Logo boatexistence.com

Wann sollte der Wilcoxon-Vorzeichen-Rangtest verwendet werden?

Inhaltsverzeichnis:

Wann sollte der Wilcoxon-Vorzeichen-Rangtest verwendet werden?
Wann sollte der Wilcoxon-Vorzeichen-Rangtest verwendet werden?

Video: Wann sollte der Wilcoxon-Vorzeichen-Rangtest verwendet werden?

Video: Wann sollte der Wilcoxon-Vorzeichen-Rangtest verwendet werden?
Video: Wilcoxon-Test (Wilcoxon-Vorzeichen-Rang-Test) 2024, Kann
Anonim

Wann immer Sie Daten haben, die aus eindeutigen Werten bestehen, wird der Wilcoxon-Vorzeichen-Rang-Test bevorzugt. Wenn es sich bei den Daten nicht um eine eindeutige Punktzahl oder um Beobachtungsdaten handelt, z. B. „aggressiver“gegenüber „weniger aggressiv“, ist der Vorzeichentest die geeignete Statistik.

Wann sollte ein Wilcoxon-Test durchgeführt werden?

Es wird verwendet, um zwei Sätze von Ergebnissen zu vergleichen, die von denselben Teilnehmern stammen. Dies kann vorkommen, wenn wir eine Änderung der Werte von einem Zeitpunkt zum anderen untersuchen möchten oder wenn Personen mehr als einer Erkrankung ausgesetzt sind.

Warum verwenden wir den Wilcoxon-Vorzeichen-Rang-Test?

Der Wilcoxon-Test ist ein nichtparametrischer statistischer Test, der zwei gepaarte Gruppen vergleicht, und es gibt ihn in zwei Versionen, dem Rangsummentest oder dem Vorzeichenrangtest. Das Ziel des Tests ist zu bestimmen, ob sich zwei oder mehr Sätze von Paaren statistisch signifikant voneinander unterscheiden

Wann sollte ein Wilcoxon-Vorzeichen-Rangtest mit übereinstimmenden Paaren verwendet werden?

Es wird am häufigsten verwendet, um einen Unterschied im Mittelwert (oder Median) von gepaarten Beobachtungen zu testen - ob Messungen an Paaren von Einheiten oder vor und nach Messungen an denselben Einheit. Es kann auch als Ein-Stichproben-Test verwendet werden, um zu testen, ob eine bestimmte Stichprobe aus einer Grundgesamtheit mit einem bestimmten Median stammt.

Soll ich Wilcoxon oder t-Test verwenden?

Die Faustregel, dass " Wilcoxon-Tests etwa 95 % der Aussagekraft eines t-Tests haben, wenn die Daten wirklich normal sind, und oft viel aussagekräftiger sind, wenn die data is not, also use a Wilcoxon" hört man manchmal, aber wenn die 95% nur für große n gelten, ist das eine fehlerhafte Argumentation für kleinere Samples.

Empfohlen: