Калькулятор U-критерия Манна–Уитни
Сравните две независимые выборки непараметрическим ранговым критерием и получите статистику U, нормальный Z-показатель и двустороннее p-значение.
Об U-критерии Манна–Уитни
U-критерий Манна–Уитни сравнивает две независимые группы по рангам их объединённых наблюдений. Его также называют критерием суммы рангов Уилкоксона. В отличие от t-критерия для независимых выборок, он не требует нормального распределения измерений. Он полезен для порядковых исходов, асимметричных непрерывных данных, малых выборок и случаев, когда сильные выбросы делают сравнение средних сомнительным. Нулевая гипотеза утверждает, что наблюдения из обеих популяций имеют одинаковое распределение. Расчёт объединяет выборки, сортирует значения и присваивает ранги от меньшего к большему. Совпадающие значения получают среднее занятых ими рангов. Сумма рангов первой выборки преобразуется в U, затем вычисляется дополняющее U второй. Калькулятор выводит меньшее U — общепринятую статистику для двустороннего сравнения. Малое U указывает, что одна группа склонна занимать систематически более низкие или высокие ранги, чем другая. Для статистического вывода U стандартизируется через среднее и дисперсию при нулевой гипотезе. Дисперсия включает поправку на совпадения, поскольку повторяющиеся значения уменьшают изменчивость суммы рангов. Далее двустороннее p-значение вычисляется по стандартному нормальному приближению. Значение ниже выбранного уровня значимости, обычно 0.05, служит свидетельством против нулевой гипотезы. Это не вероятность её истинности и само по себе не показатель величины или практической важности различия. Интерпретация требует осторожности. При сходной форме и разбросе распределений критерий можно описывать как сравнение положения или медиан. Если формы существенно различаются, результат скорее свидетельствует, что одно распределение склонно порождать более крупные наблюдения. Выборки должны быть независимыми: один участник не должен входить в обе группы. Парные измерения до и после требуют парного метода, например знаково-рангового критерия Уилкоксона. Для очень малых выборок точное распределение U может быть предпочтительнее нормального приближения. Эта страница использует прозрачное приближение для больших выборок с поправкой на совпадения, чтобы результаты были воспроизводимыми и легко проверялись. По возможности указывайте объёмы выборок, U, p-значение, оценку размера эффекта и описательные статистики.
Примеры критерия Манна–Уитни
| Выборки | Результат | Интерпретация |
|---|---|---|
| A: 1, 2, 3; B: 4, 5, 6 | U = 0, p около 0.0495 | Каждое наблюдение B превышает все наблюдения A. |
| A: 1, 3, 5; B: 2, 4, 6 | U = 3, p около 0.5127 | Ранги чередуются и дают мало свидетельств разделения групп. |
| A: 10, 12, 12; B: 8, 9, 14 | U = 3 | Повторяющееся значение 12 получает средний ранг; применяется поправка на совпадения. |
Как выполнить U-тест
- Вставьте числовые наблюдения выборки A через запятую или пробел.
- Во второе поле вставьте независимые наблюдения выборки B.
- Нажмите «Рассчитать U Манна–Уитни», чтобы ранжировать объединённые данные.
- Интерпретируйте двустороннее p-значение вместе с U и контекстом выборок.
Вопросы об U-критерии Манна–Уитни
Проверяет ли Манн–Уитни различие медиан?
При сходных формах распределений его можно интерпретировать как сравнение положения или медиан. В общем случае он проверяет различия в стохастическом порядке.
Могут ли объёмы выборок различаться?
Да, равные объёмы не обязательны. Обе выборки должны содержать независимые наблюдения из соответствующих популяций.
Как обрабатываются совпадения?
Совпадающим значениям присваивают средний ранг в объединённых данных. Дисперсию нормального приближения уменьшают стандартной поправкой на совпадения.
Что означает малое p-значение?
Наблюдаемое разделение рангов было бы необычным при нулевой модели. Это не мера размера эффекта и не доказательство причинности.
Подходит ли калькулятор для парных данных?
Нет. Критерий Манна–Уитни предполагает независимые группы. Для связанных наблюдений используйте знаково-ранговый критерий Уилкоксона или другой парный метод.