Bu hesaplayıcı ne yapar?
Bu hesaplayıcı, tek bir örneklem veya eşleştirilmiş örneklemler üzerinde Wilcoxon işaretli sıra testi uygular. Farkları hesaplar, sıfır farkları çıkarır, mutlak farkları sıralar (eşit değerler için ortalama sıralar kullanılır) ve W+, W-, W istatistiğini, normal yaklaşım ile Z değerini, p-değerini ve kararı raporlar. Normallik varsayımının şüpheli olduğu durumlarda tek örneklem veya eşleştirilmiş t-testinin parametrik olmayan bir alternatifine ihtiyaç duyan öğrenciler ve analistler için uygundur.
Nasıl kullanılır?
Örnek X değerlerini virgül, noktalı virgül, boşluk veya yeni satır ile ayırarak girin. Eşleştirilmiş test için Örnek Y değerlerini aynı sırada ve aynı sayıda girin; tek örneklem testi için ise tek bir - işareti girin. Varsayılan değeri veya fark olan d0 değerini belirleyin (genellikle 0). Alternatifi seçin: iki yönlü, büyük veya küçük. Anlamlılık düzeyi alfayı seçin.
Formül
Önce her fark hesaplanır, ardından mutlak değerlerine göre sıralanır:
$$d_i = x_i - y_i - d_0 \qquad (\text{tek örneklem: } d_i = x_i - d_0)$$
$$W = \min(W^+, W^-), \quad \mu_W = \frac{n(n+1)}{4}, \quad \sigma_W = \sqrt{\frac{n(n+1)(2n+1)}{24}}, \quad Z = \frac{W - \mu_W}{\sigma_W}$$
Burada \(W^+\) ve \(W^-\), pozitif ve negatif farkların sıralarının toplamıdır; \(n\) ise sıfır olmayan fark sayısıdır. İki yönlü p-değeri \(p = \min(1, 2\Phi(Z))\) şeklindedir. Büyük alternatif için \(Z\) değeri \(W^+\) kullanılarak hesaplanır ve \(p = 1 - \Phi(Z)\) olur; küçük alternatif için ise \(p = \Phi(Z)\) olur.
Kurallar ve varsayımlar
- Sıfıra eşit farklar, her fark 10 ondalık basamağa yuvarlandıktan sonra sıralamadan önce çıkarılır; böylece kayan noktalı sayı gürültüsü sıfır sayılır.
- Eşit mutlak farklar, kapsadıkları sıraların ortalamasını alır.
- Normal yaklaşım her n değeri için kullanılır; eşitlik düzeltmesi ve süreklilik düzeltmesi yapılmaz. n 30 veya daha az olduğunda uyarı görüntülenir.
- Boş hipotez, p değeri alfadan küçük olduğunda reddedilir.
- Farkların bağımsız, medyan etrafında simetrik ve en az aralık ölçeğinde ölçüldüğü varsayılır.
- Normal KDF, yüksek doğruluklu tamamlayıcı hata fonksiyonundan hesaplanır.
Çözümlü örnek
Tek örneklem testi: X = 1.2, -0.5, 2.3, 0.8, 1.9, -0.3, 1.1, 2.6, \(d_0 = 0\), iki yönlü, \(\alpha = 0.05\). Sıfır fark yoktur, bu nedenle \(n = 8\) olur; 6 pozitif ve 2 negatif fark vardır.
$$W^+ = 33, \quad W^- = 3, \quad W = 3$$
$$\mu_W = \frac{8 \times 9}{4} = 18, \quad \sigma_W = \sqrt{\frac{8 \times 9 \times 17}{24}} = 7.1414$$
$$Z = \frac{3 - 18}{7.1414} = -2.1004, \quad p = 2\Phi(-2.1004) = 0.0357$$
0.0357 değeri 0.05'ten küçük olduğu için karar reddetmedir. n değeri 8 olduğundan küçük örneklem uyarısı geçerlidir.
Sonucun yorumu ve sınırlamalar
Küçük bir p-değeri, boş hipotez doğruysa farkların d0 etrafında toplanmasının olası olmadığını gösterir. Büyük bir p-değeri ise verilerde bir kaymanın yeterli kanıtının bulunmadığı anlamına gelir; kaymanın olmadığını kanıtlamaz. n değeri 30 veya daha az olduğunda genellikle kesin tablolar veya kesin p-değerleri başvuru kaynağı olarak kullanılır. Bu nedenle buradaki normal yaklaşım bunlardan farklı olabilir; özellikle çok sayıda eşitlik varsa, çünkü standart sapmada eşitlik düzeltmesi yapılmaz. Tüm farklar sıfırsa test hesaplanamaz.
Sık sorulan sorular
Bunu t-testi yerine ne zaman kullanmalıyım?
Farklar normal dağılmıyor ancak yaklaşık olarak simetrikse veya veriler yalnızca sıralı nitelikteyse ve farkların sıraları anlamlıysa bu testi kullanın.
Sıfır farklar nasıl işlenir?
Bunlar çıkarılır ve n buna göre azaltılır. Çıkarılan sıfır sayısı raporlanır.
Eşitlikler nasıl işlenir?
Eşit mutlak farklar, sıralarının ortalamasını paylaşır; bu da yarım tamsayılı sıra toplamlarına yol açabilir.
İki yönlü Z neden hiçbir zaman pozitif değildir?
Z, W+ ve W-'nin küçük olanı olan W'ye dayanır; bu değer ortalamayı geçemez. W+ ile W- eşitse iki yönlü p-değeri 1 olur.
Küçük örneklemlerde p-değeri kesin midir?
Hayır. Bu bir normal yaklaşımdır ve n değeri 30 veya daha az olduğunda bir uyarı gösterilir.
Kaynaklar
- Signed Rank Test (Dataplot reference manual), NIST/SEMATECH Dataplot, 2023