Tests d’hypothèses

Statistics and Machine Learning Toolbox™ propose des tests d’hypothèses paramétriques et non paramétriques pour vous aider à déterminer si votre échantillon de données provient d’une population présentant des caractéristiques particulières.

Les tests de distribution comme ceux d’Anderson-Darling et de Kolmogorov-Smirnov à un échantillon évaluent si votre échantillon de données provient d’une population ayant une distribution spécifique. Déterminez si deux échantillons de données ont la même distribution avec des tests comme celui de Kolmogorov-Smirnov à deux échantillons.

Les tests de position comme le test z et le test t à un échantillon évaluent si votre échantillon de données provient d’une population ayant une moyenne ou une médiane spécifique. Testez plusieurs échantillons de données pour la même valeur de position avec un test t à deux échantillons ou un test de comparaison multiple.

Les tests de dispersion comme la variance chi² évaluent si votre échantillon de données provient d’une population ayant une variance spécifique. Comparez les variances de plusieurs jeux de données d’échantillon avec un test F à deux échantillons ou à échantillons multiples.

Identifiez des caractéristiques supplémentaires dans les échantillons de données grâce à la tabulation croisée, exécutez un test des suites pour déterminer leur caractère aléatoire et déterminez la taille d’échantillon et la puissance statistique pour un test d’hypothèse.