是否一致。 load yinhang [h,sig,ci]=ttest2(A(:,1),A(:,2)) [h,sig,ci]=ttest2(A(:,1),A(:,3)) [h,sig,ci]=ttest2(A(:,2),A(:,3)) 2．两个总体一致性的检验——秩和检验 [p,h,stats] = ranksum(x,y,alpha) %x、y为两个总体的样本，可以不等长， alpha为显著性水平 P为两个总体样本X和Y为一致的显著性概率， 若P接近于0，则不一致较明显。 h=0表示X与Y的总体差别不显著， h=1表示X与Y的总体差别显著。 stats包括：ranksum为秩和统计量的值以及zval为过去计算p的正态统计量的值。 例如，在【例1-12】中，令x8、x9和x12分别表示8月份、9月份和12月份的收益率。 [p,h,stats] = ranksum(x8,x9,0.05) [p,h,stats] = ranksum(x8,x12,0.05) 3．两个以上总体一致性的检验— 单向评秩方差分析 [p,anovatab,stats]=kruskalwallis(X) X是由多个指标组成的矩阵 例如：检验【例1-11】中三个银行之间是否有显著性差异 load yinhang [p,anovatab,stats]=kruskalwallis(A) 4．样本分布测试 h = kstest(X) %测试向量X是否服从标准正态分布 h=0接受，服从正态分布 h=1拒绝，不服从正态分布 h = kstest(X,cdf) %指定累积分布函数为cdf的测试(cdf=[ ]时表示标准正态分布)， [h,p,ksstat,cv] = kstest(X,cdf,alpha) %p为原假设成立的概率， ksstat为测试统计量的值， cv为是否接受假设的临界值 如【例1-12】中的数据，测试向量X是否服从标准正态分布。 [h,p,ksstat,cv]=kstest(X) [h,p,ksstat,cv]=kstest(X,[X normcdf(X,-0.0042,0.0447)],0.05) 5．正态分布的拟合优度测试 [h,p,jbstat,cv] = jbtest(X,alpha) 向量X (大样本)进行Jarque-Bera测试， [h,p,lstat,cv] = lillietest(X,alpha) 向量X（小样本）进行Lilliefors测试 如【例1-12】中的数据，测试向量X是否服从标准正态分布。 [h,p,jb,cv]=jbtest(X) 授课 内容 MATLAB基本计算 经济预测概述 灰色预测法 弹性预测法 定性预测法 趋势外推法 时间序列预测法 干预模型法 投入产出法 马尔可夫法 景气预测法 神经网络法 第一章 MATLAB基础 1.1 数值计算 1.2 符号计算 1.3 解方程 1.4 统计数据处理 练习与提高（一） 1.1 数值计算 1.1.1 基本运算与函数 命令窗口