(ข้อจำกัดความรับผิดชอบ: วันนี้ฉันพิมพ์ไม่ดี: มือขวาฉันหัก!)
ตรงกันข้ามกับคำแนะนำในการใช้การทดสอบแบบไม่มีพารามิเตอร์ในคำตอบอื่น ๆ คุณควรพิจารณาว่าสำหรับขนาดตัวอย่างที่เล็กมากวิธีการเหล่านั้นไม่มีประโยชน์มาก มันง่ายที่จะเข้าใจว่าทำไม: ในการศึกษาที่มีขนาดเล็กมากไม่สามารถสร้างความแตกต่างระหว่างกลุ่มเว้นแต่ว่าจะมีขนาดใหญ่ถ้าสังเกตผล อย่างไรก็ตามวิธีการที่ไม่ใช่พารามิเตอร์นั้นไม่ได้สนใจขนาดของความแตกต่างระหว่างกลุ่ม ดังนั้นแม้ว่าความแตกต่างระหว่างทั้งสองกลุ่มมีขนาดใหญ่ด้วยขนาดตัวอย่างเล็ก ๆ การทดสอบแบบไม่มีพารามิเตอร์จะล้มเหลวเสมอในการปฏิเสธสมมติฐานว่าง
ลองพิจารณาตัวอย่างนี้: สองกลุ่ม, การแจกแจงแบบปกติ, ความแปรปรวนเดียวกัน กลุ่มที่ 1: ค่าเฉลี่ย 1.0, 7 ตัวอย่าง กลุ่มที่ 2: ค่าเฉลี่ย 5, 2 ตัวอย่าง มีความแตกต่างใหญ่ระหว่างค่าเฉลี่ย
wilcox.test(rnorm(7, 1), rnorm(2, 5))
Wilcoxon rank sum test
data: rnorm(7, 1) and rnorm(2, 5)
W = 0, p-value = 0.05556
p-value ที่คำนวณได้คือ 0.05556 ซึ่งไม่ปฏิเสธสมมติฐานว่าง (ที่ 0.05) ตอนนี้แม้ว่าคุณจะเพิ่มระยะห่างระหว่างค่าเฉลี่ยทั้งสองด้วยค่า 10 คุณจะได้รับค่า p เดียวกัน:
wilcox.test(rnorm(7, 1), rnorm(2, 50))
Wilcoxon rank sum test
data: rnorm(7, 1) and rnorm(2, 50)
W = 0, p-value = 0.05556
ตอนนี้ฉันขอเชิญคุณทำซ้ำการจำลองเดียวกันด้วย t-test และสังเกตค่า p ในกรณีของความแตกต่างขนาดใหญ่ (เฉลี่ย 5 ต่อ 1) และขนาดใหญ่ (เฉลี่ย 50 เทียบกับ 1)