ans =
Columns 1 through 8
2.3000 6.7000 12.2000 7.4000 14.2000 4.0000 4.8000 9.2000 6.4000 17.3000 3.6000 5.5000 8.4000 5.8000 5.9000 3.7000 4.3000 9.4000 5.3000 7.3000 1.1000 5.9000 12.8000 6.2222 5.4000 4.0000 12.2000 8.0000 2.9000 3.4000 4.5000 4.7000 5.2000 11.2000 11.8000 3.4000 7.7000 5.4000 2.9000 5.6000 7.2000 14.5000 4.5000 8.4000 6.5000 4.3000 13.0000 8.4000 4.7000 4.5000 6.8000 5.9000 6.7000 12.6000 18.4000 4.0000 9.6000 4.9000 3.4000 5.3000 8.6000 14.8000 4.7000 8.6000 6.2000 3.9000 13.2000 7.0000 4.7000 4.5000 6.2000 6.0000
Columns 9 through 10
6.2000 5.3000 5.8000 12.0000 15.7000 4.1000 9.0000 4.9000 3.2000 5.6000 8.2000 14.2000 5.3000 8.3000 7.4000 3.6000
6.0000 15.1000 8.6000 4.0000 5.8000 4.2000 5.7000 11.6000 4.3000 5.5000 6.1000 15.4000 8.9000 2.7000 7.0000 4.7000 6.4000 13.6000 3.7000 5.8000 5.8000 14.2000 8.4000 3.1000 14.4000 4.0000 4.7000 2.7000 6.4000 4.2000 6.4000 9.0000 16.6000 2.8000 9.7000 4.5000 4.0000 5.0000 6.8000 12.7000 4.7000 7.9000 6.2000 2.6000 12.6000 7.6000 4.1000 4.6000 5.7000 5.8000 5.9000 12.8000 15.4000 4.3000 8.8000 5.9000 4.0000 6.1000 4.6000 16.0000 4.4000 8.9000 6.4000 3.7000 12.6000 8.2000 3.9000 4.0000 5.7000 4.8000 5.9000 11.6000 16.3000 8.7000 3.9000 7.6000 2.4000 4.0000 9.0000 2.9000 3.9000 5.0000 12.4000 7.6000 3.1000 7.4000 4.7000 6.0000 12.6000 4.2000 6.1000 6.0000 15.7000 9.1000 3.9000 7.8000 4.7000 5.2000 6.6000 7.3000 6.4000 14.0000 17.2000 4.4000 9.2000 6.4000 1.8889 6.2000 5.0000 16.6000 2.9000 9.2000 5.1000 3.5000 10.0000 8.0000 3.3000 4.4000 5.0000 6.4000 5.4000 12.2000 13.6000 4.2000 7.9000 6.3000 3.9000 6.0000 8.0000 16.9000 4.6000 9.2000 6.4000 3.9000 13.0000 8.0000 4.2000 4.5000 6.5000 6.7000 6.5000 12.8000 16.3000 4.6000 14.6000 7.8000 4.8000 4.7000 7.0000 6.0000 7.0000 12.8000 18.1000 4.1000 10.0000 5.4000 4.1000 5.7000 8.0000 14.8000 4.5000 8.9000 6.6000 3.7000 12.6000 6.2000 4.3000 4.2000 6.3000 5.6000 5.9000 11.8000 16.6000 4.4000 9.1000 6.0000 4.0000 6.1000 6.4000 16.0000
4.4000 9.0000 reshape(X2h,27,10)
ans =
Columns 1 through 8
3.1000 6.1000 8.7000
7.6000 16.3000 3.6000
3.6000 8.9000 4.8000
5.5000 3.5000 4.9000
10.8000 6.4000 6.8000
3.8000 4.2000 13.2000
5.7000 6.1000 4.2000
6.0000 12.2000 6.1000
13.6000 3.9000 6.0000
8.4000 5.3000 11.2000 3.9000 5.2000 5.6000 14.2000 8.6000 3.5000 4.0000 3.7000 5.2000 7.4000 5.0000 6.9000 13.6000 4.2000 6.1000 6.0000 16.0000 9.4000 3.8000 12.4000 8.1000 3.5000 5.2000 3.7000 4.9000 11.2000 4.0000 6.0000 5.7000 3.8000 5.6000 5.7000 15.7000 9.3000 3.6000 6.4000 3.1000 5.6000 10.2000 4.8000 6.3000 12.2000 4.2000 6.1000 6.3000 15.4000 9.0000 3.6000 4.2000
16.9000
3.1000 5.7000 11.2000 6.8000 15.4000 3.8000 3.3000 9.3000
7.0000 15.1000 3.7000 4.4000 8.7000 5.1000 4.8000 3.2000
4.5000 8.8000 5.4000 4.8000 3.7000 5.5000 10.6000 7.0000
5.6000 3.6000 5.7000 11.8000 5.8000 14.2000 3.8000 3.7000
12.0000 7.2000 5.9000
4.1000 4.1000 11.8000
6.0000 5.4000 4.0000
6.0000 11.4000 5.8000
16.6000 4.1000 6.1000
9.1000 5.6000 15.7000
3.4000 6.1000 9.0000
6.8000 15.7000 3.4000
4.2000 8.9000 6.0000
6.2000 3.5000 4.3000
12.2000 5.2000 6.2000
4.4000 3.9000 11.6000
6.1000 5.0000 3.9000
Columns 9 through 10
5.6000 5.2000 5.7000 11.6000 16.0000 3.9000 8.9000 4.8000 3.6000 5.6000 7.8000 13.9000
14.5000 8.4000 3.4000 6.8000 4.0000 5.0000 10.4000 3.7000 4.9000 5.5000 13.9000 8.4000 3.6000 3.8000 5.1000 5.7000 14.2000 8.4000 3.6000 3.4000 3.8000 5.9000 11.0000 3.4000 4.6000 5.4000 4.8000 5.5000 12.0000 4.0000 5.0000 5.5000 13.9000 8.6000 3.3000 7.4000 4.2000 5.8000 11.8000 8.2000 3.2000 6.8000 3.8000 5.1000 11.8000 4.0000 5.5000 5.8000 15.1000 8.8000 3.4000 6.8000 5.3000 5.9000 15.1000 8.8000 3.5000 7.0000 4.4000 5.9000 12.2000 3.9000 5.3000 6.0000 15.7000 4.6000 8.6000 6.7000 3.7000 13.8000 7.4000 4.4000 4.5000 6.4000 5.6000 5.8000 12.0000 15.1000 4.1000 8.9000 5.5000 3.5000 5.9000 6.6000 14.5000 4.2000 8.8000 5.8000 3.7000 12.0000 6.2000 3.9000 4.1000 5.7000 5.4000 5.9000 12.0000 15.1000 4.2000 8.8000 5.2000 3.7000 5.9000 6.6000 16.0000 4.3000 8.8000
>> Zh= reshape(X1h,27,10)- reshape(X2h,27,10) Zh =
Columns 1 through 8
-0.8000 0.6000 1.0000 0 1.8000 0.2000 0.5000
-1.2000 1.0000 -0.3000 0.5000 0.3000 0.2000 0.1000
0.7000 0.5000 0.1000 0.4000 -2.4000 0.2000 1.4222
-0.1000 0.5000 0.4000 0.8000 -1.2000 0.6000 0.3000
1.4000 1.6000 0.9000 0.5000 -1.0000 -0.6000 0.5000
-0.9000 -0.8000 0 0.3000 -0.7000 0.3000 0.8000
-1.2000 -1.4000 0.5000 0.4000 -2.2000 1.2000 0.2000
-0.8000 -1.0000 1.8000 0.6000 -1.2000 -0.7000 0.2000 -1.8000 -0.5000 0.5000 0.3000 -1.5000 -1.6000 -1.7111 0 -0.4000 0.6000 0.5000 0.5000 0.1000 1.8000 0.3000 0.2000
-0.7000 0.1000 0.5000 0.2000 -0.7000 -1.2000 0.8000 -0.3000 -0.2000 -0.1000 0.4000 0 -2.7000 -0.9000 -0.4000 -0.1000 0.2000 -0.6000 0.6000 0.3000 -0.8000 -1.2000 0.3000 0.3000
0 -0.4000 0.1000 1.4000 -1.1000 -0.5000 -0.6000 1.0000
0.9000 0.7000 0.4000 0.8000 1.8000 -1.8000 -0.5000 0.7000
1.0000 1.2000 0.9000 0.3000 -0.2000 -0.6000 -0.3000 0.5000
0.6000 0.4000 0.4000
0.8000 0.5000 0.2000
0.7000 1.2000 0.5000
1.8000 -0.1000 -0.1000
0.5000 -0.7000 1.2000
0 -0.8000 0.2000
1.8000 -0.9000 0.5000
0.5000 -0.3000 2.0000
0 0.4000 0.2000
1.0000 1.8000 0.5000
0.3000 0.6000 1.2000
0.1000 1.0000 0.7000
Columns 9 through 10
0.6000 0.1000 0.1000 0.4000 -0.3000 0.2000 0.1000 0.1000 -0.4000 0 0.4000 0.3000 0.7000 -0.3000
0.5000 -0.7000 0.2000 0.7000 1.4000 3.2000 0 0.9000 0.3000 0.3000 0 -0.5000 0.6000 0.2000 1.2000 0.4000 0.4000 1.2000 0.6000 0.5000 1.6000 0.5000 1.1000 0.5000 0.3000 0.8000 0.3000 0.9000 0.6000 2.1000 0.3000 0.4000 0.8000 -0.2000 -1.0000 -0.2000 -0.1000 -0.5000 0.6000 -1.5000 0.9000 -0.9000 0.9000 0.4000 0.8000 1.0000 0.2000 0.2000 0.6000 0.5000 0.2000 0.8000 0.6000 0.3000 0.3000 1.2000 0.5000 0.5000 1.0000 0.6000 0.7000 -0.1000 0.8000 0.4000 0.4000 0.2000 0.6000 0.4000 1.2000 0.8000 3.0000 0 1.1000 -0.1000 0.6000 -0.2000 1.4000 0.3000 0.3000 0.1000 0.8000 0 0.6000 0 0.4000 0.1000 0.6000 0.2000 0 -0.2000 1.5000 0.2000 0.3000 0.8000 0.3000 0.2000 -0.2000 0 0.1000 0.2000 m=reshape(Zh,1,270); a1=mean(m) a1 =
0.2571 >> a2=std(m) a2 =
0.8016
>> T=a1*sqrt(270)/a2 T =
5.2699
所以红葡萄酒的评价有显著的差异 m1=data3
m1 =
Columns 1 through 14
60 70 63 67 73 69 73
78 77 70 82 60 84 83
81 63 76 83 72 79 72
62 64 64 68 63 78 72 84 80 76 80 68 71 70 76 85 84 90 84 68 66 63 72 65 69 49 71 55 61 52 64 65 66
59 68
70 80 59 75 63 82 69 90 68 52 82 58 73 93
67 76 84 73 71 79 71 84 87 57 69 82 77 72
64 73 72 75 70 76 80 70 80 62 69 76 77 75
62 67 59 68 66 76 74 75 78 58 64 63 76 77
81 85 84 75 79
67 75 84 77 80
Columns 15 through 27
70 51 71 70
79 66 81 77
91 49 86 70
68 54 74 70
97 77 91 80
82 61 80 59
69 72 83 76
80 61 79 76
81 74 85 76
76 62 73 76
n1=Var(m1) n1 =
Columns 1 through 8
64.6222 49.7778 74.8889
76 90 75 73 80 64 85 76 89 65 76 65 69 76 89 72 73 69 83 85 84 75 76 76 103.6111 86 78 81 74 54 74 42 74 40 72 55 62 53 84 60 63 47 68 61 84 58 81 69 71 30.4000 78 82 70 70 81 68 83 69 73 85 50 80 86 50 71 80 58 61 95 51 78 93 50 71 81 56 72 91 60 76 84 67 79 78 76 77 70.7667 26.0444 81 83 84 77 77 73 78 90 76 96 82 71 85 69 90 60 76 79 92 73 80 86 79 74 18.1000
Columns 9 through 16
47.3778 47.2111 59.7333 108.0444 44.9333 92.9000
Columns 17 through 24
39.7889 45.8222 44.0111 79.6556 62.0111 50.6222 88.0111
32.4889 85.5667
31.2889
Columns 25 through 27
32.9444 116.1000 36.0000
>> mean(n1)
ans =
58.6193 m2=data4
m2 =
Columns 1 through 14
67 79 82 68 68 71 68
73 77 69 65 71 64 67
82 80 80 68 80 72 83
62 83 78 65 52 71 64
63 67 63 47 53 69 73
66 79 75 70 76 71 74
66 80 72 57 71 82 77
72 71 77 74 73 73 78
65 81 74 72 70 73 63
71 72 65 73 78 75 70 74 64 75 73 77 66 79 75 76 68 76 67 80 65 75 80 80 55 66 62 70 64 84 62 79 74 83 60 71 67 64 68 61 75 67 58 62 63 50 73 66 67 64 72 51 69 67 62 60 73 54 59 71 71 70 68
72 74 76 67 67 69 68 65 70 71 64 69 69 73
Columns 15 through 27
72 71 65 68 75 66 75 81 80 66 77 71 74
65 71 67 68 79 68 76 83 72 69 79 70 64
82 78 75 84 68
61 64 61 62 65
64 67 58 60 70
81 76 66 66 67
76 74 70 69 70
80 80 67 73 76
74 73 67 66 69
71 72 67 66 65
n2=Var(m2) n2 =
Columns 1 through 8
36.1778 24.7667 30.7111
Columns 9 through 16
39.0667 25.1222 38.0444
Columns 17 through 24
21.1222 43.7333 41.2889
Columns 25 through 27
24.2667 65.1111 15.2889
73 77 76 72 75 71 60 76 68 77 73 74 73 72 83 73 72 73 60 74 73 70 68 71 62.6778 81.8778 41.3444 20.5000 13.6556 16.2222 85 75 72 76 72 73 69 62 73 80 77 68 83 63 72 77 70 76 75 73 76 73 78 70 20.1000 9.1667 41.5556 55.1556 25.7333 35.5111 75 78 62 51 68 62 69 69 73 73 71 59 69 68 73 59 50.2667 23.1556 10.7222 mean(n2)
ans =
33.7905
所以对于葡萄酒而言，第二组的评价更可信。
因篇幅问题不能全部显示，请点此查看更多更全内容