Points clés
- Catégorie
- Maths, dates et finance
- Types d’entrée
- textarea, select, number
- Type de sortie
- json
- Couverture des échantillons
- 4
- API disponible
- Yes
Vue d’ensemble
Ce calculateur de test U de Mann-Whitney permet de comparer deux échantillons indépendants pour déterminer s'ils proviennent de la même distribution. En tant qu'alternative non paramétrique au test t de Student, il est idéal pour analyser des données ordinales ou des distributions qui ne suivent pas une loi normale, en se basant sur le classement des rangs plutôt que sur les moyennes.
Quand l’utiliser
- •Lorsque vos données ne suivent pas une distribution normale et que vous comparez deux groupes distincts.
- •Pour analyser des variables ordinales ou des données contenant des valeurs aberrantes significatives.
- •Quand les tailles d'échantillon sont trop petites pour garantir la validité d'un test paramétrique classique.
Comment ça marche
- •Saisissez les séries de données numériques pour le premier et le second groupe de comparaison dans les champs prévus.
- •Sélectionnez l'hypothèse alternative (bilatérale, supérieure ou inférieure) et définissez le seuil de signification alpha.
- •L'outil classe l'ensemble des observations par rang et calcule la statistique U ainsi que la valeur Z correspondante.
- •Le système génère la valeur p finale et indique si l'hypothèse nulle doit être rejetée selon vos paramètres.
Cas d’usage
Exemples
1. Comparaison de l'efficacité de deux engrais
Agronome- Contexte
- Un chercheur teste deux types d'engrais sur la croissance de plantes. Les données de croissance ne suivent pas une loi normale.
- Problème
- Déterminer si l'engrais A produit une croissance significativement différente de l'engrais B.
- Comment l’utiliser
- Entrer les hauteurs des plantes du groupe A et du groupe B, puis choisir l'hypothèse bilatérale avec un alpha de 0,05.
- Configuration d’exemple
-
group1Values: 12, 15, 14, 18, 16; group2Values: 9, 11, 10, 13, 12; alternative: two-sided; alpha: 0.05 - Résultat
- Une valeur p de 0,0278 est obtenue, indiquant une différence significative entre les deux engrais.
2. Analyse de l'expérience utilisateur (UX)
Designer UX- Contexte
- Une équipe souhaite comparer le temps de complétion d'une tâche sur deux versions d'une interface mobile.
- Problème
- Les temps de complétion comportent des valeurs extrêmes qui faussent la moyenne arithmétique.
- Comment l’utiliser
- Saisir les temps en secondes pour la Version 1 et la Version 2, puis régler l'hypothèse sur 'Inférieur à' pour tester si la Version 2 est plus rapide.
- Configuration d’exemple
-
group1Values: 45, 50, 48, 120; group2Values: 30, 35, 32, 40; alternative: less; alpha: 0.05 - Résultat
- Le test confirme si la réduction du temps de complétion est statistiquement robuste malgré les valeurs aberrantes.
Tester avec des échantillons
math-&-numbersFAQ
Quelle est la différence entre ce test et un test t ?
Le test U de Mann-Whitney est non paramétrique et compare les rangs, tandis que le test t compare les moyennes et suppose une distribution normale.
Puis-je utiliser ce test pour des échantillons appariés ?
Non, ce test est conçu pour des échantillons indépendants. Pour des données appariées, utilisez le test de Wilcoxon.
Que signifie une valeur p inférieure à alpha ?
Cela indique une différence statistiquement significative entre les deux groupes, permettant de rejeter l'hypothèse nulle.
Le calculateur gère-t-il les ex æquo ?
Oui, l'algorithme ajuste automatiquement les calculs de rangs en cas de valeurs identiques dans les échantillons.
Quelle est la taille d'échantillon minimale recommandée ?
Bien qu'il fonctionne avec de petits groupes, il est conseillé d'avoir au moins 5 à 8 observations par groupe pour une puissance statistique fiable.