wilcox检验和t.test检验区别，应用场景

Wilcoxon检验和t检验都是常用的假设检验方法，但是它们适用的数据类型不同。

T检验适用于正态分布的连续变量，主要用于比较两个样本均值之间是否有显著差异。而Wilcoxon检验则适用于非正态分布或小样本的连续变量，主要用于比较两个相关样本的中位数是否有显著差异。

具体来说，T检验适用于样本量大于30且符合正态分布的数据；Wilcoxon检验适用于样本量小于30或不符合正态分布的数据。

因此，在应用场景上，T检验更适用于大规模数据分析，而Wilcoxon检验则更适用于小样本或者非正态分布数据的分析。

相关问题

> t.test(x, y)和wilcox.test(x, y)有什么区别

`t.test(x, y)`和`wilcox.test(x, y)`都是用于比较两组数据差异的假设检验方法，但是它们的应用场景和假设条件略有不同。

`t.test(x, y)`适用于正态分布的数据，假设两组数据的方差相等，通过计算两组数据的均值差异来进行假设检验。其原假设是两组数据的均值相等，备择假设是两组数据的均值不相等。如果p值小于显著性水平，则拒绝原假设，认为两组数据有显著的差异。

`wilcox.test(x, y)`适用于非正态分布的数据，通过计算两组数据的秩和来进行假设检验。其原假设是两组数据的中位数相等，备择假设是两组数据的中位数不相等。如果p值小于显著性水平，则拒绝原假设，认为两组数据有显著的差异。

因此，选择`t.test()`还是`wilcox.test()`取决于数据的分布情况。如果数据符合正态分布且方差相等，则使用`t.test()`；如果数据非正态分布或方差不等，则使用`wilcox.test()`。

gtsummary包中的kruskal.test是 Mann-Whitney U检验吗

不是。kruskal.test是针对多组数据进行方差分析的非参数检验方法，它适用于数据不满足正态分布和方差齐性假设的情况下。而Mann-Whitney U检验是针对两组数据进行比较的非参数检验方法，它适用于数据不满足正态分布假设的情况下。两者的检验目的和应用场景不同，因此不能混淆。在gtsummary包中，Mann-Whitney U检验使用的是wilcox.test函数。