1.T-test,F-test(可用于一组数据的均值,方差统计学差异检验)python t_statistic, p_value = ttest_rel(vib_left, elec_left)
#解释:
配对样本t检验用于检验两个相关的样本是否来自具有相同均值的正态总体。实质是检验两相关样本之差的均值和零之间的差异大小。
适用情况有:为了比较两种方法(或两种产品、两种仪器等)的差异,因此令两种方法分别对同一受试对象进行试验,再对两方法所得结果进行对比而得出结论。
#使用t检验比较这两组k个样本的均值、使用F检验比较这两组k个样本的方差,
#均值越大、方差越小说明在当前指标上该模型更好更稳定(这里说的指标是正向指标)
#可以看到t检验的p值<0.05,说明拒绝原假设,即两个模型在该指标上取值的均值有差异;
#F检验的p>0.05,说明接受原假设,即两个模型结果的稳定程度一致(方差)。
2.计算单因素方差分析的显著性差异时间范围-anonva1 p-value,
p = anova1(y)对样本数据执行单因子方差分析并返回p值。将每一列视为一个单独的组。该函数检验以下假设:列中的样本是从具有相同均值的总体中抽取的,而其他假设是总体均值并不完全相同
MATLAB中的 anova1()函数 单因素方差分析_漂流瓶jz_新浪博客 (sina.com.cn)
3. ks-test检验 matlab kstest2(X1,X2)
<分布情况未知>
%原假设向量中的数据来自具有相同分布的总体,logical=1表示在默认5%的显著性水平上否定原假设,=0则不否认原假设