文章来源: 丁点帮你
作者:丁点helper
两组独立样本的非参数检验与其t检验相对,主要是用于不满足正态分布的小样本,一般用Wilcoxon秩和检验,又称Mann-Whitney 检验。
这里我们想指出一点的是,人们往往对正态性的关注更多一些,其实样本量也很重要,这里是样本量较小的情形,如果样本量足够大(比如超过40),即使正态性不满足,也可以使用t检验,而且更推荐用t检验。
案例:在某小学随机采集12岁男童和女童各10名的头发样品,检测发样中钙(Ca)含量(μg/g),数据见下表。男童与女童头发中Ca含量有无差异?
上述数据经过正态性检验,P<0.05,此时认为数据不符合正态分布,即男童组与女童组的数据均不服从正态分布;又因为样本量合计仅有20,所以可采用非参数秩和检验。
下面,我们简单说说这其中的基本思想:
和之前讲解的单样本及配对样本秩和检验一致,这里都需要先编制求秩和,然后用秩和进行检验统计量的计算。
比如,随机抽取样本量分别为n1和n2的两个独立样本,要先将全部数据统一编秩,注意是两组混合起来统一编制。
如上表,就是将男童与女童混合在一起进行编制,然后分组计算秩和。
这里,相当于对原始数据进行了秩变换,即用秩数据代替原始数据进行分析,从而不受原始数据需满足正态分布的条件限制。
如果上述女童组的Ca含量原始数据高于男童组,则女童组Ca含量的秩和也大概率会高于男童组。
我们说过,编秩就是数数,这里一共有20个样本,总秩和加起来为210(就是从1加到20:用中学的公式,首位相加乘以项数除以2)。
如果满足假设,两组儿童Ca含量没有差异,那么两组的秩和大概率都等于105(210的一半)。
以上是基本的思路,严格来讲,检验是在计算秩和后,取任意一组样本(如男童)的秩和(R1=77)作为Wilcoxon秩和检验统计量W,在H0假设成立情况下,则W的均数和标准差分别等于:
当W远离其均数时,则有理由拒绝零假设,认为两组有差异。
比如本例W=77(男童的秩和),比 小约2倍标准差:(77-105)/13.229=-2.116,所以,粗略判断,两组数据应该是有差异的。
这里关于W统计量均数和标准差的计算可以不用特别关注,主要是理解整个思想过程,具体的计算都会交由软件来做。
上述案例标准的检验的步骤总结如下:
(1) 建立检验假设,确定检验水准
H0:男童与女童头发中Ca含量的总体分布相同
H1:男童与女童头发中Ca含量的总体分布不同
a=0.05
(2) 编秩、求秩和
先将男童组与女童组发样中Ca含量的数值由小到大统一编秩,将两组秩分别相加得每组秩和。
(3) 计算检验统计量
本例W=77,Z=-2.116。
(4) 确定P值,作出推断
本例P=0.034,按α=0.05 水准拒绝H0 ,接受H1 ,可以认为男童与女童的头发中Ca含量差异有统计学意义。男童组平均秩为77/10=7.7,女童组平均秩为133/10=13.3,可认为女童的头发中Ca含量高于男童。
另外,值得指出的是,在实际应用中,有一些数据是用离散尺度表达的,什么意思?
比如对于疼痛的评分,研究者会将疼痛用0至10个数据表示,0表示无痛、10表示最痛,研究对象需要根据自身的疼痛程度在这11个数字中挑选一个数字代表疼痛程度。
当用此类数据进行秩和检验,常常会出现很多相同秩,这个时候,检验统计量的计算会略有差别,这个大家稍微留意,不过一般统计软件在分析时会自动调整。
数据分析咨询请扫描二维码
数据分析工具推荐 数据分析工具的选择至关重要。不同工具适用于不同的需求和场景。以下是一些推荐的数据分析工具,根据您的需求 ...
2024-11-27选择适合您需求的数据分析工具 数据分析作为商业决策过程中的关键环节,工具的选择至关重要。不同的工具适用于不同的场景和需求 ...
2024-11-27数据架构文档的编写涉及多个方面,包括内容结构、编写原则和具体要求。遵循规范可以帮助团队更好地理解和管理数据架构,支持项目 ...
2024-11-27挑战与解决方案概述 在数字化时代,数据开放共享对于推动创新和发展至关重要。然而,这一进程面临诸多挑战。保护用户隐私、确保 ...
2024-11-27促进科学研究和创新 数据开放共享为研究人员提供更广泛的资源和合作机会,加速科学知识的发展。通过访问他人的数据集,验证研究 ...
2024-11-27数据组织与存储策略 数据模型是数据仓库和商业智能系统的核心,通过合理的数据组织和存储策略,确保高效、低成本、高质量地利用 ...
2024-11-27持续关注数据系统运行状态 - 数据设计与开发完成后,维护与优化工作成为至关重要的环节。这个过程需要持续且细致的关注,以确保 ...
2024-11-27数据服务未来的趋势 智能化和自动化: 随着人工智能和机器学习技术的飞速发展,数据服务领域正逐渐朝着更智能化和自动化的方向 ...
2024-11-27未来最有前景的行业主要集中在以下几个领域: 人工智能与机器学习:人工智能被认为是未来最具潜力的行业之一,其应用范围广泛 ...
2024-11-27根据多条证据,目前多个行业展现出良好的发展前景。以下是一些被认为具有最好发展前景的行业: 人工智能与机器学习:人工智能 ...
2024-11-27学习数据分析后,可以在多种类型的单位找到工作机会。这些单位包括但不限于: 政府机关:数据分析师在政府机构中扮演重要角色 ...
2024-11-27必备的职业技能 统计学基础 - 理解概率、假设检验、回归分析等统计概念。 - 运用统计方法对数据进行分析和解读。 编程能力 - 掌 ...
2024-11-27基础课程 - 统计学基础: 统计学是数据分析的基石,包括概率、假设检验、回归分析等基本知识。这有助于分析师更好地理解数据背后 ...
2024-11-27数据分析领域涉及众多工具软件,涵盖了从数据处理、分析到可视化的各个方面。在选择适合自己需求的工具时,需要考虑数据规模、分 ...
2024-11-27在数据分析领域,选择合适的工具至关重要。不同的软件适用于不同的需求和技能水平。以下是几款值得考虑的数据分析软件: - Table ...
2024-11-27数据分析中常用的Excel与Python函数公式涵盖了广泛的应用场景。掌握这些基础和高级技巧对于成为一名优秀的数据分析师至关重要。 ...
2024-11-27Python是一种高级编程语言,由荷兰程序员Guido van Rossum于1989年圣诞节期间开始开发,并于1991年首次发布。Python的设计哲学强 ...
2024-11-27课程内容 数学基础: 高等数学、线性代数、概率论与数理统计、微积分等为算法设计和数据分析打下基础。 编程与算法: 掌握 ...
2024-11-27爬虫工程师是互联网时代中至关重要的职业之一,他们的工作内容主要涉及编写和维护网络爬虫程序,进行数据采集与清洗,设计系统架 ...
2024-11-27技能需求 数据管理与建模 - 掌握SQL、HiveQL、Spark SQL等数据库语言,进行复杂数据查询和分析。 - 使用数据建模工具如ER/Studio ...
2024-11-27