The Mann‐Whitney U test is also one

The Mann‐Whitney U test is also one of the most
powerful non‐parametric tests (Landers, 1981), where the
statistical power corresponds to the probability of rejecting a
false null hypothesis. This test has thus good probabilities of
providing statistically significant results when the
alternative hypothesis applies to the measured reality. Even
if it is used on average‐size samples (between 10 and 20
observations) or with data that satisfy the constraints of the
t‐test, the Mann‐Whitney has approximately 95% of the
Despite this, the Mann and Whitney test (1947) has its
limits. With the Monte Carlo methods, methods that
calculate a numerical value by using random or probabilistic
processes, it was shown that the t‐test is most of the time
more powerful than the U‐test. Indeed, this fact remains
whatever the amplitude of the differences between the
averages of the populations under investigation and even if
20

the distributions of these populations do not meet the
criteria of normality (Zimmerman, 1985). On the other hand,
very little statistical power is lost if the Mann‐Whitney U test
is used instead of the t‐test and this, under statistically
controlled conditions (Gibbons and Chakraborti, 1991).
In addition, the Mann‐Whitney U test is, in exceptional
circumstances, more powerful than the t‐test. Indeed, it is
more powerful in the detection of a difference on the extent
of the possible differences between populations’ averages
than the t‐test when a small manpower is associated with a
small variance (Zimmerman, 1987). On the other hand,
when the sample size is similar or when the smallest
manpower has the greatest variance, the t‐test is more
powerful on all the extent of the possible differences
(Zimmerman).

ผลลัพธ์ (ไทย) 1:

Mann‐Whitney U การทดสอบยังเป็นหนึ่งในสุด มีประสิทธิภาพ non‐parametric ทดสอบ (Landers, 1981), ซึ่งจะ พลังงานสถิติสอดคล้องกับความเป็นไปได้ของการปฏิเสธการ สมมติฐานเป็น null ไม่ การทดสอบนี้จึงมีกิจกรรมที่ดีของ ให้ผลลัพธ์อย่างมีนัยสำคัญทางสถิติเมื่อการ สมมติฐานทางเลือกใช้การวัดจริง แม้ ถ้ามีใช้ในตัวอย่าง average‐size (ระหว่าง 10 และ 20 สังเกต) หรือข้อมูลที่ตอบสนองข้อจำกัดของการ t‐test, Mann‐Whitney มีราคาประมาณ 95% ของการ แม้นี้ จะมานน์และวิทนีย์ (1947) มีความ ขีดจำกัด วิธี Carlo มอน วิธีการที่ คำนวณค่าตัวเลขโดยสุ่ม หรือ probabilistic กระบวนการ จะถูกแสดงว่า t‐test สุดของเวลา มีพลังมากกว่า U‐test จริง ข้อเท็จจริงนี้ยังคง สิ่งคลื่นของความแตกต่างระหว่างการ ค่าเฉลี่ยของประชากรภายใต้การตรวจสอบและแม้ 20 การกระจายของประชากรเหล่านี้ไม่ตรงกับ เงื่อนไขของ normality (Zimmerman, 1985) ในทางตรงข้าม พลังงานสถิติเล็กน้อยจะหายไปถ้า Mann‐Whitney U ทดสอบ ใช้แทน t‐test และนี้ ภายใต้ทางสถิติ ควบคุมเงื่อนไข (Gibbons และ Chakraborti, 1991) นอกจากนี้ การทดสอบ Mann‐Whitney U เป็น ยอดเยี่ยม สถานการณ์ มีพลังมากกว่า t‐test แน่นอน เป็น มีประสิทธิภาพในการตรวจพบความแตกต่างในขอบเขต ผลต่างระหว่างค่าเฉลี่ยของประชากรได้ กว่า t‐test เมื่อกำลังคนเล็กจะเกี่ยวข้องกับการ ขนาดเล็กผลต่าง (Zimmerman, 1987) ในทางตรงข้าม เมื่อขนาดตัวอย่างจะคล้ายกัน หรือเมื่อเล็กที่สุด กำลังคนมีความแปรปรวนมากที่สุด t‐test ถูกเพิ่มเติม มีประสิทธิภาพในขอบเขตทั้งหมดของความแตกต่างได้ (Zimmerman)

ผลลัพธ์ (ไทย) 2:

การทดสอบ Mann-Whitney U ยังเป็นหนึ่งในที่สุด
ที่มีประสิทธิภาพการทดสอบที่ไม่ใช่ตัวแปร (แลนเดอร์ 1981) ที่
อำนาจทางสถิติที่สอดคล้องกับความน่าจะเป็นของการปฏิเสธ
สมมติฐานที่ผิดพลาด การทดสอบนี้มีความน่าจะเป็นของที่ดีจึง
ให้ผลลัพธ์ที่มีนัยสำคัญทางสถิติเมื่อ
สมมติฐานทางเลือกที่นำไปใช้กับความเป็นจริงที่วัดได้ แม้
หากมีการใช้ตัวอย่างขนาดเฉลี่ย (ระหว่างวันที่ 10 และ 20
ข้อสังเกต) หรือที่มีข้อมูลที่ตอบสนองความ จำกัด ของ
t-test, Mann-วิทนีย์มีประมาณ 95% ของ
เรื่องนี้แมนน์และการทดสอบวิทนีย์ (1947 ) มีของ
ข้อ จำกัด ด้วยวิธีการที่มอนติคาร์โล, วิธีการที่
คำนวณค่าตัวเลขโดยใช้แบบสุ่มหรือความน่าจะเป็น
กระบวนการมันก็แสดงให้เห็นว่า t-test เป็นส่วนใหญ่ของเวลาที่
มีประสิทธิภาพมากขึ้นกว่า U-ทดสอบ อันที่จริงความเป็นจริงนี้ยังคงเป็น
สิ่งที่ความกว้างของความแตกต่างระหว่าง
ค่าเฉลี่ยของประชากรที่อยู่ภายใต้การตรวจสอบข้อเท็จจริงและแม้ว่า
20 การกระจายของประชากรเหล่านี้ไม่เป็นไปตามเกณฑ์ปกติ (Zimmerman, 1985) ในทางตรงกันข้าม, พลังงานทางสถิติน้อยมากจะหายไปหากการทดสอบ Mann-Whitney U ใช้แทน t-test และภายใต้การทางสถิติสภาวะควบคุม (ชะนีและ Chakraborti, 1991). นอกจากนี้ Mann-Whitney U ทดสอบ คือในพิเศษสถานการณ์ที่มีประสิทธิภาพมากขึ้นกว่า t-test แท้จริงมันเป็นมีประสิทธิภาพมากขึ้นในการตรวจสอบความแตกต่างกับขอบเขตของความแตกต่างระหว่างค่าเฉลี่ยประชากร ' กว่า t-test เมื่อกำลังคนที่มีขนาดเล็กมีความเกี่ยวข้องกับความแปรปรวนขนาดเล็ก (Zimmerman, 1987) บนมืออื่น ๆ ที่เมื่อขนาดของกลุ่มตัวอย่างที่มีลักษณะคล้ายหรือเมื่อมีขนาดเล็กที่สุดกำลังคนที่มีความแตกต่างที่ยิ่งใหญ่ที่สุด t-test มีมากขึ้นที่มีประสิทธิภาพในทุกขอบเขตของความแตกต่างที่เป็นไปได้(Zimmerman)

ผลลัพธ์ (ไทย) 3:

‐ Mann Whitney U test ยังเป็นหนึ่งในที่สุดที่มีประสิทธิภาพไม่‐พารามิเตอร์การทดสอบ
( แลนเดอร์ , 1981 ) ซึ่ง
สถิติพลังงานสอดคล้องกับความน่าจะเป็นของการปฏิเสธสมมติฐานว่าง
เท็จ . การทดสอบนี้จึงดีที่จะให้บริการอย่างมีนัยสำคัญทางสถิติ ผลเมื่อ

สมมติฐานทางเลือกกับวัดจริง แม้
ถ้ามันถูกใช้ในตัวอย่าง‐ขนาดเฉลี่ย ( ระหว่าง 10 และ 20
สังเกต ) หรือข้อมูลที่ตรงกับเงื่อนไขของการทดสอบ‐
T ‐ Mann วิทนีย์ได้ประมาณ 95% ของ
แม้นี้ , The Mann วิทนีย์ทดสอบ ( 1947 ) และมี
จำกัด ด้วยเทคนิคมอนติคาร์โลวิธีการที่
คำนวณค่าตัวเลขโดยการสุ่มหรือความน่าจะเป็น
กระบวนการพบว่าแบบทดสอบ‐ t คือ เวลาส่วนใหญ่ของ
มีประสิทธิภาพมากขึ้นกว่าการทดสอบ U ‐ . แน่นอน ความจริงนี้ยังคง
ไม่ว่าขนาดของความแตกต่างระหว่างค่าเฉลี่ยของประชากร
สอบสวน และแม้ว่า
20

การแจกแจงของประชากรเหล่านี้ไม่ตอบสนอง
เกณฑ์ปกติ ( Zimmerman , 1985 ) บนมืออื่น ๆ ,
สถิติพลังงานน้อยมากจะสูญหายไปถ้า‐ Mann Whitney U test
ใช้แทน T ‐ทดสอบนี้ ภายใต้เงื่อนไขควบคุม (
( ชะนีและ chakraborti , 1991 )
และ Mann Whitney U test ‐คือในสถานการณ์พิเศษ
, มีประสิทธิภาพมากขึ้นกว่าการทดสอบ‐ T แท้จริงมันเป็น
มีประสิทธิภาพมากขึ้นในการตรวจสอบความแตกต่างในขอบเขต
ความแตกต่างของค่าเฉลี่ยระหว่างประชากร ' เป็นไปได้
กว่าการทดสอบ‐ t เมื่อกำลังคนขนาดเล็กที่เกี่ยวข้องกับ
แปรปรวนขนาดเล็ก ( Zimmerman , 1987 ) บนมืออื่น ๆ ,
เมื่อขนาดตัวอย่างที่คล้ายกันหรือเมื่อกำลังคนน้อยที่สุด
มีความแปรปรวนมากที่สุด ทดสอบ‐ T มากขึ้น
ที่มีประสิทธิภาพในทุกระดับของ
ความแตกต่างที่เป็นไปได้ ( Zimmerman )