Daftar Isi:
- Cara menggunakan fungsi Wilcoxon R untuk data terdistribusi normal
- Dengan uji T-Test dan Wilcoxon dasar, Anda akan menguji apakah sampel berbeda tanpa menentukan dengan cara mana. Ahli statistik menyebutnya tes dua sisi
Video: How does a blockchain work - Simply Explained 2024
R memberi Anda dua tes standar untuk membandingkan dua kelompok dengan data numerik: uji-t dengan t. test () fungsi, dan uji Wilcoxon dengan wilcox. test () fungsi Jika Anda ingin menggunakan t. test () fungsi, pertama Anda harus memeriksa, antara lain, apakah kedua sampel tersebut terdistribusi normal. Untuk uji Wilcoxon, ini tidak perlu.
Cara menggunakan fungsi Wilcoxon R untuk data terdistribusi normal
Dalam beberapa kasus, data Anda menyimpang secara signifikan dari normalitas dan Anda tidak dapat menggunakan t. test () fungsi Untuk kasus tersebut, Anda memiliki cacing air. test (), yang Anda gunakan dengan cara yang persis sama, seperti ditunjukkan pada contoh berikut: >> wilcox. test (temp ~ activ, data = beaver2)
Ini memberikan hasil sebagai berikut:
Wilcoxon rank-sum test dengan data koreksi kontinuitas: temp dengan aktivasi W = 15, p-value <2. 2e-16 alternative Hipotesis: pergeseran lokasi sebenarnya tidak sama dengan 0
Sekali lagi, Anda mendapatkan nilai untuk statistik uji (W dalam tes ini) dan nilai-p. Di bawah informasi itu, Anda membaca hipotesis alternatif, dan itu sedikit berbeda dari hipotesis alternatif uji-t. Tes Wilcoxon melihat apakah pusat data Anda (lokasi) berbeda antara kedua sampel.
Cara uji R-T dan Wilcoxon untuk menguji arah
Dengan uji T-Test dan Wilcoxon dasar, Anda akan menguji apakah sampel berbeda tanpa menentukan dengan cara mana. Ahli statistik menyebutnya tes dua sisi
. Bayangkan Anda tidak ingin tahu apakah suhu tubuh berbeda antara periode aktif dan tidak aktif, namun apakah suhu tubuh lebih rendah selama periode tidak aktif.
Secara default, nilainya dua. sisi ', yang berarti Anda menginginkan tes dua sisi standar.
-
Jika Anda ingin menguji apakah rata-rata (atau lokasi) kelompok pertama lebih rendah, Anda memberinya nilai 'kurang'.
-
Jika Anda ingin menguji apakah itu berarti lebih besar, Anda menentukan nilai 'lebih besar'.
-
Jika Anda menggunakan antarmuka rumus untuk tes ini, kelompok diurutkan dengan urutan yang sama dengan tingkat faktor yang Anda gunakan. Anda harus memperhitungkannya untuk mengetahui kelompok mana yang dilihat sebagai kelompok pertama.Jika Anda memberikan data untuk kedua kelompok sebagai vektor terpisah, vektor pertama adalah kelompok pertama.