സ്ഥിതിവിവരക്കണക്കുകളിൽ മാൻ വിറ്റ്നി പരിശോധന

മാൻ-വിറ്റ്നി ടെസ്റ്റ് ഇൻ സ്റ്റാറ്റിസ്റ്റിക്സ്

ഡാറ്റയുടെ ശേഖരണം, വിശകലനം, വ്യാഖ്യാനം, അവതരണം എന്നിവയുമായി ബന്ധപ്പെട്ട ഗണിതശാസ്ത്രത്തിന്റെ ഒരു ശാഖയാണ് സ്റ്റാറ്റിസ്റ്റിക്സ്. ഡാറ്റാധിഷ്ഠിത തീരുമാനങ്ങൾ എടുക്കുന്നതിന് വിവിധ മേഖലകളിൽ സ്റ്റാറ്റിസ്റ്റിക്സ് ഉപയോഗിക്കുന്നു. സ്റ്റാറ്റിസ്റ്റിക്സിൽ പതിവായി ഉപയോഗിക്കുന്ന ഒരു സാങ്കേതികതയാണ് മാൻ-വിറ്റ്നി ടെസ്റ്റ് (മാൻ-വിറ്റ്നി യു ടെസ്റ്റ് അല്ലെങ്കിൽ വിൽകോക്സൺ റാങ്ക്-സം ടെസ്റ്റ് എന്നും അറിയപ്പെടുന്നു). ജോടിയാക്കാത്ത രണ്ട് ഗ്രൂപ്പുകൾക്കിടയിൽ കാര്യമായ വ്യത്യാസമുണ്ടോ എന്ന് നിർണ്ണയിക്കാൻ ഉപയോഗിക്കുന്ന ഒരു നോൺ-പാരാമെട്രിക് രീതിയാണിത്.

മാൻ-വിറ്റ്നി ടെസ്റ്റിന്റെ ആമുഖം

ടി-ടെസ്റ്റിന് ഒരു നോൺ-പാരാമെട്രിക് ബദലായി 1947-ൽ ഹെൻറി മാനും ഡൊണാൾഡ് വിറ്റ്‌നിയും ചേർന്ന് മാൻ-വിറ്റ്‌നി ടെസ്റ്റ് അവതരിപ്പിച്ചു. ഈ രീതിക്ക് നോർമാലിറ്റി അനുമാനം ആവശ്യമില്ല. അതിനാൽ, ഡാറ്റ ഒരു നോർമൽ ഡിസ്ട്രിബ്യൂഷൻ പിന്തുടരാത്തപ്പോഴോ സാമ്പിൾ വലുപ്പം നോർമാലിറ്റി അനുമാനം സാധൂകരിക്കാൻ വളരെ ചെറുതാകുമ്പോഴോ ഇത് പ്രത്യേകിച്ചും ഉപയോഗപ്രദമാണ്.

മാൻ-വിറ്റ്നി ടെസ്റ്റിന്റെ അടിസ്ഥാന തത്വങ്ങൾ

രണ്ട് ഗ്രൂപ്പുകളുടെ മീഡിയനുകൾ താരതമ്യം ചെയ്യാൻ മാൻ-വിറ്റ്നി ടെസ്റ്റ് ഉപയോഗിക്കുന്നു. അടിസ്ഥാന തത്വം ഇതാണ്:

1. റാങ്കിംഗ് നിരീക്ഷണം: രണ്ട് ഗ്രൂപ്പുകളിൽ നിന്നുമുള്ള എല്ലാ ഡാറ്റയും സംയോജിപ്പിച്ച് ഏറ്റവും ചെറുത് മുതൽ വലുത് വരെ റാങ്ക് ചെയ്യുന്നു. സമാന മൂല്യങ്ങൾ ഉണ്ടെങ്കിൽ, ഓരോ നിരീക്ഷണത്തെയും അതിന്റെ ശരിയായ റാങ്കിന്റെ ശരാശരി ഉപയോഗിച്ച് റാങ്ക് ചെയ്യുന്നു.

2. സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെസ്റ്റ് കണക്കുകൂട്ടൽ: ഓരോ ഗ്രൂപ്പിനുമുള്ള റാങ്കുകളുടെ ആകെത്തുകയെ അടിസ്ഥാനമാക്കിയാണ് സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെസ്റ്റ് മൂല്യം (U) കണക്കാക്കുന്നത്. കണക്കുകൂട്ടലിന് രണ്ട് വഴികളുണ്ട്: ഒന്ന് ആദ്യ ഗ്രൂപ്പിൽ നിന്നും മറ്റൊന്ന് രണ്ടാമത്തെ ഗ്രൂപ്പിൽ നിന്നും ആരംഭിക്കുന്നു.

– U യുടെ പൊതു സൂത്രവാക്യം:
\[
U_1 = n_1 \തവണ n_2 + \frac{n_1 \തവണ (n_1 + 1)}{2} – R_1
\]
അല്ലെങ്കിൽ
\[
U_2 = n_1 \തവണ n_2 + \frac{n_2 \തവണ (n_2 + 1)}{2} – R_2
\]
എവിടെ:
– \(n_1\) ഉം \(n_2\) ഉം ഓരോ ഗ്രൂപ്പിലെയും നിരീക്ഷണങ്ങളുടെ എണ്ണമാണ്,
– \(R_1\) ഉം \(R_2\) ഉം ഓരോ ഗ്രൂപ്പിലെയും റാങ്കുകളുടെ എണ്ണമാണ്.

3. സിഗ്നിഫിക്കൻസ് ടെസ്റ്റ്: പി-മൂല്യം നിർണ്ണയിക്കുന്നതിനാണ് സിഗ്നിഫിക്കൻസ് ടെസ്റ്റ് നടത്തുന്നത്. വലിയ സാമ്പിൾ വലുപ്പമുള്ള സാഹചര്യങ്ങളിൽ, ഒരു സാധാരണ ഡിസ്ട്രിബ്യൂഷൻ ഉപയോഗിച്ച് U ഡിസ്ട്രിബ്യൂഷനെ ഏകദേശമാക്കാൻ കഴിയും.

മാൻ-വിറ്റ്നി ടെസ്റ്റിലെ അനുമാനങ്ങൾ

മാൻ-വിറ്റ്‌നി പരിശോധന ഒരു നോൺ-പാരാമെട്രിക് പരിശോധനയാണെങ്കിലും സാധാരണ വിതരണത്തിന്റെ അനുമാനം ആവശ്യമില്ലെങ്കിലും, ഫലങ്ങളുടെ സാധുതയ്ക്കായി നിരവധി അനുബന്ധ അനുമാനങ്ങൾ പാലിക്കേണ്ടതുണ്ട്:

1. സ്വാതന്ത്ര്യം: രണ്ട് ഗ്രൂപ്പുകളിലെയും ഓരോ നിരീക്ഷണവും പരസ്പരം സ്വതന്ത്രമായിരിക്കണം.
2. ഓർഡിനൽ അല്ലെങ്കിൽ ഇന്റർവെൽ സ്കെയിൽ: ഡാറ്റ ഒരു ഓർഡിനൽ അല്ലെങ്കിൽ ഇന്റർവെൽ സ്കെയിലിൽ ആയിരിക്കണം. അതായത് ഡാറ്റ അടുക്കാൻ കഴിയും, കൂടാതെ റാങ്കിംഗ് വിവരങ്ങൾ അടങ്ങിയിരിക്കും.
3. വിതരണ ശ്രേണി: രണ്ട് ഗ്രൂപ്പുകളുടെയും വിതരണത്തിന് ഒരേ ആകൃതി ഉണ്ടായിരിക്കണം (ശരാശരി വ്യത്യസ്തമായിരിക്കാം).

മാൻ-വിറ്റ്നി ടെസ്റ്റ് നടത്തുന്നതിനുള്ള ഘട്ടങ്ങൾ

മാൻ-വിറ്റ്നി ടെസ്റ്റ് നടത്താൻ സാധാരണയായി പിന്തുടരുന്ന ഘട്ടങ്ങൾ ഇവയാണ്:

1. ഡാറ്റ സംയോജിപ്പിച്ച് അടുക്കുക: രണ്ട് ഗ്രൂപ്പുകളിൽ നിന്നുമുള്ള ഡാറ്റ സംയോജിപ്പിച്ച് മൊത്തത്തിൽ അടുക്കുക. റാങ്കിംഗുകൾ ക്രമം അനുസരിച്ചാണ് നൽകിയിരിക്കുന്നത്, റാങ്കിനായുള്ള ക്രമീകരണങ്ങൾ ശരാശരി മൂല്യവുമായി ബന്ധിപ്പിച്ചിരിക്കുന്നു.

2. റാങ്കിംഗുകളുടെ എണ്ണം കണക്കാക്കുക: ഓരോ ഗ്രൂപ്പിനും റാങ്കുകളുടെ എണ്ണം കണക്കാക്കുക.

3. സ്ഥിതിവിവരക്കണക്കുകളുടെ U- മൂല്യം നിർണ്ണയിക്കൽ: രണ്ട് ഗ്രൂപ്പുകളുടെയും U- മൂല്യം കണക്കാക്കാൻ മുമ്പ് വിശദീകരിച്ച ഫോർമുല ഉപയോഗിക്കുക.

4. ക്രിട്ടിക്കൽ മൂല്യം അല്ലെങ്കിൽ പി-മൂല്യം നിർണ്ണയിക്കൽ: ഗ്രൂപ്പുകൾ തമ്മിലുള്ള വ്യത്യാസം സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് പ്രാധാന്യമുള്ളതാണോ എന്ന് നിർണ്ണയിക്കാൻ, ലഭിച്ച യു-മൂല്യത്തെ യു-വിതരണ പട്ടികയിൽ നിന്നുള്ള ക്രിട്ടിക്കൽ മൂല്യവുമായി താരതമ്യം ചെയ്യുക (അല്ലെങ്കിൽ പി-മൂല്യം കണക്കാക്കുക).

ഉദാഹരണത്തിന്, നമുക്ക് A, B എന്നീ രണ്ട് സെറ്റ് ഡാറ്റകളുണ്ടെന്ന് കരുതുക. ഈ ഡാറ്റ ഒരു പ്രത്യേക രോഗത്തിനുള്ള രണ്ട് വ്യത്യസ്ത ചികിത്സകളെ പ്രതിനിധീകരിക്കുന്നു, കൂടാതെ ഒരു തെറാപ്പി മറ്റൊന്നിനേക്കാൾ ഫലപ്രദമാണോ എന്ന് നമുക്ക് അറിയാൻ ആഗ്രഹമുണ്ട്.

പ്രായോഗിക ഉദാഹരണം

നമുക്ക് രണ്ട് തെറാപ്പി ഗ്രൂപ്പുകൾ ഉണ്ടെന്ന് പറയാം:

– തെറാപ്പി എ: [85, 90, 88, 75, 91]
– തെറാപ്പി ബി: [80, 78, 95, 87, 92]

1. ഡാറ്റ ലയിപ്പിക്കലും തരംതിരിക്കലും:
– സംയുക്തം: [85, 90, 88, 75, 91, 80, 78, 95, 87, 92]
– ക്രമവും റാങ്കിംഗും: [75(1), 78(2), 80(3), 85(4), 87(5), 88(6), 90(7), 91(8), 92(9), 95(10)]

2. റാങ്കുകളുടെ എണ്ണം കണക്കാക്കുന്നു:
– തെറാപ്പി എ റേറ്റിംഗുകളുടെ എണ്ണം: 4 + 7 + 6 + 1 + 8 = 26
– തെറാപ്പി ബി റേറ്റിംഗുകളുടെ എണ്ണം: 3 + 2 + 10 + 5 + 9 = 29

3. U മൂല്യം കണക്കാക്കുന്നു:
\[
U_A = n_1 \times n_2 + \frac{n_1 \times (n_1 + 1)}{2} – R_A = 5 \times 5 + \frac{5 \times (5 + 1)}{2} – 26 = 25 + 15 – 26 = 14
\]
\[
U_B = n_1 \times n_2 + \frac{n_2 \times (n_2 + 1)}{2} – R_B = 5 \times 5 + \frac{5 \times (5 + 1)}{2} – 29 = 25 + 15 – 29 = 11
\]
ഒരു ചെറിയ U മൂല്യം തിരഞ്ഞെടുക്കുക, അതായത് U = 11.

4. പ്രാധാന്യം നിർണ്ണയിക്കൽ:
ലഭിച്ച U-മൂല്യത്തെ മാൻ-വിറ്റ്നി വിതരണ പട്ടികയിൽ നിന്നുള്ള ക്രിട്ടിക്കൽ U-മൂല്യവുമായി താരതമ്യം ചെയ്യുക അല്ലെങ്കിൽ p-മൂല്യം കണക്കാക്കുക. U ക്രിട്ടിക്കൽ മൂല്യത്തേക്കാൾ കുറവാണെങ്കിൽ അല്ലെങ്കിൽ p-മൂല്യം ആൽഫയേക്കാൾ കുറവാണെങ്കിൽ (ഉദാ. 0,05), നമ്മൾ ശൂന്യ സിദ്ധാന്തം നിരസിക്കുകയും രണ്ട് ഗ്രൂപ്പുകൾക്കിടയിൽ ഒരു പ്രധാന വ്യത്യാസമുണ്ടെന്ന് നിഗമനം ചെയ്യുകയും ചെയ്യുന്നു.

മാൻ-വിറ്റ്‌നി ടെസ്റ്റിന്റെ ഗുണങ്ങളും പരിമിതികളും

ക്യൂങ്ഗുലാൻ:

1. നോൺപാരാമെട്രിക്: സാധാരണ വിതരണത്തിന്റെ അനുമാനം ആവശ്യമില്ല.
2. വഴക്കം: ഡാറ്റ ഒരു ഓർഡിനൽ സ്കെയിലിൽ ആയിരിക്കുമ്പോഴോ ഔട്ട്‌ലയറുകൾ ഉള്ളപ്പോഴോ ഉപയോഗിക്കാം.
3. ലളിതവും ഫലപ്രദവും: കണക്കാക്കാനും വ്യാഖ്യാനിക്കാനും എളുപ്പമാണ്.

പരിമിതികൾ:

1. കാര്യക്ഷമത നഷ്ടം: ഒരു സാധാരണ വിതരണത്തിൽ, ടി-ടെസ്റ്റ് കൂടുതൽ കാര്യക്ഷമമാണ്.
2. ഒരേ വിതരണ രൂപത്തിന്റെ അനുമാനം: ഈ പരിശോധന രണ്ട് ഗ്രൂപ്പുകൾക്കിടയിലും ഒരേ വിതരണ രൂപം അനുമാനിക്കുന്നു.
3. ചെറിയ സാമ്പിൾ വലുപ്പങ്ങളിൽ പരിമിതപ്പെടുത്തിയിരിക്കുന്നു: വളരെ ചെറിയ സാമ്പിളുകളിൽ അസിംപ്റ്റോട്ടിക് വിതരണം കൃത്യത കുറവായിരിക്കാം.

ഉപസംഹാരം

ജോടിയാക്കാത്ത രണ്ട് ഗ്രൂപ്പുകൾ തമ്മിലുള്ള വ്യത്യാസങ്ങൾ തിരിച്ചറിയുന്നതിനുള്ള ശക്തവും വഴക്കമുള്ളതുമായ നോൺ-പാരാമെട്രിക് ഉപകരണമാണ് മാൻ-വിറ്റ്നി ടെസ്റ്റ്. അതിന്റെ അടിസ്ഥാന തത്വങ്ങളും നടപ്പാക്കൽ ഘട്ടങ്ങളും മനസ്സിലാക്കുന്നതിലൂടെ, വിവിധ ഗവേഷണ മേഖലകളിലുടനീളമുള്ള വിവിധ ആപ്ലിക്കേഷനുകളിൽ നമുക്ക് ഈ ടെസ്റ്റ് ഉപയോഗിക്കാൻ കഴിയും. ഇതിന് ചില പരിമിതികൾ ഉണ്ടെങ്കിലും, ചില സാഹചര്യങ്ങളിൽ അതിന്റെ ഗുണങ്ങൾ സ്ഥിതിവിവരക്കണക്കുകളിൽ വളരെ വിലപ്പെട്ട ഒരു രീതിയാക്കി മാറ്റുന്നു.