Après une discussion (ci-dessous), j'ai maintenant une image plus claire d'une question ciblée, donc voici une question révisée, bien que certains des commentaires puissent maintenant sembler sans rapport avec la question d'origine.
Il semble que les tests t convergent rapidement pour les distributions symétriques , que le test de rang signé suppose la symétrie et que, pour une distribution symétrique, il n'y a pas de différence entre les moyennes / pseudomédiens / médianes. Dans l'affirmative, dans quelles circonstances un statisticien relativement inexpérimenté trouverait-il utile le test de rang signé, alors qu'il dispose à la fois du test t et du test de signe? Si l'un de mes étudiants (par exemple en sciences sociales) essaie de tester si un traitement est plus performant qu'un autre (par une mesure relativement facile à interpréter, par exemple une notion de différence "moyenne"), j'ai du mal à trouver une place pour la signature. test de classement, même s'il semble généralement enseigné, et le test de signe ignoré, dans mon université.
Réponses:
Considérez une distribution des différences de paires qui est un peu plus lourde que la normale, mais pas spécialement "pointue"; alors souvent, le test de classement signé aura tendance à être plus puissant que le test t, mais aussi plus puissant que le test de signe.
Par exemple, à la distribution logistique, l'efficacité relative asymptotique du test de rang signé par rapport au test t est de 1,097, donc le test de rang signé devrait être plus puissant que le t (au moins dans les échantillons plus grands), mais l'efficacité relative asymptotique du test de signe par rapport au test t est de 0,822, donc le test de signe serait moins puissant que le t (là encore, au moins dans les échantillons plus grands).
À mesure que nous nous dirigeons vers des distributions plus lourdes (tout en évitant celles trop pointues), le t aura tendance à fonctionner relativement moins bien, tandis que le test de signe devrait s'améliorer quelque peu, et le signe et le rang signé surpasseront le t pour détecter les petits effets par des marges substantielles (c'est-à-dire qu'il faudra des échantillons beaucoup plus petits pour détecter un effet). Il y aura une grande classe de distributions pour lesquelles le test de rang signé est le meilleur des trois.
Voici un exemple - la distribution . La puissance a été simulée à n = 100 pour les trois tests, pour un niveau de signification de 5%. La puissance du test est marquée en noir, celle du Wilcoxon est signée en rouge et le test du signe est marqué en vert. Les niveaux de signification disponibles du test de signe ne comprenaient pas spécialement près de 5%, dans ce cas, un test randomisé a été utilisé pour se rapprocher du bon niveau de signification. L'axe des x est le paramètre qui représente le décalage par rapport au cas nul (les tests étaient tous bilatéraux, donc la courbe de puissance réelle serait symétrique autour de 0). t δt3 t δ
Comme nous le voyons dans l'intrigue, le test de rang signé a plus de puissance que le test de signe, qui à son tour a plus de puissance que le test t.
la source