（1）以数据文件“马克威通用数据1.mkw”为例，演示单样本方差检验算法的操作。
首先，在工作区内，打开建模分析工作流：“基础分析→参数检验→单样本方差检验”，接着选择数据源，然后设置算法的参数，最后点击运行按钮。
其中各类参数的含义为：
置信度：设置置信度的值，要求为区间(0,1]之间任意值，系统默认为95%。
检验方差值：即与所选变量的方差要对比的数值。
原假设：即认为变量的方差与所比较的样本方差值是相等的，一般用H0表示。
备择假设：原假设的对立面，即认为所选择变量的方差与所比较的样本方差值不相等，分为单侧检验和双侧检验。单侧检验包括所选择变量的方差大于或小于样本方差值；而双侧检验则是指所选择变量的方差不等于样本方差值。一般用H1表示。
区间估计：指定输出到结果中的置信区间形式。
样本正态性检验：检验样本是否服从正态分布，通常利用直方图和正态概率图两种图形来反映，这两种方法都是从主观上判断是否服从正态分布。
对变量“浏览次数”进行单样本方差检验，检验该变量的方差是否为1.4。具体的参数设置如下所示：
图 0-1 单样本方差检验-属性设置
（2）输出结果
双击“运行”节点后，系统输出分析计算的结果如下：
图 0-2 单样本方差检验-树形结果列表
图 0-3 单样本方差检验-检验结果
图 0-4 单样本方差检验-浏览次数的统计结果
图 0-5 单样本方差检验-浏览次数直方图
（3）结果说明
从结果可知，浏览次数的数据直方图近似于正态分布（更严格的检验可以用非参数检验中的卡方检验），但由于计算的P值为0.000，远远小于通常选取的显著性水平0.05，故拒绝原假设，即没有足够的理由相信该变量的方差等于1.4。
输入变量类型：整型、浮点型
输入数据尺度：标量型、名义型、有序型
单样本方差检验主要是用于检验样本是否来自具有指定方差的总体。
首先要保证被检验的样本服从正态分布，在均值未知的情况下，使用方差检验，即检验样本的方差是否等于指定的值。
输出结果：
正态概率图：正态概率线是一条Y=X的直线，根据散点在正态概率线周围分布情况来判断，当散点越集中在正态概率线的周围时，说明样本越近似服从正态分布。
直方图：利用直方图的分布与正态分布的密度函数曲线相比较，可以主观判断样本是否服从正态分布。
| 订购用户 | 订购时间 | 年限 | 运行环境 | 版本 |
| 1811****398 | 2018-07-23 13:52:02 | 1年 | Windows | 单机版 |
| 1525****005 | 2018-01-31 16:31:13 | 1年 | Windows | 单机版 |
| 1525****005 | 2018-01-31 16:27:44 | 1年 | Windows | 单机版 |
| 1398****741 | 2017-12-29 09:10:30 | 1年 | Windows | 单机版 |
| 1556****001 | 2017-08-10 23:45:25 | 1年 | Windows | 单机版 |
| 1381****657 | 2017-04-07 00:10:41 | 1年 | Windows | 单机版 |
| 1381****657 | 2017-04-06 22:57:30 | 1年 | Windows | 单机版 |
| 1397****925 | 2017-03-29 10:56:41 | 1年 | Windows | 单机版 |
| 1397****925 | 2017-03-29 10:56:39 | 1年 | Windows | 单机版 |
| 1397****925 | 2017-03-29 10:56:30 | 1年 | Windows | 单机版 |
加入购物车成功!
