見matlab函數(shù)ttest的幫助，null hypothesis翻譯成零假設(shè)[見概率論與數(shù)理統(tǒng)計(jì)第八章筆記，第一個概念就是零假設(shè)]。
matlab幫助是這么描述的：h = ttest(x) performs a t-test of the null hypothesis that data in the vector x are a random sample from a normal distribution with mean 0 and unknown variance, against the alternative that the mean is not 0. The result of the test is returned in h. h = 1 indicates a rejection of the null hypothesis at the 5% significance level. h = 0 indicates a failure to reject the null hypothesis at the 5% significance level.
翻譯：h = ttest(x)執(zhí)行t檢驗(yàn)。零假設(shè)：x是均值為零的正態(tài)分布。備擇假設(shè)：均值不是零。h = 1 表示以5%顯著水平拒絕零假設(shè)。
問題：ttest(x,y)與ttest(y,x)結(jié)果一樣嗎？
肯定一樣，見matlab幫助，ttest(x,y)的零假設(shè)是：x-y是均值為零的隨機(jī)變量。ttest(y,x)的零假設(shè)是：y-x是均值為零的隨機(jī)變量。故兩者等價。
例子：
論文ML-KNN:Alazy learning approach to multi-label learning(Pattern Recognition)的Table 2的第一行0.194±0.010 0.220±0.011，怎么判定前者顯著好于后者？
ML-kNN 采用十折交叉驗(yàn)證得到十個Hamming loss組成一個向量x,BOOSTEXTER采用十折交叉驗(yàn)證得到十個Hamming loss組成一個向量y,ttext(x,y)=1表明具有統(tǒng)計(jì)顯著性差異，ttext(x,y)=0表明不具有統(tǒng)計(jì)顯著性差異
簡單代碼：
x = [0.1 0.15 0.13 0.24 0.26];
y = [0.2 0.21 0.58 0.06 0.04];
ttest(x,y)
ttest(y,x)
x = [0.1 0.15 0.13 0.24 0.26 0.21 0.26 0.28 0.36 0.38];%x的前五個值與原來相同
y = [0.2 0.21 0.58 0.06 0.04 0.46 0.54 0.91 0.58 0.75];%y的前五個值與原來相同,故意將y的后五個值與x的后五個值差異比較大
ttest(x,y)
ttest(y,x)