ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Ρ‚ вилкоксона: T-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Вилкоксона

Π‘ΠΎΠ΄Π΅Ρ€ΠΆΠ°Π½ΠΈΠ΅

ΠœΠ΅Ρ‚ΠΎΠ΄Ρ‹ статистики


Ѐрэнк Уилкоксон

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона для связанных Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ (Ρ‚Π°ΠΊΠΆΠ΅ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡŽΡ‚ΡΡ названия Π’-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона, ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Вилкоксона, ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Π·Π½Π°ΠΊΠΎΠ²Ρ‹Ρ… Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона, ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона) – нСпарамСтричСский статистичСский ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌΡ‹ΠΉ для сравнСния Π΄Π²ΡƒΡ… связанных (ΠΏΠ°Ρ€Π½Ρ‹Ρ…) Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ ΠΏΠΎ ΡƒΡ€ΠΎΠ²Π½ΡŽ ΠΊΠ°ΠΊΠΎΠ³ΠΎ-Π»ΠΈΠ±ΠΎ количСствСнного ΠΏΡ€ΠΈΠ·Π½Π°ΠΊΠ°, ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½Π½ΠΎΠ³ΠΎ Π² Π½Π΅ΠΏΡ€Π΅Ρ€Ρ‹Π²Π½ΠΎΠΉ ΠΈΠ»ΠΈ Π² порядковой шкалС.

Π‘ΡƒΡ‚ΡŒ ΠΌΠ΅Ρ‚ΠΎΠ΄Π° состоит Π² Ρ‚ΠΎΠΌ, Ρ‡Ρ‚ΠΎ ΡΠΎΠΏΠΎΡΡ‚Π°Π²Π»ΡΡŽΡ‚ΡΡ Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Ρ‹Π΅ Π²Π΅Π»ΠΈΡ‡ΠΈΠ½Ρ‹ выраТСнности сдвигов Π² Ρ‚ΠΎΠΌ ΠΈΠ»ΠΈ ΠΈΠ½ΠΎΠΌ Π½Π°ΠΏΡ€Π°Π²Π»Π΅Π½ΠΈΠΈ. Для этого сначала всС Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Ρ‹Π΅ Π²Π΅Π»ΠΈΡ‡ΠΈΠ½Ρ‹ сдвигов Ρ€Π°Π½ΠΆΠΈΡ€ΡƒΡŽΡ‚ΡΡ, Π° ΠΏΠΎΡ‚ΠΎΠΌ ΡΡƒΠΌΠΌΠΈΡ€ΡƒΡŽΡ‚ΡΡ Ρ€Π°Π½Π³ΠΈ. Если сдвиги Π² Ρ‚Ρƒ ΠΈΠ»ΠΈ ΠΈΠ½ΡƒΡŽ сторону происходят случайно, Ρ‚ΠΎ ΠΈ суммы ΠΈΡ… Ρ€Π°Π½Π³ΠΎΠ² окаТутся ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π½ΠΎ Ρ€Π°Π²Π½Ρ‹. Если ΠΆΠ΅ ΠΈΠ½Ρ‚Π΅Π½ΡΠΈΠ²Π½ΠΎΡΡ‚ΡŒ сдвигов Π² ΠΎΠ΄Π½Ρƒ сторону большС, Ρ‚ΠΎ сумма Ρ€Π°Π½Π³ΠΎΠ² Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Ρ‹Ρ… Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ сдвигов Π² ΠΏΡ€ΠΎΡ‚ΠΈΠ²ΠΎΠΏΠΎΠ»ΠΎΠΆΠ½ΡƒΡŽ сторону Π±ΡƒΠ΄Π΅Ρ‚ Π·Π½Π°Ρ‡ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎ Π½ΠΈΠΆΠ΅, Ρ‡Π΅ΠΌ это ΠΌΠΎΠ³Π»ΠΎ Π±Ρ‹ Π±Ρ‹Ρ‚ΡŒ ΠΏΡ€ΠΈ случайных измСнСниях.

1. Π˜ΡΡ‚ΠΎΡ€ΠΈΡ Ρ€Π°Π·Ρ€Π°Π±ΠΎΡ‚ΠΊΠΈ критСрия Уилкоксона для связанных Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ

ВСст Π±Ρ‹Π» Π²ΠΏΠ΅Ρ€Π²Ρ‹Π΅ ΠΏΡ€Π΅Π΄Π»ΠΎΠΆΠ΅Π½ Π² 1945 Π³ΠΎΠ΄Ρƒ амСриканским статистиком ΠΈ Ρ…ΠΈΠΌΠΈΠΊΠΎΠΌ Ѐрэнком Уилкоксоном (1892-1965). Π’ Ρ‚ΠΎΠΉ ΠΆΠ΅ Π½Π°ΡƒΡ‡Π½ΠΎΠΉ Ρ€Π°Π±ΠΎΡ‚Π΅ Π°Π²Ρ‚ΠΎΡ€ΠΎΠΌ Π±Ρ‹Π» описан Π΅Ρ‰Π΅ ΠΎΠ΄ΠΈΠ½ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ, примСняСмый Π² случаС сравнСния нСзависимых Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ.

2. Для Ρ‡Π΅Π³ΠΎ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона?

Π’-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ для ΠΎΡ†Π΅Π½ΠΊΠΈ Ρ€Π°Π·Π»ΠΈΡ‡ΠΈΠΉ ΠΌΠ΅ΠΆΠ΄Ρƒ двумя рядами ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ΠΈΠΉ, Π²Ρ‹ΠΏΠΎΠ»Π½Π΅Π½Π½Ρ‹Ρ… для ΠΎΠ΄Π½ΠΎΠΉ ΠΈ Ρ‚ΠΎΠΉ ΠΆΠ΅ совокупности исслСдуСмых, Π½ΠΎ Π² Ρ€Π°Π·Π½Ρ‹Ρ… условиях ΠΈΠ»ΠΈ Π² Ρ€Π°Π·Π½ΠΎΠ΅ врСмя. Π”Π°Π½Π½Ρ‹ΠΉ тСст способСн Π²Ρ‹ΡΠ²ΠΈΡ‚ΡŒ Π½Π°ΠΏΡ€Π°Π²Π»Π΅Π½Π½ΠΎΡΡ‚ΡŒ ΠΈ Π²Ρ‹Ρ€Π°ΠΆΠ΅Π½Π½ΠΎΡΡ‚ΡŒ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠΉ β€” Ρ‚ΠΎ Π΅ΡΡ‚ΡŒ, ΡΠ²Π»ΡΡŽΡ‚ΡΡ Π»ΠΈ ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΠΈ большС сдвинутыми Π² ΠΎΠ΄Π½ΠΎΠΌ Π½Π°ΠΏΡ€Π°Π²Π»Π΅Π½ΠΈΠΈ, Ρ‡Π΅ΠΌ Π² Π΄Ρ€ΡƒΠ³ΠΎΠΌ.

ΠšΠ»Π°ΡΡΠΈΡ‡Π΅ΡΠΊΠΈΠΌ ΠΏΡ€ΠΈΠΌΠ΅Ρ€ΠΎΠΌ ситуации, Π² ΠΊΠΎΡ‚ΠΎΡ€ΠΎΠΉ ΠΌΠΎΠΆΠ΅Ρ‚ ΠΏΡ€ΠΈΠΌΠ΅Π½ΡΡ‚ΡŒΡΡ Π’-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона для связанных совокупностСй, являСтся исслСдованиС Β«Π΄ΠΎ-послС», ΠΊΠΎΠ³Π΄Π° ΡΡ€Π°Π²Π½ΠΈΠ²Π°ΡŽΡ‚ΡΡ ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΠΈ Π΄ΠΎ ΠΈ послС лСчСния. НапримСр, ΠΏΡ€ΠΈ ΠΈΠ·ΡƒΡ‡Π΅Π½ΠΈΠΈ эффСктивности Π°Π½Ρ‚ΠΈΠ³ΠΈΠΏΠ΅Ρ€Ρ‚Π΅Π½Π·ΠΈΠ²Π½ΠΎΠ³ΠΎ срСдства сравниваСтся Π°Ρ€Ρ‚Π΅Ρ€ΠΈΠ°Π»ΡŒΠ½ΠΎΠ΅ Π΄Π°Π²Π»Π΅Π½ΠΈΠ΅ Π΄ΠΎ ΠΏΡ€ΠΈΠ΅ΠΌΠ° ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π° ΠΈ послС ΠΏΡ€ΠΈΠ΅ΠΌΠ°.

3. Условия ΠΈ ограничСния примСнСния Π’-критСрия Уилкоксона

  1. ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона являСтся нСпарамСтричСским ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠ΅ΠΌ, поэтому, Π² ΠΎΡ‚Π»ΠΈΡ‡ΠΈΠ΅ ΠΎΡ‚ ΠΏΠ°Ρ€Π½ΠΎΠ³ΠΎ t-критСрия Π‘Ρ‚ΡŒΡŽΠ΄Π΅Π½Ρ‚Π°, Π½Π΅ Ρ‚Ρ€Π΅Π±ΡƒΠ΅Ρ‚ наличия Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠ³ΠΎ распрСдСлСния сравниваСмых совокупностСй.
  2. Число исслСдуСмых ΠΏΡ€ΠΈ использовании T-критСрия Уилкоксона Π΄ΠΎΠ»ΠΆΠ½ΠΎ Π±Ρ‹Ρ‚ΡŒ Π½Π΅ ΠΌΠ΅Π½Π΅Π΅ 5.
  3. Π˜Π·ΡƒΡ‡Π°Π΅ΠΌΡ‹ΠΉ ΠΏΡ€ΠΈΠ·Π½Π°ΠΊ ΠΌΠΎΠΆΠ΅Ρ‚ Π±Ρ‹Ρ‚ΡŒ ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ ΠΊΠ°ΠΊ Π² количСствСнной Π½Π΅ΠΏΡ€Π΅Ρ€Ρ‹Π²Π½ΠΎΠΉ (Π°Ρ€Ρ‚Π΅Ρ€ΠΈΠ°Π»ΡŒΠ½ΠΎΠ΅ Π΄Π°Π²Π»Π΅Π½ΠΈΠ΅, Π§Π‘Π‘, содСрТаниС Π»Π΅ΠΉΠΊΠΎΡ†ΠΈΡ‚ΠΎΠ² Π² 1 ΠΌΠ» ΠΊΡ€ΠΎΠ²ΠΈ), Ρ‚Π°ΠΊ ΠΈ Π² порядковой шкалС (число Π±Π°Π»Π»ΠΎΠ², ΡΡ‚Π΅ΠΏΠ΅Π½ΡŒ тяТСсти заболСвания, ΡΡ‚Π΅ΠΏΠ΅Π½ΡŒ обсСмСнСнности ΠΌΠΈΠΊΡ€ΠΎΠΎΡ€Π³Π°Π½ΠΈΠ·ΠΌΠ°ΠΌΠΈ).
  4. Π”Π°Π½Π½Ρ‹ΠΉ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ Π² случаС сравнСния Π΄Π²ΡƒΡ… рядов ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ΠΈΠΉ. Аналогом Π’-критСрия Уилкоксона для сравнСния Ρ‚Ρ€Π΅Ρ… ΠΈ Π±ΠΎΠ»Π΅Π΅ связанных совокупностСй являСтся ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Π€Ρ€ΠΈΠ΄ΠΌΠ°Π½Π°.

4. Как Ρ€Π°ΡΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒ Π’-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона для связанных Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ?

  1. Π’Ρ‹Ρ‡ΠΈΡΠ»ΠΈΡ‚ΡŒ Ρ€Π°Π·Π½ΠΎΡΡ‚ΡŒ ΠΌΠ΅ΠΆΠ΄Ρƒ значСниями ΠΏΠ°Ρ€Π½Ρ‹Ρ… ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ΠΈΠΉ для ΠΊΠ°ΠΆΠ΄ΠΎΠ³ΠΎ исслСдуСмого. НулСвыС сдвиги Π΄Π°Π»Π΅Π΅ Π½Π΅ ΡƒΡ‡ΠΈΡ‚Ρ‹Π²Π°ΡŽΡ‚ΡΡ.
  2. ΠžΠΏΡ€Π΅Π΄Π΅Π»ΠΈΡ‚ΡŒ, ΠΊΠ°ΠΊΠΈΠ΅ ΠΈΠ· разностСй ΡΠ²Π»ΡΡŽΡ‚ΡΡ Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹ΠΌΠΈ, Ρ‚ΠΎ Π΅ΡΡ‚ΡŒ ΡΠΎΠΎΡ‚Π²Π΅Ρ‚ΡΡ‚Π²ΡƒΡŽΡ‚ ΠΏΡ€Π΅ΠΎΠ±Π»Π°Π΄Π°ΡŽΡ‰Π΅ΠΌΡƒ ΠΏΠΎ частотС Π½Π°ΠΏΡ€Π°Π²Π»Π΅Π½ΠΈΡŽ измСнСния показатСля.
  3. ΠŸΡ€ΠΎΡ€Π°Π½ΠΆΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ разности ΠΏΠ°Ρ€ ΠΏΠΎ ΠΈΡ… Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Ρ‹ΠΌ значСниям (Ρ‚ΠΎ Π΅ΡΡ‚ΡŒ, Π±Π΅Π· ΡƒΡ‡Π΅Ρ‚Π° Π·Π½Π°ΠΊΠ°), Π² порядкС возрастания. ΠœΠ΅Π½ΡŒΡˆΠ΅ΠΌΡƒ Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½ΠΎΠΌΡƒ Π·Π½Π°Ρ‡Π΅Π½ΠΈΡŽ разности приписываСтся мСньший Ρ€Π°Π½Π³.
  4. Π Π°ΡΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒ сумму Ρ€Π°Π½Π³ΠΎΠ², ΡΠΎΠΎΡ‚Π²Π΅Ρ‚ΡΡ‚Π²ΡƒΡŽΡ‰ΠΈΡ… Π½Π΅Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹ΠΌ сдвигам.

Π’Π°ΠΊΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ, Π’-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона для связанных Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ рассчитываСтся ΠΏΠΎ ΡΠ»Π΅Π΄ΡƒΡŽΡ‰Π΅ΠΉ Ρ„ΠΎΡ€ΠΌΡƒΠ»Π΅:

T = Ξ£Rr

Π³Π΄Π΅ Ξ£Rr β€” сумма Ρ€Π°Π½Π³ΠΎΠ², ΡΠΎΠΎΡ‚Π²Π΅Ρ‚ΡΡ‚Π²ΡƒΡŽΡ‰ΠΈΡ… Π½Π΅Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹ΠΌ измСнСниям показатСля.

5. Как ΠΈΠ½Ρ‚Π΅Ρ€ΠΏΡ€Π΅Ρ‚ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ критСрия Уилкоксона?

ΠŸΠΎΠ»ΡƒΡ‡Π΅Π½Π½ΠΎΠ΅ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ T-критСрия Уилкоксона сравниваСм с критичСским ΠΏΠΎ Ρ‚Π°Π±Π»ΠΈΡ†Π΅ для ΠΈΠ·Π±Ρ€Π°Π½Π½ΠΎΠ³ΠΎ уровня статистичСской значимости (p=0.05

ΠΈΠ»ΠΈ p=0.01) ΠΏΡ€ΠΈ Π·Π°Π΄Π°Π½Π½ΠΎΠΉ числСнности сопоставляСмых Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ n:

  • Если расчСтноС (эмпиричСскоС) Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ Вэмп. мСньшС Ρ‚Π°Π±Π»ΠΈΡ‡Π½ΠΎΠ³ΠΎ Π’ΠΊΡ€. ΠΈΠ»ΠΈ Ρ€Π°Π²Π½ΠΎ Π΅ΠΌΡƒ, Ρ‚ΠΎ признаСтся статистичСская Π·Π½Π°Ρ‡ΠΈΠΌΠΎΡΡ‚ΡŒ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠΉ показатСля Π² Ρ‚ΠΈΠΏΠΈΡ‡Π½ΡƒΡŽ сторону (принимаСтся Π°Π»ΡŒΡ‚Π΅Ρ€Π½Π°Ρ‚ΠΈΠ²Π½Π°Ρ Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π°). Π”ΠΎΡΡ‚ΠΎΠ²Π΅Ρ€Π½ΠΎΡΡ‚ΡŒ Ρ€Π°Π·Π»ΠΈΡ‡ΠΈΠΉ Ρ‚Π΅ΠΌ Π²Ρ‹ΡˆΠ΅, Ρ‡Π΅ΠΌ мСньшС Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ Π’.
  • Если Вэмп. большС Π’ΠΊΡ€. , принимаСтся нулСвая Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π° ΠΎΠ± отсутствии статистичСской значимости ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠΉ показатСля.

ΠŸΡ€ΠΈΠΌΠ΅Ρ€ расчСта критСрия Уилкоксона для связанных Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ

ЀармацСвтичСской ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠ΅ΠΉ проводится исслСдованиС Π½ΠΎΠ²ΠΎΠ³ΠΎ ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π° ΠΈΠ· Π³Ρ€ΡƒΠΏΠΏΡ‹ нСстСроидных ΠΏΡ€ΠΎΡ‚ΠΈΠ²ΠΎΠ²ΠΎΡΠΏΠ°Π»ΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Ρ… срСдств. Для этого ΠΎΡ‚ΠΎΠ±Ρ€Π°Π½Π° Π³Ρ€ΡƒΠΏΠΏΠ° ΠΈΠ· 10 Π΄ΠΎΠ±Ρ€ΠΎΠ²ΠΎΠ»ΡŒΡ†Π΅Π², ΡΡ‚Ρ€Π°Π΄Π°ΡŽΡ‰ΠΈΡ… ΠžΠ Π’Π˜ с Π³ΠΈΠΏΠ΅Ρ€Ρ‚Π΅Ρ€ΠΌΠΈΠ΅ΠΉ. Π£ Π½ΠΈΡ… Π±Ρ‹Π»Π° ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½Π° Ρ‚Π΅ΠΌΠΏΠ΅Ρ€Π°Ρ‚ΡƒΡ€Π° Ρ‚Π΅Π»Π° Π΄ΠΎ ΠΈ Ρ‡Π΅Ρ€Π΅Π· 30 ΠΌΠΈΠ½ΡƒΡ‚ послС ΠΏΡ€ΠΈΠ΅ΠΌΠ° Π½ΠΎΠ²ΠΎΠ³ΠΎ ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π°. ВрСбуСтся ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ Π²Ρ‹Π²ΠΎΠ΄ ΠΎ значимости сниТСния Ρ‚Π΅ΠΌΠΏΠ΅Ρ€Π°Ρ‚ΡƒΡ€Ρ‹ Ρ‚Π΅Π»Π° Π² Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Π΅ ΠΏΡ€ΠΈΠ΅ΠΌΠ° ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π°.

  1. Π˜ΡΡ…ΠΎΠ΄Π½Ρ‹Π΅ Π΄Π°Π½Π½Ρ‹Π΅ ΠΎΡ„ΠΎΡ€ΠΌΠ»Π΅Π½Ρ‹ Π² Π²ΠΈΠ΄Π΅ ΡΠ»Π΅Π΄ΡƒΡŽΡ‰Π΅ΠΉ Ρ‚Π°Π±Π»ΠΈΡ†Ρ‹:
    NЀамилияt Ρ‚Π΅Π»Π° Π΄ΠΎ ΠΏΡ€ΠΈΠ΅ΠΌΠ° ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π°t Ρ‚Π΅Π»Π° послС ΠΏΡ€ΠΈΠ΅ΠΌΠ° ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π°
    1.Иванов39.037.6
    2.ΠŸΠ΅Ρ‚Ρ€ΠΎΠ²39.538.7
    3.Π‘ΠΈΠ΄ΠΎΡ€ΠΎΠ²38.638.7
    4.Попов39.1
    38.5
    5.НиколаСв40.138.6
    6.Козлов39.337.5
    7.Π˜Π³Π½Π°Ρ‚ΡŒΠ΅Π²38.938.8
    8.Π‘Π΅ΠΌΠ΅Π½ΠΎΠ²39.238. 0
    9.Π•Π³ΠΎΡ€ΠΎΠ²39.839.7
    10.АлСксССв
    38.8
    39.3
  2. Для расчСта Π’-критСрия Уилкоксона рассчитаСм разности ΠΏΠ°Ρ€Π½Ρ‹Ρ… ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»Π΅ΠΉ ΠΈ ΠΏΡ€ΠΎΡ€Π°Π½ΠΆΠΈΡ€ΡƒΠ΅ΠΌ ΠΈΡ… Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Ρ‹Π΅ значСния. ΠŸΡ€ΠΈ этом Π½Π΅Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹Π΅ Ρ€Π°Π½Π³ΠΈ Π²Ρ‹Π΄Π΅Π»ΠΈΠΌ красным ΡˆΡ€ΠΈΡ„Ρ‚ΠΎΠΌ:
    NЀамилияt Ρ‚Π΅Π»Π° Π΄ΠΎ ΠΏΡ€ΠΈΠ΅ΠΌΠ° ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π°t Ρ‚Π΅Π»Π° послС ΠΏΡ€ΠΈΠ΅ΠΌΠ° ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π°Π Π°Π·Π½ΠΎΡΡ‚ΡŒ ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»Π΅ΠΉ, d |d|    Π Π°Π½Π³
    1.Иванов39.037. 6-1.41.4
    7
    2.ΠŸΠ΅Ρ‚Ρ€ΠΎΠ²39.538.7-0.80.85
    3.Π‘ΠΈΠ΄ΠΎΡ€ΠΎΠ²38.638.70.10.11.5
    4.Попов39.138.5-0.60.64
    5.НиколаСв40.138.
    6
    -1.51.58
    6.Козлов39.337.5-1.81.89
    7.Π˜Π³Π½Π°Ρ‚ΡŒΠ΅Π²38.938.8-0.10.11.5
    8.Π‘Π΅ΠΌΠ΅Π½ΠΎΠ²39.238.0-1.21.26
    9.
    Π•Π³ΠΎΡ€ΠΎΠ²
    39.839. 80β€”β€”
    10.АлСксССв38.839.30.50.53
    Как ΠΌΡ‹ Π²ΠΈΠ΄ΠΈΠΌ, Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹ΠΌ сдвигом показатСля являСтся Π΅Π³ΠΎ сниТСниС, ΠΎΡ‚ΠΌΠ΅Ρ‡Π΅Π½Π½ΠΎΠ΅ Π² 7 случаях ΠΈΠ· 10. Π’ ΠΎΠ΄Π½ΠΎΠΌ случаС (Ρƒ ΠΏΠ°Ρ†ΠΈΠ΅Π½Ρ‚Π° Π•Π³ΠΎΡ€ΠΎΠ²Π°) β€” Ρ‚Π΅ΠΌΠΏΠ΅Ρ€Π°Ρ‚ΡƒΡ€Π° послС ΠΏΡ€ΠΈΠ΅ΠΌΠ° ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π° Π½Π΅ измСнилась, Π² связи с Ρ‡Π΅ΠΌ Π΄Π°Π½Π½Ρ‹ΠΉ случай Π½Π΅ использовался Π² дальнСйшСм Π°Π½Π°Π»ΠΈΠ·Π΅. Π’ Π΄Π²ΡƒΡ… случаях (Ρƒ ΠΏΠ°Ρ†ΠΈΠ΅Π½Ρ‚ΠΎΠ² Π‘ΠΈΠ΄ΠΎΡ€ΠΎΠ²Π° ΠΈ АлСксССва) отмСчался Π½Π΅Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹ΠΉ сдвиг Ρ‚Π΅ΠΌΠΏΠ΅Ρ€Π°Ρ‚ΡƒΡ€Ρ‹ Π² сторону ΠΏΠΎΠ²Ρ‹ΡˆΠ΅Π½ΠΈΡ. Π Π°Π½Π³ΠΈ, ΡΠΎΠΎΡ‚Π²Π΅Ρ‚ΡΡ‚Π²ΡƒΡŽΡ‰ΠΈΠ΅ Π½Π΅Ρ‚ΠΈΠΏΠΈΡ‡Π½ΠΎΠΌΡƒ сдвигу, Ρ€Π°Π²Π½Ρ‹ 1.5 ΠΈ 3.
  3. РассчитаСм Π’-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ Ρ€Π°Π²Π΅Π½ суммС Ρ€Π°Π½Π³ΠΎΠ², ΡΠΎΠΎΡ‚Π²Π΅Ρ‚ΡΡ‚Π²ΡƒΡŽΡ‰ΠΈΡ… Π½Π΅Ρ‚ΠΈΠΏΠΈΡ‡Π½ΠΎΠΌΡƒ сдвигу показатСля:

    T = Ξ£Rr = 3 + 1. 5 = 4.5

  4. Π‘Ρ€Π°Π²Π½ΠΈΠ²Π°Π΅ΠΌ Вэмп. с Π’ΠΊΡ€., ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ ΠΏΡ€ΠΈ ΡƒΡ€ΠΎΠ²Π½Π΅ значимости p=0.05 ΠΈ n=9 Ρ€Π°Π²Π΅Π½ 8. Π‘Π»Π΅Π΄ΠΎΠ²Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ, Вэмп.<TΠΊΡ€., измСнСния показатСля статистичСски Π·Π½Π°Ρ‡ΠΈΠΌΡ‹ ΠΏΡ€ΠΈ p<0.05.
  5. Π”Π΅Π»Π°Π΅ΠΌ Π²Ρ‹Π²ΠΎΠ΄: сниТСниС Ρ‚Π΅ΠΌΠΏΠ΅Ρ€Π°Ρ‚ΡƒΡ€Ρ‹ Ρ‚Π΅Π»Π° Ρƒ ΠΏΠ°Ρ†ΠΈΠ΅Π½Ρ‚ΠΎΠ² с ΠžΠ Π’Π˜ Π² Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Π΅ ΠΏΡ€ΠΈΠ΅ΠΌΠ° Π½ΠΎΠ²ΠΎΠ³ΠΎ ΠΏΡ€Π΅ΠΏΠ°Ρ€Π°Ρ‚Π° являСтся статистичСски Π·Π½Π°Ρ‡ΠΈΠΌΡ‹ΠΌ (Ρ€<0.05).

ΠŸΠΎΠΊΠ°Π·Π°Ρ‚ΡŒ Ρ‚Π°Π±Π»ΠΈΡ†Ρƒ критичСских Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ Π’-критСрия Уилкоксона

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Вилкоксона (Уилкоксона): Π΄Π²Π΅ зависимыС Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ

ΠšΡ€Π°Ρ‚ΠΊΠΎΠ΅ описаниС: 

Π‘Π°Π·ΠΎΠ½ΠΎΠ² Π’.Π€. ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Вилкоксона (Уилкоксона): Π΄Π²Π΅ зависимыС Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ [Π­Π»Π΅ΠΊΡ‚Ρ€ΠΎΠ½Π½Ρ‹ΠΉ рСсурс] // КинСзиолог, 2009-2016: [сайт]. Π”Π°Ρ‚Π° обновлСния: 22.02.2016. URL: http://kineziolog.su/content/content/kriterii-vilkoksona-uilkoksona-dve-zavisimye-vyborki (Π΄Π°Ρ‚Π° обращСния: __.__.201_). _Π‘Ρ€Π°Π²Π½Π΅Π½ΠΈΠ΅ Π΄Π²ΡƒΡ… зависимых Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ (n ΠΎΡ‚ 12 Π΄ΠΎ 40) ΠΏΠΎ нСпарамСтричСскому ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΡŽ Вилкоксона, ΠΎΠΏΡ€Π΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ достовСрности Ρ€Π°Π·Π»ΠΈΡ‡ΠΈΠΉ.

Π˜Ρ‚Π°ΠΊ, Ρƒ вас Π΅ΡΡ‚ΡŒ Π΄Π°Π½Π½Ρ‹Π΅ обслСдования, ΠΏΠΎΠ»ΡƒΡ‡Π΅Π½Π½Ρ‹Π΅ Π² Π΄Π²ΡƒΡ… ΠΎΠΏΡ‹Ρ‚Π°Ρ… (ΠΈΠ»ΠΈ Π² Π΄Π²ΡƒΡ… Π·Π°ΠΌΠ΅Ρ€Π°Ρ…), Π½ΠΎ Π½Π° ΠΎΠ΄Π½ΠΎΠΉ ΠΈ Ρ‚ΠΎΠΉ ΠΆΠ΅ Π³Ρ€ΡƒΠΏΠΏΠ΅ испытуСмых (ΠΏΠΎΠ΄ΠΎΠΏΡ‹Ρ‚Π½Ρ‹Ρ…, ΠΎΠ±ΡŠΠ΅ΠΊΡ‚ΠΎΠ² ΠΈ Ρ‚.Π΄.).

ΠŸΠΎΠ½ΡΡ‚ΠΈΠ΅ «зависимыС Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈΒ»

ЗависимыС Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ β€” это Π΄Π²Π° Π·Π°ΠΌΠ΅Ρ€Π° ΠΎΠ΄Π½ΠΎΠ³ΠΎ ΠΈ Ρ‚ΠΎΠ³ΠΎ ΠΆΠ΅ ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Π°, сдСланныС Π½Π° ΠΎΠ΄Π½ΠΎΠΉ ΠΈ Ρ‚ΠΎΠΉ ΠΆΠ΅ совокупности ΠΎΠ±ΡŠΠ΅ΠΊΡ‚ΠΎΠ² Π»ΠΈΠ±ΠΎ Π² Ρ€Π°Π·Π½ΠΎΠ΅ врСмя, Π»ΠΈΠ±ΠΎ ΠΏΡ€ΠΈ Ρ€Π°Π·Π½Ρ‹Ρ… условиях. Π’ ΠΈΡ‚ΠΎΠ³Π΅ ΠΏΠΎΠ»ΡƒΡ‡Π°ΡŽΡ‚ΡΡ Π΄Π²Π΅ Π³Ρ€ΡƒΠΏΠΏΡ‹ Π΄Π°Π½Π½Ρ‹Ρ…, ΠΏΠΎΠΏΠ°Ρ€Π½ΠΎ связанныС ΠΌΠ΅ΠΆΠ΄Ρƒ собой Ρ‡Π΅Ρ€Π΅Π· ΠΎΠ΄Π½ΠΈ ΠΈ Ρ‚Π΅ ΠΆΠ΅ ΠΎΠ±ΡŠΠ΅ΠΊΡ‚Ρ‹. Β© Π‘Π°Π·ΠΎΠ½ΠΎΠ² Π’.Π€., 2016. Β© kineziolog.su, 2016.

Π”Π²Π΅ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ ΡΡ‡ΠΈΡ‚Π°ΡŽΡ‚ΡΡ зависимыми Π΄Ρ€ΡƒΠ³ ΠΎΡ‚ Π΄Ρ€ΡƒΠ³Π°, Ссли ΠΊΠ°ΠΆΠ΄ΠΎΠΌΡƒ Π·Π½Π°Ρ‡Π΅Π½ΠΈΡŽ ΠΎΠ΄Π½ΠΎΠΉ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ ΠΌΠΎΠΆΠ½ΠΎ  ΠΎΠ΄Π½ΠΎΠ·Π½Π°Ρ‡Π½ΠΎ ΠΏΠΎΡΡ‚Π°Π²ΠΈΡ‚ΡŒ Π² соотвСтствиС Ρ€ΠΎΠ²Π½ΠΎ ΠΎΠ΄Π½ΠΎ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ Π΄Ρ€ΡƒΠ³ΠΎΠΉ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ. Аналогично опрСдСляСтся Π·Π°Π²ΠΈΡΠΈΠΌΠΎΡΡ‚ΡŒ Π΄Ρ€ΡƒΠ³ ΠΎΡ‚ Π΄Ρ€ΡƒΠ³Π° Π½Π΅ΡΠΊΠΎΠ»ΡŒΠΊΠΈΡ… Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ.

Или Ρ‚Π°ΠΊΠΎΠ΅ ΠΎΠΏΡ€Π΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅:

ЗависимыС (связанныС, ΠΏΠΎΠΏΠ°Ρ€Π½ΠΎ сопряТСнныС) Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ β€”  это Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ, ΠΏΡ€Π΅Π΄ΡΡ‚Π°Π²Π»ΡΡŽΡ‰ΠΈΠ΅ собой ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹ ΠΎΠ΄Π½ΠΎΠΉ ΠΈ Ρ‚ΠΎΠΉ ΠΆΠ΅ совокупности Π΄ΠΎ ΠΈ послС воздСйствия Π½Π΅ΠΊΠΎΡ‚ΠΎΡ€ΠΎΠ³ΠΎ Ρ„Π°ΠΊΡ‚ΠΎΡ€Π°.

Π§Π°Ρ‰Π΅ всСго зависимыС Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ – это измСрСния ΠΎΠ΄Π½ΠΎΠΉ ΠΈ Ρ‚ΠΎΠΉ ΠΆΠ΅ Π³Ρ€ΡƒΠΏΠΏΡ‹ ΠΎΠ±ΡŠΠ΅ΠΊΡ‚ΠΎΠ² Π² Ρ€Π°Π·Π½Ρ‹Π΅ ΠΌΠΎΠΌΠ΅Π½Ρ‚Ρ‹ Π²Ρ€Π΅ΠΌΠ΅Π½ΠΈ (Π½Π°ΠΏΡ€ΠΈΠΌΠ΅Ρ€, Π΄ΠΎ ΠΈ послС воздСйствия ΠΊΠ°ΠΊΠΎΠ³ΠΎ-Π»ΠΈΠ±ΠΎ Ρ„Π°ΠΊΡ‚ΠΎΡ€Π°). Π’Π°ΠΊΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ, зависимыС Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ всСгда  Π΄ΠΎΠ»ΠΆΠ½Ρ‹ ΡΠΎΠ΄Π΅Ρ€ΠΆΠ°Ρ‚ΡŒ ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²ΠΎΠ΅ количСство наблюдСний. Π’ элСктронной Ρ‚Π°Π±Π»ΠΈΡ†Π΅ зависимыС ΠΏΠ΅Ρ€Π΅ΠΌΠ΅Π½Π½Ρ‹Π΅ Ρ€Π°ΡΠΏΠΎΠ»Π°Π³Π°ΡŽΡ‚ΡΡ Π² Ρ€Π°Π·Π½Ρ‹Ρ… столбцах ΠΎΠ΄Π½ΠΎΠΉ Ρ‚Π°Π±Π»ΠΈΡ†Ρ‹ ΠΏΠΎΠ΄ Ρ€Π°Π·Π½Ρ‹ΠΌΠΈ названиями (Π½Π°ΠΏΡ€ΠΈΠΌΠ΅Ρ€, ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΠΈ Ρ‡Π΅Π³ΠΎ-Ρ‚ΠΎ Π΄ΠΎ воздСйствия ΠΈ ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΠΈ Ρ‡Π΅Π³ΠΎ-Ρ‚ΠΎ послС воздСйствия).

И Π²Π°ΠΌ Π½Π°Π΄ΠΎ ΠΈΠ· этих Π΄Π²ΡƒΡ… столбиков Π΄Π°Π½Π½Ρ‹Ρ… ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ ΠΊΠ°ΠΊΠΈΠ΅-Ρ‚ΠΎ ΠΎΠ±ΠΎΠ±Ρ‰Ρ‘Π½Π½Ρ‹Π΅ Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Ρ‹, ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ Π²Ρ‹Π²ΠΎΠ΄Ρ‹. И самоС Π³Π»Π°Π²Π½ΠΎΠ΅ β€” Π²Π°ΠΌ Π½Π°Π΄ΠΎ ΡΡ€Π°Π²Π½ΠΈΡ‚ΡŒ ΠΌΠ΅ΠΆΠ΄Ρƒ собой Π΄Π²Π΅ эти Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ.

НапримСр:

ЀИО

Π—Π°ΠΌΠ΅Ρ€ 1

Π—Π°ΠΌΠ΅Ρ€ 2

Ив.

5,05

7,20

ΠŸΠ΅Ρ‚Ρ€.

6,48

7,43

Π‘ΠΈΠ΄.

5,16

5,58

Ник.

7,30

7,46

Π‘Π΅Ρ€Π³.

4,70

7,05

Павл.

7,25

12,95

Π‘Π΅ΠΌ.

5,85

5,55

Π€Ρ€.

6,62

9,85

Π“Ρ€ΠΈΠ³.

5,15

7,50

ΠŸΡƒΡˆ.

4,83

6,38

Π‘Π°Π·.

6,20

14,35

Как Π²ΠΈΠ΄ΠΈΠΌ, люди-Ρ‚ΠΎ ΠΎΠ΄Π½ΠΈ ΠΈ Ρ‚Π΅ ΠΆΠ΅, Π½ΠΎ с ΠΊΠ°ΠΆΠ΄ΠΎΠ³ΠΎ ΠΈΠ· Π½ΠΈΡ… снимали ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΠΈ Π΄Π²Π°ΠΆΠ΄Ρ‹. И Π½Π°ΠΌ Π½Π΅ Π²Π°ΠΆΠ½ΠΎ, ΠΊΠ°ΠΊΠΈΠ΅ ΠΈΠΌΠ΅Π½Π½ΠΎ это ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΠΈ: сСкунды, ΠΊΠΈΠ»ΠΎΠ³Ρ€Π°ΠΌΠΌΡ‹ ΠΈΠ»ΠΈ сантимСтры…

НаводящиС вопросы:

1. Π’Ρ‹ ΡΠΎΠ±ΠΈΡ€Π°Π΅Ρ‚Π΅ΡΡŒ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΡΡ‚ΡŒ, Ρ‡Ρ‚ΠΎ Π² этих Π²Ρ‹Π±ΠΎΡ€ΠΊΠ°Ρ… ΡΠΎΠ±Π»ΡŽΠ΄Π°Π΅Ρ‚ΡΡ Π·Π°ΠΊΠΎΠ½ Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠ³ΠΎ распрСдСлСния?

β€” Π”Π°. МнС Π½Π΅ лСнь Π²ΠΎΠ·ΠΈΡ‚ΡŒΡΡ с этим, ΠΈ я ΠΎΠ±ΡΠ·Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΡŽ, ΡΠΎΠ±Π»ΡŽΠ΄Π°Π΅Ρ‚ся Π»ΠΈ Π² этих Π²Ρ‹Π±ΠΎΡ€ΠΊΠ°Ρ… Π·Π°ΠΊΠΎΠ½ Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠ³ΠΎ распрСдСлСния.

ОК, Ρ‚ΠΎΠ³Π΄Π° послС ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΊΠΈ Π²Ρ‹ смоТСтС ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ обоснованный Π²Ρ‹Π²ΠΎΠ΄ ΠΎ Ρ‚ΠΎΠΌ, ΠΌΠΎΠΆΠ½ΠΎ Π»ΠΈ ΠΏΡ€ΠΈΠΌΠ΅Π½ΡΡ‚ΡŒ для сравнСния Π²Π°ΡˆΠΈΡ… Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ парамСтричСскиСм ΠΌΠ΅Ρ‚ΠΎΠ΄Ρ‹ статистичСской ΠΎΠ±Ρ€Π°Π±ΠΎΡ‚ΠΊΠΈ. Или ΠΆΠ΅ Π²Π°ΠΌ всё Ρ€Π°Π²Π½ΠΎ придётся Π²Π΅Ρ€Π½ΡƒΡ‚ΡŒΡΡ сюда, Π½Π° эту ΠΆΠ΅ страничку, ΠΊ ΠΌΠ΅Ρ‚ΠΎΠ΄Ρƒ Вилкоксона…

β€” НСт, ΠΌΠ½Π΅ лСнь Π²ΠΎΠ·ΠΈΡ‚ΡŒΡΡ с ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΊΠ°ΠΌΠΈ Π½Π° Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΡΡ‚ΡŒ распрСдСлСния, ΠΈ я Ρ…ΠΎΡ‡Ρƒ ΡΡ€Π°Π²Π½ΠΈΡ‚ΡŒ свои Π΄Π²Π΅ зависимыС Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ прямо сСйчас.

Π’ΠΎΠ³Π΄Π° Π·Π° Π΄Π΅Π»ΠΎ! Нам Π½ΡƒΠΆΠ΅Π½ Π’β€”ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Вилкоксона

Π’β€”ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Вилкоксона

ВСст Уилкоксона (Вилкоксона), ΠΎΠ½ ΠΆΠ΅: Π·Π½Π°ΠΊΠΎΠ²Ρ‹ΠΉ Ρ€Π°Π½Π³ΠΎΠ²Ρ‹ΠΉ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона, ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Π·Π½Π°ΠΊΠΎΠ²Ρ‹Ρ… Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона, ΠΎΠ΄Π½ΠΎΠ²Ρ‹Π±ΠΎΡ€ΠΎΡ‡Π½Ρ‹ΠΉ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Вилкоксона, Wilcoxon signed-ranks test for matched pairs.

Π’-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Вилкоксона примСняСтся для сопоставлСния ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»Π΅ΠΉ, ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½Β­Π½Ρ‹Ρ… Π² Π΄Π²ΡƒΡ… Ρ€Π°Π·Π½Ρ‹Ρ… условиях Π½Π° ΠΎΠ΄Π½ΠΎΠΉ ΠΈ Ρ‚ΠΎΠΉ ΠΆΠ΅ Π²Ρ‹Π±ΠΎΡ€ΠΊΠ΅ (Π³Ρ€ΡƒΠΏΠΏΠ΅) испытуСмых. РСкомСндуСтся для Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ ΡƒΠΌΠ΅Ρ€Π΅Π½Π½ΠΎΠΉ числСнности (Ρ‡ΠΈΡΠ»Π΅Π½Π½ΠΎΡΡ‚ΡŒ ΠΊΠ°ΠΆΠ΄ΠΎΠΉ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ ΠΎΡ‚ 12 Π΄ΠΎ 40).

Он позволяСт ΡƒΡΡ‚Π°Π½ΠΎΠ²ΠΈΡ‚ΡŒ Π½Π΅ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ Π½Π°ΠΏΡ€Π°Π²Π»Π΅Π½Π½ΠΎΡΡ‚ΡŒ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΠΉ, Π½ΠΎ ΠΈ ΠΈΡ… Π²Ρ‹Ρ€Π°ΠΆΠ΅Π½Π½ΠΎΡΡ‚ΡŒ. Π‘ Π΅Π³ΠΎ ΠΏΠΎΠΌΠΎΡ‰ΡŒΡŽ ΠΌΡ‹ опрСдСляСм, являСтся Π»ΠΈ сдвиг ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»Π΅ΠΉ Π² ΠΊΠ°ΠΊΠΎΠΌ-Ρ‚ΠΎ ΠΎΠ΄Π½ΠΎΠΌ Π½Π°ΠΏΡ€Π°Π²Π»Π΅Π½ΠΈΠΈ Π±ΠΎΠ»Π΅Π΅ интСнсивным, Ρ‡Π΅ΠΌ Π² Π΄Ρ€ΡƒΠ³ΠΎΠΌ.

  ΠΠ›Π“ΠžΠ Π˜Π’Πœ 9 (Π‘ΠΈΠ΄ΠΎΡ€Π΅Π½ΠΊΠΎ Π•.Π’., 2001)
ΠŸΠΎΠ΄ΡΡ‡Π΅Ρ‚ критСрия Π’ Вилкоксона
1. Π‘ΠΎΡΡ‚Π°Π²ΠΈΡ‚ΡŒ список испытуСмых Π² любом порядкС, Π½Π°ΠΏΡ€ΠΈΠΌΠ΅Ρ€, Π°Π»Ρ„Π°Π²ΠΈΡ‚Π½ΠΎΠΌ.
2. Π’Ρ‹Ρ‡ΠΈΡΠ»ΠΈΡ‚ΡŒ Ρ€Π°Π·Π½ΠΎΡΡ‚ΡŒ ΠΌΠ΅ΠΆΠ΄Ρƒ ΠΈΠ½Π΄ΠΈΠ²ΠΈΠ΄ΡƒΠ°Π»ΡŒΠ½Ρ‹ΠΌΠΈ значСниями Π²ΠΎ Π²Ρ‚ΠΎΡ€ΠΎΠΌ ΠΈ ΠΏΠ΅Ρ€Π²ΠΎΠΌ Π·Π°ΠΌΠ΅Ρ€Π°Ρ… (Π² ΠΊΠ°ΠΆΠ΄ΠΎΠΉ ΠΏΠ°Ρ€Π΅ чисСл ΠΎΡ‚ значСния «послС» ΠΎΡ‚Π½ΡΡ‚ΡŒ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ Β«Π΄ΠΎΒ»). ΠžΠΏΡ€Π΅Π΄Π΅Π»ΠΈΡ‚ΡŒ, Ρ‡Ρ‚ΠΎ Π±ΡƒΠ΄Π΅Ρ‚ ΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒΒ­ΡΡ Β«Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹ΠΌΒ» сдвигом (Ρ‚.Π΅. Π½Π°ΠΈΠ±ΠΎΠ»Π΅Π΅ частым) ΠΈ ΡΡ„ΠΎΡ€ΠΌΡƒΠ»ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ ΡΠΎΠΎΡ‚Π²Π΅Ρ‚ΡΡ‚Π²ΡƒΡŽΡ‰ΠΈΠ΅ Π³ΠΈΠΏΠΎΡ‚Π΅Β­Π·Ρ‹.

ΠŸΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡΡ такая Ρ‚Π°Π±Π»ΠΈΡ‡ΠΊΠ°:

β„– ΠΏ\ΠΏ

ЀИО

Π—Π°ΠΌΠ΅Ρ€ β„–1

Π—Π°ΠΌΠ΅Ρ€ β„–2

β„–2 β€” β„–1

1

Ив.

5,05

7,2

2,15

2

ΠŸΠ΅Ρ‚Ρ€.

6,48

7,43

0,95

3

Π‘ΠΈΠ΄.

5,16

5,58

0,42

4

Ник.

7,3

7,46

0,16

5

Π‘Π΅Ρ€Π³.

4,7

7,05

2,35

6

Павл.

7,25

12,95

5,7

7

Π‘Π΅ΠΌ.

5,85

5,55

-0,3

8

Π€Ρ€.

6,62

9,85

3,23

9

Π“Ρ€ΠΈΠ³.

5,15

7,5

2,35

10

ΠŸΡƒΡˆ.

4,83

6,38

1,55

11

Π‘Π°Π·.

6,2

14,35

8,15

Как Π²ΠΈΠ΄ΠΈΠΌ, Π±ΠΎΠ»ΡŒΡˆΠΈΠ½ΡΡ‚Π²ΠΎ сдвигов β€” Π²Ρ‹ΡˆΠ΅ нуля, Ρ‚.Π΅. ΠΈΠΌΠ΅ΡŽΡ‚ ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Π΅ Π·Π½Π°ΠΊΠΈ. Π˜Ρ… ΠΈ Π±ΡƒΠ΄Π΅ΠΌ ΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒ Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹ΠΌΠΈ, ΠΏΠΎΡ‚ΠΎΠΌΡƒ Ρ‡Ρ‚ΠΎ ΠΈΡ… большС. Π˜Ρ‚Π°ΠΊ, Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹Π΅ сдвиги β€” ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Π΅.
3. ΠŸΠ΅Ρ€Π΅Π²Π΅ΡΡ‚ΠΈ разности Π² Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Ρ‹Π΅ Π²Π΅Π»ΠΈΡ‡ΠΈΠ½Ρ‹ ΠΈ Π·Π°ΠΏΠΈΡΠ°Ρ‚ΡŒ ΠΈΡ… ΠΎΡ‚Π΄Π΅Π»ΡŒΒ­Π½Ρ‹ΠΌ столбцом (ΠΈΠ½Π°Ρ‡Π΅ Ρ‚Ρ€ΡƒΠ΄Π½ΠΎ ΠΎΡ‚Π²Π»Π΅Ρ‡ΡŒΡΡ ΠΎΡ‚ Π·Π½Π°ΠΊΠ° разности).
4. ΠŸΡ€ΠΎΡ€Π°Π½ΠΆΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Ρ‹Π΅ Π²Π΅Π»ΠΈΡ‡ΠΈΠ½Ρ‹ разностСй, начисляя ΠΌΠ΅Π½ΡŒΒ­ΡˆΠ΅ΠΌΡƒ Π·Π½Π°Ρ‡Π΅Π½ΠΈΡŽ мСньший Ρ€Π°Π½Π³. ΠŸΡ€ΠΎΠ²Π΅Ρ€ΠΈΡ‚ΡŒ совпадСниС ΠΏΠΎΠ»ΡƒΡ‡Π΅Π½Π½ΠΎΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² с расчСтной.
5. ΠžΡ‚ΠΌΠ΅Ρ‚ΠΈΡ‚ΡŒ ΠΊΡ€ΡƒΠΆΠΊΠ°ΠΌΠΈ, Π·Π²Ρ‘Π·Π΄ΠΎΡ‡ΠΊΠ°ΠΌΠΈ ΠΈΠ»ΠΈ Π΄Ρ€ΡƒΠ³ΠΈΠΌΠΈ Π·Π½Π°ΠΊΠ°ΠΌΠΈ Ρ€Π°Π½Π³ΠΈ, ΡΠΎΠΎΡ‚Π²Π΅Ρ‚ΡΡ‚Π²ΡƒΡŽΡ‰ΠΈΠ΅ сдвигам Π² Β«Π½Π΅Ρ‚ΠΈΠΏΠΈΡ‡Π½ΠΎΠΌΒ» Π½Π°ΠΏΡ€Π°Π²Π»Π΅Π½ΠΈΠΈ. Π’ нашСм ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π΅ это Ρ€Π°Π½Π³ΠΈ для ΠΎΡ‚Ρ€ΠΈΡ†Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹Ρ… сдвигов.
6. ΠŸΠΎΠ΄ΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒ сумму этих Ρ€Π°Π½Π³ΠΎΠ² ΠΏΠΎ Ρ„ΠΎΡ€ΠΌΡƒΠ»Π΅:
T=βˆ‘Rr
Π³Π΄Π΅ Rr β€” Ρ€Π°Π½Π³ΠΎΠ²Ρ‹Π΅ значСния сдвигов с Π±ΠΎΠ»Π΅Π΅ Ρ€Π΅Π΄ΠΊΠΈΠΌ Π·Π½Π°ΠΊΠΎΠΌ.
7. ΠžΠΏΡ€Π΅Π΄Π΅Π»ΠΈΡ‚ΡŒ критичСскиС значСния Π’ для Π΄Π°Π½Π½ΠΎΠ³ΠΎ n ΠΏΠΎ Π’Π°Π±Π». VI ΠŸΡ€ΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΡ 1. Если Вэмп (Ρ‚.Π΅. ΠΏΠΎΠ»ΡƒΡ‡Π΅Π½Π½Ρ‹ΠΉ Π² нашСм ΠΎΠΏΡ‹Ρ‚Π΅) мСньшС ΠΈΠ»ΠΈ Ρ€Π°Π²Π΅Π½ Π’ΠΊΡ€, (Ρ‚.Π΅. Ρ‚Π°Π±Π»ΠΈΡ‡Π½ΠΎΠΌΡƒ) Ρ‚ΠΎ это ΠΎΠ·Π½Π°Ρ‡Π°Π΅Ρ‚, Ρ‡Ρ‚ΠΎ сдвиг Π² Β«Ρ‚ΠΈΠΏΠΈΡ‡Π½ΡƒΡŽΒ» сторону ΠΏΠΎ интСнсивности достовСрно ΠΏΡ€Π΅ΠΎΠ±Π»Π°Π΄Π°Π΅Ρ‚. ΠšΡ€ΠΎΠΌΠ΅ Ρ‚ΠΎΠ³ΠΎ Π² нашСм ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π΅ Π²ΠΈΠ΄Π½ΠΎ, Ρ‡Ρ‚ΠΎ ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Π΅ Β«Ρ‚ΠΈΠΏΠΈΡ‡Π½Ρ‹Π΅Β» сдвиги говорят ΠΎ Ρ‚ΠΎΠΌ, Ρ‡Ρ‚ΠΎ ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΠΈ Π² Π·Π°ΠΌΠ΅Ρ€Π΅ β„–2 Π²Ρ‹ΡˆΠ΅, Ρ‡Π΅ΠΌ Π² Π·Π°ΠΌΠ΅Ρ€Π΅ β„–1.

Π’Ρ‹Π²ΠΎΠ΄Ρ‹:

  1. ΠœΠ΅ΠΆΠ΄Ρƒ Π·Π°ΠΌΠ΅Ρ€ΠΎΠΌ β„–1 ΠΈ Π·Π°ΠΌΠ΅Ρ€ΠΎΠΌ β„–2 ΠΎΠ±Π½Π°Ρ€ΡƒΠΆΠ΅Π½Ρ‹ достовСрныС различия ΠΏΠΎ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΡŽ Вилкоксона.
  2. По ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΡŽ Вилкоксона ΠΏΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΠΈ Π² Π·Π°ΠΌΠ΅Ρ€Π΅ β„–2 достовСрно Π²Ρ‹ΡˆΠ΅, Ρ‡Π΅ΠΌ Π² Π·Π°ΠΌΠ΅Ρ€Π΅ β„–1.

ΠžΠΏΡ€Π΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ Π² статистикС, Ρ‚ΠΈΠΏΠ°Ρ… ΠΈ расчСтах

К

Адам Π₯Сйс

Полная биография

Адам Π₯Сйс, Π΄ΠΎΠΊΡ‚ΠΎΡ€ философии, CFA, финансовый ΠΏΠΈΡΠ°Ρ‚Π΅Π»ΡŒ с Π±ΠΎΠ»Π΅Π΅ Ρ‡Π΅ΠΌ 15-Π»Π΅Ρ‚Π½ΠΈΠΌ ΠΎΠΏΡ‹Ρ‚ΠΎΠΌ Ρ€Π°Π±ΠΎΡ‚Ρ‹ Π½Π° Π£ΠΎΠ»Π»-стрит Π² качСствС Ρ‚Ρ€Π΅ΠΉΠ΄Π΅Ρ€Π° Π΄Π΅Ρ€ΠΈΠ²Π°Ρ‚ΠΈΠ²ΠΎΠ². Помимо своСго ΠΎΠ±ΡˆΠΈΡ€Π½ΠΎΠ³ΠΎ ΠΎΠΏΡ‹Ρ‚Π° Ρ‚ΠΎΡ€Π³ΠΎΠ²Π»ΠΈ Π΄Π΅Ρ€ΠΈΠ²Π°Ρ‚ΠΈΠ²Π°ΠΌΠΈ, Адам являСтся экспСртом Π² области экономики ΠΈ повСдСнчСских финансов. Адам ΠΏΠΎΠ»ΡƒΡ‡ΠΈΠ» ΡΡ‚Π΅ΠΏΠ΅Π½ΡŒ магистра экономики Π² Новой школС ΡΠΎΡ†ΠΈΠ°Π»ΡŒΠ½Ρ‹Ρ… исслСдований ΠΈ Π΄ΠΎΠΊΡ‚ΠΎΡ€ΡΠΊΡƒΡŽ ΡΡ‚Π΅ΠΏΠ΅Π½ΡŒ. ΠΈΠ· УнивСрситСта Висконсин-Мэдисон ΠΏΠΎ социологии. Он являСтся ΠΎΠ±Π»Π°Π΄Π°Ρ‚Π΅Π»Π΅ΠΌ сСртификата CFA, Π° Ρ‚Π°ΠΊΠΆΠ΅ Π»ΠΈΡ†Π΅Π½Π·ΠΈΠΉ FINRA Series 7, 55 ΠΈ 63. Π’ настоящСС врСмя ΠΎΠ½ занимаСтся исслСдованиями ΠΈ ΠΏΡ€Π΅ΠΏΠΎΠ΄Π°Π΅Ρ‚ ΡΠΊΠΎΠ½ΠΎΠΌΠΈΡ‡Π΅ΡΠΊΡƒΡŽ ΡΠΎΡ†ΠΈΠΎΠ»ΠΎΠ³ΠΈΡŽ ΠΈ ΡΠΎΡ†ΠΈΠ°Π»ΡŒΠ½Ρ‹Π΅ исслСдования финансов Π² ЕврСйском унивСрситСтС Π² Π˜Π΅Ρ€ΡƒΡΠ°Π»ΠΈΠΌΠ΅.

Π£Π·Π½Π°ΠΉΡ‚Π΅ ΠΎ нашСм рСдакционная ΠΏΠΎΠ»ΠΈΡ‚ΠΈΠΊΠ°

ОбновлСно 01 дСкабря 2021 Π³.

РассмотрСно

Π“ΠΎΡ€Π΄ΠΎΠ½ Π‘ΠΊΠΎΡ‚Ρ‚

РассмотрСно Π“ΠΎΡ€Π΄ΠΎΠ½ Π‘ΠΊΠΎΡ‚Ρ‚

Полная биография

Π“ΠΎΡ€Π΄ΠΎΠ½ Π‘ΠΊΠΎΡ‚Ρ‚ Π±Ρ‹Π» Π°ΠΊΡ‚ΠΈΠ²Π½Ρ‹ΠΌ инвСстором ΠΈ тСхничСским Π°Π½Π°Π»ΠΈΡ‚ΠΈΠΊΠΎΠΌ Π±ΠΎΠ»Π΅Π΅ 20 Π»Π΅Ρ‚. Он Π΄ΠΈΠΏΠ»ΠΎΠΌΠΈΡ€ΠΎΠ²Π°Π½Π½Ρ‹ΠΉ спСциалист ΠΏΠΎ Ρ€Ρ‹Π½ΠΊΡƒ (CMT).

Π£Π·Π½Π°ΠΉΡ‚Π΅ ΠΎ нашСм Π‘ΠΎΠ²Π΅Ρ‚ финансового контроля

Π€Π°ΠΊΡ‚ ΠΏΡ€ΠΎΠ²Π΅Ρ€Π΅Π½

Π‘ΠΊΠ°ΠΉΠ»Π°Ρ€ ΠšΠ»Π°Ρ€ΠΈΠ½

Π€Π°ΠΊΡ‚ ΠΏΡ€ΠΎΠ²Π΅Ρ€Π΅Π½ Π‘ΠΊΠ°ΠΉΠ»Π°Ρ€ ΠšΠ»Π°Ρ€ΠΈΠ½

Полная биография

Π‘ΠΊΠ°ΠΉΠ»Π°Ρ€ ΠšΠ»Π°Ρ€ΠΈΠ½ занимаСтся ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΊΠΎΠΉ Ρ„Π°ΠΊΡ‚ΠΎΠ² ΠΈ экспСртом ΠΏΠΎ Π»ΠΈΡ‡Π½Ρ‹ΠΌ финансам с большим ΠΎΠΏΡ‹Ρ‚ΠΎΠΌ, Π²ΠΊΠ»ΡŽΡ‡Π°Ρ Π²Π΅Ρ‚Π΅Ρ€ΠΈΠ½Π°Ρ€Π½Ρ‹Π΅ Ρ‚Π΅Ρ…Π½ΠΎΠ»ΠΎΠ³ΠΈΠΈ ΠΈ исслСдования Ρ„ΠΈΠ»ΡŒΠΌΠΎΠ².

Π£Π·Π½Π°ΠΉΡ‚Π΅ ΠΎ нашСм рСдакционная ΠΏΠΎΠ»ΠΈΡ‚ΠΈΠΊΠ°

Π§Ρ‚ΠΎ Ρ‚Π°ΠΊΠΎΠ΅ тСст Уилкоксона?

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ ΠΌΠΎΠΆΠ΅Ρ‚ ΠΎΡ‚Π½ΠΎΡΠΈΡ‚ΡŒΡΡ Π»ΠΈΠ±ΠΎ ΠΊ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΡŽ суммы Ρ€Π°Π½Π³ΠΎΠ², Π»ΠΈΠ±ΠΎ ΠΊ Π²Π°Ρ€ΠΈΠ°Π½Ρ‚Ρƒ критСрия Π·Π½Π°ΠΊΠΎΠ²Ρ‹Ρ… Ρ€Π°Π½Π³ΠΎΠ², прСдставляСт собой нСпарамСтричСский статистичСский ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ сравниваСт Π΄Π²Π΅ ΠΏΠ°Ρ€Π½Ρ‹Π΅ Π³Ρ€ΡƒΠΏΠΏΡ‹. ВСсты, ΠΏΠΎ сути, Π²Ρ‹Ρ‡ΠΈΡΠ»ΡΡŽΡ‚ Ρ€Π°Π·Π½ΠΈΡ†Ρƒ ΠΌΠ΅ΠΆΠ΄Ρƒ Π½Π°Π±ΠΎΡ€Π°ΠΌΠΈ ΠΏΠ°Ρ€ ΠΈ Π°Π½Π°Π»ΠΈΠ·ΠΈΡ€ΡƒΡŽΡ‚ эти различия, Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΡƒΡΡ‚Π°Π½ΠΎΠ²ΠΈΡ‚ΡŒ, ΠΎΡ‚Π»ΠΈΡ‡Π°ΡŽΡ‚ΡΡ Π»ΠΈ ΠΎΠ½ΠΈ Π΄Ρ€ΡƒΠ³ ΠΎΡ‚ Π΄Ρ€ΡƒΠ³Π° статистичСски Π·Π½Π°Ρ‡ΠΈΠΌΠΎ.

ΠšΠ»ΡŽΡ‡Π΅Π²Ρ‹Π΅ Π²Ρ‹Π²ΠΎΠ΄Ρ‹

  • ВСст Уилкоксона сравниваСт Π΄Π²Π΅ ΠΏΠ°Ρ€Π½Ρ‹Π΅ Π³Ρ€ΡƒΠΏΠΏΡ‹ ΠΈ сущСствуСт Π² Π΄Π²ΡƒΡ… вСрсиях: тСст суммы Ρ€Π°Π½Π³ΠΎΠ² ΠΈ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Π·Π½Π°ΠΊΠΎΠ²ΠΎΠ³ΠΎ Ρ€Π°Π½Π³Π°.
  • ЦСль тСста β€” ΠΎΠΏΡ€Π΅Π΄Π΅Π»ΠΈΡ‚ΡŒ, ΠΎΡ‚Π»ΠΈΡ‡Π°ΡŽΡ‚ΡΡ Π»ΠΈ Π΄Π²Π° ΠΈΠ»ΠΈ Π±ΠΎΠ»Π΅Π΅ Π½Π°Π±ΠΎΡ€Π° ΠΏΠ°Ρ€ Π΄Ρ€ΡƒΠ³ ΠΎΡ‚ Π΄Ρ€ΡƒΠ³Π° статистичСски Π·Π½Π°Ρ‡ΠΈΠΌΡ‹ΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ.
  • ОбС вСрсии ΠΌΠΎΠ΄Π΅Π»ΠΈ ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»Π°Π³Π°ΡŽΡ‚, Ρ‡Ρ‚ΠΎ ΠΏΠ°Ρ€Ρ‹ Π² Π΄Π°Π½Π½Ρ‹Ρ… происходят ΠΈΠ· зависимых популяций, Ρ‚. Π΅. слСдят Π·Π° ΠΎΠ΄Π½ΠΈΠΌ ΠΈ Ρ‚Π΅ΠΌ ΠΆΠ΅ Ρ‡Π΅Π»ΠΎΠ²Π΅ΠΊΠΎΠΌ ΠΈΠ»ΠΈ Ρ†Π΅Π½ΠΎΠΉ Π°ΠΊΡ†ΠΈΠΈ Π²ΠΎ Π²Ρ€Π΅ΠΌΠ΅Π½ΠΈ ΠΈΠ»ΠΈ мСстС.

ПониманиС тСста Уилкоксона

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΈ суммы Ρ€Π°Π½Π³ΠΎΠ² ΠΈ Π·Π½Π°ΠΊΠΎΠ²Ρ‹Ρ… Ρ€Π°Π½Π³ΠΎΠ² Π±Ρ‹Π»ΠΈ ΠΏΡ€Π΅Π΄Π»ΠΎΠΆΠ΅Π½Ρ‹ амСриканским статистиком Ѐрэнком Уилкоксоном Π² новаторской ΠΈΡΡΠ»Π΅Π΄ΠΎΠ²Π°Ρ‚Π΅Π»ΡŒΡΠΊΠΎΠΉ Ρ€Π°Π±ΠΎΡ‚Π΅, ΠΎΠΏΡƒΠ±Π»ΠΈΠΊΠΎΠ²Π°Π½Π½ΠΎΠΉ Π² 1945 Π³ΠΎΠ΄Ρƒ. числовыС значСния, Ρ‚Π°ΠΊΠΈΠ΅ ΠΊΠ°ΠΊ ΡƒΠ΄ΠΎΠ²Π»Π΅Ρ‚Π²ΠΎΡ€Π΅Π½Π½ΠΎΡΡ‚ΡŒ ΠΊΠ»ΠΈΠ΅Π½Ρ‚ΠΎΠ² ΠΈΠ»ΠΈ ΠΌΡƒΠ·Ρ‹ΠΊΠ°Π»ΡŒΠ½Ρ‹Π΅ ΠΎΠ±Π·ΠΎΡ€Ρ‹. НСпарамСтричСскиС распрСдСлСния Π½Π΅ ΠΈΠΌΠ΅ΡŽΡ‚ ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€ΠΎΠ² ΠΈ Π½Π΅ ΠΌΠΎΠ³ΡƒΡ‚ Π±Ρ‹Ρ‚ΡŒ ΠΎΠΏΡ€Π΅Π΄Π΅Π»Π΅Π½Ρ‹ ΡƒΡ€Π°Π²Π½Π΅Π½ΠΈΠ΅ΠΌ, Π² ΠΎΡ‚Π»ΠΈΡ‡ΠΈΠ΅ ΠΎΡ‚ парамСтричСских распрСдСлСний.

Π’ΠΈΠΏΡ‹ вопросов, Π½Π° ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΌΠΎΠΆΠ΅Ρ‚ ΠΏΠΎΠΌΠΎΡ‡ΡŒ ΠΎΡ‚Π²Π΅Ρ‚ΠΈΡ‚ΡŒ тСст Уилкоксона, Π²ΠΊΠ»ΡŽΡ‡Π°ΡŽΡ‚ Ρ‚Π°ΠΊΠΈΠ΅ Π²Π΅Ρ‰ΠΈ, ΠΊΠ°ΠΊ:

  • Π Π°Π·Π»ΠΈΡ‡Π°ΡŽΡ‚ΡΡ Π»ΠΈ Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Ρ‹ тСстов Π² 5-ΠΌ ΠΈ 6-ΠΌ классах для ΠΎΠ΄Π½ΠΈΡ… ΠΈ Ρ‚Π΅Ρ… ΠΆΠ΅ учащихся?
  • ВлияСт Π»ΠΈ ΠΊΠΎΠ½ΠΊΡ€Π΅Ρ‚Π½ΠΎΠ΅ лСкарство Π½Π° Π·Π΄ΠΎΡ€ΠΎΠ²ΡŒΠ΅ ΠΏΡ€ΠΈ испытаниях Π½Π° ΠΎΠ΄Π½ΠΈΡ… ΠΈ Ρ‚Π΅Ρ… ΠΆΠ΅ Π»ΡŽΠ΄ΡΡ…?

Π­Ρ‚ΠΈ ΠΌΠΎΠ΄Π΅Π»ΠΈ ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»Π°Π³Π°ΡŽΡ‚, Ρ‡Ρ‚ΠΎ Π΄Π°Π½Π½Ρ‹Π΅ ΠΏΠΎΡΡ‚ΡƒΠΏΠ°ΡŽΡ‚ ΠΎΡ‚ Π΄Π²ΡƒΡ… ΡΠΎΠ²ΠΏΠ°Π΄Π°ΡŽΡ‰ΠΈΡ… ΠΈΠ»ΠΈ зависимых популяций, слСдящих Π·Π° ΠΎΠ΄Π½ΠΈΠΌ ΠΈ Ρ‚Π΅ΠΌ ΠΆΠ΅ Ρ‡Π΅Π»ΠΎΠ²Π΅ΠΊΠΎΠΌ ΠΈΠ»ΠΈ Π³Ρ€ΡƒΠΏΠΏΠΎΠΉ Π²ΠΎ Π²Ρ€Π΅ΠΌΠ΅Π½ΠΈ ΠΈΠ»ΠΈ мСстС. Π”Π°Π½Π½Ρ‹Π΅ Ρ‚Π°ΠΊΠΆΠ΅ ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»Π°Π³Π°ΡŽΡ‚ΡΡ Π½Π΅ΠΏΡ€Π΅Ρ€Ρ‹Π²Π½Ρ‹ΠΌΠΈ, Π° Π½Π΅ дискрСтными. ΠŸΠΎΡΠΊΠΎΠ»ΡŒΠΊΡƒ это нСпарамСтричСский тСст, ΠΎΠ½ Π½Π΅ Ρ‚Ρ€Π΅Π±ΡƒΠ΅Ρ‚ ΠΎΠΏΡ€Π΅Π΄Π΅Π»Π΅Π½Π½ΠΎΠ³ΠΎ распрСдСлСния вСроятностСй зависимой ΠΏΠ΅Ρ€Π΅ΠΌΠ΅Π½Π½ΠΎΠΉ Π² Π°Π½Π°Π»ΠΈΠ·Π΅.

Π’ΠΈΠΏΡ‹ критСрия Уилкоксона

  • ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона ΠΌΠΎΠΆΠ½ΠΎ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒ для ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΊΠΈ Π½ΡƒΠ»Π΅Π²ΠΎΠΉ Π³ΠΈΠΏΠΎΡ‚Π΅Π·Ρ‹ ΠΎ Ρ‚ΠΎΠΌ, Ρ‡Ρ‚ΠΎ Π΄Π²Π΅ совокупности ΠΈΠΌΠ΅ΡŽΡ‚ ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²ΠΎΠ΅ Π½Π΅ΠΏΡ€Π΅Ρ€Ρ‹Π²Π½ΠΎΠ΅ распрСдСлСниС. НулСвая Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π° β€” это статистичСский тСст, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΉ Π³ΠΎΠ²ΠΎΡ€ΠΈΡ‚ ΠΎΠ± отсутствии сущСствСнной Ρ€Π°Π·Π½ΠΈΡ†Ρ‹ ΠΌΠ΅ΠΆΠ΄Ρƒ двумя популяциями ΠΈΠ»ΠΈ ΠΏΠ΅Ρ€Π΅ΠΌΠ΅Π½Π½Ρ‹ΠΌΠΈ. Π‘Π°Π·ΠΎΠ²Ρ‹Π΅ прСдполоТСния, Π½Π΅ΠΎΠ±Ρ…ΠΎΠ΄ΠΈΠΌΡ‹Π΅ для использования тСста суммы Ρ€Π°Π½Π³ΠΎΠ², Π·Π°ΠΊΠ»ΡŽΡ‡Π°ΡŽΡ‚ΡΡ Π² Ρ‚ΠΎΠΌ, Ρ‡Ρ‚ΠΎ Π΄Π°Π½Π½Ρ‹Π΅ взяты ΠΈΠ· ΠΎΠ΄Π½ΠΎΠΉ ΠΈ Ρ‚ΠΎΠΉ ΠΆΠ΅ совокупности ΠΈ ΡΠ²Π»ΡΡŽΡ‚ΡΡ ΠΏΠ°Ρ€Π½Ρ‹ΠΌΠΈ, Π΄Π°Π½Π½Ρ‹Π΅ ΠΌΠΎΠ³ΡƒΡ‚ Π±Ρ‹Ρ‚ΡŒ ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½Ρ‹, ΠΏΠΎ ΠΊΡ€Π°ΠΉΠ½Π΅ΠΉ ΠΌΠ΅Ρ€Π΅, ΠΏΠΎ ΠΈΠ½Ρ‚Π΅Ρ€Π²Π°Π»ΡŒΠ½ΠΎΠΉ шкалС, ΠΈ Π΄Π°Π½Π½Ρ‹Π΅ Π±Ρ‹Π»ΠΈ Π²Ρ‹Π±Ρ€Π°Π½Ρ‹ случайным ΠΈ нСзависимым ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ.
  • ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Π·Π½Π°ΠΊΠΎΠ²ΠΎΠ³ΠΎ Ρ€Π°Π½Π³Π° Уилкоксона ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»Π°Π³Π°Π΅Ρ‚ Π½Π°Π»ΠΈΡ‡ΠΈΠ΅ ΠΈΠ½Ρ„ΠΎΡ€ΠΌΠ°Ρ†ΠΈΠΈ ΠΎ Π²Π΅Π»ΠΈΡ‡ΠΈΠ½Π°Ρ… ΠΈ Π·Π½Π°ΠΊΠ°Ρ… Ρ€Π°Π·Π»ΠΈΡ‡ΠΈΠΉ ΠΌΠ΅ΠΆΠ΄Ρƒ ΠΏΠ°Ρ€Π½Ρ‹ΠΌΠΈ наблюдСниями. Π’ качСствС нСпарамСтричСского эквивалСнта ΠΏΠ°Ρ€Π½ΠΎΠ³ΠΎ t-критСрия Π‘Ρ‚ΡŒΡŽΠ΄Π΅Π½Ρ‚Π° Ρ€Π°Π½Π³ со Π·Π½Π°ΠΊΠΎΠΌ ΠΌΠΎΠΆΠ΅Ρ‚ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒΡΡ Π² качСствС Π°Π»ΡŒΡ‚Π΅Ρ€Π½Π°Ρ‚ΠΈΠ²Ρ‹ t-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΡŽ, ΠΊΠΎΠ³Π΄Π° Π΄Π°Π½Π½Ρ‹Π΅ насСлСния Π½Π΅ ΠΏΠΎΠ΄Ρ‡ΠΈΠ½ΡΡŽΡ‚ΡΡ Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠΌΡƒ Ρ€Π°ΡΠΏΡ€Π΅Π΄Π΅Π»Π΅Π½ΠΈΡŽ.

РасчСт статистики критСрия Вилкоксона

Π¨Π°Π³ΠΈ для получСния статистики Π·Π½Π°ΠΊΠΎΠ²ΠΎΠ³ΠΎ Ρ€Π°Π½Π³ΠΎΠ²ΠΎΠ³ΠΎ тСста Уилкоксона, W, , ΡΠ»Π΅Π΄ΡƒΡŽΡ‰ΠΈΠ΅:

  1. Для ΠΊΠ°ΠΆΠ΄ΠΎΠ³ΠΎ элСмСнта Π² Π²Ρ‹Π±ΠΎΡ€ΠΊΠ΅ ΠΈΠ· n элСмСнтов ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ ΠΎΡ†Π΅Π½ΠΊΡƒ Ρ€Π°Π·Π½ΠΈΡ†Ρ‹ D i ΠΌΠ΅ΠΆΠ΄Ρƒ двумя измСрСниями (Ρ‚. Π΅. Π²Ρ‹Ρ‡Π΅ΡΡ‚ΡŒ ΠΎΠ΄Π½ΠΎ ΠΈΠ· Π΄Ρ€ΡƒΠ³ΠΎΠ³ΠΎ).
  2. ΠŸΡ€Π΅Π½Π΅Π±Ρ€Π΅Ρ‡ΡŒ ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΌΠΈ ΠΈΠ»ΠΈ ΠΎΡ‚Ρ€ΠΈΡ†Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹ΠΌΠΈ Π·Π½Π°ΠΊΠ°ΠΌΠΈ ΠΈ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ Π½Π°Π±ΠΎΡ€ ΠΈΠ· n Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Ρ‹Ρ… разностСй |D i |.
  3. ΠžΠΏΡƒΡΡ‚ΠΈΡ‚ΡŒ Π½ΡƒΠ»Π΅Π²Ρ‹Π΅ Π±Π°Π»Π»Ρ‹ разности, ΠΏΠΎΠ»ΡƒΡ‡ΠΈΠ² Π½Π°Π±ΠΎΡ€ ΠΈΠ· n Π½Π΅Π½ΡƒΠ»Π΅Π²Ρ‹Ρ… Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Ρ‹Ρ… Π±Π°Π»Π»ΠΎΠ² разности, Π³Π΄Π΅ n’ ≀ n . Π’Π°ΠΊΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ, n’ становится фактичСским Ρ€Π°Π·ΠΌΠ΅Ρ€ΠΎΠΌ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ.
  4. Π—Π°Ρ‚Π΅ΠΌ присвойтС Ρ€Π°Π½Π³ΠΈ R i ΠΎΡ‚ 1 Π΄ΠΎ n ΠΊΠ°ΠΆΠ΄ΠΎΠΌΡƒ ΠΈΠ· |D i | Ρ‚Π°ΠΊΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ, наимСньшая Π°Π±ΡΠΎΠ»ΡŽΡ‚Π½Π°Ρ Ρ€Π°Π·Π½ΠΎΡΡ‚ΡŒ ΠΏΠΎΠ»ΡƒΡ‡Π°Π΅Ρ‚ Ρ€Π°Π½Π³ 1, Π° наибольшая β€” Ρ€Π°Π½Π³ n . Если Π΄Π²Π° ΠΈΠ»ΠΈ Π±ΠΎΠ»Π΅Π΅ |D i | Ρ€Π°Π²Π½Ρ‹, ΠΊΠ°ΠΆΠ΄ΠΎΠΌΡƒ ΠΈΠ· Π½ΠΈΡ… присваиваСтся срСдний Ρ€Π°Π½Π³ Ρ€Π°Π½Π³ΠΎΠ², ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΈΠΌ Π±Ρ‹Π»ΠΈ Π±Ρ‹ присвоСны ΠΏΠΎ ΠΎΡ‚Π΄Π΅Π»ΡŒΠ½ΠΎΡΡ‚ΠΈ, Ссли Π±Ρ‹ Π½Π΅ Π±Ρ‹Π»ΠΎ совпадСний Π² Π΄Π°Π½Π½Ρ‹Ρ….
  5. Π’Π΅ΠΏΠ΅Ρ€ΡŒ ΠΏΠ΅Ρ€Π΅Π½Π°Π·Π½Π°Ρ‡ΠΈΡ‚ΡŒ символ Β«+Β» ΠΈΠ»ΠΈ «–» ΠΊΠ°ΠΆΠ΄ΠΎΠΌΡƒ ΠΈΠ· n Ρ€Π°Π½Π³ΠΎΠ² R i , Π² зависимости ΠΎΡ‚ Ρ‚ΠΎΠ³ΠΎ, D i ΠΈΠ·Π½Π°Ρ‡Π°Π»ΡŒΠ½ΠΎ Π±Ρ‹Π» ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΌ ΠΈΠ»ΠΈ ΠΎΡ‚Ρ€ΠΈΡ†Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹ΠΌ.
  6. Бтатистика критСрия Уилкоксона W впослСдствии получаСтся ΠΊΠ°ΠΊ сумма ΠΏΠΎΠ»ΠΎΠΆΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Ρ… Ρ€Π°Π½Π³ΠΎΠ².

На ΠΏΡ€Π°ΠΊΡ‚ΠΈΠΊΠ΅ этот тСст выполняСтся с использованиСм ΠΏΡ€ΠΎΠ³Ρ€Π°ΠΌΠΌΠ½ΠΎΠ³ΠΎ обСспСчСния для статистичСского Π°Π½Π°Π»ΠΈΠ·Π° ΠΈΠ»ΠΈ элСктронной Ρ‚Π°Π±Π»ΠΈΡ†Ρ‹.

Π˜ΡΡ‚ΠΎΡ‡Π½ΠΈΠΊΠΈ статСй

Investopedia Ρ‚Ρ€Π΅Π±ΡƒΠ΅Ρ‚, Ρ‡Ρ‚ΠΎΠ±Ρ‹ Π°Π²Ρ‚ΠΎΡ€Ρ‹ использовали пСрвоисточники для ΠΏΠΎΠ΄Π΄Π΅Ρ€ΠΆΠΊΠΈ своСй Ρ€Π°Π±ΠΎΡ‚Ρ‹. К Π½ΠΈΠΌ относятся ΠΎΡ„ΠΈΡ†ΠΈΠ°Π»ΡŒΠ½Ρ‹Π΅ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Ρ‹, ΠΏΡ€Π°Π²ΠΈΡ‚Π΅Π»ΡŒΡΡ‚Π²Π΅Π½Π½Ρ‹Π΅ Π΄Π°Π½Π½Ρ‹Π΅, ΠΎΡ€ΠΈΠ³ΠΈΠ½Π°Π»ΡŒΠ½Ρ‹Π΅ ΠΎΡ‚Ρ‡Π΅Ρ‚Ρ‹ ΠΈ ΠΈΠ½Ρ‚Π΅Ρ€Π²ΡŒΡŽ с отраслСвыми экспСртами. ΠœΡ‹ Ρ‚Π°ΠΊΠΆΠ΅ ΠΏΡ€ΠΈ нСобходимости ссылаСмся Π½Π° ΠΎΡ€ΠΈΠ³ΠΈΠ½Π°Π»ΡŒΠ½Ρ‹Π΅ исслСдования Π΄Ρ€ΡƒΠ³ΠΈΡ… Π°Π²Ρ‚ΠΎΡ€ΠΈΡ‚Π΅Ρ‚Π½Ρ‹Ρ… ΠΈΠ·Π΄Π°Ρ‚Π΅Π»Π΅ΠΉ. Π’Ρ‹ ΠΌΠΎΠΆΠ΅Ρ‚Π΅ ΡƒΠ·Π½Π°Ρ‚ΡŒ большС ΠΎ стандартах, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹ΠΌ ΠΌΡ‹ слСдуСм ΠΏΡ€ΠΈ создании Ρ‚ΠΎΡ‡Π½ΠΎΠ³ΠΎ ΠΈ бСспристрастного ΠΊΠΎΠ½Ρ‚Π΅Π½Ρ‚Π°, Π² нашСм рСдакционная ΠΏΠΎΠ»ΠΈΡ‚ΠΈΠΊΠ°.

  1. ΠœΠ΅ΠΆΠ΄ΡƒΠ½Π°Ρ€ΠΎΠ΄Π½ΠΎΠ΅ биомСтричСскоС общСство. Β«Π˜Π½Π΄ΠΈΠ²ΠΈΠ΄ΡƒΠ°Π»ΡŒΠ½Ρ‹Π΅ сравнСния ΠΌΠ΅Ρ‚ΠΎΠ΄Π°ΠΌΠΈ ранТирования». По ΡΠΎΡΡ‚ΠΎΡΠ½ΠΈΡŽ Π½Π° 5 октября 2021 Π³.

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона часто Π½Π°Π·Ρ‹Π²Π°ΡŽΡ‚ нСпарамСтричСской вСрсиСй Π΄Π²ΡƒΡ…Π²Ρ‹Π±ΠΎΡ€ΠΎΡ‡Π½ΠΎΠ³ΠΎ t-критСрия. Иногда Π²Ρ‹ Π²ΠΈΠ΄ΠΈΡ‚Π΅ Π΅Π³ΠΎ Π² Π±Π»ΠΎΠΊ-схСмах Π°Π½Π°Π»ΠΈΠ·Π° послС вопроса, Π½Π°ΠΏΡ€ΠΈΠΌΠ΅Ρ€, Β«Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½Ρ‹ Π»ΠΈ ваши Π΄Π°Π½Π½Ρ‹Π΅?Β» ΠžΡ‚Π²Π΅Ρ‚ Β«Π½Π΅Ρ‚Β» Π½Π° этот вопрос Π±ΡƒΠ΄Π΅Ρ‚ Ρ€Π΅ΠΊΠΎΠΌΠ΅Π½Π΄ΠΎΠ²Π°Ρ‚ΡŒ тСст Уилкоксона, Ссли Π²Ρ‹ сравниваСтС Π΄Π²Π΅ Π³Ρ€ΡƒΠΏΠΏΡ‹ Π½Π΅ΠΏΡ€Π΅Ρ€Ρ‹Π²Π½Ρ‹Ρ… ΠΈΠ·ΠΌΠ΅Ρ€Π΅Π½ΠΈΠΉ.

Π’Π°ΠΊ Ρ‡Ρ‚ΠΎ ΠΆΠ΅ это Π·Π° тСст Уилкоксона? Π§Ρ‚ΠΎ Π΄Π΅Π»Π°Π΅Ρ‚ Π΅Π³ΠΎ нСпарамСтричСским? Π§Ρ‚ΠΎ это Π²ΠΎΠΎΠ±Ρ‰Π΅ Π·Π½Π°Ρ‡ΠΈΡ‚? И ΠΊΠ°ΠΊ ΠΌΡ‹ это Ρ€Π΅Π°Π»ΠΈΠ·ΡƒΠ΅ΠΌ ΠΈ ΠΈΠ½Ρ‚Π΅Ρ€ΠΏΡ€Π΅Ρ‚ΠΈΡ€ΡƒΠ΅ΠΌ? Π’ΠΎΡ‚ Π½Π΅ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΈΠ· вопросов, Π½Π° ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΌΡ‹ стрСмимся ΠΎΡ‚Π²Π΅Ρ‚ΠΈΡ‚ΡŒ Π² этом постС.

Π’ΠΎ-ΠΏΠ΅Ρ€Π²Ρ‹Ρ…, Π΄Π°Π²Π°ΠΉΡ‚Π΅ вспомним прСдполоТСния Π΄Π²ΡƒΡ…Π²Ρ‹Π±ΠΎΡ€ΠΎΡ‡Π½ΠΎΠ³ΠΎ t-критСрия для сравнСния Π΄Π²ΡƒΡ… срСдних совокупностСй:

1. Π”Π²Π΅ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ нСзависимы Π΄Ρ€ΡƒΠ³ ΠΎΡ‚ Π΄Ρ€ΡƒΠ³Π°
2. Π”Π²Π΅ совокупности ΠΈΠΌΠ΅ΡŽΡ‚ ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²ΡƒΡŽ Π΄ΠΈΡΠΏΠ΅Ρ€ΡΠΈΡŽ ΠΈΠ»ΠΈ разброс
3. Π”Π²Π΅ совокупности Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎ распрСдСлСны

#1 Π½ΠΈΠΊΡƒΠ΄Π° Π½Π΅ Π΄Π΅Ρ‚ΡŒΡΡ. Π­Ρ‚ΠΎ ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ Π΄ΠΎΠ»ΠΆΠ½ΠΎ Π²Ρ‹ΠΏΠΎΠ»Π½ΡΡ‚ΡŒΡΡ для Π΄Π²ΡƒΡ…Π²Ρ‹Π±ΠΎΡ€ΠΎΡ‡Π½ΠΎΠ³ΠΎ t-критСрия. Когда прСдполоТСния β„– 2 ΠΈ β„– 3 (равная диспСрсия ΠΈ Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΡΡ‚ΡŒ) Π½Π΅ Π²Ρ‹ΠΏΠΎΠ»Π½ΡΡŽΡ‚ΡΡ, Π½ΠΎ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ большиС (скаТСм, Π±ΠΎΠ»Π΅Π΅ 30), Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Ρ‹ ΠΏΡ€ΠΈΠ±Π»ΠΈΠ·ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎ ΠΏΡ€Π°Π²ΠΈΠ»ΡŒΠ½Ρ‹Π΅. Но ΠΊΠΎΠ³Π΄Π° наши Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ ΠΌΠ°Π»Ρ‹, Π° наши Π΄Π°Π½Π½Ρ‹Π΅ искаТСны ΠΈΠ»ΠΈ Π½Π΅Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½Ρ‹, ΠΌΡ‹, вСроятно, Π½Π΅ Π΄ΠΎΠ»ΠΆΠ½Ρ‹ слишком Π΄ΠΎΠ²Π΅Ρ€ΡΡ‚ΡŒ Π΄Π²ΡƒΡ…Π²Ρ‹Π±ΠΎΡ€ΠΎΡ‡Π½ΠΎΠΌΡƒ t-ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΡŽ Π‘Ρ‚ΡŒΡŽΠ΄Π΅Π½Ρ‚Π°.

Π—Π΄Π΅ΡΡŒ Π½Π° ΠΏΠΎΠΌΠΎΡ‰ΡŒ ΠΏΡ€ΠΈΡ…ΠΎΠ΄ΠΈΡ‚ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона. Он Π΄Π΅Π»Π°Π΅Ρ‚ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ ΠΏΠ΅Ρ€Π²Ρ‹Π΅ Π΄Π²Π° прСдполоТСния ΠΎ нСзависимости ΠΈ Ρ€Π°Π²Π½ΠΎΠΉ диспСрсии. Π­Ρ‚ΠΎ Π½Π΅ ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»Π°Π³Π°Π΅Ρ‚, Ρ‡Ρ‚ΠΎ наши Π΄Π°Π½Π½Ρ‹Π΅ ΠΈΠΌΠ΅ΡŽΡ‚ извСстноС распрСдСлСниС. Π˜Π·Π²Π΅ΡΡ‚Π½Ρ‹Π΅ распрСдСлСния ΠΎΠΏΠΈΡΡ‹Π²Π°ΡŽΡ‚ΡΡ матСматичСскими Ρ„ΠΎΡ€ΠΌΡƒΠ»Π°ΠΌΠΈ. Π­Ρ‚ΠΈ Ρ„ΠΎΡ€ΠΌΡƒΠ»Ρ‹ ΠΈΠΌΠ΅ΡŽΡ‚ ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹, ΠΎΠΏΡ€Π΅Π΄Π΅Π»ΡΡŽΡ‰ΠΈΠ΅ Ρ„ΠΎΡ€ΠΌΡƒ ΠΈ/ΠΈΠ»ΠΈ ΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠ΅ распрСдСлСния. НапримСр, диспСрсия ΠΈ срСднСС β€” это Π΄Π²Π° ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Π° Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠ³ΠΎ распрСдСлСния, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΎΠΏΡ€Π΅Π΄Π΅Π»ΡΡŽΡ‚ Π΅Π³ΠΎ Ρ„ΠΎΡ€ΠΌΡƒ ΠΈ располоТСниС соотвСтствСнно. ΠŸΠΎΡΠΊΠΎΠ»ΡŒΠΊΡƒ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона Π½Π΅ ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»Π°Π³Π°Π΅Ρ‚ извСстных распрСдСлСний, ΠΎΠ½ Π½Π΅ ΠΈΠΌΠ΅Π΅Ρ‚ Π΄Π΅Π»ΠΎ с ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Π°ΠΌΠΈ, ΠΈ поэтому ΠΌΡ‹ Π½Π°Π·Ρ‹Π²Π°Π΅ΠΌ Π΅Π³ΠΎ нСпарамСтричСским ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠ΅ΠΌ.

Π’ Ρ‚ΠΎ врСмя ΠΊΠ°ΠΊ нулСвая Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π° Π΄Π²ΡƒΡ…Π²Ρ‹Π±ΠΎΡ€ΠΎΡ‡Π½ΠΎΠ³ΠΎ t-критСрия Ρ€Π°Π²Π½Π° срСднСму Π·Π½Π°Ρ‡Π΅Π½ΠΈΡŽ, нулСвая Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π° тСста Уилкоксона ΠΎΠ±Ρ‹Ρ‡Π½ΠΎ принимаСтся Π·Π° Ρ€Π°Π²Π½Ρ‹Π΅ ΠΌΠ΅Π΄ΠΈΠ°Π½Ρ‹. Π”Ρ€ΡƒΠ³ΠΎΠΉ способ Π΄ΡƒΠΌΠ°Ρ‚ΡŒ ΠΎ Π½ΡƒΠ»Π΅ состоит Π² Ρ‚ΠΎΠΌ, Ρ‡Ρ‚ΠΎ Π΄Π²Π΅ совокупности ΠΈΠΌΠ΅ΡŽΡ‚ ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²ΠΎΠ΅ распрСдСлСниС с ΠΎΠ΄Π½ΠΎΠΉ ΠΈ Ρ‚ΠΎΠΉ ΠΆΠ΅ ΠΌΠ΅Π΄ΠΈΠ°Π½ΠΎΠΉ. Если ΠΌΡ‹ отклоняСм Π½ΡƒΠ»Π΅Π²ΠΎΠ΅ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅, это ΠΎΠ·Π½Π°Ρ‡Π°Π΅Ρ‚, Ρ‡Ρ‚ΠΎ Ρƒ нас Π΅ΡΡ‚ΡŒ ΡΠ²ΠΈΠ΄Π΅Ρ‚Π΅Π»ΡŒΡΡ‚Π²ΠΎ Ρ‚ΠΎΠ³ΠΎ, Ρ‡Ρ‚ΠΎ ΠΎΠ΄Π½ΠΎ распрСдСлСниС сдвинуто Π²Π»Π΅Π²ΠΎ ΠΈΠ»ΠΈ Π²ΠΏΡ€Π°Π²ΠΎ ΠΏΠΎ ΠΎΡ‚Π½ΠΎΡˆΠ΅Π½ΠΈΡŽ ΠΊ Π΄Ρ€ΡƒΠ³ΠΎΠΌΡƒ. ΠŸΠΎΡΠΊΠΎΠ»ΡŒΠΊΡƒ ΠΌΡ‹ ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»Π°Π³Π°Π΅ΠΌ, Ρ‡Ρ‚ΠΎ наши распрСдСлСния Ρ€Π°Π²Π½Ρ‹, ΠΎΡ‚ΠΊΠ»ΠΎΠ½Π΅Π½ΠΈΠ΅ нуля ΠΎΠ·Π½Π°Ρ‡Π°Π΅Ρ‚, Ρ‡Ρ‚ΠΎ Ρƒ нас Π΅ΡΡ‚ΡŒ Π΄ΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΡŒΡΡ‚Π²Π° Ρ‚ΠΎΠ³ΠΎ, Ρ‡Ρ‚ΠΎ ΠΌΠ΅Π΄ΠΈΠ°Π½Ρ‹ Π΄Π²ΡƒΡ… популяций Ρ€Π°Π·Π»ΠΈΡ‡Π°ΡŽΡ‚ΡΡ. Π‘Ρ€Π΅Π΄Π° статистичСского программирования R, ΠΊΠΎΡ‚ΠΎΡ€ΡƒΡŽ ΠΌΡ‹ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌ для Ρ€Π΅Π°Π»ΠΈΠ·Π°Ρ†ΠΈΠΈ тСста суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона Π½ΠΈΠΆΠ΅, Π½Π°Π·Ρ‹Π²Π°Π΅Ρ‚ это «сдвигом мСстополоТСния».

Π”Π°Π²Π°ΠΉΡ‚Π΅ рассмотрим быстрый ΠΏΡ€ΠΈΠΌΠ΅Ρ€ Π½Π° R. ΠŸΡ€ΠΈΠ²Π΅Π΄Π΅Π½Π½Ρ‹Π΅ Π½ΠΈΠΆΠ΅ Π΄Π°Π½Π½Ρ‹Π΅ взяты ΠΈΠ· Hogg & Tanis, ΠΏΡ€ΠΈΠΌΠ΅Ρ€ 8.4-6. Он Π²ΠΊΠ»ΡŽΡ‡Π°Π΅Ρ‚ Π² сСбя вСс ΡƒΠΏΠ°ΠΊΠΎΠ²ΠΊΠΈ ΠΎΡ‚ Π΄Π²ΡƒΡ… ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΉ, ΠΏΡ€ΠΎΠ΄Π°ΡŽΡ‰ΠΈΡ… ΠΎΠ΄ΠΈΠ½ ΠΈ Ρ‚ΠΎΡ‚ ΠΆΠ΅ ΠΏΡ€ΠΎΠ΄ΡƒΠΊΡ‚. Π£ нас Π΅ΡΡ‚ΡŒ 8 наблюдСний ΠΎΡ‚ ΠΊΠ°ΠΆΠ΄ΠΎΠΉ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ, A ΠΈ B. ΠœΡ‹ Ρ…ΠΎΡ‚Π΅Π»ΠΈ Π±Ρ‹ Π·Π½Π°Ρ‚ΡŒ, являСтся Π»ΠΈ распрСдСлСниС вСсов ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²Ρ‹ΠΌ Π² ΠΊΠ°ΠΆΠ΄ΠΎΠΉ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ. Быстрая Π΄ΠΈΠ°Π³Ρ€Π°ΠΌΠΌΠ° ΠΏΠΎΠΊΠ°Π·Ρ‹Π²Π°Π΅Ρ‚, Ρ‡Ρ‚ΠΎ Π΄Π°Π½Π½Ρ‹Π΅ ΠΈΠΌΠ΅ΡŽΡ‚ схоТий разброс, Π½ΠΎ ΠΌΠΎΠ³ΡƒΡ‚ Π±Ρ‹Ρ‚ΡŒ искаТСнными ΠΈ Π½Π΅Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½Ρ‹ΠΌΠΈ. Π‘ Ρ‚Π°ΠΊΠΎΠΉ малСнькой Π²Ρ‹Π±ΠΎΡ€ΠΊΠΎΠΉ ΠΌΠΎΠΆΠ΅Ρ‚ Π±Ρ‹Ρ‚ΡŒ опасно ΠΏΡ€Π΅Π΄ΠΏΠΎΠ»Π°Π³Π°Ρ‚ΡŒ Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΡΡ‚ΡŒ.

А <- с(117,1, 121,3, 127,8, 121,9, 117,4, 124,5, 119,5, 115,1)
Π’ <- с(123,5, 125,3, 126,5, 127,9, 122,1, 125,6, 129,8, 117,2)
dat <- data.frame(вСс = c(A,B),
                  компания = rep(c("A","B"), ΠΊΠ°ΠΆΠ΄Ρ‹ΠΉ=8))
boxplot(вСс ~ компания, Π΄Π°Π½Π½Ρ‹Π΅ = dat)

 

Π’Π΅ΠΏΠ΅Ρ€ΡŒ ΠΌΡ‹ запускаСм тСст суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ wilkox. test . ΠžΠΏΡΡ‚ΡŒ ΠΆΠ΅, ноль Π² Ρ‚ΠΎΠΌ, Ρ‡Ρ‚ΠΎ распрСдСлСния ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²Ρ‹ ΠΈ, ΡΠ»Π΅Π΄ΠΎΠ²Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ, ΠΈΠΌΠ΅ΡŽΡ‚ ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²ΡƒΡŽ ΠΌΠ΅Π΄ΠΈΠ°Π½Ρƒ. ΠΠ»ΡŒΡ‚Π΅Ρ€Π½Π°Ρ‚ΠΈΠ²Π° двусторонняя. ΠœΡ‹ понятия Π½Π΅ ΠΈΠΌΠ΅Π΅ΠΌ, смСщСно Π»ΠΈ ΠΎΠ΄Π½ΠΎ распрСдСлСниС Π²Π»Π΅Π²ΠΎ ΠΈΠ»ΠΈ Π²ΠΏΡ€Π°Π²ΠΎ ΠΏΠΎ ΠΎΡ‚Π½ΠΎΡˆΠ΅Π½ΠΈΡŽ ΠΊ Π΄Ρ€ΡƒΠ³ΠΎΠΌΡƒ.

wilkox.test(вСс ~ компания, Π΄Π°Π½Π½Ρ‹Π΅ = Π΄Π°Ρ‚Π°)

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона

Π΄Π°Π½Π½Ρ‹Π΅: вСс ΠΏΠΎ компаниям
W = 13, p-Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ = 0,04988.
Π°Π»ΡŒΡ‚Π΅Ρ€Π½Π°Ρ‚ΠΈΠ²Π½Π°Ρ Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π°: истинноС смСщСниС мСстополоТСния Π½Π΅ Ρ€Π°Π²Π½ΠΎ 0

 

Π‘Π½Π°Ρ‡Π°Π»Π° ΠΌΡ‹ Π·Π°ΠΌΠ΅Ρ‡Π°Π΅ΠΌ, Ρ‡Ρ‚ΠΎ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ p Ρ‡ΡƒΡ‚ΡŒ мСньшС 0,05. На основании этого Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Π° ΠΌΡ‹ ΠΌΠΎΠΆΠ΅ΠΌ Π·Π°ΠΊΠ»ΡŽΡ‡ΠΈΡ‚ΡŒ, Ρ‡Ρ‚ΠΎ ΠΌΠ΅Π΄ΠΈΠ°Π½Ρ‹ этих Π΄Π²ΡƒΡ… распрСдСлСний Ρ€Π°Π·Π»ΠΈΡ‡Π°ΡŽΡ‚ΡΡ. ΠΠ»ΡŒΡ‚Π΅Ρ€Π½Π°Ρ‚ΠΈΠ²Π½Π°Ρ Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π° формулируСтся ΠΊΠ°ΠΊ «истинный сдвиг мСстополоТСния Π½Π΅ Ρ€Π°Π²Π΅Π½ 0Β». Π­Ρ‚ΠΎ Π΅Ρ‰Π΅ ΠΎΠ΄ΠΈΠ½ способ ΡΠΊΠ°Π·Π°Ρ‚ΡŒ, Ρ‡Ρ‚ΠΎ «распрСдСлСниС ΠΎΠ΄Π½ΠΎΠΉ популяции смСщСно Π²Π»Π΅Π²ΠΎ ΠΈΠ»ΠΈ Π²ΠΏΡ€Π°Π²ΠΎ ΠΎΡ‚Π½ΠΎΡΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎ Π΄Ρ€ΡƒΠ³ΠΎΠΉΒ», Ρ‡Ρ‚ΠΎ ΠΏΠΎΠ΄Ρ€Π°Π·ΡƒΠΌΠ΅Π²Π°Π΅Ρ‚ Ρ€Π°Π·Π½Ρ‹Π΅ ΠΌΠ΅Π΄ΠΈΠ°Π½Ρ‹.

Бтатистика Уилкоксона возвращаСтся ΠΊΠ°ΠΊ W = 13. Π­Ρ‚ΠΎ НЕ ΠΎΡ†Π΅Π½ΠΊΠ° Ρ€Π°Π·Π½ΠΈΡ†Ρ‹ Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ…. На самом Π΄Π΅Π»Π΅ это количСство Ρ€Π°Π·, Π² ΠΊΠΎΡ‚ΠΎΡ€ΠΎΠ΅ вСс посылки ΠΎΡ‚ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ B мСньшС вСса посылки ΠΎΡ‚ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ A. ΠœΡ‹ ΠΌΠΎΠΆΠ΅ΠΌ Ρ€Π°ΡΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒ это Π²Ρ€ΡƒΡ‡Π½ΡƒΡŽ, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡ Π²Π»ΠΎΠΆΠ΅Π½Π½Ρ‹Π΅ Ρ†ΠΈΠΊΠ»Ρ‹ for ΡΠ»Π΅Π΄ΡƒΡŽΡ‰ΠΈΠΌ ΠΎΠ±Ρ€Π°Π·ΠΎΠΌ (хотя ΠΌΡ‹ Π΄ΠΎΠ»ΠΆΠ½Ρ‹ ΠΎΡ‚ΠΌΠ΅Ρ‚ΠΈΡ‚ΡŒ, Ρ‡Ρ‚ΠΎ это Π½Π΅ Ρ‚Π°ΠΊ, ΠΊΠ°ΠΊ wilcox. функция test вычисляСт W):

Π’Ρ‚ <- 0
для (я в 1: длина (B)) {
  для (j в 1: длина (A)) {
    Ссли (B[j] < A[i]) W <- W + 1
  }
}
Π’Ρ‚
[1] 13

 

Π”Ρ€ΡƒΠ³ΠΎΠΉ способ ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ это β€” ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒ внСшнюю Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ , которая ΠΌΠΎΠΆΠ΅Ρ‚ ΠΏΡ€ΠΈΠ½ΠΈΠΌΠ°Ρ‚ΡŒ Π΄Π²Π° Π²Π΅ΠΊΡ‚ΠΎΡ€Π° ΠΈ Π²Ρ‹ΠΏΠΎΠ»Π½ΡΡ‚ΡŒ ΠΎΠΏΠ΅Ρ€Π°Ρ†ΠΈΡŽ Π½Π°Π΄ всСми ΠΏΠ°Ρ€Π°ΠΌΠΈ. Π Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚ΠΎΠΌ являСтся ΠΌΠ°Ρ‚Ρ€ΠΈΡ†Π° 8 x 8, состоящая ΠΈΠ· Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ TRUE/FALSE. ИспользованиС суммы Π² ΠΌΠ°Ρ‚Ρ€ΠΈΡ†Π΅ подсчитываСт всС экзСмпляры TRUE.

сумма (внСшняя (B, A, "<"))
[1] 13

 

ΠšΠΎΠ½Π΅Ρ‡Π½ΠΎ, ΠΌΡ‹ ΠΌΠΎΠ³Π»ΠΈ Π±Ρ‹ ΠΏΠΎΠΉΡ‚ΠΈ Π΄Ρ€ΡƒΠ³ΠΈΠΌ ΠΏΡƒΡ‚Π΅ΠΌ ΠΈ ΠΏΠΎΠ΄ΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒ, сколько Ρ€Π°Π· вСс посылки ΠΎΡ‚ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ А мСньшС, Ρ‡Π΅ΠΌ вСс посылки ΠΎΡ‚ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ Π‘. Π­Ρ‚ΠΎ Π΄Π°Π΅Ρ‚ Π½Π°ΠΌ 51.

сумма (внСшняя (A, B, "<"))
[1] 51

 

Если ΠΌΡ‹ ΠΈΠ·ΠΌΠ΅Π½ΠΈΠΌ ΡƒΡ€ΠΎΠ²Π΅Π½ΡŒ ΠΏΠ΅Ρ€Π΅ΠΌΠ΅Π½Π½ΠΎΠΉ нашСй ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ Π² data.frame dat, Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΠΈΠΌΠ΅Ρ‚ΡŒ Β«BΒ» Π² качСствС ΠΎΠΏΠΎΡ€Π½ΠΎΠ³ΠΎ уровня, ΠΌΡ‹ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΠΌ Ρ‚ΠΎΡ‚ ΠΆΠ΅ Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚ Π² Π²Ρ‹Π²ΠΎΠ΄Π΅ wilcox. test .

dat$company <- relevel(dat$company, ref = "B")
wilkox.test(вСс ~ компания, Π΄Π°Π½Π½Ρ‹Π΅ = Π΄Π°Ρ‚Π°)

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона

Π΄Π°Π½Π½Ρ‹Π΅: вСс ΠΏΠΎ компаниям
W = 51, p-Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ = 0,04988
Π°Π»ΡŒΡ‚Π΅Ρ€Π½Π°Ρ‚ΠΈΠ²Π½Π°Ρ Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π°: истинноС смСщСниС мСстополоТСния Π½Π΅ Ρ€Π°Π²Π½ΠΎ 0

 

Π’Π°ΠΊ ΠΏΠΎΡ‡Π΅ΠΌΡƒ ΠΆΠ΅ ΠΌΡ‹ считаСм ΠΏΠ°Ρ€Ρ‹? Напомним, Ρ‡Ρ‚ΠΎ это нСпарамСтричСский тСст. ΠœΡ‹ Π½Π΅ ΠΎΡ†Π΅Π½ΠΈΠ²Π°Π΅ΠΌ Ρ‚Π°ΠΊΠΈΠ΅ ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€Ρ‹, ΠΊΠ°ΠΊ срСднСС Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅. ΠœΡ‹ просто пытаСмся Π½Π°ΠΉΡ‚ΠΈ Π΄ΠΎΠΊΠ°Π·Π°Ρ‚Π΅Π»ΡŒΡΡ‚Π²Π° Ρ‚ΠΎΠ³ΠΎ, Ρ‡Ρ‚ΠΎ ΠΎΠ΄Π½ΠΎ распрСдСлСниС смСщСно Π²Π»Π΅Π²ΠΎ ΠΈΠ»ΠΈ Π²ΠΏΡ€Π°Π²ΠΎ ΠΏΠΎ ΠΎΡ‚Π½ΠΎΡˆΠ΅Π½ΠΈΡŽ ΠΊ Π΄Ρ€ΡƒΠ³ΠΎΠΌΡƒ. На нашСй Π±Π»ΠΎΡ‡Π½ΠΎΠΉ Π΄ΠΈΠ°Π³Ρ€Π°ΠΌΠΌΠ΅ Π²Ρ‹ΡˆΠ΅ Π²ΠΈΠ΄Π½ΠΎ, Ρ‡Ρ‚ΠΎ распрСдСлСния ΠΎΡ‚ ΠΎΠ±Π΅ΠΈΡ… ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΉ достаточно ΠΏΠΎΡ…ΠΎΠΆΠΈ, Π½ΠΎ B смСщСно Π²ΠΏΡ€Π°Π²ΠΎ ΠΈΠ»ΠΈ Π²Ρ‹ΡˆΠ΅, Ρ‡Π΅ΠΌ A. Один ΠΈΠ· способов ΠΏΠΎΠ΄ΡƒΠΌΠ°Ρ‚ΡŒ ΠΎ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΊΠ΅, ΡΠ²Π»ΡΡŽΡ‚ΡΡ Π»ΠΈ распрСдСлСния ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²Ρ‹ΠΌΠΈ, β€” это Ρ€Π°ΡΡΠΌΠΎΡ‚Ρ€Π΅Ρ‚ΡŒ Π²Π΅Ρ€ΠΎΡΡ‚Π½ΠΎΡΡ‚ΡŒ случайного Π²Ρ‹Π±Ρ€Π°Π½Π½ΠΎΠ΅ наблюдСниС ΠΎΡ‚ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ A мСньшС, Ρ‡Π΅ΠΌ случайно Π²Ρ‹Π±Ρ€Π°Π½Π½ΠΎΠ΅ наблюдСниС ΠΎΡ‚ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ B: P (A < B). ΠœΡ‹ ΠΌΠΎΠ³Π»ΠΈ Π±Ρ‹ ΠΎΡ†Π΅Π½ΠΈΡ‚ΡŒ эту Π²Π΅Ρ€ΠΎΡΡ‚Π½ΠΎΡΡ‚ΡŒ ΠΊΠ°ΠΊ количСство ΠΏΠ°Ρ€, Ρƒ ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Ρ… А мСньшС Π’, Π΄Π΅Π»Π΅Π½Π½ΠΎΠ΅ Π½Π° ΠΎΠ±Ρ‰Π΅Π΅ количСство ΠΏΠ°Ρ€. Π’ нашСм случаС получаСтся \(51/(8\times8)\) ΠΈΠ»ΠΈ \(51/64\). Π’ΠΎΡ‡Π½ΠΎ Ρ‚Π°ΠΊ ΠΆΠ΅ ΠΌΡ‹ ΠΌΠΎΠ³Π»ΠΈ Π±Ρ‹ ΠΎΡ†Π΅Π½ΠΈΡ‚ΡŒ Π²Π΅Ρ€ΠΎΡΡ‚Π½ΠΎΡΡ‚ΡŒ Ρ‚ΠΎΠ³ΠΎ, Ρ‡Ρ‚ΠΎ B мСньшС, Ρ‡Π΅ΠΌ A. Π’ нашСм случаС это \(13/64\). Π˜Ρ‚Π°ΠΊ, ΠΌΡ‹ Π²ΠΈΠ΄ΠΈΠΌ, Ρ‡Ρ‚ΠΎ статистика W являСтся числитСлСм Π² этой ΠΎΡ†Π΅Π½ΠΎΡ‡Π½ΠΎΠΉ вСроятности.

Π’ΠΎΡ‡Π½ΠΎΠ΅ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ p опрСдСляСтся ΠΈΠ· распрСдСлСния статистики суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона. ΠœΡ‹ Π³ΠΎΠ²ΠΎΡ€ΠΈΠΌ Β«Ρ‚ΠΎΡ‡Π½ΠΎΒ», ΠΏΠΎΡ‚ΠΎΠΌΡƒ Ρ‡Ρ‚ΠΎ распрСдСлСниС статистики суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона являСтся дискрСтным. Он ΠΏΠ°Ρ€Π°ΠΌΠ΅Ρ‚Ρ€ΠΈΠ·ΠΎΠ²Π°Π½ двумя Ρ€Π°Π·ΠΌΠ΅Ρ€Π°ΠΌΠΈ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ, ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Π΅ ΠΌΡ‹ сравниваСм. «Но ΠΏΠΎΠ΄ΠΎΠΆΠ΄ΠΈΡ‚Π΅, я Π΄ΡƒΠΌΠ°Π», Ρ‡Ρ‚ΠΎ ΠΊΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ Уилкоксона нСпарамСтричСский?Β» Π­Ρ‚ΠΎ! Но тСстовая статистика W ΠΈΠΌΠ΅Π΅Ρ‚ распрСдСлСниС, Π½Π΅ зависящСС ΠΎΡ‚ распрСдСлСния Π΄Π°Π½Π½Ρ‹Ρ….

ΠœΡ‹ ΠΌΠΎΠΆΠ΅ΠΌ Ρ€Π°ΡΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒ Ρ‚ΠΎΡ‡Π½Ρ‹Π΅ двусторонниС p-значСния явно, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡ pwilkox (ΠΎΠ½ΠΈ двусторонниС, поэтому ΡƒΠΌΠ½ΠΎΠΆΠ°Π΅ΠΌ Π½Π° 2):

Для W = 13, \(P(W \leq 13)\):

pwilcox(q = 13, m = 8, n = 8) * 2
[1] 0,04988345

 

Для W = 51, \(P(W \geq 51)\), ΠΌΡ‹ Π΄ΠΎΠ»ΠΆΠ½Ρ‹ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ \(P(W \leq 50)\), Π° Π·Π°Ρ‚Π΅ΠΌ Π²Ρ‹Ρ‡Π΅ΡΡ‚ΡŒ ΠΈΠ· 1, Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ \(P(W \geq 51) \):

(1 - pwilkox(q = 51 - 1, m = 8, n = 8)) * 2
[1] 0,04988345

 

По ΡƒΠΌΠΎΠ»Ρ‡Π°Π½ΠΈΡŽ функция wilcox. test вычисляСт Ρ‚ΠΎΡ‡Π½Ρ‹Π΅ p-значСния, Ссли Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ содСрТат ΠΌΠ΅Π½Π΅Π΅ 50 ΠΊΠΎΠ½Π΅Ρ‡Π½Ρ‹Ρ… Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ ΠΈ Π² значСниях Π½Π΅Ρ‚ совпадСний. (ΠŸΠΎΠ΄Ρ€ΠΎΠ±Π½Π΅Π΅ ΠΎ «связях» Ρ‡ΡƒΡ‚ΡŒ ΠΏΠΎΠ·ΠΆΠ΅.) Π’ ΠΏΡ€ΠΎΡ‚ΠΈΠ²Π½ΠΎΠΌ случаС ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠ΅ ΠΏΡ€ΠΈΠ±Π»ΠΈΠΆΠ΅Π½ΠΈΠ΅. Для ΠΏΡ€ΠΈΠ½ΡƒΠ΄ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎΠ³ΠΎ Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠ³ΠΎ приблиТСния установитС Ρ‚ΠΎΡ‡Π½ΠΎ = Π›ΠžΠ–Π¬ .

dat$company <- relevel(dat$company, ref = "A")
wilkox.test(вСс ~ компания, Π΄Π°Π½Π½Ρ‹Π΅ = dat, Ρ‚ΠΎΡ‡Π½ΠΎ = Π›ΠžΠ–Π¬)

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Вилкоксона с ΠΊΠΎΡ€Ρ€Π΅ΠΊΡ†ΠΈΠ΅ΠΉ нСпрСрывности

Π΄Π°Π½Π½Ρ‹Π΅: вСс ΠΏΠΎ компаниям
W = 13, p-Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ = 0,05203
Π°Π»ΡŒΡ‚Π΅Ρ€Π½Π°Ρ‚ΠΈΠ²Π½Π°Ρ Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π°: истинноС смСщСниС мСстополоТСния Π½Π΅ Ρ€Π°Π²Π½ΠΎ 0

 

ΠŸΡ€ΠΈ использовании Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠ³ΠΎ приблиТСния ΠΊ названию тСста добавляСтся Ρ„Ρ€Π°Π·Π° «с ΠΊΠΎΡ€Ρ€Π΅ΠΊΡ†ΠΈΠ΅ΠΉ нСпрСрывности». ΠŸΠΎΠΏΡ€Π°Π²ΠΊΠ° Π½Π° Π½Π΅ΠΏΡ€Π΅Ρ€Ρ‹Π²Π½ΠΎΡΡ‚ΡŒ β€” это ΠΊΠΎΡ€Ρ€Π΅ΠΊΡ‚ΠΈΡ€ΠΎΠ²ΠΊΠ°, которая выполняСтся, ΠΊΠΎΠ³Π΄Π° дискрСтноС распрСдСлСниС аппроксимируСтся Π½Π΅ΠΏΡ€Π΅Ρ€Ρ‹Π²Π½Ρ‹ΠΌ распрСдСлСниСм. ΠΠΎΡ€ΠΌΠ°Π»ΡŒΠ½Π°Ρ аппроксимация ΠΎΡ‡Π΅Π½ΡŒ Ρ…ΠΎΡ€ΠΎΡˆΠ° ΠΈ Π² Π²Ρ‹Ρ‡ΠΈΡΠ»ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎΠΌ ΠΎΡ‚Π½ΠΎΡˆΠ΅Π½ΠΈΠΈ быстрСС для Π²Ρ‹Π±ΠΎΡ€ΠΎΠΊ большС 50.

ВСрнСмся ΠΊ "галстукам". Π§Ρ‚ΠΎ это Π·Π½Π°Ρ‡ΠΈΡ‚ ΠΈ ΠΏΠΎΡ‡Π΅ΠΌΡƒ это Π²Π°ΠΆΠ½ΠΎ? Π§Ρ‚ΠΎΠ±Ρ‹ ΠΎΡ‚Π²Π΅Ρ‚ΠΈΡ‚ΡŒ Π½Π° эти вопросы, сначала рассмотрим Π½Π°Π·Π²Π°Π½ΠΈΠ΅ «тСст суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона». НазваниС связано с Ρ‚Π΅ΠΌ, Ρ‡Ρ‚ΠΎ статистику тСста ΠΌΠΎΠΆΠ½ΠΎ Ρ€Π°ΡΡΡ‡ΠΈΡ‚Π°Ρ‚ΡŒ ΠΊΠ°ΠΊ сумму Ρ€Π°Π½Π³ΠΎΠ² Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ. Π”Ρ€ΡƒΠ³ΠΈΠΌΠΈ словами, Π²ΠΎΠ·ΡŒΠΌΠΈΡ‚Π΅ всС значСния ΠΈΠ· ΠΎΠ±Π΅ΠΈΡ… Π³Ρ€ΡƒΠΏΠΏ, Ρ€Π°Π½ΠΆΠΈΡ€ΡƒΠΉΡ‚Π΅ ΠΈΡ… ΠΎΡ‚ самого Π½ΠΈΠ·ΠΊΠΎΠ³ΠΎ Π΄ΠΎ самого высокого Π² соотвСтствии с ΠΈΡ… Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ΠΌ, Π° Π·Π°Ρ‚Π΅ΠΌ просуммируйтС Ρ€Π°Π½Π³ΠΈ ΠΈΠ· ΠΎΠ΄Π½ΠΎΠΉ ΠΈΠ· Π³Ρ€ΡƒΠΏΠΏ. Π’ΠΎΡ‚ ΠΊΠ°ΠΊ ΠΌΡ‹ ΠΌΠΎΠΆΠ΅ΠΌ ΡΠ΄Π΅Π»Π°Ρ‚ΡŒ это Π² R с нашими Π΄Π°Π½Π½Ρ‹ΠΌΠΈ:

сумма(Ρ€Π°Π½Π³(dat$вСс)[dat$company=="A"])
[1] 49

Π’Ρ‹ΡˆΠ΅ ΠΌΡ‹ Ρ€Π°Π½ΠΆΠΈΡ€ΡƒΠ΅ΠΌ всС вСса, ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΡ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ rank , Π²Ρ‹Π±ΠΈΡ€Π°Π΅ΠΌ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ Ρ‚Π΅ Ρ€Π°Π½Π³ΠΈ для ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ A, Π° Π·Π°Ρ‚Π΅ΠΌ суммируСм ΠΈΡ…. Π­Ρ‚ΠΎ классичСский способ расчСта статистики тСста суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона. ΠžΠ±Ρ€Π°Ρ‚ΠΈΡ‚Π΅ Π²Π½ΠΈΠΌΠ°Π½ΠΈΠ΅, Ρ‡Ρ‚ΠΎ это Π½Π΅ соотвСтствуСт тСстовой статистикС, прСдоставлСнной wilcox.test , которая Π±Ρ‹Π»Π° 13. Π­Ρ‚ΠΎ ΠΏΠΎΡ‚ΠΎΠΌΡƒ, Ρ‡Ρ‚ΠΎ R ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ Π΄Ρ€ΡƒΠ³ΠΎΠΉ расчСт ΠΈΠ·-Π·Π° Манна ΠΈ Π£ΠΈΡ‚Π½ΠΈ. Π˜Ρ… тСстовая статистика, ΠΈΠ½ΠΎΠ³Π΄Π° называСмая U, являСтся Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠ΅ΠΉ исходной статистики суммы Ρ€Π°Π½Π³ΠΎΠ², ΠΎΠ±Ρ‹Ρ‡Π½ΠΎ Π½Π°Π·Ρ‹Π²Π°Π΅ΠΌΠΎΠΉ W:

\[U = W – \frac{n_2(n_2 + 1)}{2}\]

Π³Π΄Π΅ \(n_2\) β€” количСство наблюдСний Π² Π΄Ρ€ΡƒΠ³ΠΎΠΉ Π³Ρ€ΡƒΠΏΠΏΠ΅, Ρ€Π°Π½Π³ΠΈ ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Ρ… Π½Π΅ ΡΡƒΠΌΠΌΠΈΡ€ΠΎΠ²Π°Π»ΠΈΡΡŒ. ΠœΡ‹ ΠΌΠΎΠΆΠ΅ΠΌ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΈΡ‚ΡŒ эту связь для Π½Π°ΡˆΠΈΡ… Π΄Π°Π½Π½Ρ‹Ρ…

сумма (Ρ€Π°Π½Π³ (вСс $ Π΄Π°Π½Π½Ρ‹Ρ…) [компания $ Π΄Π°Π½Π½Ρ‹Ρ… = = "A"]) - (8 * 9/2)
[1] 13

 

ИмСнно Ρ‚Π°ΠΊ функция wilcox.test вычисляСт Ρ‚Π΅ΡΡ‚ΠΎΠ²ΡƒΡŽ статистику, хотя ΠΎΠ½Π° ΠΏΠΎΠΌΠ΅Ρ‡Π°Π΅Ρ‚ Π΅Π΅ W вмСсто U.

Π Π°Π½ΠΆΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠ΅ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ Π΄ΠΎΠ»ΠΆΠ½ΠΎ Π±Ρ‹Ρ‚ΡŒ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΎ Π² случаС равСнства. НапримСр, Π² ΠΏΡ€ΠΈΠ²Π΅Π΄Π΅Π½Π½Ρ‹Ρ… Π½ΠΈΠΆΠ΅ Π΄Π°Π½Π½Ρ‹Ρ… 7 встрСчаСтся Π΄Π²Π°ΠΆΠ΄Ρ‹. ΠžΠ΄Π½ΠΎΠΌΡƒ ΠΈΠ· 7 ΠΌΠΎΠΆΠ΅Ρ‚ Π±Ρ‹Ρ‚ΡŒ присвоСно 3-Π΅ мСсто, Π° Π΄Ρ€ΡƒΠ³ΠΎΠΌΡƒ 4-Π΅. Но Ρ‚ΠΎΠ³Π΄Π° ΠΎΠ΄Π½ΠΎ ΠΈΠ· Π½ΠΈΡ… Π±ΡƒΠ΄Π΅Ρ‚ ΠΈΠΌΠ΅Ρ‚ΡŒ Π±ΠΎΠ»Π΅Π΅ высокий Ρ€Π°Π½Π³, Ρ‡Π΅ΠΌ Π΄Ρ€ΡƒΠ³ΠΎΠ΅, Π° это Π½Π΅ΠΏΡ€Π°Π²ΠΈΠ»ΡŒΠ½ΠΎ. ΠœΡ‹ ΠΌΠΎΠ³Π»ΠΈ Π±Ρ‹ ΠΏΠΎΡΡ‚Π°Π²ΠΈΡ‚ΡŒ ΠΈΡ… ΠΎΠ±Π΅ΠΈΠΌ Π½Π° 3 ΠΈΠ»ΠΈ ΠΎΠ±Π΅ Π½Π° 4, Π½ΠΎ это Ρ‚ΠΎΠΆΠ΅ Π±Ρ‹Π»ΠΎ Π±Ρ‹ Π½Π΅ΠΏΡ€Π°Π²ΠΈΠ»ΡŒΠ½ΠΎ. Π§Ρ‚ΠΎ ΠΌΡ‹ Π΄Π΅Π»Π°Π΅ΠΌ, Ρ‚Π°ΠΊ это Π±Π΅Ρ€Π΅ΠΌ срСднСС Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ ΠΈΡ… Ρ€Π°Π½Π³ΠΎΠ². НиТС это \((3 + 4)/2 = 3,5\). R Π΄Π΅Π»Π°Π΅Ρ‚ это ΠΏΠΎ ΡƒΠΌΠΎΠ»Ρ‡Π°Π½ΠΈΡŽ ΠΏΡ€ΠΈ Ρ€Π°Π½ΠΆΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠΈ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ.

vals <- c(2, 4, 7, 7, 12)
Ρ€Π°Π½Π³ (Π²Π°Π»Ρ‹)
[1] 1,0 2,0 3,5 3,5 5,0

 

ВлияниС связСй ΠΎΠ·Π½Π°Ρ‡Π°Π΅Ρ‚, Ρ‡Ρ‚ΠΎ распрСдСлСниС Ρ€Π°Π½Π³ΠΎΠ²ΠΎΠΉ суммы Уилкоксона нСльзя ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒ для расчСта Ρ‚ΠΎΡ‡Π½Ρ‹Ρ… p-Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ. Если Π² Π½Π°ΡˆΠΈΡ… Π΄Π°Π½Π½Ρ‹Ρ… Π²ΡΡ‚Ρ€Π΅Ρ‡Π°ΡŽΡ‚ΡΡ связи ΠΈ Ρƒ нас ΠΌΠ΅Π½Π΅Π΅ 50 наблюдСний, функция wilkox. test Π²ΠΎΠ·Π²Ρ€Π°Ρ‰Π°Π΅Ρ‚ Π½ΠΎΡ€ΠΌΠ°Π»ΡŒΠ½ΠΎΠ΅ аппроксимированноС Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ p вмСстС с ΠΏΡ€Π΅Π΄ΡƒΠΏΡ€Π΅ΠΆΠ΄Π°ΡŽΡ‰ΠΈΠΌ сообщСниСм ΠΎ Ρ‚ΠΎΠΌ, Ρ‡Ρ‚ΠΎ Β«Π½Π΅Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΠΎ Π²Ρ‹Ρ‡ΠΈΡΠ»ΠΈΡ‚ΡŒ Ρ‚ΠΎΡ‡Π½ΠΎΠ΅ Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ p ΠΏΡ€ΠΈ Π½Π°Π»ΠΈΡ‡ΠΈΠΈ связСй».

Π’ΠΎΡ‡Π½Ρ‹Π΅ ΠΈΠ»ΠΈ ΠΏΡ€ΠΈΠ±Π»ΠΈΠ·ΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Π΅ p-значСния Π½ΠΈΡ‡Π΅Π³ΠΎ Π½Π΅ говорят Π½Π°ΠΌ ΠΎ Ρ‚ΠΎΠΌ, насколько Ρ€Π°Π·Π»ΠΈΡ‡Π½Ρ‹ эти распрСдСлСния. Для тСста Уилкоксона p-Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ β€” это Π²Π΅Ρ€ΠΎΡΡ‚Π½ΠΎΡΡ‚ΡŒ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ статистику тСста ΠΊΠ°ΠΊ Π±ΠΎΠ»ΡŒΡˆΡƒΡŽ ΠΈΠ»ΠΈ Π±ΠΎΠ»ΡŒΡˆΡƒΡŽ ΠΏΡ€ΠΈ условии, Ρ‡Ρ‚ΠΎ ΠΎΠ±Π° распрСдСлСния ΠΎΠ΄ΠΈΠ½Π°ΠΊΠΎΠ²Ρ‹. Π’ Π΄ΠΎΠΏΠΎΠ»Π½Π΅Π½ΠΈΠ΅ ΠΊ p-Π·Π½Π°Ρ‡Π΅Π½ΠΈΡŽ Π½Π°ΠΌ Π½ΡƒΠΆΠ½Π° нСкоторая оцСночная ΠΌΠ΅Ρ€Π° Ρ‚ΠΎΠ³ΠΎ, ΠΊΠ°ΠΊ эти распрСдСлСния Ρ€Π°Π·Π»ΠΈΡ‡Π°ΡŽΡ‚ΡΡ. 9Ѐункция 0165 wilkox.test прСдоставляСт эту ΠΈΠ½Ρ„ΠΎΡ€ΠΌΠ°Ρ†ΠΈΡŽ, ΠΊΠΎΠ³Π΄Π° ΠΌΡ‹ устанавливаСм conf.int = TRUE .

wilcox.test(вСс ~ компания, Π΄Π°Π½Π½Ρ‹Π΅ = dat, conf.int = TRUE)

ΠšΡ€ΠΈΡ‚Π΅Ρ€ΠΈΠΉ суммы Ρ€Π°Π½Π³ΠΎΠ² Уилкоксона

Π΄Π°Π½Π½Ρ‹Π΅: вСс ΠΏΠΎ компаниям
W = 13, p-Π·Π½Π°Ρ‡Π΅Π½ΠΈΠ΅ = 0,04988.
Π°Π»ΡŒΡ‚Π΅Ρ€Π½Π°Ρ‚ΠΈΠ²Π½Π°Ρ Π³ΠΈΠΏΠΎΡ‚Π΅Π·Π°: истинноС смСщСниС мСстополоТСния Π½Π΅ Ρ€Π°Π²Π½ΠΎ 0
95-ΠΏΡ€ΠΎΡ†Π΅Π½Ρ‚Π½Ρ‹ΠΉ Π΄ΠΎΠ²Π΅Ρ€ΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ ΠΈΠ½Ρ‚Π΅Ρ€Π²Π°Π»:
 -8,5 -0,1
ΠΏΡ€ΠΈΠΌΠ΅Ρ€Π½Ρ‹Π΅ ΠΎΡ†Π΅Π½ΠΊΠΈ:
Ρ€Π°Π·Π½ΠΈΡ†Π° Π² мСстополоТСнии
                 -4,65

 

Π’ΠΎΠ·Π²Ρ€Π°Ρ‰Π°Π΅Ρ‚ ΠΌΠ΅Ρ€Ρƒ Β«Ρ€Π°Π·Π½ΠΈΡ†Ρ‹ Π² мСстополоТСнии» -4,65. Π’ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Π°Ρ†ΠΈΠΈ ΠΊ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ wilcox.test говорится, Ρ‡Ρ‚ΠΎ ΠΎΠ½Π° Β«ΠΎΡ†Π΅Π½ΠΈΠ²Π°Π΅Ρ‚ Π½Π΅ Ρ€Π°Π·Π½ΠΈΡ†Ρƒ Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ… (распространСнноС Π·Π°Π±Π»ΡƒΠΆΠ΄Π΅Π½ΠΈΠ΅), Π° скорСС ΠΌΠ΅Π΄ΠΈΠ°Π½Ρƒ Ρ€Π°Π·Π½ΠΈΡ†Ρ‹ ΠΌΠ΅ΠΆΠ΄Ρƒ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΎΠΉ ΠΈΠ· x ΠΈ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΎΠΉ ΠΈΠ· yΒ».

ΠžΠΏΡΡ‚ΡŒ ΠΆΠ΅, ΠΌΡ‹ ΠΌΠΎΠΆΠ΅ΠΌ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒ внСшнюю Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ , Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΠΏΡ€ΠΎΠ²Π΅Ρ€ΠΈΡ‚ΡŒ это вычислСниС. Π‘Π½Π°Ρ‡Π°Π»Π° ΠΌΡ‹ вычисляСм Ρ€Π°Π·Π½ΠΈΡ†Ρƒ ΠΌΠ΅ΠΆΠ΄Ρƒ всСми ΠΏΠ°Ρ€Π°ΠΌΠΈ, Π° Π·Π°Ρ‚Π΅ΠΌ Π½Π°Ρ…ΠΎΠ΄ΠΈΠΌ ΠΌΠ΅Π΄ΠΈΠ°Π½Ρƒ этих разностСй.

мСдиана (внСшняя (A, B, "-"))
[1] -4,65

 

Π”ΠΎΠ²Π΅Ρ€ΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ ΠΈΠ½Ρ‚Π΅Ρ€Π²Π°Π» довольно ΡˆΠΈΡ€ΠΎΠΊ ΠΈΠ·-Π·Π° нСбольшого Ρ€Π°Π·ΠΌΠ΅Ρ€Π° Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ, Π½ΠΎ, ΠΏΠΎΡ…ΠΎΠΆΠ΅, ΠΌΡ‹ ΠΌΠΎΠΆΠ΅ΠΌ с ΡƒΠ²Π΅Ρ€Π΅Π½Π½ΠΎΡΡ‚ΡŒΡŽ ΡΠΊΠ°Π·Π°Ρ‚ΡŒ, Ρ‡Ρ‚ΠΎ срСдний вСс ΡƒΠΏΠ°ΠΊΠΎΠ²ΠΊΠΈ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ А ΠΊΠ°ΠΊ ΠΌΠΈΠ½ΠΈΠΌΡƒΠΌ Π½Π° -0,1 мСньшС, Ρ‡Π΅ΠΌ срСдний вСс ΡƒΠΏΠ°ΠΊΠΎΠ²ΠΊΠΈ ΠΊΠΎΠΌΠΏΠ°Π½ΠΈΠΈ Π‘.

Если нас явно интСрСсуСт Ρ€Π°Π·Π½ΠΈΡ†Π° Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ… ΠΌΠ΅ΠΆΠ΄Ρƒ двумя популяциями, ΠΌΡ‹ ΠΌΠΎΠΆΠ΅ΠΌ ΠΏΠΎΠΏΡ€ΠΎΠ±ΠΎΠ²Π°Ρ‚ΡŒ Π·Π°Π³Ρ€ΡƒΠ·ΠΎΡ‡Π½Ρ‹ΠΉ ΠΏΠΎΠ΄Ρ…ΠΎΠ΄ с использованиСм Π·Π°Π³Ρ€ΡƒΠ·ΠΎΡ‡Π½ΠΎΠ³ΠΎ ΠΏΠ°ΠΊΠ΅Ρ‚Π°. ИдСя состоит Π² Ρ‚ΠΎΠΌ, Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΠΏΠ΅Ρ€Π΅Π΄ΠΈΡΠΊΡ€Π΅Ρ‚ΠΈΠ·ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ Π΄Π°Π½Π½Ρ‹Π΅ (с Π·Π°ΠΌΠ΅Π½ΠΎΠΉ) ΠΌΠ½ΠΎΠ³ΠΎ Ρ€Π°Π·, скаТСм, 1000 Ρ€Π°Π·, ΠΊΠ°ΠΆΠ΄Ρ‹ΠΉ Ρ€Π°Π· принимая Π²ΠΎ Π²Π½ΠΈΠΌΠ°Π½ΠΈΠ΅ Ρ€Π°Π·Π½ΠΈΡ†Ρƒ Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ…. Π—Π°Ρ‚Π΅ΠΌ ΠΌΡ‹ Π±Π΅Ρ€Π΅ΠΌ ΠΌΠ΅Π΄ΠΈΠ°Π½Ρƒ этих 1000 Ρ€Π°Π·Π»ΠΈΡ‡ΠΈΠΉ, Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΠΎΡ†Π΅Π½ΠΈΡ‚ΡŒ Ρ€Π°Π·Π½ΠΈΡ†Ρƒ Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ…. Π—Π°Ρ‚Π΅ΠΌ ΠΌΡ‹ ΠΌΠΎΠΆΠ΅ΠΌ Π½Π°ΠΉΡ‚ΠΈ Π΄ΠΎΠ²Π΅Ρ€ΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹ΠΉ ΠΈΠ½Ρ‚Π΅Ρ€Π²Π°Π» Π½Π° основС Π½Π°ΡˆΠΈΡ… 1000 Ρ€Π°Π·Π»ΠΈΡ‡ΠΈΠΉ. ΠŸΡ€ΠΎΡΡ‚ΠΎΠΉ способ - ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΠΎΠ²Π°Ρ‚ΡŒ 2,5-ΠΉ ΠΈ 9-ΠΉ7,5-ΠΉ ΠΏΡ€ΠΎΡ†Π΅Π½Ρ‚ΠΈΠ»ΡŒ ΠΊΠ°ΠΊ вСрхняя ΠΈ ниТняя Π³Ρ€Π°Π½ΠΈΡ†Ρ‹ 95% Π΄ΠΎΠ²Π΅Ρ€ΠΈΡ‚Π΅Π»ΡŒΠ½ΠΎΠ³ΠΎ ΠΈΠ½Ρ‚Π΅Ρ€Π²Π°Π»Π°.

Π’ΠΎΡ‚ ΠΎΠ΄ΠΈΠ½ ΠΈΠ· способов Π²Ρ‹ΠΏΠΎΠ»Π½ΠΈΡ‚ΡŒ это Π² R.

Π‘Π½Π°Ρ‡Π°Π»Π° ΠΌΡ‹ Π·Π°Π³Ρ€ΡƒΠΆΠ°Π΅ΠΌ Π·Π°Π³Ρ€ΡƒΠ·ΠΎΡ‡Π½Ρ‹ΠΉ ΠΏΠ°ΠΊΠ΅Ρ‚, поставляСмый с R, ΠΈ создаСм Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ с ΠΈΠΌΠ΅Π½Π΅ΠΌ med.diff для вычислСния Ρ€Π°Π·Π½ΠΈΡ†Ρ‹ Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ…. Π§Ρ‚ΠΎΠ±Ρ‹ Ρ€Π°Π±ΠΎΡ‚Π°Ρ‚ΡŒ с Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠ΅ΠΉ boot ΠΏΠ°ΠΊΠ΅Ρ‚Π° Π·Π°Π³Ρ€ΡƒΠ·ΠΊΠΈ, нашСй Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ Π½ΡƒΠΆΠ½Ρ‹ Π΄Π²Π° Π°Ρ€Π³ΡƒΠΌΠ΅Π½Ρ‚Π°: ΠΎΠ΄ΠΈΠ½ для Π΄Π°Π½Π½Ρ‹Ρ… ΠΈ ΠΎΠ΄ΠΈΠ½ для индСксации Π΄Π°Π½Π½Ρ‹Ρ…. ΠœΡ‹ условно Π½Π°Π·Π²Π°Π»ΠΈ эти Π°Ρ€Π³ΡƒΠΌΠ΅Π½Ρ‚Ρ‹ d ΠΈ ΠΈ . Ѐункция Π·Π°Π³Ρ€ΡƒΠ·ΠΊΠΈ Π²ΠΎΠ·ΡŒΠΌΠ΅Ρ‚ наши Π΄Π°Π½Π½Ρ‹Π΅, d , ΠΈ пСрСдискрСтизируСт ΠΈΡ… Π² соотвСтствии со случайно Π²Ρ‹Π±Ρ€Π°Π½Π½Ρ‹ΠΌΠΈ Π½ΠΎΠΌΠ΅Ρ€Π°ΠΌΠΈ строк, i . Π—Π°Ρ‚Π΅ΠΌ ΠΎΠ½ Π²Π΅Ρ€Π½Π΅Ρ‚ Ρ€Π°Π·Π½ΠΈΡ†Ρƒ Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ… для Π΄Π°Π½Π½Ρ‹Ρ… с ΠΏΠΎΠ²Ρ‚ΠΎΡ€Π½ΠΎΠΉ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΎΠΉ.

Π±ΠΈΠ±Π»ΠΈΠΎΡ‚Π΅ΠΊΠ° (загрузочная)
med.diff <- function(d, i) {
   tmp <- d[i,]
   мСдиана (tmp$вСс[tmp$company=="A"]) -
     мСдиана (tmp$вСс[tmp$company=="B"])
 }

 

Π’Π΅ΠΏΠ΅Ρ€ΡŒ ΠΌΡ‹ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ boot для ΠΏΠΎΠ²Ρ‚ΠΎΡ€Π½ΠΎΠΉ Π²Ρ‹Π±ΠΎΡ€ΠΊΠΈ Π½Π°ΡˆΠΈΡ… Π΄Π°Π½Π½Ρ‹Ρ… 1000 Ρ€Π°Π·, ΠΊΠ°ΠΆΠ΄Ρ‹ΠΉ Ρ€Π°Π· бСря Ρ€Π°Π·Π½ΠΈΡ†Ρƒ Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ… ΠΈ сохраняя Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚Ρ‹ Π² ΠΎΠ±ΡŠΠ΅ΠΊΡ‚ с ΠΈΠΌΠ΅Π½Π΅ΠΌ boot. out.

boot.out <- boot(data = dat, statistic = med.diff, R = 1000)

 

ΠžΠ±ΡŠΠ΅ΠΊΡ‚ boot.out являСтся ΠΎΠ±ΡŠΠ΅ΠΊΡ‚ΠΎΠΌ списка. Π­Π»Π΅ΠΌΠ΅Π½Ρ‚ с ΠΈΠΌΠ΅Π½Π΅ΠΌ Β«tΒ» содСрТит 1000 Ρ€Π°Π·Π»ΠΈΡ‡ΠΈΠΉ Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ…. ВзятиС ΠΌΠ΅Π΄ΠΈΠ°Π½Ρ‹ этих Π·Π½Π°Ρ‡Π΅Π½ΠΈΠΉ Π΄Π°Π΅Ρ‚ Π½Π°ΠΌ Ρ‚ΠΎΡ‡Π΅Ρ‡Π½ΡƒΡŽ ΠΎΡ†Π΅Π½ΠΊΡƒ ΠΎΡ†Π΅Π½ΠΎΡ‡Π½ΠΎΠΉ Ρ€Π°Π·Π½ΠΈΡ†Ρ‹ Π² ΠΌΠ΅Π΄ΠΈΠ°Π½Π°Ρ…. НиТС ΠΌΡ‹ ΠΏΠΎΠ»ΡƒΡ‡Π°Π΅ΠΌ -5,05, Π½ΠΎ Π²Ρ‹, скорСС всСго, ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚Π΅ Ρ‡Ρ‚ΠΎ-Ρ‚ΠΎ Π΄Ρ€ΡƒΠ³ΠΎΠ΅.

ΠΌΠ΅Π΄ΠΈΠ°Π½Π° (boot.out $ t)
[1] -5,05

 

Π”Π°Π»Π΅Π΅ ΠΌΡ‹ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΡŽ boot.ci для расчСта Π΄ΠΎΠ²Π΅Ρ€ΠΈΡ‚Π΅Π»ΡŒΠ½Ρ‹Ρ… ΠΈΠ½Ρ‚Π΅Ρ€Π²Π°Π»ΠΎΠ². Π£ΠΊΠ°Π·Ρ‹Π²Π°Π΅ΠΌ type = "perc" , Ρ‡Ρ‚ΠΎΠ±Ρ‹ ΠΏΠΎΠ»ΡƒΡ‡ΠΈΡ‚ΡŒ ΠΏΡ€ΠΎΡ†Π΅Π½Ρ‚ΠΈΠ»ΡŒΠ½Ρ‹ΠΉ ΠΈΠ½Ρ‚Π΅Ρ€Π²Π°Π» Π½Π°Ρ‡Π°Π»ΡŒΠ½ΠΎΠΉ Π·Π°Π³Ρ€ΡƒΠ·ΠΊΠΈ.

boot.ci(boot.out, Ρ‚ΠΈΠΏ = "perc")
Π’Π«Π§Π˜Π‘Π›Π•ΠΠ˜Π• Π”ΠžΠ’Π•Π Π˜Π’Π•Π›Π¬ΠΠžΠ“Πž Π˜ΠΠ’Π•Π Π’ΠΠ›Π BOOTSTRAP
Основано Π½Π° 1000 Ρ€Π΅ΠΏΠ»ΠΈΠΊΠ°Ρ… Π½Π°Ρ‡Π°Π»ΡŒΠ½ΠΎΠΉ Π·Π°Π³Ρ€ΡƒΠ·ΠΊΠΈ

Π’Π«Π—ΠžΠ’ :
boot.ci(boot.out = boot.out, type = "perc")

Π˜Π½Ρ‚Π΅Ρ€Π²Π°Π»Ρ‹:
ΠŸΡ€ΠΎΡ†Π΅Π½Ρ‚ΠΈΠ»ΡŒ уровня
95% (-9,399, -0,100)
РасчСты ΠΈ ΠΈΠ½Ρ‚Π΅Ρ€Π²Π°Π»Ρ‹ Π² исходном ΠΌΠ°ΡΡˆΡ‚Π°Π±Π΅

 

ΠœΡ‹ Π·Π°ΠΌΠ΅Ρ‚ΠΈΠ»ΠΈ, Ρ‡Ρ‚ΠΎ ΠΈΠ½Ρ‚Π΅Ρ€Π²Π°Π» Π½Π΅ слишком отличаСтся ΠΎΡ‚ Ρ‚ΠΎΠ³ΠΎ, Ρ‡Ρ‚ΠΎ wilcox.test 9Π’ΠΎΠ·Π²Ρ€Π°Ρ‚ Ρ„ΡƒΠ½ΠΊΡ†ΠΈΠΈ 0166, Π½ΠΎ, бСзусловно, большС Π½Π° Π½ΠΈΠΆΠ½Π΅ΠΉ Π³Ρ€Π°Π½ΠΈΡ†Π΅.

Π”ΠΎΠ±Π°Π²ΠΈΡ‚ΡŒ ΠΊΠΎΠΌΠΌΠ΅Π½Ρ‚Π°Ρ€ΠΈΠΉ

Π’Π°Ρˆ адрСс email Π½Π΅ Π±ΡƒΠ΄Π΅Ρ‚ ΠΎΠΏΡƒΠ±Π»ΠΈΠΊΠΎΠ²Π°Π½. ΠžΠ±ΡΠ·Π°Ρ‚Π΅Π»ΡŒΠ½Ρ‹Π΅ поля ΠΏΠΎΠΌΠ΅Ρ‡Π΅Π½Ρ‹ *