Cara melakukan tes peringkat bertanda wilcoxon di r

Uji Wilcoxon Signed-Rank adalah versi nonparametrik dari uji t berpasangan . Hal ini digunakan untuk menguji ada tidaknya perbedaan yang signifikan antara rata-rata dua populasi ketika distribusi perbedaan antara dua sampel tidak dapat dianggap normal.

Tutorial ini menjelaskan cara melakukan tes peringkat bertanda Wilcoxon di R.

Contoh: Wilcoxon menandatangani tes peringkat di R

Misalkan seorang pelatih bola basket ingin mengetahui apakah program latihan tertentu meningkatkan jumlah lemparan bebas yang dilakukan oleh para pemainnya. Untuk mengujinya, ia meminta 15 pemain melakukan 20 lemparan bebas masing-masing sebelum dan sesudah program latihan.

Karena setiap pemain dapat “dipasangkan” dengan dirinya sendiri, pelatih berencana menggunakan uji-t berpasangan untuk mengetahui apakah terdapat perbedaan yang signifikan antara rata-rata jumlah lemparan bebas yang dilakukan sebelum dan sesudah program latihan. pelatihan. Namun, distribusi perbedaannya ternyata tidak normal, itulah sebabnya pelatih menggunakan tes Wilcoxon Signed-Rank sebagai gantinya.

Tabel berikut menyajikan jumlah lemparan bebas yang dilakukan (dari 20 percobaan) oleh masing-masing 15 pemain, sebelum dan sesudah program latihan:

Untuk melakukan Wilcoxon Signed-Rank Test pada data ini di R, kita dapat menggunakan fungsi wilcox.test() , yang menggunakan sintaks berikut:

wilcox.test(x, y, genap = BENAR)

Emas:

• x, y: dua vektor nilai data
• berpasangan: menyetel ini ke TRUE memberi tahu R bahwa kedua vektor kita berisi data berpasangan

Kode berikut menunjukkan cara menggunakan fungsi ini untuk melakukan pengujian Wilcoxon Signed-Rank pada data ini:

 #create the two vectors of data
before <- c(14, 17, 12, 15, 15, 9, 12, 13, 13, 15, 19, 17, 14, 14, 16)
after <- c(15, 17, 15, 15, 17, 14, 9, 14, 11, 16, 18, 20, 20, 10, 17)

#perform Wilcoxon Signed-Rank Test
wilcox.test(before, after, paired=TRUE)

	Wilcoxon signed rank test with continuity correction

data: before and after
V = 29.5, p-value = 0.275
alternative hypothesis: true location shift is not equal to 0

Statistik ujinya adalah 29,5 dan nilai p yang sesuai adalah 0,275 . Karena nilai p ini tidak kurang dari 0,05, kita gagal menolak hipotesis nol. Tidak ada perbedaan yang signifikan secara statistik dalam jumlah lemparan bebas sebelum dan sesudah para pemain mengikuti program latihan.

Secara default, fungsi ini menjalankan pengujian Wilcoxon Signed-Rank dua sisi, namun Anda dapat menentukan pengujian tangan kiri atau pengujian tangan kanan menggunakan argumen alternatif :

 #perform left-tailed Wilcoxon Signed-Rank Test
wilcox.test(before, after, paired=TRUE, alternative="less")

	Wilcoxon signed rank test with continuity correction

data: before and after
V = 29.5, p-value = 0.1375
alternative hypothesis: true location shift is less than 0

#perform right-tailed Wilcoxon Signed-Rank Test
wilcox.test(before, after, paired=TRUE, alternative="greater")

	Wilcoxon signed rank test with continuity correction

data: before and after
V = 29.5, p-value = 0.8774
alternative hypothesis: true location shift is greater than 0

Sumber daya tambahan

Pengantar Tes Peringkat Bertanda Wilcoxon
Kalkulator Tes Tempat yang Ditandatangani Wilcoxon