Statystyka · Wykresy

Test U Manna–Whitneya w obrazkach: co naprawdę testuje

Pięć rysunków z kodem R: rangi zamiast sekund, wszystkie pary osób i prawdopodobieństwo przewagi, symulacja z równymi medianami i „istotnym” wynikiem, różne mediany przy małej próbie oraz estymator Hodgesa–Lehmanna – przy każdym rysunku podpis APA i zdanie do pracy.

Strona główna / Blog / Test Manna–Whitneya w obrazkach
W skrócie: Test Manna–Whitneya pracuje na rangach i odpowiada na pytanie, jak często osoba z jednej grupy ma wyższy wynik niż osoba z drugiej – czyli o prawdopodobieństwo przewagi P(X > Y), a nie o mediany. W symulacji z dwiema populacjami o tej samej medianie (100 s), ale różnym kształcie, test dał p < .05 w 34.9% badań przy 100 osobach w grupie i w 88.1% przy 400. Z kolei przy realnej różnicy median 15 s i 6 osobach w grupie istotny był tylko co piąty wynik, a przy 3 osobach w grupie p < .05 jest w ogóle niemożliwe. Opisuj wynik jako przewagę jednej grupy i podaj P(X > Y); o „różnicy median” pisz tylko wtedy, gdy rozkłady mają podobny kształt.

Co testuje test U – w jednym zdaniu

Test U Manna–Whitneya sprawdza, czy losowo wybrana osoba z jednej grupy częściej ma wyższy wynik niż losowo wybrana osoba z drugiej. Tak sformułowali pytanie już Mann i Whitney (1947) – w tytule pracy pytali, czy jedna zmienna jest „stochastycznie większa” od drugiej. Popularne zdanie „test porównuje mediany” jest skrótem, który bywa fałszywy w obie strony. Divine i in. (2018) pokazują na kontrprzykładach, że procedura nie jest testem median, a jej naturalnym podsumowaniem jest prawdopodobieństwo przewagi P(X > Y). Definicję, wzór na U i przykład z opisem APA znajdziesz w haśle test U Manna–Whitneya. Tu pokazujemy na rysunkach, co dzieje się z rangami, parami osób i wartością p.

Dane są fikcyjne: czas wykonania zadania w sekundach w grupie kontrolnej i w grupie po krótkim treningu. Każdy blok kodu, który losuje, ma własne ziarno ustalone raz: 5801 (rysunek 1), 5803 (rysunek 3), 5804 (rysunek 4) i 5805 (rysunek 5). Symulacje mają po 5 000 powtórzeń na każdą liczebność. Parametry populacji – mediana 100 s, SD 20 s, kształt skośny, przesunięcie o 15 s – ustawiliśmy ręcznie tak, żeby oba zjawiska były wyraźnie widoczne. Ziarna nie zmienialiśmy. Przypadek, w którym rozkłady różnią się tylko rozproszeniem, a P(X > Y) = .5, omawia wpis testy odporne: Welch, Yuen, Brunner–Munzel. Tu bierzemy dwa inne scenariusze.

Rysunek 1: test widzi tylko kolejność

Dwa rzędy punktów. Górny rząd to 15 czasów wykonania zadania od 63.5 do 121.5 sekundy: niebieskie kółka dla 7 osób z grupy kontrolnej i pomarańczowe trójkąty dla 8 osób z grupy trening. Linie łączą każdy punkt z jego rangą w dolnym rzędzie, gdzie rangi od 1 do 15 są rozstawione w równych odstępach. Trzy najkrótsze czasy mają osoby z grupy trening. Suma rang wynosi 66 w grupie kontrolnej i 54 w grupie trening, U odpowiednio 38 i 18
Rysunek 1. Czas wykonania zadania 15 osób i te same wyniki zamienione na rangi. Obliczenia: R (dane symulowane, set.seed(5801)).

Co widać. Górny rząd to sekundy, dolny – rangi w połączonej próbie 15 osób. Odległości znikają: wynik 63.5 s (ranga 1) i 75.4 s (ranga 2) są w rangach tak samo blisko jak 96.7 s i 97.8 s (rangi 8 i 9). Suma rang w grupie kontrolnej wynosi 66, w grupie trening 54. Po odjęciu najmniejszej możliwej sumy (28 dla 7 osób, 36 dla 8 osób) dostajemy U = 38 i U = 18. Średnia ranga jest niższa w grupie trening (6.75 wobec 9.43), czyli osoby po treningu zwykle kończyły szybciej. Dokładny test daje jednak p = .281.

Czego ten wykres nie pokazuje – i jak może zmylić. Rangi zachowują kolejność, ale gubią odległości. Gdyby najwolniejsza osoba potrzebowała 300 s zamiast 121.5 s, rangi, U i p byłyby identyczne. To zaleta przy wartościach odstających i wada, gdy liczy się wielkość różnicy w sekundach. Rysunek nie mówi też nic o medianach: mediana wynosi 97.8 s w grupie kontrolnej i 88.7 s w grupie trening, ale test tej różnicy nie liczy.

Podpis do pracy:

Rysunek 1. Czas wykonania zadania w grupie kontrolnej (n = 7) i w grupie po treningu (n = 8) oraz odpowiadające mu rangi w połączonej próbie. Uwaga. Ranga 1 oznacza najkrótszy czas. Sumy rang: 66 w grupie kontrolnej i 54 w grupie trening.

Zdanie do Wyników:

Osoby po treningu (n = 8; Mdn = 88.7 s, średnia ranga 6.75) nie różniły się istotnie od osób z grupy kontrolnej (n = 7; Mdn = 97.8 s, średnia ranga 9.43) czasem wykonania zadania, U = 18, dokładne p = .281.
Kod rysunku 1

Kod rysunku 1: dane, rangi i suma rang

Kod uruchamiaj po kolei w jednej sesji R – kolejne bloki korzystają z motywu motyw i palety kol z bloku 1, a blok 2 także z danych. Każdy blok, który losuje, ustawia własne ziarno, więc skopiowany osobno da te same liczby. Rysunki na tej stronie powstały dokładnie z tego kodu: motyw to skrócona wersja motywu serwisu, a pliki zapisano w formacie SVG (w kodzie – zakomentowane wywołanie ggsave()). Dane z bloku 1 pobierzesz jako plik test-manna-whitneya-dane.csv (dane symulowane: grupa, czas w sekundach, ranga).

1. Motyw, paleta, dane i rangi

Dane wejściowe: nic – 15 czasów losuje kod (set.seed(5801)); pakiety ggplot2 i patchwork.

Co odczytać: rangi w połączonej próbie, mediany, sumy rang, U obu grup, średnie rangi i dokładne p z wilcox.test().

R
# Rysunek 1. Rangi na wykresie: 15 wyników, numery rang i sumy rang (dane fikcyjne: czas wykonania zadania)
library(ggplot2)
library(patchwork)

# Motyw i paleta (Okabe–Ito: niebieski i cynober są rozróżnialne także przy deuteranopii)
motyw <- theme_minimal(base_size = 14) +
  theme(plot.title = element_text(face = "bold", colour = "#0f1d3a", size = rel(1.05)),
        plot.subtitle = element_text(colour = "grey30"),
        panel.grid.minor = element_blank(), panel.grid.major = element_line(colour = "grey88", linewidth = 0.4),
        axis.text = element_text(colour = "grey25", size = rel(0.95)), legend.text = element_text(size = rel(0.95)),
        strip.text = element_text(face = "bold", colour = "#0f1d3a", hjust = 0, size = rel(1)),
        legend.position = "bottom", plot.caption = element_text(colour = "grey30", hjust = 0),
        plot.background = element_rect(fill = "white", colour = NA),
        plot.margin = margin(10, 14, 10, 10))
kol <- c(kontrolna = "#0072B2", trening = "#D55E00", jasny = "#56B4E9", szary = "grey70", ciemny = "grey25")

set.seed(5801)                                   # ziarno bloku 1, ustalone raz
kontrolna <- round(rnorm(7, 100, 15), 1)         # czas wykonania zadania (s), 7 osób
trening   <- round(rnorm(8, 88, 15), 1)          # 8 osób po krótkim treningu
d1 <- data.frame(grupa = factor(rep(c("kontrolna", "trening"), c(7, 8)), levels = c("kontrolna", "trening")),
                 czas = c(kontrolna, trening))
d1$ranga <- rank(d1$czas)                        # rangi w połączonej próbie (1 = najkrótszy czas)
d1[order(d1$czas), ]

R <- tapply(d1$ranga, d1$grupa, sum)             # sumy rang
n <- table(d1$grupa)
U <- R - n * (n + 1) / 2                         # U każdej grupy = suma rang minus najmniejsza możliwa suma
round(rbind(n = n, mediana = tapply(d1$czas, d1$grupa, median), suma_rang = R,
            najmniejsza_mozliwa = n * (n + 1) / 2, U = U, srednia_ranga = R / n), 2)
wilcox.test(trening, kontrolna)                  # W w R = U pierwszej podanej grupy (tu: trening)

# górny rząd: prawdziwe czasy; dolny rząd: rangi rozstawione równo (1–15) na tej samej szerokości
lo <- 60; hi <- 125
d1$x_ranga <- lo + (d1$ranga - 1) * (hi - lo) / 14
p1 <- ggplot(d1) +
  geom_segment(aes(x = czas, xend = x_ranga, y = 2, yend = 1, colour = grupa), linewidth = 0.5, alpha = 0.6) +
  geom_point(aes(czas, 2, colour = grupa, shape = grupa), size = 4) +
  geom_point(aes(x_ranga, 1, colour = grupa, shape = grupa), size = 4) +
  geom_text(aes(x_ranga, 1, label = ranga), vjust = 2, size = 4.6, colour = "grey15", fontface = "bold") +
  annotate("text", x = hi + 3, y = c(1.75, 1.25), hjust = 0, size = 4.6, colour = kol[c("kontrolna", "trening")],
           label = sprintf("%s:\nsuma rang %g\nU = %g", c("Kontrolna", "Trening"), R, U)) +
  scale_colour_manual(values = kol[c("kontrolna", "trening")], name = NULL,
                      labels = c("Grupa kontrolna (n = 7)", "Grupa trening (n = 8)")) +
  scale_shape_manual(values = c(kontrolna = 16, trening = 17), name = NULL,
                     labels = c("Grupa kontrolna (n = 7)", "Grupa trening (n = 8)")) +
  scale_x_continuous(breaks = seq(60, 120, 10)) +
  scale_y_continuous(breaks = c(1, 2), labels = c("rangi\n(1 = najkrótszy)", "czas (s)"), limits = c(0.7, 2.15)) +
  coord_cartesian(xlim = c(lo, hi + 22)) +
  labs(title = "Test widzi tylko kolejność: sekundy zamienione na rangi",
       x = "Czas wykonania zadania (s) – górny rząd", y = NULL) + motyw
# p1   # wyświetl; zapis: ggsave("test-manna-whitneya-rangi.svg", p1, width = 10, height = 5)
Wynik w R
       grupa  czas ranga
13   trening  63.5     1
14   trening  75.4     2
12   trening  76.2     3
6  kontrolna  80.7     4
15   trening  82.9     5
7  kontrolna  83.1     6
11   trening  94.5     7
1  kontrolna  96.7     8
4  kontrolna  97.8     9
2  kontrolna 100.7    10
8    trening 104.1    11
10   trening 109.7    12
9    trening 116.0    13
3  kontrolna 116.2    14
5  kontrolna 121.5    15
                    kontrolna trening
n                        7.00    8.00
mediana                 97.80   88.70
suma_rang               66.00   54.00
najmniejsza_mozliwa     28.00   36.00
U                       38.00   18.00
srednia_ranga            9.43    6.75

	Wilcoxon rank sum exact test

data:  trening and kontrolna
W = 18, p-value = 0.281
alternative hypothesis: true location shift is not equal to 0

Rysunek 2: wszystkie pary osób i prawdopodobieństwo przewagi

Siatka 7 na 8 pól. Kolumny to osoby z grupy trening uporządkowane od 64 do 116 sekund, wiersze to osoby z grupy kontrolnej od 81 do 122 sekund. 18 pól pomarańczowych z trójkątem w prawym dolnym rogu oznacza pary, w których dłuższy czas ma osoba z grupy trening; 38 pól niebieskich z kółkiem – pary, w których dłużej pracowała osoba z grupy kontrolnej. Granica między kolorami tworzy schodek. Prawdopodobieństwo przewagi 18 / 56 = 0.321
Rysunek 2. Wszystkie 56 par osoba z grupy trening × osoba z grupy kontrolnej i wynik porównania w każdej parze. Obliczenia: R (dane symulowane, te same co na rysunku 1).

Co widać. Każde pole to jedna para osób. W 18 z 56 par dłuższy czas ma osoba z grupy trening, w 38 – osoba z grupy kontrolnej, remisów nie ma. Liczba pomarańczowych pól to dokładnie U grupy trening z rysunku 1, a ich udział to prawdopodobieństwo przewagi: P(trening > kontrolna) = 18 / 56 = .321. Ten sam wynik daje suma rang i statystyka W z R podzielona przez 56. McGraw i Wong (1992) zaproponowali taką miarę jako wielkość efektu „w języku potocznym”. Pod inną nazwą jest to miara A Varghi–Delaneya, a 2P − 1 = −.36 to korelacja rangowo-dwuseryjna. Ta sama liczba to także pole pod krzywą ROC, gdy wynik ma odróżnić dwie grupy – rozwija to wpis krzywa ROC w obrazkach.

Czego ten wykres nie pokazuje – i jak może zmylić. Pole nie mówi, o ile dłużej pracowała jedna osoba: przewaga o 0.2 s i o 40 s liczy się tak samo. Kierunek trzeba nazwać: .321 dla treningu to .679 dla grupy kontrolnej. Bez tej informacji czytelnik nie wie, która grupa „wygrywa”. Przy małych grupach PS skacze o 1/56 przy każdej zmianie kolejności jednej pary, więc podawaj ją z przedziałem ufności. Metody liczenia przedziałów opisuje wpis wielkość efektu w testach nieparametrycznych.

Podpis do pracy:

Rysunek 2. Porównanie czasu wykonania zadania we wszystkich 56 parach osób z grupy trening (n = 8) i z grupy kontrolnej (n = 7). Uwaga. Pola oznaczone trójkątem to pary, w których dłuższy czas miała osoba z grupy trening (18 par); pola z kółkiem – pary, w których dłuższy czas miała osoba z grupy kontrolnej (38 par).

Zdanie do Wyników:

Prawdopodobieństwo, że losowo wybrana osoba z grupy trening pracowała dłużej niż losowo wybrana osoba z grupy kontrolnej, wyniosło .32 (18 z 56 par; korelacja rangowo-dwuseryjna rrb = −.36), U = 18, dokładne p = .281.
Kod rysunku 2

Kod rysunku 2: siatka par i prawdopodobieństwo przewagi

2. Wszystkie pary, U i P(X > Y)

Dane wejściowe: kontrolna, trening, kol i motyw z bloku 1; blok niczego nie losuje.

Co odczytać: liczbę par z przewagą każdej grupy, U, prawdopodobieństwo przewagi w obu kierunkach, korelację rangowo-dwuseryjną i to samo P policzone z rang oraz z W.

R
# Rysunek 2. Wszystkie 56 par (osoba z treningu, osoba z kontrolnej): kto ma dłuższy czas?
# (kontynuacja: kontrolna, trening, kol, motyw z bloku 1; ten blok niczego nie losuje)
pary <- expand.grid(k = seq_along(kontrolna), t = seq_along(trening))
pary$czas_k <- sort(kontrolna)[pary$k]           # osoby uporządkowane według czasu
pary$czas_t <- sort(trening)[pary$t]
pary$wynik <- factor(ifelse(pary$czas_t > pary$czas_k, "trening dłużej",
                     ifelse(pary$czas_t < pary$czas_k, "kontrolna dłużej", "remis")),
                     levels = c("trening dłużej", "kontrolna dłużej", "remis"))
table(pary$wynik)
U_t <- sum(pary$czas_t > pary$czas_k) + 0.5 * sum(pary$czas_t == pary$czas_k)
PS <- U_t / nrow(pary)                           # prawdopodobieństwo przewagi P(trening > kontrolna)
round(c(par = nrow(pary), U_trening = U_t, PS_trening = PS, PS_kontrolna = 1 - PS,
        r_rangowo_dwuseryjna = 2 * PS - 1), 3)
# ta sama liczba prosto z rang i z W w R
round(c(z_rang = (sum(rank(c(kontrolna, trening))[8:15]) - 8 * 9 / 2) / (7 * 8),
        z_W = unname(wilcox.test(trening, kontrolna)$statistic) / (7 * 8)), 3)

p2 <- ggplot(pary, aes(factor(t), factor(k), fill = wynik, shape = wynik)) +
  geom_tile(colour = "white", linewidth = 1) +
  geom_point(size = 3.6, colour = "white") +
  scale_fill_manual(values = c("trening dłużej" = kol[["trening"]], "kontrolna dłużej" = kol[["kontrolna"]],
                               "remis" = "grey60"), name = NULL) +
  scale_shape_manual(values = c("trening dłużej" = 17, "kontrolna dłużej" = 16, "remis" = 15), name = NULL) +
  scale_x_discrete(labels = sprintf("%.0f", sort(trening))) +
  scale_y_discrete(labels = sprintf("%.0f", sort(kontrolna))) +
  coord_equal() +
  labs(title = "56 par, jedna liczba: P(trening > kontrolna)",
       subtitle = sprintf("Trening ma dłuższy czas w %g z 56 par: PS = %g / 56 = %.3f",
                          U_t, U_t, PS),
       x = "Osoba z grupy trening: czas (s), od najkrótszego", y = "Osoba z grupy kontrolnej: czas (s)") +
  motyw + theme(panel.grid.major = element_blank())
# p2   # wyświetl; zapis: ggsave("test-manna-whitneya-wszystkie-pary.svg", p2, width = 10, height = 6.6)
Wynik w R

  trening dłużej kontrolna dłużej            remis 
              18               38                0 
                 par            U_trening           PS_trening 
              56.000               18.000                0.321 
        PS_kontrolna r_rangowo_dwuseryjna 
               0.679               -0.357 
z_rang    z_W 
 0.321  0.321 

Rysunek 3: równe mediany, a wynik istotny

Panel A: dwie krzywe gęstości o tej samej medianie 100 sekund. Grupa A ma niebieski symetryczny rozkład, grupa B pomarańczowy przerywany rozkład prawostronnie skośny, zaczynający się od 80 sekund, z długim ogonem w prawo; P(B > A) = 0.563. Panel B: odsetek wyników p < .05 rośnie dla testu Manna–Whitneya z 10.2% przy 20 osobach w grupie do 20.1%, 34.9%, 58.7% i 88.1% przy 400 osobach, a dla testu mediany Mooda pozostaje między 2.4% a 7.7%
Rysunek 3. Dwie populacje o tej samej medianie i różnym kształcie (A) oraz odsetek wyników p < .05 w teście Manna–Whitneya i w teście mediany Mooda w zależności od liczebności grup (B). Obliczenia: R (dane symulowane, set.seed(5803), 5 000 powtórzeń na liczebność).

Co widać. Grupa A ma rozkład symetryczny, grupa B – prawostronnie skośny. W grupie B nikt nie kończy szybciej niż w 80 s, ale część osób pracuje bardzo długo. Mediany obu populacji wynoszą 100 s (z miliona losowań: 100.02 i 100.01), średnie – 100.02 i 113.05 s. Mimo równych median P(B > A) = .563. Test Manna–Whitneya „widzi” tę przewagę coraz częściej: przy 20 osobach w grupie p < .05 wypadło w 10.2% badań, przy 100 – w 34.9%, a przy 400 – w 88.1% (błąd Monte Carlo najwyżej 0.7 pp). Prawdziwy test mediany Mooda na tych samych danych odrzucał hipotezę w 2.4–7.7% badań. Wahania wokół 5% wynikają z przybliżenia χ², ale z liczebnością nie rosną.

Czego ten wykres nie pokazuje – i jak może zmylić. Test nie popełnia tu błędu. Odpowiada poprawnie na swoje pytanie – czy jedna grupa jest stochastycznie większa – bo P(B > A) ≠ .5. Błąd robi osoba, która czyta wynik jako „mediany się różnią”. Hart (2001) zwraca uwagę, że test reaguje także na różnice kształtu i rozproszenia. Fagerland i Sandvik (2009) pokazali w symulacjach, że różna skośność w grupach wyraźnie zmienia rzeczywisty poziom istotności testu, gdy pytasz o średnie lub mediany. Rysunek pokazuje jeden kształt; przy innych wynik będzie inny. W przypadku, gdy P(X > Y) = .5, a grupy różnią się rozproszeniem, problemem staje się sam błąd I rodzaju. Wtedy rozważ test Brunnera–Munzela, który Karch (2021) poleca jako domyślną procedurę, bo nie zakłada identycznych rozkładów przy prawdziwej hipotezie zerowej.

Podpis do pracy:

Rysunek 3. Wyniki symulacji: dwie populacje o tej samej medianie (100 s) i różnym kształcie rozkładu (A) oraz odsetek wyników istotnych (p < .05) w teście U Manna–Whitneya i teście mediany Mooda przy 20–400 osobach w grupie (B). Uwaga. 5 000 powtórzeń na każdą liczebność; pionowe kreski oznaczają ±2 błędy Monte Carlo. Linia przerywana – poziom 5%.

Zdanie do Metody:

Ponieważ rozkłady czasu w grupach różniły się kształtem, wynik testu U Manna–Whitneya interpretowano jako przewagę stochastyczną jednej grupy (prawdopodobieństwo, że losowa osoba z grupy B ma dłuższy czas niż losowa osoba z grupy A), a nie jako różnicę median; mediany porównano osobno testem mediany Mooda.
Kod rysunku 3

Kod rysunku 3: symulacja z równymi medianami

3. Równe mediany, różne kształty – odsetek p < .05

Dane wejściowe: kol i motyw z bloku 1; populacje losuje kod (set.seed(5803), 5 000 powtórzeń na liczebność). Czas działania – kilkanaście sekund.

Co odczytać: mediany, średnie i P(B > A) w populacjach oraz odsetek p < .05 z błędem Monte Carlo dla testu Manna–Whitneya i testu Mooda.

R
# Rysunek 3. Równe mediany, różne kształty: jak często test Manna–Whitneya daje p < .05?
# (kontynuacja: kol, motyw z bloku 1; ten blok losuje – ma własne ziarno)
set.seed(5803)                                   # ziarno bloku 3, ustalone raz
los_A <- function(n) rnorm(n, 100, 20)                       # grupa A: symetryczny, mediana 100
los_B <- function(n) 100 + 20 * (exp(rnorm(n)) - 1)          # grupa B: prawostronnie skośny, mediana też 100

# parametry populacji z miliona losowań
A <- los_A(1e6); B <- los_B(1e6)
round(c(mediana_A = median(A), mediana_B = median(B), srednia_A = mean(A), srednia_B = mean(B),
        P_B_wiekszy = mean(B > A)), 3)

# test mediany Mooda: tabela 2 × 2 „powyżej / nie powyżej wspólnej mediany”
p_mood <- function(x, y) {
  m <- median(c(x, y))
  chisq.test(rbind(c(sum(x > m), sum(x <= m)), c(sum(y > m), sum(y <= m))), correct = FALSE)$p.value
}
R_powt <- 5000                                   # powtórzeń na każdą liczebność
ns <- c(20, 50, 100, 200, 400)                   # osób w każdej grupie
sym <- do.call(rbind, lapply(ns, function(n) {
  p <- replicate(R_powt, { a <- los_A(n); b <- los_B(n)
                           c(mw = wilcox.test(b, a)$p.value, mood = p_mood(b, a)) })
  data.frame(n = n, test = c("Mann–Whitney", "test mediany Mooda"), odsetek = rowMeans(p < .05))
}))
rownames(sym) <- NULL
sym$blad_MC <- sqrt(sym$odsetek * (1 - sym$odsetek) / R_powt)  # błąd Monte Carlo odsetka
sym$odsetek_proc <- round(100 * sym$odsetek, 1); sym$blad_MC_pp <- round(100 * sym$blad_MC, 1)
sym[, c("n", "test", "odsetek_proc", "blad_MC_pp")]

gest <- rbind(data.frame(grupa = "A: symetryczny", x = seq(30, 260, 0.5), y = dnorm(seq(30, 260, 0.5), 100, 20)),
              data.frame(grupa = "B: skośny", x = seq(80.5, 260, 0.5),
                         y = dlnorm(seq(80.5, 260, 0.5) - 80, log(20))))   # B − 80 ma rozkład log-normalny
p3a <- ggplot(gest, aes(x, y, colour = grupa, linetype = grupa)) +
  geom_line(linewidth = 1.1) +
  geom_vline(xintercept = 100, colour = "grey25", linetype = "dotted") +
  annotate("text", x = 103, y = max(gest$y) * 0.98, hjust = 0, size = 4.6, colour = "grey25",
           label = "obie mediany = 100") +
  scale_colour_manual(values = c("A: symetryczny" = kol[["kontrolna"]], "B: skośny" = kol[["trening"]]), name = NULL) +
  scale_linetype_manual(values = c("A: symetryczny" = "solid", "B: skośny" = "dashed"), name = NULL) +
  coord_cartesian(xlim = c(30, 230)) +
  labs(subtitle = sprintf("A. Populacje: ta sama mediana, P(B > A) = %.3f", mean(B > A)),
       x = "Czas wykonania zadania (s)", y = "Gęstość") + motyw
p3b <- ggplot(sym, aes(n, 100 * odsetek, colour = test, shape = test)) +
  geom_hline(yintercept = 5, colour = "grey40", linetype = "dashed") +
  geom_line(linewidth = 0.8) +
  geom_pointrange(aes(ymin = 100 * (odsetek - 2 * blad_MC), ymax = 100 * (odsetek + 2 * blad_MC)), size = 0.6) +
  geom_text(aes(label = sprintf("%.1f%%", 100 * odsetek), vjust = ifelse(test == "Mann–Whitney", -1.1, 2)),
            size = 4.6, show.legend = FALSE) +
  scale_colour_manual(values = c("Mann–Whitney" = kol[["trening"]], "test mediany Mooda" = "grey35"), name = NULL) +
  scale_shape_manual(values = c("Mann–Whitney" = 17, "test mediany Mooda" = 15), name = NULL) +
  scale_x_continuous(trans = "log2", breaks = ns) +
  scale_y_continuous(limits = c(-8, 100), breaks = seq(0, 100, 20)) +
  labs(subtitle = sprintf("B. Odsetek wyników p < .05 (%s powtórzeń; pionowe kreski: ±2 błędy MC)", format(R_powt, big.mark = " ")),
       x = "Liczba osób w każdej grupie (skala logarytmiczna)", y = "% wyników p < .05") + motyw
p3 <- p3a / p3b + plot_annotation(title = "Równe mediany, a test Manna–Whitneya coraz częściej „istotny”", theme = motyw)
# p3   # wyświetl; zapis: ggsave("test-manna-whitneya-rowne-mediany.svg", p3, width = 10, height = 9)
Wynik w R
  mediana_A   mediana_B   srednia_A   srednia_B P_B_wiekszy 
    100.023     100.012     100.023     113.053       0.563 
     n               test odsetek_proc blad_MC_pp
1   20       Mann–Whitney         10.2        0.4
2   20 test mediany Mooda          2.4        0.2
3   50       Mann–Whitney         20.1        0.6
4   50 test mediany Mooda          7.7        0.4
5  100       Mann–Whitney         34.9        0.7
6  100 test mediany Mooda          6.4        0.3
7  200       Mann–Whitney         58.7        0.7
8  200 test mediany Mooda          6.4        0.3
9  400       Mann–Whitney         88.1        0.5
10 400 test mediany Mooda          5.4        0.3

Rysunek 4: różne mediany, a wynik nieistotny

Panel A: pomarańczowa krzywa odsetka wyników p < .05 przy różnicy median 15 sekund rośnie z 0% przy 3 osobach w grupie przez 12%, 16%, 21%, 31% i 36% przy 10 osobach do 54%, 67% i 84% przy 30 osobach; przerywana linia na 80%. Panel B: najmniejsze możliwe dokładne p maleje z .33 przy 2 osobach i .1 przy 3 osobach, oznaczonych krzyżykiem jako p < .05 niemożliwe, do .029 przy 4 osobach i .00016 przy 8 osobach; niebieska przerywana linia na poziomie .05
Rysunek 4. Odsetek wyników p < .05 w teście Manna–Whitneya przy różnicy median 15 s (A) i najmniejsze możliwe dokładne p dwustronne przy 2–8 osobach w grupie (B). Obliczenia: R (dane symulowane, set.seed(5804), 5 000 powtórzeń na liczebność).

Co widać. Teraz obie grupy mają ten sam skośny kształt, a grupa trening jest przesunięta o 15 s w lewo. Mediany populacji wynoszą 100.01 i 84.96 s, a P(trening krótszy) = .716. Różnica jest wyraźna, ale przy 6 osobach w grupie test wykrył ją tylko w 21.1% badań, przy 10 – w 36.5%. Próg 80% przekroczył dopiero przy 30 osobach (84.2%). W przykładowym badaniu z 6 osobami w grupie mediany z próby wynosiły 90.1 i 110.1 s, a mimo to p = .180. Panel B pokazuje twardą granicę. Przy 3 osobach w grupie istnieje tylko 20 równie prawdopodobnych podziałów rang, więc nawet pełne rozdzielenie grup daje p = .10. Wynik istotny na poziomie .05 jest tam niemożliwy – dlatego odsetek w panelu A wynosi 0%. Mann i Whitney (1947) podali tablice dokładnych prawdopodobieństw właśnie dla takich małych prób.

Czego ten wykres nie pokazuje – i jak może zmylić. Nieistotny wynik przy małej próbie to brak dowodu, a nie dowód braku różnicy. Krzywa w panelu A dotyczy jednego kształtu i jednej różnicy – moc testu przy innych danych będzie inna i trzeba ją policzyć osobno. Jak robić to symulacją, pokazuje wpis moc testu w obrazkach. Przy wiązaniach (np. odpowiedzi na skali 1–5) liczba możliwych układów rang jeszcze maleje, a wilcox.test() przechodzi na przybliżenie normalne.

Podpis do pracy:

Rysunek 4. Odsetek wyników istotnych (p < .05) w teście U Manna–Whitneya przy różnicy median populacji wynoszącej 15 s i liczebności 3–30 osób w grupie (A) oraz najmniejsza możliwa dokładna wartość p przy 2–8 osobach w grupie (B). Uwaga. Wyniki symulacji, 5 000 powtórzeń na liczebność; obie populacje mają ten sam prawostronnie skośny kształt.

Zdanie do Dyskusji:

Brak istotnej różnicy (U = 18, p = .281) należy interpretować ostrożnie: przy 7 i 8 osobach w grupach test U Manna–Whitneya ma niską moc, więc wynik nie wyklucza różnicy o praktycznym znaczeniu.
Kod rysunku 4

Kod rysunku 4: moc przy małym n i najmniejsze p

4. Różne mediany, mała próba

Dane wejściowe: kol i motyw z bloku 1; populacje losuje kod (set.seed(5804), 5 000 powtórzeń na liczebność).

Co odczytać: mediany i P(trening krótszy) w populacjach, odsetek p < .05 z błędem Monte Carlo dla 3–30 osób w grupie, najmniejsze możliwe dokładne p dla 2–8 osób oraz jedno przykładowe badanie z 6 osobami w grupie.

R
# Rysunek 4. Różne mediany, mała próba: test często nieistotny – i najmniejsze możliwe p
# (kontynuacja: kol, motyw z bloku 1; ten blok losuje – ma własne ziarno)
set.seed(5804)                                   # ziarno bloku 4, ustalone raz
los_k <- function(n) 100 + 20 * (exp(rnorm(n)) - 1)          # kontrolna: skośny, mediana 100
los_t <- function(n) 100 + 20 * (exp(rnorm(n)) - 1) - 15     # trening: ten sam kształt, przesunięty o −15 s

K <- los_k(1e6); Tr <- los_t(1e6)
round(c(mediana_k = median(K), mediana_t = median(Tr), roznica_median = median(Tr) - median(K),
        P_trening_krotszy = mean(Tr < K)), 3)

R_powt <- 5000
ns <- c(3, 4, 5, 6, 8, 10, 15, 20, 30)
moc <- sapply(ns, function(n) mean(replicate(R_powt, wilcox.test(los_t(n), los_k(n))$p.value) < .05))
tab4 <- data.frame(n = ns, proc_p_ponizej_05 = round(100 * moc, 1),
                   blad_MC_pp = round(100 * sqrt(moc * (1 - moc) / R_powt), 1))
tab4
# najmniejsze dokładne p dwustronne (grupy całkowicie rozdzielone): 2 / liczba możliwych podziałów rang
minp <- data.frame(n = 2:8, najmniejsze_p = 2 / choose(2 * (2:8), 2:8))
minp$najmniejsze_p <- signif(minp$najmniejsze_p, 2)
minp

# jedno badanie z n = 6 w grupie: mediany różnią się, p > .05
x6_t <- los_t(6); x6_k <- los_k(6)
round(c(mediana_t = median(x6_t), mediana_k = median(x6_k), p = wilcox.test(x6_t, x6_k)$p.value), 3)

p4a <- ggplot(tab4, aes(n, proc_p_ponizej_05)) +
  geom_hline(yintercept = 80, colour = "grey40", linetype = "dashed") +
  geom_line(colour = kol[["trening"]], linewidth = 0.8) +
  geom_point(colour = kol[["trening"]], shape = 17, size = 3.2) +
  geom_text(aes(label = sprintf("%.0f%%", proc_p_ponizej_05)), vjust = -1, size = 4.6, colour = "grey15") +
  annotate("text", x = 3, y = 86, hjust = 0, size = 4.6, colour = "grey30", label = "80% – częsty cel planowania") +
  scale_x_continuous(breaks = ns) + scale_y_continuous(limits = c(0, 100), breaks = seq(0, 100, 20)) +
  labs(subtitle = sprintf("A. Mediany różnią się o 15 s – odsetek p < .05 (%s powtórzeń)", format(R_powt, big.mark = " ")),
       x = "Liczba osób w każdej grupie", y = "% wyników p < .05") + motyw
p4b <- ggplot(minp, aes(n, najmniejsze_p)) +
  geom_hline(yintercept = .05, colour = kol[["kontrolna"]], linetype = "dashed") +
  geom_line(colour = "grey35") +
  geom_point(aes(shape = najmniejsze_p > .05), colour = "grey20", size = 3.4) +
  geom_text(aes(label = sub("^0", "", format(najmniejsze_p, scientific = FALSE, drop0trailing = TRUE))),
            hjust = -0.25, vjust = -0.6, size = 4.6, colour = "grey15") +
  annotate("text", x = 8, y = .065, hjust = 1, size = 4.6, colour = kol[["kontrolna"]], label = "α = .05") +
  scale_shape_manual(values = c(`TRUE` = 4, `FALSE` = 16), labels = c(`TRUE` = "p < .05 niemożliwe", `FALSE` = "p < .05 możliwe"), name = NULL) +
  scale_x_continuous(breaks = 2:8, limits = c(2, 8.5)) +
  scale_y_log10(limits = c(.0001, 1), breaks = c(.0002, .001, .01, .05, .1, .5), labels = c(".0002", ".001", ".01", ".05", ".1", ".5")) +
  labs(subtitle = "B. Najmniejsze możliwe dokładne p (wszyscy z jednej grupy lepsi od wszystkich z drugiej)",
       x = "Liczba osób w każdej grupie", y = "Najmniejsze p (skala log)") + motyw
p4 <- p4a / p4b + plot_annotation(title = "Różne mediany, a test nieistotny: przy małym n test jest bezsilny", theme = motyw)
# p4   # wyświetl; zapis: ggsave("test-manna-whitneya-mala-proba.svg", p4, width = 10, height = 9)
Wynik w R
        mediana_k         mediana_t    roznica_median P_trening_krotszy 
          100.006            84.961           -15.045             0.716 
   n proc_p_ponizej_05 blad_MC_pp
1  3               0.0        0.0
2  4              11.6        0.5
3  5              15.8        0.5
4  6              21.1        0.6
5  8              30.8        0.7
6 10              36.5        0.7
7 15              53.9        0.7
8 20              66.9        0.7
9 30              84.2        0.5
  n najmniejsze_p
1 2       0.33000
2 3       0.10000
3 4       0.02900
4 5       0.00790
5 6       0.00220
6 7       0.00058
7 8       0.00016
mediana_t mediana_k         p 
   90.115   110.080     0.180 

Rysunek 5: przesunięcie i estymator Hodgesa–Lehmanna

Dwa szare histogramy różnic czasu we wszystkich parach osób. Panel A, model przesunięcia, 900 różnic: pomarańczowa linia estymatora Hodgesa–Lehmanna przy −20.4 s i niebieska przerywana linia różnicy median przy −22.6 s leżą blisko siebie, pasmo przedziału ufności od −30.6 do −9.0 s nie obejmuje zera. Panel B, różne kształty, 10 000 różnic: różnica median grup wynosi −0.5 s, a estymator Hodgesa–Lehmanna 5.3 s, pasmo przedziału ufności od −0.7 do 11.1 s
Rysunek 5. Rozkład różnic czasu we wszystkich parach osób z dwóch grup, estymator Hodgesa–Lehmanna z 95% przedziałem ufności i różnica median grup: model przesunięcia (A) i rozkłady o różnym kształcie (B). Obliczenia: R (dane symulowane, set.seed(5805)).

Co widać. Estymator Hodgesa–Lehmanna (HL) to mediana wszystkich różnic par xi − yj. Hodges i Lehmann (1963) wyprowadzili go ze statystyki testu rangowego, dlatego naturalnie towarzyszy testowi Manna–Whitneya. W panelu A grupy mają ten sam kształt, a trening jest przesunięty o 15 s (30 osób w grupie). HL wynosi −20.36 s, 95% CI [−30.60, −9.03], różnica median z próby −22.60 s, różnica średnich −27.03 s, a p = .003. Wszystkie trzy liczby szacują to samo przesunięcie, a HL – w modelu przesunięcia – także różnicę median. W panelu B (100 osób w grupie) populacje mają równe mediany, ale różny kształt – jak na rysunku 3. Różnica median z próby wynosi −0.51 s, a HL 5.28 s, 95% CI [−0.70, 11.09], p = .080. W populacji różnica median to −0.02 s, a mediana różnic par – 4.59 s. To dwa różne parametry.

Czego ten wykres nie pokazuje – i jak może zmylić. Etykieta „location shift” w wydruku wilcox.test() nie sprawdza, czy model przesunięcia jest prawdziwy – to tylko nazwa parametru. Fay i Proschan (2010) opisują kilka „perspektyw”, czyli zestawów założeń, w których ten sam wynik testu znaczy co innego. Założenie przesunięcia oceniasz na wykresie rozkładów, np. na dystrybuantach empirycznych obu grup (wpis rozkład zmiennej na wykresie). Ręcznie policzona mediana różnic (5.283) i wartość z wilcox.test() (5.277) różnią się w trzecim miejscu po przecinku. Przy dużych grupach R szuka estymatora numerycznie z przybliżenia normalnego.

Podpis do pracy:

Rysunek 5. Rozkład różnic czasu wykonania zadania we wszystkich parach osób z grupy trening i z grupy kontrolnej (n = 30 w każdej grupie). Uwaga. Linia ciągła – estymator Hodgesa–Lehmanna (mediana różnic par), pasmo – jego 95% przedział ufności; linia przerywana – różnica median grup.

Zdanie do Wyników:

Rozkłady czasu w obu grupach miały podobny kształt, a osoby po treningu wykonywały zadanie szybciej, U = 254, p = .003; estymator Hodgesa–Lehmanna przesunięcia wyniósł −20.36 s, 95% CI [−30.60, −9.03].
Kod rysunku 5

Kod rysunku 5: mediana różnic par i kontrola palety

5. Hodges–Lehmann przy przesunięciu i przy różnych kształtach

Dane wejściowe: kol i motyw z bloku 1; próby losuje kod (set.seed(5805)).

Co odczytać: HL policzony ręcznie i z wilcox.test(), jego 95% CI, różnicę median i średnich, P(X > Y) i p w obu scenariuszach oraz różnicę median i medianę różnic w populacji scenariusza B.

R
# Rysunek 5. Estymator Hodgesa–Lehmanna: mediana wszystkich różnic par – przy przesunięciu i przy różnych kształtach
# (kontynuacja: kol, motyw z bloku 1; ten blok losuje – ma własne ziarno)
set.seed(5805)                                   # ziarno bloku 5, ustalone raz
skosny <- function(n) 100 + 20 * (exp(rnorm(n)) - 1)          # ten sam skośny kształt co w blokach 3 i 4

# Scenariusz A: model przesunięcia – trening = ten sam kształt przesunięty o −15 s (n = 30 w grupie)
kA <- skosny(30); tA <- skosny(30) - 15
# Scenariusz B: różne kształty, równe mediany populacji – skośny vs symetryczny (n = 100 w grupie)
aB <- rnorm(100, 100, 20); bB <- skosny(100)

opis_hl <- function(x, y) {                      # x − y: HL, przedział, różnica median i średnich
  w <- wilcox.test(x, y, conf.int = TRUE)
  c(HL_reczne = median(outer(x, y, "-")), HL_wilcox = unname(w$estimate), CI_dolna = w$conf.int[1],
    CI_gorna = w$conf.int[2], roznica_median = median(x) - median(y), roznica_srednich = mean(x) - mean(y),
    U = unname(w$statistic), PS = mean(outer(x, y, ">")), p = w$p.value)
}
wynik5 <- rbind(A_przesuniecie = opis_hl(tA, kA), B_rozne_ksztalty = opis_hl(bB, aB))
round(wynik5, 3)
# parametry populacji w scenariuszu B (milion par): różnica median = 0, a mediana różnic B − A – nie
duzaA <- rnorm(1e6, 100, 20); duzaB <- skosny(1e6)
round(c(roznica_median_pop = median(duzaB) - median(duzaA), mediana_roznic_pop = median(duzaB - duzaA)), 2)

roznice <- rbind(data.frame(scen = "A. Przesunięcie: trening − kontrolna (30 × 30 = 900 różnic)", r = as.vector(outer(tA, kA, "-"))),
                 data.frame(scen = "B. Różne kształty: skośny − symetryczny (100 × 100 = 10 000 różnic)", r = as.vector(outer(bB, aB, "-"))))
linie <- data.frame(scen = rep(unique(roznice$scen), each = 2),
                    miara = rep(c("Hodges–Lehmann (mediana różnic par)", "różnica median grup"), 2),
                    x = c(wynik5[1, "HL_wilcox"], wynik5[1, "roznica_median"], wynik5[2, "HL_wilcox"], wynik5[2, "roznica_median"]))
przedz <- data.frame(scen = unique(roznice$scen), lo = wynik5[, "CI_dolna"], hi = wynik5[, "CI_gorna"])
p5 <- ggplot(roznice, aes(r)) +
  geom_rect(data = przedz, aes(xmin = lo, xmax = hi, ymin = -Inf, ymax = Inf), inherit.aes = FALSE,
            fill = kol[["trening"]], alpha = 0.15) +
  geom_histogram(aes(y = after_stat(density)), binwidth = 5, boundary = 0, fill = kol[["szary"]], colour = "white", linewidth = 0.2) +
  geom_vline(xintercept = 0, colour = "grey25", linewidth = 0.4) +
  geom_vline(data = linie, aes(xintercept = x, colour = miara, linetype = miara), linewidth = 1.1) +
  facet_wrap(~ scen, ncol = 1, scales = "free_y") +
  scale_colour_manual(values = c("Hodges–Lehmann (mediana różnic par)" = kol[["trening"]], "różnica median grup" = kol[["kontrolna"]]), name = NULL) +
  scale_linetype_manual(values = c("Hodges–Lehmann (mediana różnic par)" = "solid", "różnica median grup" = "dashed"), name = NULL) +
  coord_cartesian(xlim = c(-110, 150)) +
  guides(colour = guide_legend(nrow = 2), linetype = guide_legend(nrow = 2)) +
  labs(title = "Hodges–Lehmann: typowa różnica między osobami z dwóch grup",
       subtitle = "Pasmo: 95% przedział ufności dla HL z wilcox.test(); szara linia: zero",
       x = "Różnica czasów w parze osób (s)", y = "Gęstość") + motyw
# p5   # wyświetl; zapis: ggsave("test-manna-whitneya-hodges-lehmann.svg", p5, width = 10, height = 8)
Wynik w R
                 HL_reczne HL_wilcox CI_dolna CI_gorna roznica_median
A_przesuniecie     -20.358   -20.358  -30.604   -9.025        -22.604
B_rozne_ksztalty     5.283     5.277   -0.696   11.094         -0.513
                 roznica_srednich    U    PS     p
A_przesuniecie            -27.031  254 0.282 0.003
B_rozne_ksztalty           15.104 5717 0.572 0.080
roznica_median_pop mediana_roznic_pop 
             -0.02               4.59 

6. Kontrola palety: symulacja zaburzeń widzenia barw

Dane wejściowe: kolory z rysunków 1–5; pakiet colorspace; blok niczego nie losuje.

Co odczytać: najmniejszą odległość ΔE między kolorami zestawu przy typowym widzeniu, deuteranopii i protanopii. Para niebieski–cynober zachowuje odległość ponad 90, a para czerwony–zielony spada do 21.1.

R
# Czy kolory rysunków przetrwają zaburzenia widzenia barw? Symulacja w pakiecie colorspace
# (ten blok niczego nie losuje)
library(colorspace)
roznica <- function(k) {                        # najmniejsza odległość ΔE (CIELAB) między kolorami zestawu
  lab <- coords(as(hex2RGB(k), "LAB")); min(dist(lab))
}
zestawy <- list("kontrolna / trening (rysunki 1–5)" = c("#0072B2", "#D55E00"),
                "dwie grupy + szare tło (rysunki 3, 5)" = c("#0072B2", "#D55E00", "#B3B3B3", "#595959"),
                "czerwony – zielony (dla porównania)" = c("#E41A1C", "#4DAF4A"))
round(t(sapply(zestawy, function(k) c(widzenie_typowe = roznica(k), deuteranopia = roznica(deutan(k)),
                                      protanopia = roznica(protan(k))))), 1)
Wynik w R
                                      widzenie_typowe deuteranopia protanopia
kontrolna / trening (rysunki 1–5)               114.6        108.3       91.9
dwie grupy + szare tło (rysunki 3, 5)            35.1         35.1       35.1
czerwony – zielony (dla porównania)             121.7         21.1       31.6

Bibliografia oprogramowania

Liczby na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (test Manna–Whitneya z estymatorem Hodgesa–Lehmanna – funkcja wilcox.test(), test mediany Mooda – chisq.test(), losowanie i symulacje – pakiet stats). Rysunki wykonano w ggplot2, panele złożono pakietem patchwork i zapisano pakietem svglite; paletę sprawdzono w symulacji zaburzeń widzenia barw pakietem colorspace. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
  4. colorspace (wersja 2.1.2): Zeileis, A., Fisher, J. C., Hornik, K., Ihaka, R., McWhite, C. D., Murrell, P., Stauffer, R., & Wilke, C. O. (2020). colorspace: A toolbox for manipulating and assessing colors and palettes. Journal of Statistical Software, 96(1). https://doi.org/10.18637/jss.v096.i01
  5. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An 'SVG' graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite

Co napisać w pracy

  • Nazwij pytanie testu. „Wyniki w grupie A były zwykle wyższe niż w grupie B” – to pasuje do każdego wyniku testu U. „Mediany się różniły” – tylko gdy rozkłady mają podobny kształt (rysunki 3 i 5).
  • Podaj wielkość efektu w skali par: prawdopodobieństwo przewagi albo korelację rangowo-dwuseryjną, z kierunkiem i przedziałem ufności (rysunek 2).
  • Podaj mediany i kwartyle jako opis grup, a nie jako to, co test „porównał”.
  • Przy modelu przesunięcia dodaj estymator Hodgesa–Lehmanna z 95% CI – to różnica w jednostkach wyniku, którą czytelnik zrozumie (rysunek 5).
  • Przy małej próbie podaj dokładne p i napisz wprost, że moc była niska (rysunek 4).
  • Pokaż rozkłady – punkty z wykresem pudełkowym albo ECDF. Hart (2001) zaleca opisywać istotne cechy danych, a nie tylko wartość p.

Jeśli pytasz o średnie, a rozkład nie jest normalny, test U nie jest automatycznym zamiennikiem testu t. Najpierw ustal, na jakie pytanie chcesz odpowiedzieć – pomagają w tym wpisy test t Studenta krok po kroku i jak sprawdzić normalność rozkładu. Odpowiednikiem testu U dla pomiarów powtarzanych jest test Wilcoxona, a dlaczego pary trzeba analizować jako pary, pokazuje wpis próby zależne w obrazkach. Jak różne miary wielkości efektu wyglądają na rozkładach normalnych, pokazuje wpis wielkość efektu w obrazkach.

Najczęstsze błędy

  • „Test Manna–Whitneya wykazał różnicę median” bez sprawdzenia kształtu rozkładów. Przy równych medianach i różnych kształtach test dawał p < .05 w 88.1% badań po 400 osób (rysunek 3).
  • „Brak różnicy” po nieistotnym teście w małej próbie. Przy różnicy median 15 s i 6 osobach w grupie test był istotny w 21.1% badań, a przy 3 osobach nie może być istotny wcale (rysunek 4).
  • Prawdopodobieństwo przewagi bez kierunku – .321 dla jednej grupy to .679 dla drugiej (rysunek 2).
  • Estymator Hodgesa–Lehmanna nazwany różnicą median przy różnych kształtach rozkładów (rysunek 5).
  • Mylenie W z R z U z SPSS. R podaje U pierwszej grupy w wywołaniu, SPSS – mniejszą z dwóch wartości. Napisz, której grupy dotyczy liczba.
  • Wynik bez wykresu. Rangi gubią odległości (rysunek 1) – bez rysunku rozkładów czytelnik nie wie, czy różnica dotyczy położenia, rozproszenia, czy ogona.

Najczęstsze pytania

Czy test U Manna–Whitneya porównuje mediany?

Nie wprost. Test sprawdza, czy prawdopodobieństwo, że losowa osoba z jednej grupy ma wyższy wynik niż losowa osoba z drugiej, różni się od 50% (Divine i in., 2018). W symulacji dwie populacje o tej samej medianie, ale różnym kształcie, dawały p < .05 w 88.1% badań po 400 osób w grupie. O różnicy median możesz mówić dopiero wtedy, gdy rozkłady mają ten sam kształt i różnią się tylko położeniem.

Co to jest prawdopodobieństwo przewagi w teście Manna–Whitneya?

To odsetek wszystkich par (osoba z grupy 1, osoba z grupy 2), w których wyższy wynik ma osoba z grupy 1; remisy liczą się po połowie. Jest równe U / (n1n2). W przykładzie z 7 i 8 osobami osoba z grupy trening miała dłuższy czas w 18 z 56 par, więc P = .321. Ta sama liczba to pole pod krzywą ROC, a 2P − 1 to korelacja rangowo-dwuseryjna.

Dlaczego test Manna–Whitneya jest nieistotny przy małej próbie?

Przy kilku osobach w grupie test ma mało możliwych układów rang, więc ma małą moc. Przy 3 osobach w grupie najmniejsze możliwe dokładne p dwustronne wynosi .10, więc wynik nie może być istotny na poziomie .05 nawet przy pełnym rozdzieleniu grup. W symulacji z różnicą median 15 s test wykrył ją w 21.1% badań przy 6 osobach w grupie i w 84.2% przy 30.

Co to jest estymator Hodgesa–Lehmanna przy teście Manna–Whitneya?

To mediana wszystkich różnic par xi − yj, którą R podaje w wilcox.test(..., conf.int = TRUE) razem z przedziałem ufności (Hodges i Lehmann, 1963). Gdy rozkłady różnią się tylko przesunięciem, szacuje to przesunięcie. Gdy różnią się kształtem, nie jest różnicą median: w symulacji różnica median wynosiła −0.51 s, a estymator 5.28 s.

Jak opisać wynik testu Manna–Whitneya w pracy?

Podaj U (lub W z R z informacją, której grupy dotyczy), p, prawdopodobieństwo przewagi albo korelację rangowo-dwuseryjną oraz mediany i kwartyle grup. Pisz o przewadze: „wyniki w grupie A były zwykle wyższe”. Pokaż rozkłady na wykresie, bo dopiero on pozwala ocenić, czy różnica dotyczy położenia, czy kształtu (Hart, 2001).

Powiązane hasła

Przeczytaj też

Nie wiesz, jak opisać wynik testu Manna–Whitneya?

Pomożemy dobrać test do pytania badawczego, policzyć wielkość efektu z przedziałem ufności i opisać wynik tak, żebyś umiał(a) go wyjaśnić na obronie.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Divine, G. W., Norton, H. J., Barón, A. E., & Juarez-Colunga, E. (2018). The Wilcoxon–Mann–Whitney procedure fails as a test of medians. The American Statistician, 72(3), 278–286. https://doi.org/10.1080/00031305.2017.1305291 ● Otwarty dostęp
  2. Fagerland, M. W., & Sandvik, L. (2009). The Wilcoxon–Mann–Whitney test under scrutiny. Statistics in Medicine, 28(10), 1487–1497. https://doi.org/10.1002/sim.3561
  3. Fay, M. P., & Proschan, M. A. (2010). Wilcoxon–Mann–Whitney or t-test? On assumptions for hypothesis tests and multiple interpretations of decision rules. Statistics Surveys, 4, 1–39. https://doi.org/10.1214/09-SS051 ● Otwarty dostęp
  4. Hart, A. (2001). Mann-Whitney test is not just a test of medians: Differences in spread can be important. BMJ, 323(7309), 391–393. https://doi.org/10.1136/bmj.323.7309.391 ● Otwarty dostęp
  5. Hodges, J. L., & Lehmann, E. L. (1963). Estimates of location based on rank tests. The Annals of Mathematical Statistics, 34(2), 598–611. https://doi.org/10.1214/aoms/1177704172 ● Otwarty dostęp
  6. Karch, J. D. (2021). Psychologists should use Brunner-Munzel’s instead of Mann-Whitney’s U test as the default nonparametric procedure. Advances in Methods and Practices in Psychological Science, 4(2), Article 2515245921999602. https://doi.org/10.1177/2515245921999602 ● Otwarty dostęp
  7. Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. The Annals of Mathematical Statistics, 18(1), 50–60. https://doi.org/10.1214/aoms/1177730491 ● Otwarty dostęp
  8. McGraw, K. O., & Wong, S. P. (1992). A common language effect size statistic. Psychological Bulletin, 111(2), 361–365. https://doi.org/10.1037/0033-2909.111.2.361

Cytowania BibTeX

@article{divine2018wilcoxon, author={Divine, George W. and Norton, H. James and Barón, Anna E. and Juarez-Colunga, Elizabeth}, title={{The Wilcoxon–Mann–Whitney procedure fails as a test of medians}}, journal={The American Statistician}, year={2018}, volume={72}, number={3}, pages={278--286}, doi={10.1080/00031305.2017.1305291}}
@article{fagerland2009wilcoxon, author={Fagerland, Morten W. and Sandvik, Leiv}, title={{The Wilcoxon–Mann–Whitney test under scrutiny}}, journal={Statistics in Medicine}, year={2009}, volume={28}, number={10}, pages={1487--1497}, doi={10.1002/sim.3561}}
@article{fay2010wilcoxon, author={Fay, Michael P. and Proschan, Michael A.}, title={{Wilcoxon–Mann–Whitney or t-test? On assumptions for hypothesis tests and multiple interpretations of decision rules}}, journal={Statistics Surveys}, year={2010}, volume={4}, pages={1--39}, doi={10.1214/09-ss051}}
@article{hart2001mann, author={Hart, Anna}, title={{Mann-Whitney test is not just a test of medians: Differences in spread can be important}}, journal={BMJ}, year={2001}, volume={323}, number={7309}, pages={391--393}, doi={10.1136/bmj.323.7309.391}}
@article{hodges1963estimates, author={Hodges, J. L. and Lehmann, E. L.}, title={{Estimates of location based on rank tests}}, journal={The Annals of Mathematical Statistics}, year={1963}, volume={34}, number={2}, pages={598--611}, doi={10.1214/aoms/1177704172}}
@article{karch2021psychologists, author={Karch, Julian D.}, title={{Psychologists should use Brunner-Munzel’s instead of Mann-Whitney’s U test as the default nonparametric procedure}}, journal={Advances in Methods and Practices in Psychological Science}, year={2021}, volume={4}, number={2}, eid={2515245921999602}, doi={10.1177/2515245921999602}}
@article{mann1947test, author={Mann, H. B. and Whitney, D. R.}, title={{On a test of whether one of two random variables is stochastically larger than the other}}, journal={The Annals of Mathematical Statistics}, year={1947}, volume={18}, number={1}, pages={50--60}, doi={10.1214/aoms/1177730491}}
@article{mcgraw1992common, author={McGraw, Kenneth O. and Wong, S. P.}, title={{A common language effect size statistic}}, journal={Psychological Bulletin}, year={1992}, volume={111}, number={2}, pages={361--365}, doi={10.1037/0033-2909.111.2.361}}
R