例题:
试分析温度对着色度的影响。
1.正态性检验(ks检验)
a=[0.981,0.964,0.917,0.669
0.607,0.693,0.506,0.358
0.791,0.642,0.810,0.705
0.901,0.703,0.792,0.883];
b=[1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4];
a=reshape(a',numel(a),1);
for i=1:4
ai=a(b==i);
alpha=0.05;
[mui,sigmai]=normfit(ai);
pi=normcdf(ai,mui,sigmai);
[h0(i),p(i)]=kstest(ai,[ai,pi],alpha);
end
h0,p
h0 =
1×4 logical 数组
0 0 0 0
p =
0.6279 0.9612 0.8938 0.8929
因为h0均为0,拒绝原假设,表明每一个水平所对应的总体是服从正态分布的。
2.方差齐性检验(vartestn函数)
a=[0.981,0.964,0.917,0.669
0.607,0.693,0.506,0.358
0.791,0.642,0.810,0.705
0.901,0.703,0.792,0.883];
b=[1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4]';
a=reshape(a',numel(a),1);
[p,stats]=vartestn(a,b)
Group Count Mean Std Dev
---------------------------------------------------
1 4 0.88275 0.14505
2 4 0.541 0.14396
3 4 0.737 0.07809
4 4 0.81975 0.09129
Pooled 16 0.74513 0.11853
Bartlett's statistic 1.48608
Degrees of freedom 3
p-value 0.68549
因为p=0.68549>>0.05,接受原假设,认为4个温度下布料着色度服从方差相同的正态分布。
3.方差分析(anova1函数)
[p,table,stats]=anova1(a,b)
Source SS df MS F Prob>F
-----------------------------------------------
Groups 0.26497 3 0.08832 6.29 0.0083
Error 0.16859 12 0.01405
Total 0.43356 15
p值为0.0083,可得p<<0.05
因此拒绝原假设,认为不同温度下布料着色度均值有着非常显著的差异。
进一步说明温度对布料着色度是有影响的。
EX.两两之间多重比较(multicompare函数)
sta=multcompare(stats,'estimate','column')
sta =
1.0000 2.0000 0.0929 0.3418 0.5906 0.0072
1.0000 3.0000 -0.1031 0.1458 0.3946 0.3471
1.0000 4.0000 -0.1858 0.0630 0.3118 0.8742
2.0000 3.0000 -0.4448 -0.1960 0.0528 0.1435
2.0000 4.0000 -0.5276 -0.2788 -0.0299 0.0269
3.0000 4.0000 -0.3316 -0.0827 0.1661 0.7592
通过最后一列的检验概率可以得出水平1和水平2、水平2和水平4差异显著。