| [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 | |