MATLAB数据分析方法 2.2数据分布及检验(1)

最新推荐文章于 2024-07-20 00:15:28 发布

热豆浆不加糖

最新推荐文章于 2024-07-20 00:15:28 发布

阅读量3.7k

点赞数 1

分类专栏： matlab数据分析方法文章标签：数据分析 matlab

本文链接：https://blog.csdn.net/weixin_47005624/article/details/105551033

版权

本文介绍了在MATLAB中进行总体分布正态性检验的三种方法：Jarque-Bera(JB)检验、Kolmogorov-Smirnov(KS)检验和Lilliefors检验。详细阐述了每种检验的原理、MATLAB调用命令以及如何根据输出判断数据是否符合正态分布。

摘要由CSDN通过智能技术生成

总体分布的正态性检验

1.Jarque-Bera检验(JB检验)

它是利用正态分布的偏度sk和峰度ku，构造一个包含sk，ku且自由度为2的卡方分布统计量。这个检验适合大样本。
在MATLAB中，JB检验命令jbtest的调用格式为：
H = jbtest(X,alpha);
或
[H,P,JBSTAT,CV] = jbtest(X,alpha);
显著水平alpha缺省为0.05。
输出H为测试结果，若H=0，则不能拒绝X服从正态分布；若H=1，则可以否定X服从正态分布。
输出P为接受假设的概率值，P小于alpha，则可以拒绝是正态分布的原假设。
JBSTAT为测试统计量的值，CV为是否拒绝原假设的临界值，JBSTAT大于CV可以拒绝是正态分布的原假设。

2.Kolmogorov-Smirnov检验(KS检验)

通过样本的经验分布函数与给定分布函数的比较，推断该样本是否来自给定分布函数的总体。当用于正态性检验时只能做标准正态检验，总体服从标准正态分布N(0,1)。
在MATLAB中，KS检验命令kstest的调用格式为：
h = kstest(x);
h = kstest(x,cdf);
[h,p,ksstat,cv] = kstest(x,cdf,alpha);
若h=0表明不能拒绝原假设，即不能拒绝服从正态分布；若h=1&#