Jaka jest różnica między wilcox.test a coin :: wilcox_test w R?

Te dwie funkcje istnieją w R, ale nie znam ich różnic. Wygląda na to, że zwracają tylko te same wartości p podczas wywoływania wilcox.testz correct=FALSEoraz wilcox_test(w pakiecie monet) z distribution="aymptotic". Dla innych wartości zwracają różne wartości p. Również wilcox.testzawsze zwraca W = 0 dla mojego zestawu danych, niezależnie od ustawień jego parametrów:

x = c(1, 1, 1, 3, 3, 3, 3) i y = c(4, 4, 6, 7, 7, 8, 10)

Ponadto, gdy próbuję użyć różnych narzędzi innych niż R (niektóre dostępne online, inne jako dodatki do programu Excel), czasami zgłaszają różne wartości p.

Więc skąd mam wiedzieć, które narzędzie daje „poprawną” wartość p?

Czy istnieje „poprawna” wartość p, lub jeśli kilka narzędzi daje wartość p <0,05, czy powinienem być szczęśliwy? (Czasami narzędzia te nie oferują tak wielu możliwości parametryzacji, jak R.)

Czego tu brakuje?

Klucz do twojego pytania znajduje się w? Wilcox.test w sekcji Notatki:

Literatura nie jest zgodna co do definicji sumy rang Wilcoxona i testów Manna-Whitneya.

Oznacza to, że istnieje więcej niż jeden sposób przeprowadzenia tego nieparametrycznego testu zmiany lokalizacji między dwiema próbkami. Ponadto, biorąc pod uwagę każdą definicję, istnieje więcej niż jeden sposób na uzyskanie wartości ap. „dokładny” oznacza, że ​​jest absolutnie poprawny, podczas gdy „przybliżony” lub „asymptotyczny” są przybliżeniami prawdy. Dlatego istnieje wiele opcji w obu wilcox.test()i wilcox_test()i tylko niektóre z nich pasują dokładnie - gdy obie funkcje wykonują dokładnie to samo. Wygląda na to, że wilcox_test()może uzyskać dokładne wartości p, nawet jeśli istnieją wartości powiązane, a wilcox.test()wraca do asymptotycznego przybliżenia, gdy istnieją wartości powiązane. Nie wiedziałbym, jaką kombinację obliczeń statystycznych i wartości p robi dodatek Excel,

Następne pytanie brzmi: dlaczego wilcox.test()cały czas zwraca 0. Dla utworzonego zestawu danych wartość statystyki testowej wynosi 0, gdy wykonasz test wilcox.test (x, y), ale wyniesie 49, gdy wykonasz test wilcox.test (y, x), chociaż wartość p będzie równa podobnie. Zobacz powody na stronie wikipedia . wilcox_test()zwraca transformację Z statystyki zwróconej przez wilcox.test(), dlatego mają one różne wartości statystyki testowej.

Czy istnieje poprawna wartość p? Tak, ale czasami jest to zbyt trudne do obliczenia, dlatego musimy użyć metod przybliżonych (patrz? Wilcox_test, aby uzyskać opisy, w jaki sposób dokładne obliczenia mogą zawieść z powodu niewystarczającej ilości pamięci). Różnice między przybliżeniem a dokładną wartością w większości nie będą miały znaczenia, chyba że prawdziwa różnica w położeniu dwóch grup jest bardzo mała.