まず ＞代表値として１－５の数値を使用した方が ＞関係者間でイメージしやすい その点は，どんな分野でも似たり寄ったりです。 平均値や中央値は，分布の位置を表す基本的な代表値であり，そのほうがイメージしやすのは，当然です。 だから，U検定の帰無仮説も，中央値が等しい，というような，良く言えば「イメージしやすい」，悪く言えば，「いい加減な」説明になるのです。 しかし，ノンパラメ ...

@middaysachiko これは限られた条件での結論をデカく言い過ぎてる気がします。Dunnettの計算はStudent's t-distributionを使ってるのでStudent's tの2群間と同じ問題が起こり得ますが不等分散だとガバガバで意味を持たない数字を見てる感じが強いです。 https://t.co/RnbM54Ykdq

U検定自体は大きなサンプルサイズを要求しないようですが、比較する二つの分布が等分散でないと偽陽性が多くなり、そのときはWeltchのt検定を使う方がよいという話があるようです：https://t.co/zOb5d3QThn https://t.co/gKS9ZzONCp

すごく丁寧な内容で勉強になる。 マン・ホイットニーのU検定と不等分散時における代表値の検定法 https://t.co/3ZrSTEIMCn

よく使われるいわるゆ平均値の検定に対してよくまとまってて分かりやすいと思いました

事実、マン・ホイットニーのU検定は、不等分散に反応し、状況によっては無視できないほど代表値検定の精度低下を招くことが多くの研究者によってシミュレートされている。 https://t.co/hh0Eg9ZNUp #統計学のセンスを持とう

２群が不等分散時の代表値の検定にWilcoxon-Mann–Whitney検定ではなく、Welch t検定かBrunner-Munzel検定を推奨する日本語解説。名取（2014） https://t.co/gkXyOehhtR cf. http://t.co/aEX3vyZC4m