मैं दूसरा @ MrMititology का उत्तर। वास्तव में मैं सोच रहा था कि क्या MWU परीक्षण स्वतंत्र अनुपात के परीक्षण से कम शक्तिशाली होगा, क्योंकि मैंने जिन पाठ्यपुस्तकों से सीखा और पढ़ाया जाता था, उन्होंने कहा कि MWU को केवल क्रमिक (या अंतराल / अनुपात) डेटा पर लागू किया जा सकता है।
लेकिन मेरे सिमुलेशन परिणाम, नीचे प्लॉट किए गए, यह इंगित करते हैं कि MWU परीक्षण वास्तव में अनुपात परीक्षण की तुलना में थोड़ा अधिक शक्तिशाली है, जबकि टाइप I त्रुटि को अच्छी तरह से नियंत्रित करते हुए (समूह 1 = 0.50 की जनसंख्या अनुपात में)।
समूह 2 का जनसंख्या अनुपात 0.50 रखा गया है। प्रत्येक बिंदु पर पुनरावृत्तियों की संख्या 10,000 है। मैंने येट के सुधार के बिना सिमुलेशन दोहराया लेकिन परिणाम समान थे।
library(reshape)
MakeBinaryData <- function(n1, n2, p1){
y <- c(rbinom(n1, 1, p1),
rbinom(n2, 1, 0.5))
g_f <- factor(c(rep("g1", n1), rep("g2", n2)))
d <- data.frame(y, g_f)
return(d)
}
GetPower <- function(n_iter, n1, n2, p1, alpha=0.05, type="proportion", ...){
if(type=="proportion") {
p_v <- replicate(n_iter, prop.test(table(MakeBinaryData(n1, n1, p1)), ...)$p.value)
}
if(type=="MWU") {
p_v <- replicate(n_iter, wilcox.test(y~g_f, data=MakeBinaryData(n1, n1, p1))$p.value)
}
empirical_power <- sum(p_v<alpha)/n_iter
return(empirical_power)
}
p1_v <- seq(0.5, 0.6, 0.01)
set.seed(1)
power_proptest <- sapply(p1_v, function(x) GetPower(10000, 1000, 1000, x))
power_mwu <- sapply(p1_v, function(x) GetPower(10000, 1000, 1000, x, type="MWU"))