Logo ca.boatexistence.com

Quan utilitzar la prova de classificació signada de Wilcoxon?

Taula de continguts:

Quan utilitzar la prova de classificació signada de Wilcoxon?
Quan utilitzar la prova de classificació signada de Wilcoxon?

Vídeo: Quan utilitzar la prova de classificació signada de Wilcoxon?

Vídeo: Quan utilitzar la prova de classificació signada de Wilcoxon?
Vídeo: Криповая маман ► 1 Прохождение Silent Hill: Homecoming 2024, Maig
Anonim

Sempre que tingueu dades que es componen de puntuacions definides, es prefereix la prova de classificació signada de Wilcoxon. Quan les dades no són una puntuació definitiva, o si les dades són observacionals, com ara "més agressiu" versus "menys agressiu", la prova del signe és l'estadística adequada.

Quan s'ha de fer una prova de Wilcoxon?

S'utilitza per comparar dos conjunts de puntuacions que provenen dels mateixos participants. Això pot passar quan volem investigar qualsevol canvi en les puntuacions d'un moment a un altre, o quan individus estan sotmesos a més d'una condició.

Per què fem servir la prova de rang signat de Wilcoxon?

La prova de Wilcoxon és una prova estadística no paramètrica que compara dos grups aparellats i es presenta en dues versions, la prova Rank Sum o la prova Signed Rank. L'objectiu de la prova és per determinar si dos o més conjunts de parells són diferents entre si d'una manera estadísticament significativa

Quan s'ha d'utilitzar una prova de classificació signada per parelles coincidents de Wilcoxon?

S'utilitza més habitualment per provar una diferència en la mitjana (o mediana) d'observacions aparellades: ja siguin mesures en parells d'unitats o abans i després de les mesures a la mateixa unitat. També es pot utilitzar com a prova d'una mostra per comprovar si una mostra concreta prové d'una població amb una mediana especificada.

He d'utilitzar Wilcoxon o la prova t?

La regla general que " Les proves de Wilcoxon tenen aproximadament el 95% de la potència d'una prova t si les dades són realment normals, i sovint són molt més potents si Les dades no ho són, així que només s'escolta un Wilcoxon", però si el 95% només s'aplica a n gran, aquest és un raonament defectuós per a mostres més petites.

Recomanat: