(Penafian: Saya tidak bisa mengetik dengan baik hari ini: tangan kanan saya patah!)
Berlawanan dengan saran untuk menggunakan tes non-parametrik dalam jawaban lain, Anda harus mempertimbangkan bahwa untuk ukuran sampel yang sangat kecil metode tersebut tidak terlalu berguna. Sangat mudah untuk memahami alasannya: dalam penelitian dengan ukuran yang sangat kecil, tidak ada perbedaan antara kelompok-kelompok yang dapat dibentuk kecuali jika ukuran efek besar jika diamati. Metode non-parametrik, bagaimanapun, tidak peduli dengan besarnya perbedaan antara kelompok. Jadi, bahkan jika perbedaan antara kedua kelompok sangat besar, dengan ukuran sampel yang kecil tes non-parametrik akan selalu gagal untuk menolak hipotesis nol.
Pertimbangkan contoh ini: dua kelompok, distribusi normal, varian yang sama. Kelompok 1: rata-rata 1,0, 7 sampel. Kelompok 2: rata-rata 5, 2 sampel. Ada perbedaan besar antara rata-rata.
wilcox.test(rnorm(7, 1), rnorm(2, 5))
Wilcoxon rank sum test
data: rnorm(7, 1) and rnorm(2, 5)
W = 0, p-value = 0.05556
Nilai p yang dihitung adalah 0,05556 yang tidak menolak hipotesis nol (pada 0,05). Sekarang, bahkan jika Anda meningkatkan jarak antara dua cara dengan faktor 10, Anda akan mendapatkan nilai p yang sama:
wilcox.test(rnorm(7, 1), rnorm(2, 50))
Wilcoxon rank sum test
data: rnorm(7, 1) and rnorm(2, 50)
W = 0, p-value = 0.05556
Sekarang saya mengundang Anda untuk mengulangi simulasi yang sama dengan uji-t dan mengamati nilai-p dalam kasus perbedaan besar (rata-rata 5 vs 1) dan besar (rata-rata 50 vs 1).