威尔科克森符号秩检验计算器

威尔科克森符号秩检验计算器

增长中 AI Skill PRO

输入计算

数学公式

W=min⁡(W−,W+)reject if p<显著性水平(备择假设)\begin{gathered}W=\min(W^-,W^+)\\ \text{reject if } p<\text{显著性水平}\ \text{(}\text{备择假设}\text{)}\end{gathered}
显示计算步骤 (3)
  1. 均值

    μW=n(n+1)4\mu_W=\frac{n(n+1)}{4}

    原假设下W的均值。

  2. 标准差

    σW=n(n+1)(2n+1)24\sigma_W=\sqrt{\frac{n(n+1)(2n+1)}{24}}

    原假设下W的标准差。

  3. 差值

    di=样本 Xi−样本 Yi−d0d_i=\text{样本 X}_i-\text{样本 Y}_i-\text{d0}

    配对差值;单样本检验仅使用第一个样本减去d0。

使用统计

广告

结果

p值
0.0357
拒绝
W+ 33
W- 3
W 3
W的均值 18.0000
W的标准差 7.1414
Z -2.1004
n 8
零差值 0
正 6
负 2
小样本(n ≤ 30) 是

报告本页错误

本计算器的功能

本计算器对单样本或配对样本执行威尔科克森符号秩检验。它先计算差值,去除零值,再对差值的绝对值排秩(相同值取平均秩),并给出W+、W-、统计量W、正态近似Z值、p值和决策。当正态性存疑时,它适合需要替代单样本或配对t检验的学生和分析人员使用,这是一种非参数方法。

使用方法

以逗号、分号、空格或换行分隔输入样本X的数值。配对检验时,按相同顺序和数量输入样本Y;单样本检验则输入一个短横线“-”。设置假设值或差值d0(通常为0)。选择备择假设:双侧、大于或小于。最后选择显著性水平alpha。

公式

先计算每个差值,再按绝对值排秩:

$$d_i = x_i - y_i - d_0 \qquad (\text{单样本: } d_i = x_i - d_0)$$

$$W = \min(W^+, W^-), \quad \mu_W = \frac{n(n+1)}{4}, \quad \sigma_W = \sqrt{\frac{n(n+1)(2n+1)}{24}}, \quad Z = \frac{W - \mu_W}{\sigma_W}$$

其中\(W^+\)和\(W^-\)分别是正差值和负差值的秩和,\(n\)是非零差值的个数。双侧p值为\(p = \min(1, 2\Phi(Z))\)。对于大于备择假设,\(Z\)使用\(W^+\),且\(p = 1 - \Phi(Z)\);对于小于备择假设,\(p = \Phi(Z)\)。

广告
示意图:将配对差值置于数轴上,剔除零差值,对绝对值排秩,并将秩求和得到 W+ 和 W−
求出每对数据的差值,剔除零差值,对绝对值排秩,再分别将正差值和负差值的秩相加,得到 W+ 和 W−。

约定与假设

  • 排秩前省略等于零的差值;每个差值先四舍五入到10位小数,使浮点误差被视为零。
  • 绝对差值相同的数据取其所占秩次的平均值。
  • 对所有n均采用正态近似,不进行结分校正,也不进行连续性校正。当n为30或更小时会显示警告。
  • 当p小于alpha时拒绝原假设。
  • 假定差值相互独立、关于中位数对称,且至少为等距测量尺度。
  • 正态分布累积函数由高精度互补误差函数计算得出。

算例

单样本检验,X = 1.2, -0.5, 2.3, 0.8, 1.9, -0.3, 1.1, 2.6,\(d_0 = 0\),双侧检验,\(\alpha = 0.05\)。没有零差值,因此\(n = 8\),其中正差值6个,负差值2个。

$$W^+ = 33, \quad W^- = 3, \quad W = 3$$

$$\mu_W = \frac{8 \times 9}{4} = 18, \quad \sigma_W = \sqrt{\frac{8 \times 9 \times 17}{24}} = 7.1414$$

$$Z = \frac{3 - 18}{7.1414} = -2.1004, \quad p = 2\Phi(-2.1004) = 0.0357$$

由于0.0357小于0.05,决策为拒绝原假设。n为8,因此小样本警告成立。

结果解读与局限性

若原假设成立,较小的p值表明差值不太可能以d0为中心。较大的p值说明数据没有提供足够证据表明存在偏移,但并不能证明不存在偏移。当n为30或更小时,通常以精确分布表或精确p值为参考。由于标准差未作结分校正,本页的正态近似结果可能与之存在差异,结分较多时尤其明显。若所有差值均为零,则无法进行检验。

广告
正态曲线,双侧拒绝域已着色,检验统计量 Z 标注在左尾
正态近似将 W 转换为 Z 分数。若 Z 以外的双侧尾部面积小于 α,则拒绝原假设。

常见问题

何时应使用本方法而不是t检验?

当差值不服从正态分布但大致对称时,或数据仅具有顺序性质、差值的秩次具有实际意义时,应使用本方法。

如何处理零差值?

零差值会被移除,并相应减少n。本页会显示被省略的零差值个数。

如何处理结?

绝对差值相同的数据共享其秩次的平均值,这可能导致秩和为半整数。

为什么双侧Z值从不为正?

Z基于W,即W+和W-中较小的一个,而W不会超过均值。如果W+等于W-,则双侧p值为1。

小样本的p值是精确的吗?

不是。它是正态近似结果,当n为30或更小时会显示警告。

参考来源

资料来源与参考

  • Signed Rank Test (Dataplot reference manual) — NIST/SEMATECH Dataplot. Primary source for the statistic, normal approximation, d0 adaptations and the zero-difference handling. It is internally inconsistent on ties and on one-sided p-values. · 生效日期 2023-12-11 · 核实日期 2026-11-04
最后更新:

数学和统计热门计算器

查看全部数学和统计计算器