概率论与数理统计汇编..pptVIP

假设检验函数ttest的用法(1) 【例5.6.6】 (a) 用例5.6.3的数据，检验该样本集的总体均值是否可能为零？(b) 用例5.6.4的数据，检验该样本集的总体均值是否可能为425？取置信度为0.9。 解：因为总体方差为未知，故总体均值服从T-分布，MATLAB为这样的分布进行总体均值估值的假设检验编写的函数为ttest。键入help ttest可以得到它的用法： TTEST 假设检验: 将样本均值和一个常数进行T检验，调用格式为 [H,P,CI,STATS] = TTEST(X,M,ALPHA,TAIL) 判断满足正态分布的样本X是否可能具有总体均值M。 其他输入变元的意义：ALPHA为1-置信度，TAIL是用来对H=1的意义进行控制的参数（见输出变元部分），默认值为M = 0, ALPHA = 0.05.，TAIL=0 。 假设检验函数ttest的用法(2) 输出变元的意义如下 H=0表示：“总体均值=M”的假设成立；H=1表示：“总体均值=M”的假设不成立；其进一步的意义，则随输入变元TAIL的不同，意义为 若TAIL＝0，表示：“总体均值?M”； 若TAIL＝1，表示：“总体均值M”； 若TAIL＝-1，表示：“总体均值M”； CI为置信区间，其置信度为1-ALPHA P 表示出现H=0的概率，P愈小说明假设成立的概率愈小。 STATS为样本的统计特性，它由两项组成: 第一项为样本的T-值, ，第二项为样本的自由度数df。 将本题的数据代入的结果(1) 程序exn566， 例5.6.3的数据为x1，M1=0; 例5.6.4的数据为x2, M2=425, 置信度均取90%,数据输入语句从略： % 对例5.6.3,均值为零的假设成立否？只要一条语句: [h1,pvalue1,ci1,stats1] = ttest(x1,M1,0.1), pause 运行结果为，对例5.6.3的数据： h1 = 1，pvalue1 = 0.0273， ci1 = 0.6066 3.3934 stats = tstat: 2.6312, df: 9 说明本例“均值为零”的假设不成立，假设成立的概率仅为0.0273。总体均值的90%置信区间为[0.6066，3.3934]，样本的t值为2.6312，自由度为9(样本数-1)。 将本题的数据代入的结果(2) %对例5.6.4,均值为425的假设成立否？ [h2,pvalue2,ci2,stats2] = ttest(x2,M2,0.1) 对例5.6.4的数据,运行结果为, ： h2 = 0，pvalue2 = 0.9522， ci2 = 421.0048 429.2809 stats2 = tstat: 0.0611 df: 13 说明本例“均值为425”的假设成立，假设成立的概率为0.9522。总体均值的90%置信区间为[421.0048，429.2809]，样本的t值为0.0611，自由度为13 (样本数-1) 。 怎样用好stats工具箱中的函数 从本例可以看出，这种专业工具箱中的函数完全以应用为目标。用户必须根据任务，选择正确的函数，并理解其输入输出变元，代进去就可得出结果，没有什么编程技巧。所以不宜在教学中多花时间。其中还有许多内容超出了大学基础课程的要求，因此本书不作更多讨论。 其实懂了MATLAB的基本语法，又懂得了本节所介绍的基本统计函数，只要读者掌握了相关的理论，是不难自己编写解题程序的。如果是为了解决工程中的问题，要避免自己编程差错，就应该利用现成的函数。结合阅读本工具箱的手册，同时利用help命令查找其相关函数的功能与调用方法。最好有几个已经有了答案的例题，反复试验，以求用这些函数得到同样的正确结果，同时也掌握了这些函数的正确用法。 stats工具箱中的演示程序 stats工具箱中还有一些演示程序，如分析方差的交互工具(aoctool)，通用线性模型(glmdemo)，预测拟合多项式的交互图形工具(polytool)，反应器仿真演示程序（rsmdemo），鲁棒性演示 (robustdemo)等，运行这些程序可以帮助读者学习统计工具箱中各种函数的用法，并形象地理解统计分析中的许多新概念。 【应用篇中与本节内容相关的例题】 【例6.3.1】气体中的分子做的是随机运动，大量的分子在进行杂乱无章的相互碰撞，不断地改变着单个分子的速度的方向和大小。从总体来看，它们要服从统计的规律，就速度大小而言，它们要满足麦克斯韦速度分布律，它给出了取不同速度的分子在总体中所占的比例，也就是它们的概率密度。 5.6节 概率论与数理统计 一 各种统计分布函数 表5-6-1中列出了20种分布函数，统