我发现 Wilcoxon 统计量仍然适用于此目的，并且小型模拟可以很好地估计测试的大小和功效。我怀疑这比仅比较两个中位数更有效。主要的担忧是由于大量的关系导致缺乏权力，但这种担忧与你能想到的任何解决方案有关：没有办法绕过它（除了设计提供更广泛响应的工具！）。

要执行模拟，连接两个数据数组（长度为$n$和$m$) 成单个数组（长度为$n+m$）。在每次迭代中随机排列数组的元素并将结果分解为第一个$n$最后$m$元素。