Tutorial ini menjelaskan cara melakukan tes peringkat bertanda Wilcoxon di R.<\/span><\/p>\n 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.<\/span><\/p>\n 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,<\/span> distribusi perbedaannya ternyata tidak normal, itulah sebabnya pelatih menggunakan tes Wilcoxon Signed-Rank sebagai gantinya.<\/span><\/p>\n Tabel berikut menyajikan jumlah lemparan bebas yang dilakukan (dari 20 percobaan) oleh masing-masing 15 pemain, sebelum dan sesudah program latihan:<\/span> <\/p>\n Untuk melakukan Wilcoxon Signed-Rank Test pada data ini di R, kita dapat menggunakan fungsi wilcox.test()<\/strong> , yang menggunakan sintaks berikut:<\/span><\/p>\n wilcox.test(x, y, genap = BENAR)<\/strong><\/span><\/p>\n Emas:<\/span><\/p>\n Kode berikut menunjukkan cara menggunakan fungsi ini untuk melakukan pengujian Wilcoxon Signed-Rank pada data ini:<\/span><\/p>\n Statistik ujinya adalah 29,5<\/strong> dan nilai p yang sesuai adalah 0,275<\/strong> . 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.<\/span><\/p>\n 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<\/strong> :<\/span><\/p>\n Pengantar Tes Peringkat Bertanda Wilcoxon<\/a> 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 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Contoh: Wilcoxon menandatangani tes peringkat di R<\/strong><\/span><\/h3>\n
![\"Contoh](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/wilcox1-1.png\")
<\/p>\n\n
#create the two vectors of data<\/span>\nbefore <- c(14, 17, 12, 15, 15, 9, 12, 13, 13, 15, 19, 17, 14, 14, 16)\nafter <- c(15, 17, 15, 15, 17, 14, 9, 14, 11, 16, 18, 20, 20, 10, 17)\n\n#perform Wilcoxon Signed-Rank Test<\/span>\nwilcox.test(before, after, paired=TRUE)\n\n\tWilcoxon signed rank test with continuity correction\n\ndata: before and after\nV = 29.5, p-value = 0.275\nalternative hypothesis: true location shift is not equal to 0<\/strong><\/pre>\n #perform left-tailed Wilcoxon Signed-Rank Test<\/span>\nwilcox.test(before, after, paired=TRUE, alternative=\"less\")\n\n\tWilcoxon signed rank test with continuity correction\n\ndata: before and after\nV = 29.5, p-value = 0.1375\nalternative hypothesis: true location shift is less than 0\n\n#perform right-tailed Wilcoxon Signed-Rank Test\n<\/span>wilcox.test(before, after, paired=TRUE, alternative=\"greater\")\n\n\tWilcoxon signed rank test with continuity correction\n\ndata: before and after\nV = 29.5, p-value = 0.8774\nalternative hypothesis: true location shift is greater than 0\n<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Kalkulator Tes Tempat yang Ditandatangani Wilcoxon<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"