Wilcoxon秩和测试计算器
指示: 这个计算器对两个独立样本进行Wilcoxon秩和检验。这个测试适用于有两个独立样本的情况。请选择无效假设和备选假设,使用下面的电子表格提供样本数据和显著性水平,两个独立样本的Wilcoxon检验的结果将为你显示:
什么是wilcoxon rank-sum测试计算器?
更多关于 Wilcoxon秩和检验 所以你可以更好地使用上述解算器所呈现的结果:两个独立样本的Wilcoxon Rank-Sum检验是两个独立样本t检验的非参数替代方法
什么时候应该使用wilcoxon等级和检验?
当t检验所需的一些假设不满足时,就需要使用Wilcoxon秩和检验,要么数据的测量水平小于区间,要么样本不是来自正态分布的人群。偏离正态性假设对于较低的样本量(n≤30)尤为关键,它可以使t检验的结果非常不可靠,因此在这种情况下最好使用Wilcoxon秩和检验。
什么是wilcoxon rank-sum检验?
Wilcoxon秩和检验是一种假设检验,它试图对两个样本是否来自于具有相同中位数的种群做出判断。更具体地说,Wilcoxon秩和检验使用样本信息来评估群体中位数相等的合理性。该检验有两个不重叠的假设,即无效假设和备选假设。空白假设是关于人口中位数的声明,表明没有影响,而替代假设是对空白假设的补充假设。两个独立样本的Wilcoxon Rank-Sum检验的主要特性是:
- 该测试需要两个独立的样本
- 与所有的假设检验一样,根据我们对 "无影响 "情况的了解,Wilcoxon秩和检验可以是双尾的,左尾的或右尾的。
- Wilcoxon Rank-Sum检验是非参数检验,这表明它不需要正态性假设,也不需要区间水平。
- 它确实需要至少在序数水平上测量数据(所以数据可以按升序排列)。
- 一个技术要求是,两个样本的分布具有相同的形状
如果你有足够大的样本量会怎样?
Wilcoxon's Rank-Sum检验的统计数字是样本1的等级之和。当每个样本有10个或更多的值时,那么可以使用正态近似,并使用以下统计量:
\[z = \frac{R- \mu_R}{\sigma_R}\]其中
\[\mu_R = \frac{n_1(n_1+n_2+1)}{2}\]和
\[\sigma_R = \sqrt{\frac{n_1n_2(n_1+n_2+1)}{12}}\]然后,这个Wilcoxon秩和检验将计算出样本量大到足以使用正态近似的P值。否则,将使用临界值来代替。
这个Wilcoxon检验有一个平行参数版本,就是 两个独立样本的t检验 ,只有在满足假设的情况下才能使用。
Wilcoxon rank-sum测试与mann-whitney u测试计算器相同吗?
秩和检验和曼-惠特尼检验在本质上是相同的,所以它们的结果是等同的。
如果我有成对的数据怎么办?
如果你有成对的数据,并且不符合进行参数检验(T检验)的假设,你应该使用这个方法 Wilcoxon Signed-Ranks测试计算器 而不是。