Statistics and Machine Learning Toolbox™ ofrece pruebas de hipótesis paramétricas y no paramétricas para ayudarle a determinar si los datos de muestra proceden de una población con características concretas.

Las pruebas de distribución, como las de Anderson-Darling y de Kolmogorov-Smirnov para una muestra, comprueban si los datos de muestra proceden de una población con una distribución concreta. Compruebe si dos conjuntos de datos de muestra tienen la misma distribución mediante pruebas como la de Kolmogorov-Smirnov para dos muestras.

Las pruebas de localización, como la prueba de z y la prueba de t para una muestra, comprueban si los datos de muestra proceden de una población con una media o mediana concreta. Compruebe dos o más conjuntos de datos de muestra con el mismo valor de localización mediante una prueba de t para dos muestras o una prueba de comparaciones múltiples.

Las pruebas de dispersión, como la varianza de chi-cuadrado, comprueban si los datos de muestra proceden de una población con una varianza concreta. Compare las varianzas de dos o más conjuntos de datos de muestra mediante una prueba de F para dos muestras o una prueba para varias muestras.

Determine otras características de los datos de muestra mediante tablas de contingencia, realizando una prueba de rachas para identificar la aleatoriedad, y determine el tamaño de la muestra y la potencia para una prueba de las hipótesis.