R语言中的Wilcoxon符号秩检验与配对学生t检验

在这篇文章中，我们将探索比较两组依赖（即成对）定量数据的测试：Wilcoxon符号秩检验和配对学生t检验。这些测试之间的关键区别在于Wilcoxon的测试是非参数测试，而t测试是参数测试。在下文中，我们将探讨这种差异的后果。

睡眠数据集

我们来考虑睡眠数据集。数据集通过提供服用药物后睡眠时间与基线相比的变化来对比两种催眠药物（即安眠药）的效果：

##    extra group ID
## 1    0.7     1  1
## 2   -1.6     1  2
## 3   -0.2     1  3
## 4   -1.2     1  4
## 5   -0.1     1  5
## 6    3.4     1  6
## 7    3.7     1  7
## 8    0.8     1  8
## 9    0.0     1  9
## 10   2.0     1 10
## 11   1.9     2  1
## 12   0.8     2  2
## 13   1.1     2  3
## 14   0.1     2  4
## 15  -0.1     2  5
## 16   4.4     2  6
## 17   5.5     2  7
## 18   1.6     2  8
## 19   4.6     2  9
## 20   3.4     2 10

extra表示与基线测量相比睡眠中的增加/减少（正/负值），组表示药物，ID表示患者ID。为了更清楚，我将组重命名为药物：

 >colnames(sleep)[which(colnames(sleep) ==  

注意，睡眠数据集包含每个患者的两个测量值。因此，它适合于展示配对测试，例如我们正在处理的测试。

我们测试的是什么？

假设我们在一家制药公司工作，这些是刚从临床试验中获得的数据。现在，我们必须决定你应该推出哪两种药物用于市场释放。选择药物的合理方法是确定表现更好的药物。更具体地说，问题是：用更大的值相关联的药物之一额外的比其他药物？

为了直观了解这两种药物的有效性，让我们绘制相应的值：

​

该图显示药物1的睡眠时间的中值增加接近0，而药物2的中值增加接近2小时。因此，根据这些数据，似乎药物2比药物1更有效。但是，我们仍需要确定我们的发现是否具有统计学意义。

零假设

该测试的零假设是两种药物之间的额外睡眠时间没有任何差异。由于我们想知道药物2是否优于药物1，我们不需要双尾测试（测试任何药物是否具有优异的性能），而是单尾测试。因此，零假设的备选方案是药物2与