Test de Wilcoxon avec R

Le test de Wilcoxon (ou de Mann-Whitney) est un test non-paramétrique de comparaison de moyennes de deux échantillons indépendants ou appariés.

Ce test est dit non-paramétrique car il ne fait aucune hypothèse sur la distribution des échantillons.


<h2 class="formatter-title wiki-paragraph-2" id="paragraph-comparaison-de-deux-echantillons-independants">Comparaison de deux échantillons indépendants </h2>

Soient x et y deux échantillons indépendants à comparer. La commande à utiliser est la suivante :

Code R :
 
x <- c(0.80, 0.83, 1.89, 1.04, 1.45, 1.38, 1.91, 1.64, 0.73, 1.46)
y <- c(1.15, 0.88, 0.90, 0.74, 1.21)
wilcox.test(x, y)
 


Résultat de la commande :

Wilcoxon rank sum test

data: x and y
W = 35, p-value = 0.2544
alternative hypothesis: true location shift is not equal to 0

p=0.25. Les deux échantillons x et y ne sont pas significativement différents.



La fonction wilcox.test() peut également être utilisée de la manière suivante :

Code R :
wilcox.test(y~A) # y est un vecteur numérique et la variable A indique le groupe




Un outil web pour faire le test de Wilcoxon pour échantillons indépendants en ligne, sans aucune installation, est disponible ici.



<h2 class="formatter-title wiki-paragraph-2" id="paragraph-comparaison-de-deux-echantillons-apparies">Comparaison de deux échantillons appariés </h2>

Soient x et y deux échantillons appariés à comparer. La commande à utiliser est la suivante :

Code R :
 
x <- c(1.83,  0.50,  1.62,  2.48, 1.68, 1.88, 1.55, 3.06, 1.30)
y <- c(0.878, 0.647, 0.598, 2.05, 1.06, 1.29, 1.06, 3.14, 1.29)
wilcox.test(x, y, paired = TRUE)
 



Résultat de la commande :

Wilcoxon signed rank test

data: x and y
V = 40, p-value = 0.03906
alternative hypothesis: true location shift is not equal to 0

p = 0.039. Les deux échantillons x et y sont donc significativement différents


Un outil web pour faire le test de Wilcoxon pour échantillons appariés en ligne, sans aucune installation, est disponible ici.



« Cours précédent
Test de Student avec R


Cours suivant »
ANOVA : Analyse de variance avec R


Enjoyed this article? I’d be very grateful if you’d help it spread by emailing it to a friend, or sharing it on Twitter, Facebook or Linked In.

Show me some love with the like buttons below... Thank you and please don't forget to share and comment below!!
Avez vous aimé cet article? Je vous serais très reconnaissant si vous aidiez à sa diffusion en l'envoyant par courriel à un ami ou en le partageant sur Twitter, Facebook ou Linked In.

Montrez-moi un peu d'amour avec les like ci-dessous ... Merci et n'oubliez pas, s'il vous plaît, de partager et de commenter ci-dessous!





Cette page a été vue 56534 fois