Esta es una pregunta general y de larga data en estadísticas elementales (no una pregunta sobre JMP en sí). Viene de mi interés personal. Esta no es una pregunta de los usuarios.
¿Todavía se recomienda la prueba de Wilcxon para datos no normales en los EE. UU.?
Veo la siguiente sugerencia en el Portal de conocimientos estadísticos de JMP.
https://www.jmp.com/en_ch/statistics-knowledge-portal/t-test/two-sample-t-test.html
¿Qué sucede si sabe que las medidas subyacentes no se distribuyen normalmente? ¿O qué sucede si el tamaño de su muestra es grande y se rechaza la prueba de normalidad? En esta situación, puede utilizar análisis no paramétricos. Estos tipos de análisis no dependen de la suposición de que los valores de los datos provienen de una distribución específica. Para la prueba t de dos muestras, la prueba de suma de rangos de Wilcoxon es una prueba no paramétrica que podría utilizarse.
Personalmente, creo que la prueba de Welch está bien también para datos que no son de normalidad.
- Si el tamaño de la muestra es grande (o no pequeño), la prueba de Welch es robusta a la no normalidad.
- Si está interesado en el cambio de los parámetros de ubicación, la prueba de Wilcoxon necesita la suposición más estricta (es decir, F_1(x) = F_2(x-theta)) para distribuciones de población que la prueba de Welch.
Yo mismo me gustaría recomendar la prueba de Welch (sin probar las varianzas o la normalidad) si los analistas solo están interesados en la diferencia de medias y no les importan otros parámetros.
Y recomiendo la prueba t de Student si su H0 es "dos distribuciones son idénticas" o si su experimento es un experimento de control aleatorio (porque la prueba t estándar es una aproximación de la prueba de permutación con el uso de puntaje de datos. Ver Lehmann Prueba de hipótesis estadísticas ).
La prueba de Wilcoxon a menudo se describe como una prueba no paramétrica, pero depende en gran medida de las suposiciones sobre las distribuciones de población si su H0 es "Dos parámetros de ubicación son iguales". En ese sentido, cuando su H0 es "H0: dos parámetros de ubicación son iguales", la prueba de Welch es más no paramétrica y la prueba de Wilcoxon es más paramétrica.
En Bradley Joens-san Diseño de experimentos libro, creo que se enfatiza la solidez de la prueba t de Welch, y recomiendan la transformación variable (en el dominio de fabricación).
Si también desea leer una crítica filosófica para este tipo de decisiones de "diagrama de flujo" o "libro de cocina", consulte el capítulo 1 en McElreath, R. (2020: 2nd ed.) Replanteamiento Estadístico (2ª ed.), Prensa CRC.
