單個總體N(,2)均值的檢檢驗（Z檢驗法Zztest （[H,SIG]=ztest(X,M,sigma,ALPHA,sigma值。MALPHA=0.05，TAIL=0。MTAIL=0時，備擇假設(shè)為“期望值不等于TAIL=10.05SIG為小概率時則對原假設(shè)提出質(zhì)疑。H=0表示“在顯著水平為alpha的情況下，不能原假設(shè)H=1表示“在顯著水平為alpha的情況下，可以原假設(shè)例15某車間用一臺包裝機包裝葡萄糖，包得的袋裝糖重是一個隨量，它服從正0.50.015。某日開工后檢驗包裝機是否9袋，稱得凈重為（公斤）0.497,0.506,0.518,0.524,0.498,0.511,0.52,0.515,（1）和已知，則可設(shè)樣本的0.015X~N(0.0152，問題就化為根0.50.5。為此，提出假設(shè)：

H0:0H1（2）實x=[0.497,0.506,0.518,0.524,0.498,0.511,0.52,0.515,[h,sig]=ztest(x,0.5,0.015,0.05,0)1未知時的檢驗（t檢驗法 （t[H,SIG]=ttest(X,M,ALPHA,tMM=0ALPHA=0.05TAIL=0M。TAIL=0時，備擇假設(shè)為“期望值不等于TAIL=1TAIL=10.05SIG為小概率時則對原假設(shè)提出質(zhì)疑。H=0表示“在顯著水平為alpha的情況下，不能原假設(shè)H=1表示“在顯著水平為alpha的情況下，可以原假設(shè)例 只元件 如

問是否有理由認為元件的平均大于225（小時）？H0:0取 上實

H1: %注意，此處x[h,sig]=ttest(x,225,0.05,1)0結(jié)果表明，h=0,即在顯著水平為0.05的情況下，不能原假設(shè)，認為元件的平均壽225小時。兩個正態(tài)總體均值差的檢驗（t檢驗法還可以用t檢驗法檢驗具有相同方差的2個正態(tài)總體均值差的假設(shè)。在中ttest2實現(xiàn)。 t檢驗來判斷是否來自兩正態(tài)分布的樣本的期望值可用相同的期望來估計。TAIL=1時，備擇假設(shè)為“XYTAIL=1時，備擇假設(shè)為“X的期望小于Y0.05SIGNIFICANCE為小概率時則對原假設(shè)提出質(zhì)疑。H=0表示“在顯著水平為alpha的情況下，不能原假設(shè)H=1表示“在顯著水平為alpha的情況下，可以原假設(shè)CI例17在平爐上進行一項試驗以確定改變操作方法的建議是否會增加鋼的得率，試驗（1）標(biāo)準(zhǔn)方法： （2）新方法 N(,2N(,2、、 均未知。問建議的新操作方法能否提高得率？（取0.05）解：（1）需要建立假設(shè)H0:12H1:12 [h,sig,ci]=ttest2(x,y,0.05,-1)

- -結(jié)果h=1,表明在0.05的顯著水平下，可以原假設(shè)，即認為建議的新操作方秩和檢ranksum 兩同總體樣本的Wilcoxon返回產(chǎn)生兩獨立樣本的總體是否相同的顯著性概率。X,Y可為不等長向量，ALPHA為01之間的數(shù)量。此函數(shù)還返回假設(shè)檢驗的結(jié)果H。如果XY的總體差別不顯著，則H0；如果XYH1P為觀察值等于或遠大于原數(shù)據(jù)值P0，則可對原假設(shè)質(zhì)疑。例18 某商店為了確定向公司A或公司B某種商品，將A和B公司以往的各次進設(shè)兩公司的商品的次品的密度最多只差一個平移，取0.05。 解：分別以a,b記公司A、B的商品次品率總體的均值。所需檢驗的假設(shè)為H0H1

aa [p,h]=ranksum(a,b,0.05)00.8041h=0說明可以方差分 X，把矩陣的列看成獨立的一組數(shù)據(jù)，函數(shù)判斷這些列的總體P=anova1(x,GROUP) xGROUPGROUPx的元素相對例19 設(shè)有3臺機器，用來生產(chǎn)規(guī)格相同的鋁合金薄板。取樣，測量薄板的厚度，精確至%o厘米，得結(jié)果如下：在

圖見anova2anova2(X,REPS)X中兩個或多個列或行例20一火箭使用了4種，3種推進器作射程試驗，每種與每種推進器組合各2次，得到結(jié)果如下：A推進器和這2個因素對射程是否有顯著的影響？ 應(yīng)用anova2函數(shù)來解決此問題anova2(a,2) (M923)，不同或不同推進器下的射程有顯著差異。也就是說和推進器對射程的影響都是顯，回歸診例 試作y=a+bx型的回歸。解： [a,b]=polyfit(x,y, -R:[22 %normr %y2.73940.4830x統(tǒng)計正態(tài)分布 圖例 x=normrnd(0,1,100000, %R=NORMRND(MU,SIGMA,M,N)returnsanby X內(nèi)的數(shù)據(jù)是否來自正態(tài)分布，如果數(shù)據(jù)為正態(tài)分對離散圖形加最小二