% 函数文件：[H, P, h] = bootmode (x, m, B, kernel) ％ % 此函数测试单变量基础分布是否向量 x 中的 % 数据有 m 个模式。 该方法采用平滑自举% 如所述 [1]。 ％ % 简约的方法是考虑一个连续增加的% 模式数，直到零假设 (H0) 被接受（即 H=0）， % 其中 H0 对应于等于 m 的模式数。 ％ % x 是数据的向量％ % m 是假设检验的模式数％ % B 是引导复制的数量％ ％内核可以是'Gaussian'（默认）或'Epanechnikov' ％ % H=0 表示不能在 5% 处拒绝原假设％显着性水平。 H=1 表示原假设可以% 在 5% 的水平上被拒绝。 ％ % P 是使用 bootstrap 测试达到的显着性水平。 ％ % h 是临界带宽（即可达到的最小带宽） % 获得 m 个模式的核密度估计） ％ ％参考书目： % [1]
