맨 - 휘트니 테스트 : 예를 들어 테이블

수학 통계 기준 - 중요한 일정 수준의 수락 또는 거부 가설에 따라 엄격한 규칙. 를 구축하기 위해, 당신은 특정 기능을 찾아야합니다. 이것은 경험적으로 결정된 값들로부터 인 실험의 최종 결과에 의존한다. 그것은이 기능은 샘플 사이의 차이를 평가하는 도구가 될 것입니다.

통계적으로 유의 한 값입니다. 개요

통계적 유의성은 - 기회의 발생 확률의 값이 매우 낮은입니다. 더 극단적 및 성능 등의 하찮은. 차이는 제 이러한 차이가 존재하지 않는 경우, 무시할 수있는 가능성이있는 데이터가 존재하는 경우에 유의 불린다. 그러나이 차이는 반드시 크고 중요 할 수 있어야한다는 것을 의미하지 않습니다.

통계적 유의성 시험의 수준

이 용어는 가능성이 이해는 진리의 경우 귀무 가설을 기각한다. 이것은 또한 제 1 종 또는 거짓 긍정적 인 의사 결정의 오류라고합니다. 대부분의 경우,이 프로세스는 p- 값 ( "PI 값")에 기초한다. 통계적 시험의 수준을 관찰하여,이 누적 확률. 그는 차례 차례로, 귀무 가설의 채택시 샘플을 가지고있다. P 값이 선언 레벨 분석 미만인 경우 제안은 거부 될 것이다. 이 그림에서 직접 중요성 테스트 값을 따라 달라 작은이 가설을 거부 할 수있는, 각각, 그리고 더 많은 이유가있다. 유의 수준은 보통 편지 B (알파)에 의해 표시된다. 전문가에게 인기 도면 : 0.1 %, 1 %, 5 % 및 10 %. 경우, 예를 들어, 일치의 가능성은 다음 확실히 우리가 확률 변수의 통계적 유의성의 0.1 % 수준에 대해 이야기하고, 1000 년 1 있다고 말했다. 다른 의미 B-수준은 자신의 장점과 단점을 가지고있다. 지수는 대립 가설은 의미가 더 큰 가능성 후 작은 경우. 이 거짓 귀무 가설이 거부되지 않은 위험이 될 수 있지만. 최적의 B-수준의 선택이 거짓 긍정과 거짓 부정적인 결정의 손상 확률의 각각 "힘의 중요성"또는,의 균형에 달려 있다는 결론을 내릴 수있다. 러시아 문학에서 "통계 학적으로 유의"의 대명사 용어 "진정성"입니다.

귀무 가설의 결정

수학 통계에서,이 가정은 손에 기존의 경험적 증거와 일관성을 확인합니다. 대부분의 경우, 귀무 가설이 연구 변수 간의 상관 관계가 없거나 그 분포 균일 성 차이를 연구 할 필요가 없습니다 가설을 가지고있다. 이 실험 결과와 일치하지 않는 것을 증명하기 위해, 즉, 귀무 가설을 반증하려고 표준 연구 수학자에서. 그리고 장소와 대신 제로의 허용됩니다 대안 가설을 촬영합니다.

키 정의

의 기준 U (맨 - 휘트니) 수학 통계는 두 샘플 간의 차이를 평가할 수 있습니다. 이들 정량적 측정 된 특성의 레벨을들 수있다. 이 방법은 샘플의 작은 차이의 평가에 적합하다. 이 간단한 기준은 1945 년 프랭크 윌콕슨에 의해 제안되었다. 그리고 1947 년, 방법은 수정 된 과학자 H. B. 맨과 D. R. Uitni, 그는이 일에 호출되는 이름에 의해 보충. 심리학, 수학, 통계, 그리고 다른 많은 과학 맨 - 휘트니 시험은 이론 연구의 수학적 기초의 기본 요소 중 하나입니다.

기술

맨 - 휘트니 - 매개 변수없이 비교적 간단한 방법. 그 능력은 중요하다. 그것은 전력 로젠 Q 테스트보다 상당히 높다. 상기 방법은 평가 방법을 작게, 즉 제 1 및 제 2의 선택 순위 값의 행과 샘플 사이의 상호 값의 영역. 값은 기준 파라미터 값이 유효한 차이가 있다는 확률보다 작다. 제대로 기준 U (맨 - 휘트니를) 적용하려면 몇 가지 제한 사항에 대해 잊지 마세요. 각 샘플을 적어도 3 특징 값이어야한다. 하나의 경우 두 값,하지만 두 번째 시간들이 반드시 적어도 다섯이어야 가능하다. 테스트 샘플에서 동행 지표의 최소 수 있어야합니다. 모든 숫자는 이상적인 경우에 달라야합니다.

의 사용

어떻게 제대로 Mann-Whitney test를 사용 하는가? 이 방법에 의해 제조되는 테이블은 소정의 임계 값을 포함한다. 먼저 다음 순위가 두 개의 일치하는 샘플의 단일 세트를 작성해야합니다. 그 작은 값에 할당 된 기능 요소 및 낮은 등급의 증가 정도에 따라 배치되어있다. 그 결과, 우리는 성적의 총 수를 구하십시오

N = N1 + N2,

여기서 숫자 N1과 N2 - 각각 제 1 및 제 2 샘플에 포함되는 유닛 수. 또한, 하나의 랭킹 값들은 두 가지로 나누어진다. 장치는 각각 제 1 및 제 2 샘플. 지금, 제 1 및 제 2 행의 값의 순위의 합을 차례로 고려. 또한 NX 단위로 샘플에 대응하는 (송신) 대부분을 결정 하였다. 더 윌 콕슨이 방법을 사용하려면 그 값은 다음과 같은 절차에 의해 계산된다. 표 특별히 취해진 N1 및 N2에 대한 중요한 기준의 중요성의 선택된 레벨을 결정하는 것이 필요하다. 생성 된 컴포넌트는 이하 표에서의 값과 동일 할 수있다. 이 경우, 유의 한 차이는 연구 샘플 특성 수준을 확인한다. 결과 값이 표보다 크면 귀무 가설이 허용된다. 계산이 맨 - 휘트니 시험을 실시하는 경우, 귀무 가설에 해당하는 경우, 기준이 될 것이라는 점에 유의해야한다 , 기대 분산액뿐만 아니라. 데이터 샘플의 대량위한 방법은 거의 정규 분포 간주합니다. 차이의 중요성은 더 높은 값은 최소 맨 - 휘트니 테스트됩니다.