Mann-Whitney U检验
Mann-Whitney U检验是一种非参数统计方法，用于比较两个独立样本的分布。它特别适用于数据不满足正态分布或存在异常值的情况，是t检验的非参数替代方法。
一、起源
Mann-Whitney U检验由美国统计学家亨利·曼恩（Henry Mann）和德怀特·惠特尼（Donald Whitney）于1947年提出。它是Wilcoxon秩和检验的独立样本版本，旨在提供一种不依赖于正态性假设的检验方法。
二、原理
Mann-Whitney U检验通过比较两个独立样本的秩次，评估它们是否来自同一分布。它假设两个样本的分布形状相同，只是位置参数不同。检验统计量U的计算公式为：
U = n 1 n 2 + n 1 ( n 1 + 1 ) 2 − R 1 U = n_1 n_2 + \frac{n_1 (n_1 + 1)}{2} - R_1 U=n1n2+2n1(n1+1)−R1
其中：
- n 1 n_1 n1 和 n 2 n_2 n2 分别为两个样本的样本量。
- R 1 R_1 R1 为第一个样本的秩次和。
计算出的U值需要与标准的U分布表进行比较，以确定是否拒绝零假设。较小的U值表明两个样本分布有显著差异。
三、步骤
- 数据准备：收集两个独立样本的数据。
- 合并排序：将两个样本的数据合并并按大小排序，分配秩次。
- 计算秩次和：分别计算两个样本的秩次和。
- 计算U值：使用公式计算U值。
- 确定显著性水平：选择显著性水平，查找U分布表确定临界值，比较U值与临界值。
四、应用场景
Mann-Whitney U检验广泛应用于各个领域，特别是在以下情况下：
- 比较两种治疗方法对患者效果的差异。
- 分析不同教学方法对学生成绩的影响。
- 评估不同市场策略对客户满意度的影响。
五、案例分析
假设我们有一组数据，包含两种不同教学方法下学生的考试成绩。我们希望通过Mann-Whitney U检验评估这两种教学方法对学生成绩的影响。数据如下：
css
教学方法A组：85, 78, 92, 88, 76
教学方法B组：80, 74, 88, 82, 78-
数据准备：
教学方法A组：85, 78, 92, 88, 76
教学方法B组：80, 74, 88, 82, 78
-
合并排序：
合并两个样本并排序：
74, 76, 78, 78, 80, 82, 85, 88, 88, 92
-
计算秩次和：
计算两个样本的秩次和：
教学方法A组秩次和：
3 + 5 + 6 + 9 + 10 = 33 3+5+6+9+10 = 33 3+5+6+9+10=33
教学方法B组秩次和：
1 + 2 + 4 + 7 + 8 = 22 1+2+4+7+8 = 22 1+2+4+7+8=22
-
计算U值：
使用公式计算U值：
U A = n A n B + n A ( n A + 1 ) 2 − R A = 5 ∗ 5 + 5 ∗ 6 / 2 − 33 = 12 U_A = n_A n_B + \frac{n_A (n_A + 1)}{2} - R_A = 5*5 + 5*6/2 - 33 = 12 UA=nAnB+2nA(nA+1)−RA=5∗5+5∗6/2−33=12
-
确定显著性水平：
在显著性水平0.05下，查找U分布表得出临界值为8。由于U值12 > 8，我们不能拒绝零假设，即两种教学方法对学生成绩没有显著差异。
六、Python代码示例
使用Python进行Mann-Whitney U检验，可以使用scipy库中的mannwhitneyu函数：
python
import numpy as np
from scipy.stats import mannwhitneyu
# 数据准备
group_A = np.array([85, 78, 92, 88, 76])
group_B = np.array([80, 74, 88, 82, 78])
# 计算Mann-Whitney U检验
u_stat, p_val = mannwhitneyu(group_A, group_B)
print(f"U统计量: {u_stat}")
print(f"p值: {p_val}")七、R代码示例
使用R进行Mann-Whitney U检验，可以使用wilcox.test函数：
r
# 数据准备
group_A <- c(85, 78, 92, 88, 76)
group_B <- c(80, 74, 88, 82, 78)
# 计算Mann-Whitney U检验
result <- wilcox.test(group_A, group_B)
print(paste("U统计量:", result$statistic))
print(paste("p值:", result$p.value))八、注意事项
- Mann-Whitney U检验假设两个样本的分布形状相同，仅位置参数不同。
- 样本量较小时，U值的精确显著性水平可以通过置换检验或蒙特卡洛方法计算。
- 如果两个样本的分布形状不同，Mann-Whitney U检验可能不适用，建议使用其他非参数检验方法。
九、总结
Mann-Whitney U检验是一种强大的非参数统计方法，特别适用于比较两个独立样本的分布。通过Mann-Whitney U检验，研究者可以评估不同处理方法、条件或群体之间的差异，为科学研究和决策提供有力支持。