x<-c( $x_1, x_2, x_3, ..., x_m$)
y<-c( $y_1$, $y_2, y_3, ... ,y_n$)

$\Delta$代表y的模型与x的模型的位移差，Y = X + $\Delta$

当 $H_0$: $\Delta =0$ vs $H_1$: $\Delta \neq0$
wilcox.test(y, x)

当 $H_0$: $\Delta =0$ vs $H_1$: $\Delta >0$
wilcox.test(y, x, alternative = "greater")

当 $H_0$: $\Delta =0$ vs $H_1$: $\Delta <0$
wilcox.test(y, x, alternative = "less")

如果要计算精确的wilcoxon rank sum statistics的p-value：
wilcox.test(y, x, exact = TRUE)

注意：
R中wilcox.test计算返回的W其实是Mann-Whitney statistic U，U与W之间的关系如下：
$W = U+n(n+1)/2$
n是 $y_i$的个数。

P.S: wilcoxon rank sum test的原理之后再来写，希望我到时候还记得。