秩检验符号检验与非参数方法

更新：2026-10-26；状态：可用；验证范围：2026-10-26核对原始与官方资料；本页Python微型计算已执行；人工数据不代表专业软件或真实研究性能。

“非参数”通常表示不采用某种完整的参数分布假设，不表示没有假设。符号检验、Mann–Whitney和Wilcoxon符号秩各自保留不同信息，回答的问题也不同。读完应能按独立/配对和目标效应选择，并理解秩方法并非普遍的“中位数检验”。

前置为假设检验与双侧单侧选择、t检验配对设计与Welch检验与中位数。先确定独立单位，不能靠对数变换或排秩修复伪重复。

三种方法分别利用什么

符号检验只看配对差d是否为正，不利用差值大小；排除零差或按预设规则处理后，H0下正差数常与Binomial(n,0.5)比较。对独立连续配对差，检验中位差是否0可据此解释；离散零值多时必须说明规则。

Wilcoxon符号秩对非零差的绝对值排名，再看带符号的秩和。其常见位置解释要求差分布关于共同中心对称，不只是任意分布的中位数为0。并列绝对差和零值会影响精确分布与软件选项。

Mann–Whitney U用于独立两组，统计成对比较胜出次数。一般涉及分布关系；在额外位置平移且形状相同等条件下可解释为位置差。它对尺度/形状差也可能敏感，不能普遍称为中位数检验。官方Mann–Whitney文档明确其假设与精确/渐近选择。

手算U与概率优势

A=[1,2,3]，B=[4,5,6]。A中每点对B三点都较小，所以A胜出U_A=0，U_B=9；没有并列时U_A+U_B=nA nB=9。概率优势可写$\hat\theta=#(A>B)/(n_An_B)+0.5#(A=B)/(n_An_B)$，本例0；方向改变会得1。

本页例子在项目根目录的Python中运行；标准库例子无需安装包，含NumPy/SciPy的例子先按R包Python包与可复现环境建立项目环境。Windows命令使用python，macOS/Linux可使用python3；代码块可复制进该环境的Python交互会话，或保存为项目根目录下的临时脚本再用该环境解释器运行；不要保存到examples目录或任意外部目录后假定项目导入路径仍相同。除特别说明外，只向屏幕输出，不写文件。

from scipy.stats import mannwhitneyu, binomtest, wilcoxon
A, B = [1,2,3], [4,5,6]
UA = sum(a>b for a in A for b in B)+.5*sum(a==b for a in A for b in B)
r = mannwhitneyu(A,B,alternative='two-sided',method='exact')
print('U_A_exact_p', UA, r.pvalue)
d = [1,2,-1,3,4]
sign = binomtest(sum(v>0 for v in d),len(d),.5,alternative='two-sided')
print('sign_test', sign.pvalue)
w = wilcoxon([1,2,3,4],alternative='two-sided',method='exact')
print('signed_rank', w.statistic, w.pvalue)
assert UA == r.statistic == 0
assert abs(r.pvalue-.1)<1e-12

输出独立组U=0、双侧P=0.1；符号检验4正1负，P=0.375；最后全正且绝对值无并列，符号秩双侧P=0.125。这也说明样本很少时P值离散，完全分离的样本仍未必达到0.05。

并列、零差和样本量

真实组学数据常有重复数值、检测下限和大量零值。无并列条件下的精确U分布不能不加修正地套到所有数据；选择渐近带并列校正或合适置换，并记录版本/参数。Wilcoxon的零差处理策略也会改变有效n与统计量，参见官方符号秩文档。

排序丢弃原始单位，检验P不直接给“表达差多少”。报告中可另给原尺度描述、与问题匹配的效应或位置差区间，明确其估计目标。不要把两组中位数差和U检验P拼成仿佛精确检验该差的结果。

何时不宜把秩检验当默认替代

如目标明确是均值差而关心实际总量，秩检验可能改变目标；如需协变量、配对层级和复杂设计，需要相应模型。极端偏态下可考虑稳健估计或重采样，但重采样也需要交换性，见置换检验与Bootstrap实践。独立两组与配对方法不可互换。

症状	检查	解释
换方法P差很多	目标、零差、并列、独立性	不是简单谁更保守
精确计算发警告	是否有并列或零差	核对版本与方法选项
中位数相同却U显著	形状/尺度可能不同	不应硬称中位数差异
原值差很小但秩清晰	测量精度与样本量	同时报告原尺度效应

自测：给所有值加同一常数，U变吗？ 答：顺序不变，U不变。自测：先逐样本做不同变换，秩结果还必定相同吗？ 答：不一定；只有对所有观测使用同一严格单调递增变换才保留顺序。自测：n越小越应该无条件选非参数吗？ 答：不是，要考虑研究目标、分布知识和精确检验的分辨率。

接着读什么

假设检验与双侧单侧选择 → t检验配对设计与Welch检验 → 置换检验与Bootstrap实践 → R包Python包与可复现环境 → P值效应量与多重检验 → 方法与算法系统学习指南。学习顺序与练习入口见方法与算法系统学习指南。

运行本页的完整小例

先下载项目并进入含README与examples的根目录，环境准备见方法与算法系统学习指南。用项目环境的Python运行以下命令（macOS/Linux路径示例；Windows用.venv\Scripts\python.exe）：

.venv/bin/python examples/methods_foundations_demo.py --case rank-tests --output examples/output/methods-rank-tests

输出summary.json保存本页计算与检查结果。目录非空时拒绝覆盖，再练习请更换--output目录；页面内短代码只打印结果。标准库case也可用系统Python直接运行。

公式里的矩阵、下标或对数不熟时，可回查读懂方法公式的最小数学基础。