Statistics 显著地检验一个假设

我如何检验一个假设，即 相对于数据的大小，算法不是指数型的

例如，我有以下示例：

[n时间]={[02 0.36]，[03 1.15]，[04 2.66]，[05 5.48]，[06 6.54]，[07 11.22]，[08 12.87]，[09 16.94]，[10 17.59]}

其中n是数据的大小。我想证明时间不会随着数据呈指数增长

假设H0，H1应该是什么

我应该使用方差分析还是f检验？我如何应用它

---

谢谢。

注意：这应该是一个评论，不是一个答案，但它太长了

你可能需要更多地了解假设检验背后的基本原理。我建议你从一些在线材料开始，比如：，但是你可能还需要看一些关于统计的书。你现在的问题无法回答，因为你永远无法“用统计数据来证明某事”。统计数据只会告诉你什么是可能的。因此，您无法证明执行时间不会呈指数增长。从你的样本数据来看，真的看起来不是指数型的。事实上，它实际上看起来是线性的，所以增长可能是线性的：

在R中生成此图像的代码为：

> n <- 2:10
> time <-c(0.36, 1.15, 2.66, 5.48, 6.54, 11.22, 12.87, 16.94, 17.59)
> model.linear <- lm(time ~n) # LM = Linear Model, time ~ a*n + b
> plot(time ~ n)
> lines(predict(model.linear)~n, col=2)

>n时间模型.线性图（时间~n）
>直线（预测（模型线性）~n，col=2）

你需要统计数据来证明这个线性模型是一个很好的拟合吗？我希望你不要