Mann-Whitney检验是一种非参数检验，用于比较两个不匹配组的分布。有时也说是比较中位数，但并非总是如此。

"误差"是独立的吗？

"误差 "一词指的是每个值与组中位数之间的差。只有在散点随机的情况下，Mann-Whitney 检验的结果才有意义--无论什么因素导致一个值过高或过低，都只影响这一个值。Prism 无法检验这一假设。您必须考虑实验设计。例如，如果每组有六个值，但这些值是从每组的两只动物（一式三份）中得到的，那么误差就不是独立的。在这种情况下，某些因素可能会导致来自一只动物的所有三联数据偏高或偏低。

数据是非配对的吗？

Mann-Whitney检验的原理是将所有值从低到高排序，然后比较两组的平均值。如果数据是成对或配对的，则应改用 Wilcoxon 配对检验。

您要比较的正是两个组吗？

仅使用 Mann-Whitney 检验来比较两个组。要比较三个或更多组，请使用 Kruskal-Wallis 检验，然后进行后检验。不宜进行多次Mann-Whitney（或 t）检验，一次比较两个组。

两组数据的分布形状是否相同？

如果两组数据的分布形状相似，则可以将曼氏检验解读为比较中位数。如果分布形状不同，就真的无法解释Mann-Whitney检验的结果。

您真的想比较中位数吗？

Mann-Whitney检验比较的是两组的中位数（好吧，不完全是）。即使两组的分布有很大的重叠，也有可能出现极小的 P 值，这就是群体中位数不同的明显证据。

如果您选择的是单尾 P 值，那么您的预测正确吗？

如果您选择的是单尾 P 值，那么在收集任何数据之前，您就应该预测出哪一组的中位数更大。Prism 并不要求您记录这一预测，而是假定它是正确的。如果您的预测是错误的，那么请忽略 Prism 报告的 P 值，并说明 P>0.50 。单尾 P 值与双尾 P 值。

数据是从非高斯群体中采样的吗？

通过选择非参数检验，您避免了假设数据是从高斯分布中采样的，但使用非参数检验也有缺点。如果种群真的是高斯分布，那么非参数检验的检验力就会降低（不容易得到较小的 P 值），而在样本量较小的情况下，这种差异就会非常明显。