マン・ホイットニーのU検定計算機

Q: マン・ホイットニーのU検定はいつ使用すべきですか？

次の場合に使用します：(1) 比較する2つの独立したサンプルがある、(2) データが少なくとも順序尺度（順位付け可能）である、(3) t検定に必要な正規性の仮定に違反している、(4) 正規性を確認できない小規模なサンプルサイズである、または (5) 連続測定値ではなく順位データや順序データを扱っている。

Q: マン・ホイットニーのU検定の結果をどのように解釈すればよいですか？

p値を確認して解釈します。p < 0.05（または選択した有意水準）の場合、帰無仮説を棄却し、サンプル間に有意な差があると結論付けます。U統計量は、すべての値を一緒に順位付けしたときに、一方のサンプルの値が他方のサンプルの値よりも前に来る回数を表します。効果量（順位相関係数）は差の大きさを表し、0に近いほど効果がなく、+1または-1に近いほど強い効果があることを示します。

Q: マン・ホイットニーのU検定とウィルコクソンの符号付順位検定の違いは何ですか？

マン・ホイットニーのU検定は2つの「独立した」サンプル（各グループで異なる被験者）を比較しますが、ウィルコクソンの符号付順位検定は2つの「関連する」サンプル（事前/事後のように同じ被験者を2回測定）を比較します。グループが無関係な場合（例：異なる人々による治療群vs対照群）はマン・ホイットニーのU検定を、グループがペアになっている場合（例：同じ患者の治療前後）はウィルコクソンの符号付順位検定を使用します。

Q: マン・ホイットニーのU検定における効果量とは何ですか？

効果量は通常、順位相関係数 (r) として報告され、r = 1 - (2U)/(n1*n2) で計算されます。範囲は -1 から +1 で、|r| = 0.5 は大の効果を示します。効果量は統計的有意性だけでなく、実質的な意義を理解するのに役立ちます。

Q: マン・ホイットニーのU検定の仮定は何ですか？

仮定は次の通りです：(1) 独立性 - 各サンプル内およびサンプル間の観測値が独立している、(2) 順序データ - 値が意味を持って順位付けできる、(3) 分布の形状が類似している - 両方の母集団が同じ分布形状を持っている（必ずしも正規分布である必要はない）、(4) 無作為抽出 - サンプルがそれぞれの母集団から無作為に抽出されている。正規分布や等分散性は必要ありません。

2つの独立したサンプルを比較するために、マン・ホイットニーのU検定（ウィルコクソンの順位和検定）を実行します。U統計量、p値、効果量、ステップバイステップの計算、およびインタラクティブな視覚化を取得します。

マン・ホイットニーのU検定計算機

サンプルデータセットを試す

テストの点数治療効果製品評価反応時間

1 サンプル 1 (例：対照群)

2 サンプル 2 (例：治療群)

対立仮説

小数点以下の桁数

Embed マン・ホイットニーのU検定計算機 Widget

マン・ホイットニーのU検定計算機

マン・ホイットニーのU検定計算機は、非パラメトリックなマン・ホイットニーのU検定（ウィルコクソンの順位和検定としても知られる）を使用して、2つの独立したサンプルを比較するための包括的な統計ツールです。この計算機は、U統計量、Zスコア、p値、効果量、ステップバイステップの計算、および結果の理解と解釈に役立つインタラクティブな視覚化を提供します。

マン・ホイットニーのU検定とは何ですか？

マン・ホイットニーのU検定は、2つの独立したサンプルが同じ分布から来ているかどうかを判断するために使用される非パラメトリック統計検定です。独立サンプルt検定とは異なり、データの正規分布を仮定しないため、以下のような場合に最適です：

順序データ（順位付けはできるが、平均値に意味がないデータ）
正規性を確認できない小規模なサンプルサイズ
外れ値や歪んだ分布を持つデータ
非連続的な測定値

この検定は、両方のサンプルのすべての観測値を一緒に順位付けし、各サンプルの順位和を比較することによって機能します。一方のサンプルがより高い順位を持つ傾向がある場合、それは母集団が異なることを示唆しています。

マン・ホイットニーのU検定の公式

U統計量

$$U_1 = n_1 n_2 + \frac{n_1(n_1 + 1)}{2} - R_1$$ $$U_2 = n_1 n_2 + \frac{n_2(n_2 + 1)}{2} - R_2$$ $$U = \min(U_1, U_2)$$

ここで：

n₁, n₂ = サンプル1とサンプル2のサンプルサイズ
R₁, R₂ = サンプル1とサンプル2の順位和
U = マン・ホイットニーのU統計量（U₁ と U₂ の小さい方）

Zスコア（大標本の場合）

$$z = \frac{U - \mu_U}{\sigma_U}$$ $$\mu_U = \frac{n_1 n_2}{2}$$ $$\sigma_U = \sqrt{\frac{n_1 n_2 (n_1 + n_2 + 1)}{12}}$$

この計算機の使い方

サンプル1のデータを入力する：最初のグループの数値を、カンマ、スペース、または改行で区切って入力します（例：対照群）。
サンプル2のデータを入力する：2番目のグループの数値を入力します（例：治療群）。サンプルが独立していることを確認してください。
検定パラメータを選択する：対立仮説（両側または片側）と小数点以下の桁数を選択します。
計算：ボタンをクリックして、U統計量、p値、効果量、および詳細な解釈を表示します。
結果を確認する：視覚化とステップバイステップの内訳を確認して、分析を理解します。

結果の解釈

U統計量

U統計量は、すべての値を一緒に順位付けしたときに、一方のサンプルの値が他方のサンプルの値よりも前にある（小さい）回数を表します。U値が小さいほど、サンプル間の差が大きいことを示唆します。

p値

p < 0.05：統計的に有意な差がある（帰無仮説を棄却する）
p ≥ 0.05：有意な差は検出されなかった（帰無仮説を棄却できない）

効果量（順位相関係数）

効果量は、結果の実質的な意義を解釈するのに役立ちます：

小さな効果

|r| < 0.3：グループ間の実質的な差は最小限です

中程度の効果

0.3 ≤ |r| < 0.5：適度な実質的な差があります

大きな効果

|r| ≥ 0.5：かなりの実質的な差があります

マン・ホイットニーのU検定とt検定の使い分け

基準	マン・ホイットニーのU検定	独立サンプルt検定
データの分布	正規性の必要なし	正規分布が必要
サンプルサイズ	小標本に適している	理想的には各群 n > 30
データ型	順序尺度または連続尺度	連続尺度のみ
外れ値	外れ値に強い	外れ値に敏感
統計的検出力	わずかに低い	仮定が満たされる場合はより高い

マン・ホイットニーのU検定の仮定

独立性：サンプル内およびサンプル間の観測値が独立している必要があります
順序データ：値が少なくとも順序尺度である必要があります（意味のある順位付けが可能）
分布の形状が類似している：両方の母集団が同じ分布形状を持っている必要があります（必ずしも正規分布である必要はありません）
無作為抽出：サンプルはそれぞれの母集団から無作為に抽出される必要があります

よくある質問

マン・ホイットニーのU検定とは何ですか？

マン・ホイットニーのU検定（ウィルコクソンの順位和検定とも呼ばれる）は、2つの独立したサンプルを比較し、それらが同じ分布から来ているかどうかを判断するために使用される非パラメトリック統計検定です。正規性の仮定を満たさない場合の独立サンプルt検定の代替手段となります。この検定では、値そのものではなく値の順位を比較します。

マン・ホイットニーのU検定はいつ使用すべきですか？

次の場合に使用します：(1) 比較する2つの独立したサンプルがある、(2) データが少なくとも順序尺度である、(3) t検定に必要な正規性の仮定に違反している、(4) 正規性を確認できない小規模なサンプルサイズである、または (5) 連続測定値ではなく順位データや順序データを扱っている。

マン・ホイットニーのU検定の結果をどのように解釈すればよいですか？

p値を確認して解釈します。p < 0.05（または選択した有意水準）の場合、帰無仮説を棄却し、サンプル間に有意な差があると結論付けます。U統計量は、すべての値を一緒に順位付けしたときに、一方のサンプルの値が他方のサンプルの値よりも前に来る回数を表します。効果量は差の大きさを表します。

マン・ホイットニーのU検定とウィルコクソンの符号付順位検定の違いは何ですか？

マン・ホイットニーのU検定は2つの「独立した」サンプル（異なる被験者）を比較しますが、ウィルコクソンの符号付順位検定は2つの「関連する」サンプル（事前/事後のように同じ被験者を2回測定）を比較します。グループが無関係な場合はマン・ホイットニーのU検定を、ペアになっている場合はウィルコクソンの符号付順位検定を使用します。

マン・ホイットニーのU検定における効果量とは何ですか？

効果量は通常、順位相関係数 (r) として報告され、r = 1 - (2U)/(n₁*n₂) で計算されます。範囲は -1 から +1 で、|r| < 0.3 は小、0.3 ≤ |r| < 0.5 は中、|r| ≥ 0.5 は大の効果を示します。

マン・ホイットニーのU検定の仮定は何ですか？

仮定は次の通りです：(1) 独立性 - 各サンプル内およびサンプル間の観測値が独立している、(2) 順序データ - 値が意味を持って順位付けできる、(3) 分布の形状が類似している - 両方の母集団が同じ分布形状を持っている（必ずしも正規分布である必要はない）、(4) 無作為抽出 - サンプルがそれぞれの母集団から無作為に抽出されている。