我想对我的配对数据执行单边 wilcoxon 秩检验，因为我感兴趣的是一个样本是否显着大于另一个样本。
Scipy 提供
scipy.stats.wilcoxon(x,y)
使用配对样本 x 和 y 执行双边测试。由于我无法假设正态（对称）分布，因此无法从两侧 p 值推导出一侧 p 值。
现在有人用 python 方法来获取单边测试的 p 值吗？
谢谢！
【问题讨论】：
alternative 设置为'greater' 或'less'。因此，您不必自己计算。
标签： python statistics scipy
scipy.stats.wilcoxon返回的P值与x或y的分布无关，也与它们之间的区别无关。它由 Wilcoxon 检验统计量确定（W 与http://en.wikipedia.org/wiki/Wilcoxon_signed-rank_test 相同，或 T 与scipy 相同），假定服从正态分布。如果你查看源码（在~python_directory\site-packages\scipy\stats\morestats.py），你会发现def wilcoxon()的最后几行：
se = sqrt(se / 24)
z = (T - mn) / se
prob = 2. * distributions.norm.sf(abs(z))
return T, prob
和：
mn = count*(count + 1.) * 0.25
se = count*(count + 1.) * (2. * count + 1.)
其中count 是x 和y 之间的非零差数。
因此，要获得单侧 p 值，您只需要 prob/2. 或 1-prob/2.
示例：
在Python:
>>> y1=[125,115,130,140,140,115,140,125,140,135]
>>> y2=[110,122,125,120,140,124,123,137,135,145]
>>> ss.wilcoxon(y1, y2)
(18.0, 0.5936305914425295)
在R:
> wilcox.test(y1, y2, paired=TRUE, exact=FALSE, correct=FALSE)
Wilcoxon signed rank test
data: y1 and y2
V = 27, p-value = 0.5936
alternative hypothesis: true location shift is not equal to 0
> wilcox.test(y1, y2, paired=TRUE, exact=FALSE, correct=FALSE, alt='greater')
Wilcoxon signed rank test
data: y1 and y2
V = 27, p-value = 0.2968
alternative hypothesis: true location shift is greater than 0
【讨论】：
up vote 3 down vote accepted P value returned by scipy.stats.wilcoxon has nothing to do with the distribution of x or y, nor the difference between them. 我很困惑。我认为测试是在说明 2 个输入向量是否来自相同分布的置信度。
如果您有足够的观察结果（和其他假设），我记得 scipy Mann-Withney 测试是片面的：http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.mannwhitneyu.html
【讨论】：