Как проводить анализ значимости выборки, если данные не прошли тест на нормальность

Для ненормальных данных используйте непараметрические тесты:

1. Малые выборки (n < 30):

   • Wilcoxon signed-rank (для парных данных)
   • Mann-Whitney U (для независимых выборок)

2. Большие выборки (n ≥ 30):

   • Bootstrap-методы
   • Перцентильные доверительные интервалы

Пример сравнения двух групп в Python:

from scipy.stats import mannwhitneyu

# Непараметрический тест для независимых выборок
stat, p = mannwhitneyu(group_a, group_b)
print(f'p-value: {p:.4f}')

Для парных данных лучше использовать:

from scipy.stats import wilcoxon

stat, p = wilcoxon(before, after)
print(f'p-value: {p:.4f}')

Дополнительно можно рассчитать размер эффекта (например, Cohen's d для нормальных данных или Cliff's delta для ненормальных). Всегда проверяйте размер выборки и учитывайте возможные выбросы.