Test di ipotesi

Test t, test F, test della bontà di adattamento del chi quadrato e altro ancora

Statistics and Machine Learning Toolbox™ fornisce test di ipotesi parametrici e non parametrici per consentire di determinare se i dati di campionamento provengano da una popolazione con caratteristiche specifiche.

I test di distribuzione, come il test di Anderson-Darling e il test di Kolmogorov-Smirnov a campione singolo, verificano se i dati di campionamento provengono da una popolazione con una distribuzione specifica. Verificare se due insiemi di dati di campionamento presentano la stessa distribuzione utilizzando test quali il test di Kolmogorov-Smirnov a due campioni.

I test di posizione, come il test z e il test t a campione singolo, verificano se i dati di campionamento provengono da una popolazione con una media o una mediana specifica. Verificare due o più insiemi di dati di campionamento per lo stesso valore di posizione utilizzando un test t o un test di confronto multiplo.

I test di dispersione, come il test del chi quadrato sulla varianza, verificano se i dati di campionamento provengono da una popolazione con una varianza specifica. Confrontare le varianze di due o più insiemi di dati di campionamento utilizzando un test F a due campioni o un test a campioni multipli.

Determinare ulteriori feature dei dati di campionamento elaborando tabelle incrociate, effettuando un test di casualità e stabilendo la dimensione del campione e la potenza di un test di ipotesi.

Funzioni

espandi tutto

adtestAnderson-Darling test
chi2gofChi-square goodness-of-fit test
crosstabCross-tabulation
dwtestDurbin-Watson test with residual inputs
fishertestFisher’s exact test
jbtestJarque-Bera test
knntestTwo-sample multivariate hypothesis test using k-nearest neighbors (KNN) (Da R2025a)
kstestOne-sample Kolmogorov-Smirnov test
kstest2Two-sample Kolmogorov-Smirnov test
lillietestLilliefors test
mmdtestTwo-sample multivariate hypothesis test using maximum mean discrepancy (MMD) (Da R2024b)
runstestRun test for randomness
friedmanFriedman’s test
kruskalwallisKruskal-Wallis test
multcompareMultiple comparison test
ranksumWilcoxon rank sum test
sampsizepwrSample size and power of test
signrankWilcoxon signed rank test
signtestSign test
ttestOne-sample and paired-sample t-test
ttest2Two-sample t-test
ztestz-test
ansaribradleyAnsari-Bradley test
barttestBartlett’s test
sampsizepwrSample size and power of test
vartestChi-square variance test
vartest2Two-sample F-test for equal variances
vartestn Multiple-sample tests for equal variances
meanEffectSizeOne-sample or two-sample effect size computations (Da R2022a)
gardnerAltmanPlotGardner-Altman plot for two-sample effect size (Da R2022a)

Rilevamento della deriva

detectdriftDetect drifts between baseline and target data using permutation testing (Da R2022a)

Accesso ai risultati del test

DriftDiagnosticsDiagnostics information for batch drift detection (Da R2022a)

Analisi dei risultati del test

summarySummary table for DriftDiagnostics object (Da R2022a)
ecdfCompute empirical cumulative distribution function (ecdf) for baseline and target data specified for data drift detection (Da R2022a)
histcountsCompute histogram bin counts for specified variables in baseline and target data for drift detection (Da R2022a)
plotDriftStatusPlot p-values and confidence intervals for variables tested for data drift (Da R2022a)
plotEmpiricalCDFPlot empirical cumulative distribution function (ecdf) of a variable specified for data drift detection (Da R2022a)
plotHistogramPlot histogram of a variable specified for data drift detection (Da R2022a)
plotPermutationResultsPlot histogram of permutation results for a variable specified for data drift detection (Da R2022a)

Argomenti

Esempi in primo piano

Selecting a Sample Size

Selecting a Sample Size

Determine the number of samples or observations needed to carry out a statistical test. It illustrates sample size calculations for a simple problem, then shows how to use the sampsizepwr function to compute power and sample size for two more realistic problems. Finally, it illustrates the use of Statistics and Machine Learning Toolbox™ functions to compute the required sample size for a test that the sampsizepwr function does not support.