基于MATLAB的参数检验.docx
《基于MATLAB的参数检验.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的参数检验.docx（11页珍藏版）》请在冰豆网上搜索。
基于MATLAB的参数检验
根据X～N（5，0.0008），有MATLAB计算拒绝域的临界值：
>>a=norminv（0.025,5,0.0008）
a=
4.9984
>>b=norminv（0.975,5,0.0008）
b=
5.0016
总体均值双侧检验：
>>x=[97,102,105,112,99,103,94,100,95,105,98,102,100,103];
>>[h,p,muci,zval]=ztest（x,100,2,0.05）
h=
1100为假设值，若h=1则拒绝
p=
0.0450检验值p
muci=
100.0238102.1191
zval=
2.0045
由于置信区间均大于100，则需做下列检验：
>>[h,p,muci,zval]=ztest（x,100,2,0.05,'right'）
h=
1
p=
0.0225
muci=
100.1922Inf
zval=
2.0045
在方差已知的情况下检验均值是否正常：
>>x=[0.497,0.506,0.518,0.524,0.498,0.511,0.52,0.515,0.512];
>>[h,p,ci,u]=ztest（x,0.5,0.015,0.05,1）
h=
1
p=
0.0124
ci=
0.5030Inf
u=
2.2444
忽视标准差条件，可用ttest函数做检验：
>>[h,p,ci,T]=ttest（x,0.5,0.05,1）
h=
1
p=
0.0036
ci=
0.5054Inf
T=
tstat:
3.5849
df:
8
sd:
0.0094
若以样本均值和标准差做实际控制参数，可用normcdf函数估计产品的合格比率：
>>p=1-normcdf（0.5,mean（x）,std（x））
p=
0.8840
两个正态总体的均值检验：
>>x=[77.9,78.3,76.8,80.3,72.1,73.7,71.0,69.2,80.1,77.4];
>>y=[79.8,80.7,79.3,82.1,79.3,78.7,80.4,81.2,79.2,80.3];
>>[h,sig,ci,stats]=ttest2（x,y,0.05,-1）
h=
1
sig=
0.0014
ci=
-Inf-2.2012
stats=
tstat:
-3.4543
df:
18
sd:
2.8612
利用kstest函数对生成的『分布数据进行检验：
>>r=gamrnd（1,3,400,1）;
>>alam=gamfit（r）
alam=
0.97242.7423
>>r=sort（r）;
>>[h,p,jbstat,critval]=kstest（r,[r,gamcdf（r,alam
（1）,alam
（2））],0.05）
h=
0
p=
0.7942
jbstat=
0.0322
critval=
0.0675
利用kstest2检验所创建的标准正态随机分布是否接受原假设：
>>x=-1:
1:
5;
>>y=randn（20,1）;
>>[h,p,k]=kstest2（x,y）
h=
0
p=
0.0774
k=
0.5214
建立y与x间的函数关系，并检验残差r是否服从均值为0的正态分布：
>>x=[2,3,4,5,7,8,9,13,15,17,19,20];
>>y=[107.83,109.35,110.12,111.34,107.56,110.65,112.37,114.76,110.89,111.21,112.35,111.99];
>>plot（x,y,'rP'）;
>>a=polyfit（x,y,1）;
>>plot（x,y,'*',x,polyval（a,x）,'b'）;
>>e1=y-polyval（a,x）
e1=
Columns1through11
-1.5077-0.17510.40751.4400-2.71480.18781.72033.3606-0.8842-0.9391-0.1739
Column12
-0.7213
>>[h1,sig,ci]=ttest（e1,0,0.05）
h1=
0
sig=
1
ci=
-1.02121.0212
>>[h2,p,kstat,critval]=lillietest（e1,0.05）
h2=
0
p=
NaN
kstat=
0.1499
critval=
0.2420
零中值分布的符号检验：
>>N=1024;
>>x1=randn（1,N）;
假设检验
>>alpha0=0.05;
>>[p1,h1,states]=signtest（x1,alpha0）
p1=
0.0749
h1=
0
states=
zval:
-1.7813
sign:
483
>>x2=wblrnd（1,2,N,1）;
实现的假设检验：
>>[p2,h2,states2]=signtest（x2,alpha0）
p2=
1.1755e-221
h2=
1
states2=
zval:
31.7813
sign:
3
秩和检验：
>>a=[7.0,3.6,9.5,8.1,6.3,5.0,10.3,4.2,2.7,10.6];
>>b=[5.6,3.3,4.0,11.0,9.6,7.0,3.5,4.6,5.8,8.2,10.0,5.6,12.2];
>>[p,h,stats]=ranksum（a,b,0.05）
p=
0.9012
h=
0
stats=
zval:
-0.1241
ranksum:
117.5000
0--1分布参数p的检验：
>>T=1;检验统计量的观测值
alpha=0.05;显著性水平
p=1-binocdf（0:
15,15,0.01）;为确定拒绝域临界值计算T>=c的概率
forbyk=1:
16;求拒绝域临界值
ifp（byk）>alpha&p（byk+1）<=alpha
c=byk;
end;
end;
>>ifT>=c检验决策，h=1（0）即拒绝（接受）原假设
h=1
else
h=0
end
h=
1
>>T=5;检验统计量的观测值
>>alpha=0.025;显著性水平
>>p=binocdf（0:
12,12,0.4）;为确定拒绝域临界值计算T的累积概率
>>forbyk=1:
7求拒绝域临界值
ifp（byk）<=alpha&p（byk+1）>=alpha
c1=byk-1;
end;
if（1-p（byk+6））>alpha&（1-p（byk+7））<=alpha
c2=byk+7;
end;
end;
>>ifT<=c1|T>=c2检验决策，h=1（0）即拒绝（接受）原假设
h=1;
else
h=0;
end;
>>c=[c1,c2]输出拒绝域临界值
c=
19
泊松分布的参数lambda的检验：
>>a=[0,1,2,3,4];粒子数数据
>>n=[4,7,2,1,1];频数数据
>>T=n*a';
>>alpha=0.1;
>>k=sum（n）;样本容量
>>lambda0=0.6;待检验分数值
>>c=0.5*chi2inv（1-alpha,2*k*lambda0）求拒绝域临界值
c=
12.9947
>>ifT>=c
h=1;
else
h=0;
end;
>>T
T=
18
>>h
h=
1
指数分布参数theta的检验：
>>theta0=3000;待检验参数值
>>alpha=0.1;显著性水平
>>n=20;样本容量
>>life=237;加速寿命试验中样品平均失效时间
>>x2stat=2*n*（10*life）/theta0;检验统计量的观测值
>>c=chi2inv（alpha,2*n）求拒绝域临界值
c=
29.0505
>>ifx2stat<=c
h=1;
else
h=0;
end;
>>h
h=
0
非正态总体大样本的参数检验：
>>alpha=0.01;显著性水平
>>estp1=8/467;
>>estp2=1/433;
>>estp=（8+1）/（467+433）;
>>u=（estp1-estp2）/sqrt（（1/467+1/433）*estp*（1-estp））求拒绝域临界值
u=
2.2328
>>c=norminv（alpha,0,1）
c=
-2.3263
>>ifu<=c
h=1
else
h=0
end
h=
0
升级会员 