Bonferroni-Holm（又名 Holm-Bonferroni）确定一系列假设是否仍然显着控制家庭错误率 (FWE) 并随后控制错误发现率 (FDR) Bonferroni-Holm 方法校正多重比较（假设检验） . 它不如 Bonferroni 校正保守，但更强大（因此 p 值更有可能保持显着）。 此函数接受来自 1 个或多个假设的原始 p 值，并输出 FWE 调整后的 p 值，以及指示在校正 FWE 后哪些 p 值在 alpha = 0.05 或其他 alpha 时仍然显着的逻辑数组。 有关说明，请参见功能代码。

CHI2TEST：单样本 Pearson 卡方拟合优度假设检验。 H=CHI2TEST(X,ALPHA) 执行 Pearson 卡方检验的特殊情况，以确定复合正态性 PDF 的原假设是否是关于具有所需显着性水平 ALPHA 的随机样本 X 的总体分布的合理假设。 H表示根据条件语句的MATLAB规则进行假设检验的结果： H=1 => 不要在显着性水平 ALPHA 拒绝原假设。 H=0 => 在显着性水平 ALPHA 拒绝原假设。 在这种特殊情况下，卡方假设和检验统计量是： 零假设：X 是正态的，均值和方差未知。 替代假设：X 不正常。 随机样本 X 按其估计均值移动，并通过其归一化估计标准差。 选择假定正态分布的测试箱 XP [-inf, -1.6:0.4:1.6, inf] 以避免统计不足。 设 E(x) 是 X 根据正态分布落入 XP 的预期频率，O(x) 是观察到的频率。

针对多元正态总体均值向量和协差阵的假设检验

运用matlab演示假设检验的临界值及与置信水平、显著性水平之间的关系。通过图一眼就可以看出何时在拒绝域。

给出了对指数分布总体未知参数的有效估计方法和对未知参数所作假设的一致最优势检验。

许多现象往往不是简单的与某一因素有关而是要受多个因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。 本文的研究主要从四个部分来进行。第一章从基础内容和研究对象着手，对主要研究内容进行了简单的阐述。第二章对多元线性回归的基础进行了详细分析。第三章介绍了中国经济的现状。最后通过多元线性回归模型对我国工业生产总值进行了分析。 总的来说，本文在2007年全国各省市主要工业产品的产量与工业总产值的具体数据下，选用塑料、水泥、钢筋、平板玻璃、粗钢、盘条以及原煤等工业产品的产量作为研究对象，建立多元线性回归模型，并对模型做出参数估计.在此基础上对模型做出一定的解释，对于预测工业总产值具有一定的理论指导和现实意义。

此笔记详细介绍了：基于小概率事件思想的假设检验过程、P值的含义、P值与显著性水平的关系、P值如何计算并举例

东北大学应用数理统计第三章知识点总结——假设检验，PDF版本 具体内容详见：https://blog.csdn.net/qq_36770651/article/details/109829721

假设检验代码matlab Mass_Univariate_ERP_Toolbox MATLAB函数用于分析和可视化对与事件相关的潜在数据进行的大量t检验。 Mass Univariate ERP工具箱是可免费使用的一组MATLAB函数，用于执行事件相关电位（ERP）的质量单变量分析，事件相关电位是认知神经科学中流行的神经活动的一种非侵入性测量方法。 质量单变量分析是通过执行单变量假设检验（例如t检验）对大量同时测量的因变量进行的分析。 对多个比较进行了精明的校正，以使伪造的发现不太可能，同时仍保持有用程度的统计能力。 质量单变量分析的优点包括： 减少对先验定义的时间窗口/感兴趣区域的需求 即使有先验时间窗口/感兴趣的区域可用，也能发现意想不到的效果 与传统的平均时间窗口分析相比，具有更高的时空分辨率 质量单变量分析的缺点是由于多次比较的校正而失去一些统计能力，并且不能保证某些普遍的多次比较校正有效或无法提供对先验时间窗/区域进行选择性分析所提供的确定性出于兴趣。 当前，该工具箱支持带有错误发现率控制的主题内和主题间t检验，以及通过置换测试控制家庭方式的错误率。 该工具箱由加利福尼亚大学

多元正态分布参数的假设检验 p维正态总体 的统计推断问题，包括均 值向量的检验和均值的置信域问题。p维正态随 机向量的每一个分量都是一元正态变量，若将p 维均值向量的检验问题化为p个一元正态的均值 检验问题，虽然可以使问题简化，但忽略了p个 分量间的互相依赖关系，常常得不出正确的结 论。