Calculateur du test U de Mann-Whitney

Qu'est-ce que le test U de Mann-Whitney ?

Le test U de Mann-Whitney (aussi appelé test de la somme des rangs de Wilcoxon) compare deux groupes indépendants lorsque les données ne sont pas normalement distribuées. C'est l'alternative non paramétrique au test t pour échantillons indépendants.

Question posée : « Ces deux groupes tendent-ils à avoir des valeurs différentes ? »

Exemples :

• « Les groupes traitement et témoin diffèrent-ils dans la réponse ? » (avec données asymétriques)
• « Les évaluations de satisfaction sont-elles différentes entre magasins ? » (données ordinales)
• « Les employés hommes et femmes ont-ils une ancienneté différente ? » (distribution non normale)

Pourquoi non paramétrique ?

Les tests paramétriques (comme les tests t) supposent des distributions normales. Lorsque les données sont :

• Fortement asymétriques
• Ordinales (catégories classées)
• Contiennent des valeurs aberrantes
• Petits échantillons de distribution inconnue

Les tests non paramétriques utilisent des rangs au lieu de valeurs brutes, faisant moins d'hypothèses.

Ce qu'il teste réellement

Formellement : P(X > Y) ≠ 0,5, où X et Y sont des observations sélectionnées aléatoirement de chaque groupe.

Informellement : Si un groupe tend à produire des valeurs plus grandes que l'autre.

Souvent décrit comme : Tester si les médianes diffèrent (vrai sous certaines conditions).

Comment ça fonctionne

Étape 1 : Combiner et classer toutes les données

Étape 2 : Additionner les rangs par groupe

• Groupe A : 1 + 3 + 4 + 7 = 15
• Groupe B : 2 + 5 + 6 + 8 = 21

Étape 3 : Calculer les statistiques U

$U_1 = n_1 n_2 + \frac{n_1(n_1+1)}{2} - R_1$

$U_2 = n_1 n_2 + \frac{n_2(n_2+1)}{2} - R_2$

Ou de manière équivalente : $U_2 = n_1 n_2 - U_1$

$U = \min(U_1, U_2)$ pour la statistique de test.

Étape 4 : Déterminer la valeur p

Pour petits échantillons : Utiliser des tables exactes. Pour échantillons plus grands : Utiliser l'approximation normale.

Exemple de calcul

Données :

• Groupe A (n=5) : 23, 45, 33, 52, 28
• Groupe B (n=6) : 67, 41, 58, 72, 49, 55

Combiné et classé :

Sommes de rangs : R_A = 18, R_B = 48

Statistiques U : U_A = 5×6 + 5(6)/2 - 18 = 30 + 15 - 18 = 27 U_B = 5×6 + 6(7)/2 - 48 = 30 + 21 - 48 = 3

U = min(27, 3) = 3

Valeur p : Pour n₁=5, n₂=6, U=3 : p ≈ 0,017 (bilatéral)

Conclusion : Les groupes diffèrent significativement (p < 0,05).

Gestion des ex aequo

Lorsque des valeurs sont ex aequo, attribuer le rang moyen :

Valeurs : 10, 15, 15, 15, 20 Rangs : 1, 3, 3, 3, 5 (trois valeurs ex aequo pour les positions 2-4, moyenne = 3)

Une correction pour ex aequo est appliquée à la variance dans l'approximation normale :

Le facteur de correction pour ex aequo réduit l'erreur standard, rendant le test légèrement plus puissant avec des ex aequo.

Approximation normale

Pour échantillons plus grands (les deux n > 20), utiliser l'approximation z :

$z = \frac{U - \mu_U}{\sigma_U}$

Où :

• $\mu_U = \frac{n_1 n_2}{2}$
• $\sigma_U = \sqrt{\frac{n_1 n_2 (n_1 + n_2 + 1)}{12}}$

Avec correction de continuité :

$z = \frac{|U - \mu_U| - 0,5}{\sigma_U}$

Taille d'effet : Corrélation rang-bisériale

$r = 1 - \frac{2U}{n_1 n_2}$

Ou : $r = \frac{U_1 - U_2}{n_1 n_2}$

Dans l'exemple : r = 1 - (2×3)/(5×6) = 1 - 0,2 = 0,8 (grand effet)

Quand utiliser Mann-Whitney

Approprié

• Distributions non normales (surtout avec petits échantillons)
• Données ordinales (classements, échelles de Likert)
• Données avec valeurs aberrantes
• Distributions asymétriques
• Lorsque vous ne voulez pas supposer des variances égales

Non approprié

• Données appariées/assorties (utiliser rang signé de Wilcoxon)
• Plus de deux groupes (utiliser Kruskal-Wallis)
• Données avec beaucoup d'ex aequo (envisager des alternatives)

Comparaison avec le test t

Règle empirique : Si les données sont clairement normales, le test t est légèrement plus puissant. Sinon, Mann-Whitney est plus sûr.

Applications

Recherche médicale

Comparer les effets de traitement avec résultats asymétriques (durée d'hospitalisation, temps de récupération).

Psychologie

Comparer des groupes sur échelles ordinales (items de Likert, classements).

Contrôle qualité

Comparer des processus lorsque les mesures ne sont pas normalement distribuées.

Éducation

Comparer les scores de test entre groupes lorsque la distribution est inconnue.

Affaires

Évaluations de satisfaction client, temps de réponse, toute métrique bornée ou asymétrique.

Idées fausses courantes

« Mann-Whitney teste les médianes »

Vrai seulement si les distributions ont des formes identiques. Il teste en fait si une distribution est décalée par rapport à l'autre.

« Non paramétrique signifie aucune hypothèse »

Mann-Whitney suppose l'indépendance, l'échantillonnage aléatoire, et (pour l'interprétation de médiane) des formes de distribution similaires.

« Toujours utiliser non paramétrique pour être sûr »

Avec des données normales et des échantillons adéquats, les tests paramétriques ont plus de puissance.

Hypothèses

Indépendance

Les observations sont indépendantes au sein et entre les groupes.

Échantillonnage aléatoire

Les échantillons représentent leurs populations.

Données ordinales ou continues

Les valeurs peuvent être classées de manière significative.

Formes de distribution similaires (pour interprétation de médiane)

Si les formes diffèrent, Mann-Whitney teste la dominance stochastique, pas la différence de médiane.

Présentation des résultats

Format APA :

« Un test U de Mann-Whitney a indiqué que le groupe B (Mdn = 54,5) avait des valeurs significativement plus élevées que le groupe A (Mdn = 33), U = 3, p = 0,017, r = 0,80. »

Inclure :

• Statistique U
• Valeur p
• Médianes (ou rangs moyens) pour chaque groupe
• Taille d'effet (r)

Contexte historique

Henry Mann et Donald Whitney ont développé ce test en 1947, étendant les travaux antérieurs de Frank Wilcoxon (1945) sur les tests basés sur les rangs.

Le test est né du besoin de comparer des groupes sans supposer la normalité—courant en psychologie, médecine et biologie où les distributions sont souvent asymétriques.

Mann-Whitney et la somme des rangs de Wilcoxon sont des tests mathématiquement équivalents, nommés différemment en raison d'un développement indépendant.

Exact vs. approximatif

Test exact

Calcule tous les arrangements possibles de rangs.

Intensif en calcul mais valeurs p exactes.

Approximation normale

Utilise l'approche du score z.

Adéquat lorsque les deux n > 20.

Permutation/randomisation

Alternative moderne : permuter aléatoirement les étiquettes de groupe plusieurs fois pour construire la distribution nulle.

Calculs connexes

• Test t à deux échantillons — Alternative paramétrique
• Rang signé de Wilcoxon — Non paramétrique apparié
• Test de Kruskal-Wallis — 3+ groupes non paramétrique
• Calculateur de médiane — Statistique descriptive

Résumé

Le test U de Mann-Whitney compare deux groupes indépendants en classant toutes les observations et en testant si les rangs diffèrent systématiquement entre groupes. C'est l'alternative non paramétrique au test t, appropriée pour les données non normales, les mesures ordinales, ou lorsque des valeurs aberrantes sont présentes. Le test calcule U en additionnant combien de fois les valeurs d'un groupe dépassent les valeurs de l'autre. Rapporter U, valeur p, médianes, et taille d'effet (r rang-bisériale). Utiliser lorsque la normalité ne peut être supposée, mais noter qu'avec des données normales, le test t a légèrement plus de puissance.