数学建模（四）数据统计描述与分析（方差分析，回归分析）

1.数据统计描述与分析

标题像一本书的名字，感觉好厉害有没有，没有，跟数理统计差不多。方法要用matlab的statistic工具箱。包括均值啊方差啊直方图啊概率分布，这里介绍一下假设检验（就因为我不太会）。

1.1 σ^2 已知，关于 μ 的检验（ Z 检验）

在 Matlab 中 Z 检验法由函数 ztest 来实现，命令为[h,p,ci]=ztest(x,mu,sigma,alpha,tail)，其中输入参数 x 是样本，mu 是 H0 中的 μ0 ，sigma 是总体标准差σ ，alpha 是显著性水平α （alpha 缺省时设定为 0.05），tail 是对备选假设 H1 的选择： H1 为 μ ≠ μ0 时用 tail=0（可缺省）； H1 为 μ > μ0 时用 tail=1； H1 为 μ < μ0 时用 tail=-1。输出参数 h=0 表示接受 H0 ，h=1 表示拒绝 H0 ，p 表示在假设 H0 下样本均值出现的概率，p越小 H0 越值得怀疑，ci 是 μ0 的置信区间。
例：某车间用一台包装机包装糖果。包得的袋装糖重是一个随机变量，它服从正
态分布。当机器正常时，其均值为 0.5 公斤，标准差为 0.015 公斤。某日开工后为检验包装机是否正常，随机地抽取它所包装的糖 9 袋，称得净重为（公斤）：
0.497 0.506 0.518 0.524 0.498 0.511 0.520 0.515 0.512，问机器是否正常？
解 总体σ 已知， x ~ N(μ,0.0152 ) ， μ 未知。 于是提出假设 H0 : μ = μ0 = 0.5和
: 0.5，H1：μ ≠ 0.5。

x=[0.497 0.506 0.518 0.524 0.498...
0.511 0.520 0.515 0.512];
[h,p,ci]=ztest(x,0.5,0.015)

h =

     1


p =

    0.0248


ci =

    0.5014    0.5210

h=1,拒绝原假设。

1.2 σ2 未知，关于 μ 的检验（ t 检验）

在 Matlab 中t 检验法由函数 ttest 来实现，命令为
[h,p,ci]=ttest(x,mu,alpha,tail).例：
某种电子元件的寿命 x (以小时计)服从正态分布, μ,σ 2 均未知.现得 16 只元件的寿命如下:
159 280 101 212 224 379 179 264
222 362 168 250 149 260 485 170
问是否有理由认为元件的平均寿命大于 225(小时)?
解：按题意需检验，H0 : μ ≤ μ0 = 225, H1 : μ &g