(zrzeczenie się: Nie mogę dzisiaj dobrze pisać: moja prawa ręka jest złamana!)
W przeciwieństwie do porady dotyczącej stosowania testu nieparametrycznego w innych odpowiedziach, należy wziąć pod uwagę, że w przypadku bardzo małych próbek metody te nie są zbyt przydatne. Łatwo zrozumieć, dlaczego: w badaniach o wyjątkowo małych rozmiarach nie można ustalić różnicy między grupami, chyba że zaobserwuje się duży rozmiar efektu. Jednak metody nieparametryczne nie dbają o wielkość różnicy między grupami. Tak więc, nawet jeśli różnica między dwiema grupami jest ogromna, przy małej wielkości próby test nieparametryczny zawsze nie odrzuci hipotezy zerowej.
Rozważ ten przykład: dwie grupy, rozkład normalny, ta sama wariancja. Grupa 1: średnio 1,0, 7 próbek. Grupa 2: średnio 5, 2 próbki. Istnieje duża różnica między średnimi.
wilcox.test(rnorm(7, 1), rnorm(2, 5))
Wilcoxon rank sum test
data: rnorm(7, 1) and rnorm(2, 5)
W = 0, p-value = 0.05556
Obliczona wartość p wynosi 0,055556, co nie odrzuca hipotezy zerowej (przy 0,05). Teraz, nawet jeśli zwiększysz odległość między dwoma średnimi 10 razy, otrzymasz tę samą wartość p:
wilcox.test(rnorm(7, 1), rnorm(2, 50))
Wilcoxon rank sum test
data: rnorm(7, 1) and rnorm(2, 50)
W = 0, p-value = 0.05556
Teraz zapraszam do powtórzenia tej samej symulacji z testem t i obserwowania wartości p w przypadku dużych (średnio 5 vs 1) i ogromnych (średnio 50 vs 1) różnic.