非参数检验

非参数检验

非参数检验是在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。R语言可以进行各种不同的非参数检验，如Mann-Whitney U, Wilcoxon Signed Rank, Kruskal Wallis test 和 Friedman tests。

曼-惠特尼U检验(Mann-Whitney U test) 或者叫做曼-惠特尼U检验，该检验主要是检验两组独立样本均数是否相同，该检验和t检验类似，但是t检验重要的一个假设就是样本服从正态分布，而曼-惠特尼秩和检验不依赖样本的分布情况，当你的样本是非正态分布或者分布状况不明时，曼-惠特尼秩和检验是t检验很好的替代，但是注意曼-惠特尼秩和检验效能比较低，也就是说你很可能无法发现有统计学意义的差异。

wilcox.test(y~A)
# y是数值变量，A是二分类变量，比较y的平均值在A的水平上是否有差别

wilcox.test(y,x) #y是数值变量，x也是数值变量

Wilcoxon 符号秩检验 (Wilcoxon signed test)或者叫威尔科克森符号秩检验，该方法是在配对观测数据符号检验基础上发展起来的，比传统的单独用正负号的检验具有更高的效能。它适用于t检验中的成对比较，但并不对配对资料数据差值有正态分布的要求。检验配对观测数据之差是否来自均值为零的总体（产生数据的总体是否具有相同的均值）。

wilcox.test(y1,y2,paired=TRUE) # y1和y2 是数值变量 
#检验配对观测数据之差是否来自均值为零的总体

Kruskal Wallis test或者叫Kruskal Wallis方差检验，它可以进行多个群组之间比较时，因为群组不满足正态分布而不能使用ANOVA多比较，那么你可以使用Kruskal-Wallis检验。

kruskal.test(y~A)    # y1是数值型变量，A是分类变量

Friedman Test是类似于重复测量资料ANOVA检验的非参数检验。它可用于检测不同组别多个测试时间点的差异。

friedman.test(y~A|B)
# y是结局变量（数值型）, A是分组变量，B是blocking变量