📊 ابزار رایگان آنلاین

محاسبه‌گر آزمون Mann-Whitney U

آزمون ناپارامتری Mann-Whitney U برای مقایسه دو گروه مستقل. این آزمون بدون نیاز به فرض نرمال بودن توزیع داده‌ها، تفاوت میانگین رتبه‌ها را بررسی می‌کند.

💡 داده‌های خود را برای هر گروه وارد کنید. هر مقدار در یک خط.

آزمون Mann-Whitney U چیست؟

آزمون Mann-Whitney U (همچنین به نام آزمون Wilcoxon Rank-Sum شناخته می‌شود) یک آزمون ناپارامتری است که برای مقایسه دو گروه مستقل استفاده می‌شود. این آزمون زمانی کاربرد دارد که فرض نرمال بودن توزیع داده‌ها برقرار نباشد.

فرمول آزمون Mann-Whitney U

U₁ = n₁n₂ + (n₁(n₁ + 1)) / 2 - R₁
U₂ = n₁n₂ - U₁
U = min(U₁, U₂)

که در آن:

  • n₁, n₂: تعداد مشاهدات در هر گروه
  • R₁: مجموع رتبه‌های گروه اول
  • U: کوچک‌تر از U₁ و U₂

مراحل محاسبه

  1. ترکیب داده‌های هر دو گروه
  2. رتبه‌بندی تمام داده‌ها از کوچک به بزرگ
  3. محاسبه مجموع رتبه‌های هر گروه
  4. محاسبه U₁ و U₂
  5. انتخاب مقدار کوچک‌تر به عنوان U نهایی

تفسیر آزمون Mann-Whitney U

اگر مقدار U به‌دست‌آمده کمتر از مقدار بحرانی U در جدول آزمون Mann-Whitney باشد (با توجه به سطح معناداری و تعداد مشاهدات)، تفاوت معنادار بین دو گروه وجود دارد.

مزایای آزمون Mann-Whitney U

  • نیازی به فرض نرمال بودن ندارد: برای داده‌های غیرنرمال مناسب است.
  • برای داده‌های رتبه‌ای: می‌تواند برای داده‌های ترتیبی هم استفاده شود.
  • مقاوم به داده‌های پرت: داده‌های پرت تأثیر کمی بر نتیجه دارند.
  • حجم نمونه کم: برای نمونه‌های کوچک مناسب است.

کاربردهای عملی

  • تحقیقات پزشکی: مقایسه درجات درد یا رضایت بیماران
  • تحقیقات آموزشی: مقایسه نمرات رتبه‌بندی‌شده
  • تحقیقات بازاریابی: مقایسه رتبه‌بندی محصولات
  • تحقیقات محیط‌زیست: مقایسه غلظت‌های آلاینده‌ها

سوالات متداول

چه زمانی از آزمون Mann-Whitney U استفاده کنیم؟ +
زمانی که می‌خواهید دو گروه مستقل را مقایسه کنید و داده‌ها توزیع نرمال ندارند یا رتبه‌ای هستند. این آزمون برای نمونه‌های کوچک نیز مناسب است.
چگونه می‌توانم نتیجه آزمون Mann-Whitney U را تفسیر کنم؟ +
اگر مقدار U کمتر از مقدار بحرانی در جدول Mann-Whitney باشد، تفاوت معناداری بین دو گروه وجود دارد. برای تعیین p-value دقیق، باید از جداول یا نرم‌افزار آماری استفاده کنید.
تفاوت Mann-Whitney U و t-test چیست؟ +
t-test یک آزمون پارامتری است که فرض می‌کند داده‌ها توزیع نرمال دارند. Mann-Whitney U ناپارامتری است و نیازی به این فرض ندارد. اگر فرضیات t-test برقرار نباشند، Mann-Whitney بهتر است.
آیا Mann-Whitney U برای داده‌های نرمال هم قابل استفاده است؟ +
بله، می‌توانید استفاده کنید. اما اگر داده‌ها نرمال باشند و واریانس‌ها برابر باشند، بهتر است از آزمون‌های پارامتری مانند t-test استفاده کنید چون قدرت آماری بیشتری دارند.
چه تعداد داده برای آزمون Mann-Whitney U نیاز است؟ +
حداقل ۲ مشاهده برای هر گروه کافی است. اما برای نتایج قابل‌اعتماد، حداقل ۵ مشاهده برای هر گروه توصیه می‌شود. هرچه تعداد داده‌ها بیشتر باشد، قدرت آزمون بالاتر است.
این محاسبه‌گر با SPSS و R مطابقت دارد؟ +
بله، این محاسبه‌گر از فرمول‌های استاندارد استفاده می‌کند و نتایج آن با SPSS و R مطابقت دارند. مقدار U محاسبه‌شده در هر سه منبع یکسان خواهد بود.
رتبه‌بندی در آزمون Mann-Whitney U چگونه انجام می‌شود؟ +
تمام داده‌های دو گروه ترکیب می‌شوند و سپس از کوچک به بزرگ رتبه‌بندی می‌شوند. اگر داده‌های تکراری باشند، رتبه میانگین به آن‌ها اختصاص می‌یابد.
آیا می‌توانم از Mann-Whitney U برای بیش از دو گروه استفاده کنم؟ +
خیر، Mann-Whitney U فقط برای مقایسه دو گروه است. برای مقایسه سه یا بیشتر گروه، می‌توانید از آزمون Kruskal-Wallis استفاده کنید.

به تحلیل دقیق‌تری نیاز دارید؟

از آزمون‌های ناپارامتری تا مدل‌سازی و تجزیه و تحلیل داده‌های پیشرفته — متخصصان تزنویسه در تمام مراحل تحلیل کنار شما هستند. مشاوره اولیه رایگان است.

درخواست مشاوره آماری