[Mann-Kendall trend test - Wikitia](https://wikitia.com/wiki/Mann-Kendall_trend_test) > Mann-Kendall [[トレンド検定]]は、長期的な時間データにおいて、統計的に有意な減少または増加傾向を検出するために使用されます。これは2つの仮説に基づいており、1つは帰無仮説( H0 )で、トレンドが存在しないことを示し、もう1つは対立仮説(H1)で、ある期間のデータにおいて有意な増加または減少傾向を表すものである[1]。 Mann-Kendall 傾向検定は、ノンパラメトリック検定であり、あらゆるタイプの分布に適用できる検定である。 これは、4つ以上のデータポイントの数を含むすべてのデータセットに適用できますが、より少ないサンプル数では、このテストは、より多くのデータポイントがテストのために考慮された場合、トレンドを発見できない可能性が高くなりますが、トレンドがあることがわかります。この検定は、水文データ、気候データ、環境データなどの実際のデータで広く使用されています[3]。 この検定の考え方は、あるサンプルと別の連続したサンプルの相対的な大きさの間のすべての可能な違いを探し、もし違いが増加し続けるか減少し続けるなら、それはトレンドの存在を意味する。 --- [GitHub - mmhs013/pyMannKendall: A python package for non parametric Mann Kendall family of trend tests.](https://github.com/mmhs013/pyMannKendall) Mann-Kendall 傾向検定（MK検定と呼ばれることもある）は、一貫して増加または減少する傾向（単調傾向）について時系列データを分析するために使用されるものである。これはノンパラメトリック検定で、すべての分布に有効であるが（つまり、データは正規性の仮定を満たす必要はない）、データには系列相関がないはずであることを意味する。もしデータに系列相関があると、有意水準（p値）に影響を与える可能性があります。その結果、誤解を招く恐れがあります。この問題を解決するために、研究者はいくつかの修正Mann-Kendall検定（Hamed and Rao Modified MK Test, Yue and Wang Modified MK Test, Modified MK test using Pre-Whitening method, etc）を提案している。また，季節性の影響を除去するために，季節性Mann-Kendall検定も開発された。