Documente Academic
Documente Profesional
Documente Cultură
a ) ¿
¿¿ ¿
Two independent samples Z-TEST for the means
x 1 −x2 −( m1 −m2 )
⏟
de obicei =0
Z=
σ 12 σ 22
Test de comparatie √ n1
+
n2 ;
o Variabilele X1, X2 continue;
o se compara mediile necunoscute a doua populatii M [ X 1 ]=m1 =m 2 =M [ X 2 ] ;
o se testeaza daca mediile a doua esantione sunt egale;
o se testeaza daca esantioanele fac parte din aceeasi populatie – eventual diferenta mediilor)
X 1 ~ N ( m 1 , σ 1 ) , X 2 ~ N ( m2 , σ 2 )
Stim ca distributia de esantionare este normala ( SAU
( n1 ≥30 si n2 ≥30 ) si esantione independente;
Daca n1 , n 2 mari X 1 si X 2 pot avea orice distributie;
σ 1 =σ [ X 1 ] si σ 2=σ [ X 2 ]
cunoscute sau estimatorii
σ 1 =s¿1 , σ 2=s ¿2 ;
x 1 −x2 −( m1 −m2 )
⏟
α α
z
1−
α =F
−1
( )
1− =Φ−1 1−
2 2 ( )
sau z 1−α =F−1 ( 1−α )=Φ−1 (1−α ) si z c=
σ 21
de obicei =0
σ 22
2
p=1−F (|z c|)=F ( −|z c|) =1−Φ (|z c|) =Φ ( −|z c|)
√ +
n1 n2 ;
¿
a ) ¿¿ ¿ ¿
¿
One sample T – TEST (student) for the mean
x −m0
T= ¿
s
Test de comparatie √n
o Variabila X continua;
o Se compara media cunoscuta unei populatii cu media unui esantion (ales eventual dintr-o subpopulatie);;
o Se testeaza daca esantionul este din populatie;
o Se testeaza daca
m0 =M [ X ] ;
n<30( nu obligatoriu ), X ~ N ( m0 , σ )
Stim ca distributia de esantionare este normala ( (daca
X≈ N ( m 0 , σ )
testul este orientativ);
Daca n mare X poate avea orice distributie;
df =n−1 ;
α α x −m0
t
df , 1−
2
−1
( )
α =F df 1−
2 2 ( )
=T . INV df 1− sau t df , 1−α =F−1 df (1−α)=T . INV df ( 1−α ) si t c =
s
¿
√n ;
p=1−F df (|t c|)=F df (−|tc|)=1−T . DIST df (|t c|)=T . DIST df (−|t c|)
σ =σ [ X ] necunoscut;
¿
a )¿ ¿ ¿ ¿
¿
Two independent samples T - TEST (la dispersii necunoscute dar egale)
for the means
x 1−x 2 −( m1 −m 2 )
x 1 −x 2−( m1−m2 )
⏟
de obicei=0
T= → ( pooled formula )
¿ 2 ¿ 2 1 1
t
df , 1−
α
2
=F−1 ( α2 )=T . INV (1−α2 ) sau
df 1− df
x1 −x 2 −( m1 −m2 )
x 1 −x2 −( m1 −m 2 )
⏟
de obicei=0
t df , 1−α =F−1 −1
df (1−α )=T . INV df ( 1−α ) si t c= → ( pooled formula),
¿ 2 ¿ 2 1 1
√ ( s1 )
n1
+
( s2 )
n2 √
s p⋅ +
n1 n 2
¿ 2 ¿ 2
n1 s12 +n2 s22
unde s p =
√
n1 +n2 −2
=
√
( n1−1 ) ( s 1 ) + ( n2−1 ) ( s 2 )
n1 +n2 −2
;
p=1−F df (|t c|)=F df (−|tc|)=1−T . DIST df (|t c|)=T . DIST df (−|t c|)
¿
a )¿ ¿ ¿
Two independent samples T –TEST (la dispersii necunoscute si inegale)
for the means
x 1 −x 2− ( m1−m2 )
⏟
de obicei 0
T=
2 2
Test de comparatie
n1
⏟ √
n2
( s ¿1 )
+
df =
t
[ α
(¿ 4
n1
( s2 )
+
+
n2
( s2)
n21 ( n1 −1 ) n 22 ( n2 −1 )
=F−1
df 1− ( ) α
)
¿ 4
]
α
;
( )
=T . INV df 1− sau t df , 1−α =F−1
df (1−α )=T . INV df (1−α) sau
df , 1−
2
2 2
x 1− x2 −( m1 −m2 )
t df , α =F −1
df (α )=T . INV df (α ), si t c = ;
¿ 2 ¿ 2
( s1 ) ( s 2)
√
n
⏟ 1
+
n2
unpooled
p=1−F df (|t c|)=F df (−|tc|)=1−T . DIST df (|t c|)=T . DIST df (−|t c|)
¿
a )¿ ¿ ¿ ¿
¿
Two paired samples T-TEST – (la dispersii necunoscute si inegale)
for the means
d−( m 1 −m 2 )
T=
sd
¿
¿ 2 ∑ ( di −d ) 2
d=x 1 −x 2 , ( sd ) =
Test de comparatie √n , unde n−1
o se compara mediile necunoscute ale aceleiasi populatii la momente diferite de timp (before and after)
M [ X 1 ]=m1 =m 2 =M [ X 2 ]
– (eventual diferenta mediilor);
o se testeaza daca mediile unui acelasi esantion (la momente diferite de timp ) sunt egale;
Stim ca distributia de esantionare este normala ( n<30( nu obligatoriu ), D=X 1 −X 2 ~ N ( m, σ ) ;
Daca n1 , n 2 mari X 1 si X 2 pot avea orice distributie;
σ 1 =σ [ X 1 ] si σ 2=σ [ X 2 ]
necunoscute s i inegale ( σ 1≠σ 2 ) ;
df =n−1 ;
t
df , 1−
−1
α =F df
2
(1− α2 )=T . INV (1−α2 ) sau t
df df , 1−α =F df (1−α )=T .
−1
INV df (1−α) sau
d −( m 1−m2 ) ¿ 2 ∑ ( d i −d )2
t df , α =F −1
df (α )=T . INV df (α ), si t c = , unde d =x1 −x 2 , ( s d ) = ;
s¿d n−1
√n ;
p=1−F df (|t c|)=F df (−|tc|)=1−T . DIST df (|t c|)=T . DIST df (−|t c|)
¿
a )¿ ¿ ¿ ¿
¿
One sample Z-TEST pentru proportia de succese intr-o populatie binomiala
^p −p 0
P=
p0 ( 1− p0 )
Test de comparatie √ n
p0 ;
o se testeaza daca procentul de succese din populatie este
o Se poate face pe date calitative;
o Se compara procentul de succese cunoscut unei populatii
p
0 cu cu procentul de succese ^p din
esantion;
np≥5 , n(1− p )≥0 , X ~ N ( m0 , σ ) (n mare ) ;
α α
z α =F−1 1− =Φ−1 1−
1−
2
2 ( ) 2 ( )
sau z 1−α =F−1 ( 1−α )=Φ−1 (1−α ) sau z α =F−1 (α )=Φ−1 ( α )
^p− p 0
si pc = ;
p 0 ( 1−p 0 )
√
p0 cunoscut;
n ;
p=1−F (|z c|)=F ( −|z c|) =1−Φ (|z c|) =Φ ( −|z c|)
¿
a) ¿ ¿¿
¿
¿
Two independent samples Z-TEST
pentru proportia de succese intr-o populatie binomiala
Test de comparatie
^
¿
p
¿^ −
2
1 1
P=
√ p^ ( 1− p^ )
p1
( 1
+
n n
2 )
, unde p^ =
x 1+ x 2
=procentul comun de succese din cele doua esantioane; ¿ ¿
n1 + n2
α −1 α
√ ( )
^p (1− ^p ) +
n n
1 2 x1+x2
1−
2
−1
2 ( ) ( )
2
−1 −1
z α =F 1− =Φ 1 − sau z1−α =F (1−α)=Φ (1−α) si pc = p1 , ¿unde p^ =
n1 +n2
=procentul comun de succese din cele doua esantioane; ¿
;
p=1−F (|z c|)=F ( −|z c|) =1−Φ (|z c|) =Φ ( −|z c|)
¿
a ) ¿¿ ¿ ¿
¿
Chi squared TEST (pentru dispersie)
2
(n−1 ) ( s ¿ )
χ 2c = 2 2 2
Test de comparatie σ0 (se testeaza daca
σ [ X ]=σ 0 )
X ~ N ( m0 , σ )
;
α α α α
χ 2α == F−1
2
df
, df () ()
2
=F−1
n−1
2 () 2 ()
=CHISQ. INV df =CHISQ . INV n−1
2
,
¿ 2
α α α α (n−1) ( s )
χ 2
α =F (1− )=F ( 1− )=CHISQ . INV (1− )=CHISQ . INV (1− ) si χ =
−1
df
−1
n−1 df n−1; 2
c 2
1− ,df
2
2 2 2 2 σ 0 ;
σ =σ [ X ] necunoscut;
df =n−1 ;
p=1−F ()=1−F (|z c|)=F ( −|z c|) =1−Φ (|z c|) =Φ ( −|z c|)
¿
a )¿ ¿ ¿
F(Fisher-Snedecor) - TEST (pentru compararea a doua dispersii)
2
( s¿1) ¿ ¿
F c= ¿ , s 1 > s2
Test de comparatie ( s2)
(se testeaza daca σ 1 =σ [ X 1 ]=σ [ X 2 ]=σ 2 );
o se compara dispersiile necunoscute a doua populatii;
o este nevoie la testul – t sa stim daca σ 1 =σ 2 ;
X 1 ~ N ( m 1 , σ 1 ) si X 2 ~ N ( m 2 , σ 2 ) obligatoriu
;
α α α
F
df 1 , df 2 ,
−1
α =Fdf 1 , df 2
2
()2
=F−1 ()
n1−1 , n2−1
2 ()
=F . INV df , df
1 2 2
,
2
¿
α α α ( s1 )
F
df 1 , df 2 , 1−
α =F
2
−1
( 2)
1−
df 1 , df 2 =F ( 2 ) =F . INV
1− −1
n1−1 , n2−1 n1−1 , n2 −1 ( )
1− si F c = ¿ ;
2 ( s2 ) ;
σ 1 =σ [ X 1 ] , σ 1 =σ [ X 1 ] necunoscute;
df 1 =n1 −1 , df 2 =n2 −1 ;
¿
a )¿ ¿ ¿
II.TESTE NEPARAMETRICE
Testele neparametrice se aplica in urmatoarele situatii:
o Datele cantitative nu indeplinesc conditii (de normalitate, dispersii egale, etc);
o Date calitative ordonate (variabila raspuns este ordinal – de tip rang));
o
Compara mai degraba medianele decat mediile;
La multe dintre ele nu se fac presupuneri asupra repartitiei datelor de esantionare (la esantioane de volum mic);
Sunt mai robuste decat testele parametrice dar cu putere mai mica de a detecta falsitatea ipotezei nule;
Multe teste neparametrice inlocuiesc datele initiale cu ranguri sau semn (rangurile – putin probabil sa satisfaca
conditia de normalitate);
Sunt folosite atunci cand sunt dubii asupra normalitatii datelor statistice;
Se pot construi teste neparametrice corespunzatoare fiecarui test parametric;
¿ ¿ ¿
¿
Kolmogorov-Smirnov good – fitting TEST (de potrivire)
Test neparametric;
Variabilele trebuie sa fie continue (se adapteaza pentru variabile discrete sau mixte);
Se bazeaza pe distributia Kolmogorov;
Este un test exact (neasimptotic)
Avantaj:poate fi folosit pentru esantioane mici si foarte mici;
Este testul cel mai puternic pentru esantioane de volum intermediar;
o Verifica daca un esantion urmeaza o distributie de referinta presupusa (normala, uniforma, etc.);
o Masoara distanta dintre functia de distributie teoretica F si functia de distributie empirica
Fn ,
i
unde
{
Fn (x)=¿ {0 , x<x1 ¿ ,x∈[xi , xi+1 ),i=1,n−1 ¿ ¿¿¿
n ;
o Parametrii distributiei teoretice trebuie cunoscuti (altfel testul Lilliefors);
Dn =sup| F n (x )−F( x )|
o x ;
o n≥50 (altfel mai indicat Shapiro-Wilk);
a )¿ ¿
¿ ¿
Two samples Kolmogorov-Smirnov TEST
i
m {
Fm ( x)=¿ {0, x<x1 ¿ , x ∈[ x i , xi+1 ), i=1,m−1 ¿ ¿¿¿
;
Dm , n =sup| F m ( x )−Gn ( x )| ( D m , n=sup ( F m ( x )−Gn ( x ) ) sau Dm , n =sup ( G n ( x )−F m (x ) ) )
o x x x ;
k 1−α=K . INV (1−α )− din tabele ;
m+n
d critic =d m , n, 1−α =k 1−α⋅
√ mn
;
mn
o
d calculat =d c=sup | F m (x )−Gn (x )|, k c =
x √ d ;
m+n c ;
¿
a )¿ ¿ ¿
¿
¿
Shapiro – Wilk goodness of fit test (de testare a normalitatii)
Conditii de aplicare:
o Se poate aplica si pentru esantioane mici, 3≤n≤50 ( Kolmogorov – Smirnov se poate aplica
numai pentru n≥50 );
o Pentru esantioane 3≤n≤50 se aplica Shapiro – Wilk originar;
o Pentru esantioane 12 ≤n ≤ 5000 se aplica Shapiro – Wilk extins (o varianta modificata pentru
3 ≤ n≤ 11;
Este cel mai puternic test de normalitate, urmat de Anderson – Darling, Lilliefors, Kolmogorov – Smirnov
( dupa unii statisticieni);
Este un test de normalitate cu medie si varianta ( m si σ 2 ) neprecizate (spre deosebire de Kolmogorov –
Smirnov);
2
b
W c =W calculat =
SS - statistica testului;
o
x 1 < x 2 <. .. .< x 2n sau x 1 < x 2 <. . ..< x 2 n+1 (sortare);
b=a1 ( x 2n −x 1 ) + a2 ( x 2 n−1 −x 2 ) +. .. .+a n ( x n+1−x n ) SAU
b=a1 ( x 2n+1 −x 1 ) +a 2 ( x 2n −x 2 ) + .. ..+ an ( x n+2 −x n ) ( fara x n+1 )
o ( a1 , a 2 ,. .. . , an din tabele in functie de n ) ;
2n 2n+1
SS= ∑ ( x k− x ) SAU SS= ∑ ( x k −x ) 2
2
o k=1 k =1 ;
Testul Anderson – Darling
∑ ¿ 1≤k≤n¿¿¿¿rbra¿¿¿⇒Nc=Ncalculat =max{N+,N−}¿
¿
xk−Me<0¿
(statistica testului);
X ~ Binom(n, 0.5)⇒ N α =F−1
n , 0 .5 (α )=BINOM . INV (n, 0.5, α )
¿
a )¿ ¿ ¿
Testul semnelor (two paired samples)
Test neparametric pentru date ordinale;
x− y , unde x=( x 1 , x 2 ,. . .. . , x n ) si y=( y 1 , y 2 ,. . .. . , y n )
Variabila trebuie sa fie cel putin “ordinal-scaled” (sa
aiba mediana);
Este un test foarte general dar de putere mica (testul Wilcoxon bazat pe ranguri de semn este mai puternic);
Testeaza daca e M [ X−Y ]=0 ( e M [ X−Y ]
este o presupusa mediana a diferentei X −Y ;
Daca sunt indeplinite conditiile testulului t pentru esantioane perechi, se aplica acest test;
Singura conditie:
x − yi )1≤i ≤n
o Diferentele ( i aleatoare si independente
;
¿
a )¿ ¿ ¿
Testul Wilcoxon bazat pe ranguri cu semn (Single sample)
Test neparametric pentru date cantitative;
x=( x 1 , x 2 ,. . .. . , x n )
Variabila dependenta trebuie sa fie cel putin “interval-scaled” (sa aiba mediana si sa i se
poata atribui ranguri);
Este mai puternic decat testul de semn;
Este o alternativa pentru testul t (nu sunt indeplinite conditiile testului t - datele nu sunt normale, esantion mic,
etc.)
Se aplica pentru:
x=( x i )1≤i≤n
o distributie simetrica (sau cu asimetrie mica) a lui
¿ ¿ ¿
Se ordoneaza crescator valorile
|x 1−M e| , |x 2−M e|,.......,|x n−M e|
si se acorda ranguri de la 1 la n (
M ¿e
mediana populatiei cunoscuta);
n(n+1)
o Suma rangurilor 2 ;
o La valori egale rangul se inlocuieste cu media aritmetica a rangurilor corespunzatoare;
¿
a )¿ ¿ ¿
Testul Wilcoxon bazat pe ranguri cu semn (two paired samples)
Test neparametric pentru date cantitative;
x− y , unde x=( x 1 , x 2 ,. . .. . , x n ) si y=( y 1 , y 2 ,. . .. . , y n )
Variabila trebuie sa fie cel putin “interval-scaled” (sa
aiba mediana si sa i se poata atribui ranguri);
Este mai puternic decat testul de semn;
Este o alternativa pentru testul t pentru esantione perechi (nu sunt indeplinite conditiile testului t - datele nu
sunt normale, esantion mic, etc. sau sunt ordinale);
Se aplica pentru:
z=( x 1 − y 1 , x2 − y 2 , . .. .. , x n − y n )
o Distributia simetrica (sau cu asimetrie mica);
o X si Y sunt continue si difera doar prin valorile medii X −Y simetrica;
¿ ¿ ¿
Se ordoneaza crescator valorile
|z1−M ed| , |z 2−M ed|,.......,|zn−M ed| si se acorda ranguri de la 1 la n (
¿
M ed =M e [ X−Y ] o presupusa mediana a diferentei X −Y - in general 0 );
n(n+1)
o Suma rangurilor 2 ;
o La valori egale rangul se inlocuieste cu media aritmetica a rangurilor corespunzatoare;
∑ ¿ 1≤k≤n¿¿¿¿rbra¿¿¿⇒Tc =Tcalculat=min{T+,T−}¿
¿
z k−M ed <0¿
(statistica testului);
n(n+1)
T α +T 1−α =
2 (din tabele);
n( n+1) n(n+1 )(2 n+1 )
Pentru n mare ( n>20 ) se aproximeaza statistica T cu
T~N ( 4
,
√
24
⇒ )
n( n+1)
T c−
4
Z=
n( n+1 )(2 n+1 )
24 √ (si chiar statisticile T + si T − );
n( n+1) n(n+1)(2 n+1 ) 1 k 3
Corectie cand exista “tied ranks”:
T~N
4( ,
24 √ − ∑ ( t i −t i )
48 i=1 ) , unde
¿
a )¿ ¿ ¿ ¿
¿ Testul Wilcoxon bazat pe suma rangurilor (two independent samples)
sau testul Mann-Whitney
Comditii de aplicare:
o Variabila dependenta ordinala sau continua, de exemplu:
Scara Likert;
7-point scale;
Timpul de revizie, IQ-ul, nota la un examen, greutatea, tensiunea arteriala;
o Variabila independenta consta in doua grupuri categoriale si independente, de exemplu:
Barbati – Femei;
Angajat – Somer;
Fumator – Nefumator;
Tratement placebo – tratament efectiv;
o Observatii independente;
o Variabilele X ,Y nu sunt normale (deci nu se poate folosi testul t);
o Variabilele X ,Y au aceeasi forma;
Test neparametric pentru date cantitative continue;
x , y , unde x=( x 1 , x 2 , .. .. . , x m ) si y=( y 1 , y 2 , .. . .. , y n )
Variabilele trebuie sa fie cel putin “interval-scaled” (sa
aiba mediana si sa i se poata atribui ranguri);
Se testeaza daca selectiile independente provin din aceeasi populatie;
Este o alternativa pentru testul t pentru esantione independente (nu sunt indeplinite conditiile testului t - datele
nu sunt normale, esantion mic, etc.);
¿ ¿ ¿ ¿
Se ordoneaza crescator datele:
x 1−M ed ,...., x m−M ed , y 1 −M ed , ...., y n−M ed ( m≤n ) si se acorda
¿
ranguri (
M ed =M e [ X−Y ] o presupusa mediana a diferentei X −Y - in general 0);
( m+ n)(m+n+1 )
o Suma rangurilor 2 ;
La valori egale rangul se inlocuieste cu media aritmetica a rangurilor corespunzatoare;
m(m+1)
U 1=nm+
2
U 1 +U 2=mn ;
1≤k≤m
}
− ∑ rang (|xk −M ¿ed|) ¿ ¿¿⇒U c =U calculat =min {U 1 , U 2 }¿
(statistica testului);
Pentru m ,n mare ( m , n>20 ) se aproximeaza statistica U c cu
nm
U c−
2
Z=
n(n+ m+1 ) nm(n+ m+1 )
Uc ~ N (2
,
12
⇒
√ ) √ nm( n+m+ 1)
12 (poate chiar statisticile U 1 si U 2 );
k
unde
{ti=numbers of subject sharing rank i ¿ ¿¿¿
o
( n+m)( n+ m+1 )
U m , n , α +U m , n , 1−α =
2 (din tabele)
¿
a )¿ ¿ ¿
¿
¿
II.TESTE DE INDEPENDENTA
n(nr . clase )≥30 ; nij ≥5 , n⋅ pij ¿ (altfel se aplica testul exact al lui Fisher);
¿ ¿ ¿
¿
Testul exact al lui Fisher (de independenta/asociere/omogenitate)
Y→
O= a b ( ) Y1 Y2 Total
c d X↓
X1 a b a+b
C aa+b⋅C cc+d
p(O)= a+c = X2 c d c+d
Cn
C aa+c⋅Cbb+d Total a+c
b+
n=a+c+b+d
d
C a+b
n
pi qi Y→
E i=
( ri ti ) X↓
X1 pi
Y1
qi
Y2 Total
a+b
pi r
C a+b i
⋅C c+d X2 ri ti c+d
p( Ei )= =
C a+c
n
p q b+
C a i+c ¿ C b+d
i
Total a+c n=a+c+b+d
d
C an +b
Test neparametric;
Constrangere:frecventele marginale sunt cele observate;
Grupurile trebuie sa fie independente;
Se bazeaza pe distributia hipergeometrica;
Se poate aplica si pentru tabele mai mari dar calculele sunt foarte complicate;
Date categoriale;
o a<5 sau b<5 sau c<5 sau d <5 ;
( a+b )! (c+d )!(a+c )! (b+d )! (a+b )!(c +d )!( a+c )!(b+d )!
p(O)= =
o a ! b !c !d ! n ! a ! b !c ! d !(a+b+c+d )! ;
∑ ¿ P ( Ei)≤P(O) ¿¿
(more extreme than O)¿ ;
pcritic =α= pragul de semnificatie ;
¿ ¿ ¿
¿
FUNCTII EXCEL
1.
BINOM . INV (n, p, α )=F −1
n , p ( α );
( x−m)2
−
1 2σ 2
f m, σ ( x)=f ( x)= 2
e
√2πσ
x x
NORM . DIST( x , m, σ , true )=F ( x)= ∫ f m, σ (t )dt ; NORM . S. DIST =F( x)= ∫ f 0 , 1 (t )dt
−∞ −∞
−1 −1
NORM . INV ( p , m, σ )=NORM . DIST ( p, m, σ , true )=F ( p);
NORM .S. INV ( p)=NORM . S. DIST −1 ( p)=F−1 ( p);
¿ s¿
CONFIDENCE. NORM (α , s ,n)=z α ⋅
1− √ n
2. 2
df +1
Γ ( 2 ) x 2 − df +1
f df ( x)=f ( x)=
df
√df⋅π⋅Γ ( )
( 1+ )
df
2
2
x
T . DIST ( x , df , true)=F df ( x)= ∫ f df (t )dt ; T . INV ( p , df )=T . DIST −1 ( p , df , true )=F−1
df ( p);
−∞
∞
T . DIST . RT ( x,df )=1−T . DIST ( x, df , true )=1−F df ( x)=∫ f df (t )dt ;
x
∞
T . DIST .2 T (x ,df )=2∗T . DIST . RT ( x ,df )=2
σ ( 1−F
−1 df ( x)
α =2⋅σ f (t )dt ;
CONFIDENCE . NORM ( α , σ , n )=z α⋅ =Φ 1− ) ⋅ ∫x df( )
1− √ n 2 √n
3. 2
p
T . INV . 2T ( p,df )=T . DIST .2T −1 ( p,df )=F df 1− ;
¿
2 ( )
¿ s
CONFIDENCE . T ( α , s ,n )=t α⋅
n−1,1− √ n
2
4. MWDIST ( x, m ,n , tails , Mw ) x=numerical value at which you want to evaluate the
Returns Mann-Whitney exact test distribution Mann_Whitney exact test distribution;
value m=sample 1 size;
n=sample 2 size;
Mw=true - pentru Mann-Whitney version;
Mw= false – pentru Wilcoxon Ranked Sum version;
MWINV ( p , m ,n , tails , Mw ) p=probability associated with the Mann_Whitney
Returns the inverse of Mann-Whitney exact exact test distribution
test distribution value m=sample 1 size;
n=sample 2 size;
Mw=true - pentru Mann-Whitney version;
Mw= false – pentru Wilcoxon Ranked Sum version;
MW EXACT (array 1 , array 2 ,Tails )
Returns p-value for Mann-Whitney test