Calculateur de Test U de Mann-Whitney

Compare deux echantillons independants avec le test non parametrique U de Mann-Whitney

Exemples de résultats

1 Exemples

Comparer deux echantillons independants par rangs

Utilise Mann-Whitney U lorsque la normalite est incertaine

{
  "result": {
    "uStatistic": 1.5,
    "zStatistic": -2.2001,
    "pValue": 0.0278,
    "rejectNull": true
  }
}
Voir paramètres d'entrée
{ "group1Values": "12, 15, 14, 18, 16", "group2Values": "9, 11, 10, 13, 12", "alternative": "two-sided", "alpha": 0.05, "decimalPlaces": 4 }

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

Comparaison des scores de satisfaction client entre deux régions géographiques différentes.
Analyse de l'efficacité de deux traitements médicaux sur des groupes de patients distincts.
Évaluation des résultats de tests académiques entre deux classes utilisant des méthodes d'enseignement variées.

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-&-numbers

FAQ

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.

Documentation de l'API

Point de terminaison de la requête

POST /fr/api/tools/mann-whitney-u-test-calculator

Paramètres de la requête

Nom du paramètre Type Requis Description
group1Values textarea Non -
group2Values textarea Non -
alternative select Non -
alpha number Non -
decimalPlaces number Non -

Format de réponse

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
Données JSON: Données JSON

Documentation de MCP

Ajoutez cet outil à votre configuration de serveur MCP:

{
  "mcpServers": {
    "elysiatools-mann-whitney-u-test-calculator": {
      "name": "mann-whitney-u-test-calculator",
      "description": "Compare deux echantillons independants avec le test non parametrique U de Mann-Whitney",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=mann-whitney-u-test-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Vous pouvez chaîner plusieurs outils, par ex.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, max 20 outils.

Si vous rencontrez des problèmes, veuillez nous contacter à [email protected]