মিঃ মেরিটরিওলজির উত্তরটি আমি দ্বিতীয় @ আসলে আমি ভাবছিলাম যে এমডব্লিউইউ পরীক্ষাটি স্বাধীন অনুপাতের পরীক্ষার চেয়ে কম শক্তিশালী হবে, যেহেতু আমি যে পাঠ্যপুস্তকগুলি থেকে শিখেছি এবং শিখিয়েছি তা বলেছিল যে এমডাব্লুইউ কেবলমাত্র অর্ডিনাল (বা অন্তর / অনুপাত) ডেটাতে প্রয়োগ করা যেতে পারে।
তবে আমার সিমুলেশন ফলাফলগুলি, নীচে প্লট করা হয়েছে যে এমডাব্লুইউ পরীক্ষাটি অনুপাত পরীক্ষার চেয়ে কিছুটা বেশি শক্তিশালী, যখন টাইপ আই ত্রুটি ভালভাবে নিয়ন্ত্রণ করে (গ্রুপ 1 = 0.50 এর জনসংখ্যার অনুপাতে)।
গ্রুপ 2 এর জনসংখ্যার অনুপাত 0.50 রাখা হয়েছে। প্রতিটি পয়েন্টে পুনরাবৃত্তির সংখ্যা 10,000 ইয়েটের সংশোধন না করে আমি সিমুলেশনটি পুনরাবৃত্তি করেছি তবে ফলাফলগুলি একই ছিল।
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"))