1.T-test，F-test（可用于一组数据的均值，方差统计学差异检验）python t_statistic, p_value = ttest_rel(vib_left, elec_left)
#解释：
#使用t检验比较这两组k个样本的均值、使用F检验比较这两组k个样本的方差，
#均值越大、方差越小说明在当前指标上该模型更好更稳定（这里说的指标是正向指标）
#可以看到t检验的p值<0.05，说明拒绝原假设，即两个模型在该指标上取值的均值有差异；
#F检验的p>0.05，说明接受原假设，即两个模型结果的稳定程度一致（方差）。
2.计算单因素方差分析的显著性差异时间范围-anonva1 p-value，
p = anova1（y）对样本数据执行单因子方差分析并返回p值。 将 的每一列视为一个单独的组。该函数检验以下假设：列中的样本是从具有相同均值的总体中抽取的，而其他假设是总体均值并不完全相同
MATLAB中的 anova1()函数 单因素方差分析_漂流瓶jz_新浪博客 (sina.com.cn)
3. ks-test检验 matlab kstest2(X1,X2)
%原假设向量中的数据来自具有相同分布的总体，logical=1表示在默认5%的显著性水平上否定原假设，=0则不否认原假设
