Python Wilcoxon 检验：代码示例与详细解释

以下是一个使用 Python 进行 Wilcoxon 检验的示例代码：

import numpy as np
from scipy.stats import wilcoxon

# 创建两个样本数据
sample1 = np.array([4, 6, 8, 10, 12])
sample2 = np.array([5, 7, 9, 11, 13])

# 执行Wilcoxon检验
statistic, p_value = wilcoxon(sample1, sample2)

# 输出结果
print('Wilcoxon statistic:', statistic)
print('p-value:', p_value)

在这个示例中，我们使用了 NumPy 库来创建两个样本数据，每个样本包含 5 个观测值。然后，我们使用 scipy.stats 模块中的 wilcoxon 函数执行 Wilcoxon 检验。

wilcoxon 函数的输入参数是两个样本数据，它返回两个值：Wilcoxon 统计量和 p 值。Wilcoxon 统计量是用来衡量两个样本之间的差异的，p 值则表示在原假设为真的情况下，观察到的差异或更极端差异的概率。

最后，我们通过打印输出来显示 Wilcoxon 统计量和 p 值。

Wilcoxon 检验的应用场景：

• 比较两个样本的均值，当数据不满足正态分布或方差相等假设时。
• 比较两个相关样本的差异，例如同一个受试者在不同时间点的测量值。

结果解读：

• 如果 p 值小于显著性水平（通常为 0.05），则拒绝原假设，认为两个样本之间存在显著差异。
• 如果 p 值大于显著性水平，则不能拒绝原假设，认为两个样本之间没有显著差异。

总结：

Wilcoxon 检验是一种常用的非参数检验方法，它可以用来比较两个样本的均值，即使数据不满足正态分布或方差相等假设。Python 中 scipy.stats 模块提供了 wilcoxon 函数，可以方便地执行 Wilcoxon 检验。