我正在使用两个向量a和测试 Mann-Whitney 秩检验b。向量几乎相似，所以我希望 p 值接近 0，但返回的 p 值接近 1。原因是什么？我阅读了手册并使用不同的参数运行代码，但没有得到任何接近我期望的东西。

from scipy.stats import mannwhitneyu
import operator
import numpy as np

a = [1000,100,10,1,10,100,1000,10000,1000,100,10,1]
b = [999,100,10,1,10,100,1000,10000,1000,100,10,1]

print(mannwhitneyu(a, b))

代码的输出：

MannwhitneyuResult(statistic=73.5, pvalue=0.95291544831453867)

编辑：

让我们将问题形式化以消除任何误解（如果有问题，请编辑问题）：

我试图证明的是数据的等级分布大致相等，

零假设 （$H_0$)= "a 和 b 的排序分布大致相等"

备择假设 ($H_a$)= "a 和 b 的排序分布不相等"

显着性水平 (alpha) = 0.05

p 值 = 0.95

(p-value > alpha) 所以没有足够的证据表明$H_a$是正确的，但我们也不能得出结论（$H_0$） 是真的。

相反，如果 (p-value < alpha) 为真，那么我们将有足够的证据反对 H0，并且可以接受 Ha。

所以这里发生的事情是我无法反驳零假设。但是，这并不意味着零假设是错误的。指控 X 先生有罪就像是在进行调查：

$H_0$=" 先生 X 有罪" $H_a$=" MR X 无罪"

我们猜测他是无罪的，但我们没有足够的证据来反对他：（p-value > alpha），但这并不意味着（$H_0$) 不会是真的。如果我们能够获得足够的证据和陈述（p-value < alpha），那么我们就证伪了$H_0$我们可以得出结论，哈是真实的，他是无罪的。