Έλεγχος μεταθέσεων (permutation test) και bootstrap (χωρίς κανονική κατανομή)

Εν συντομία

Στις «Περισσότερες επιλογές» ως «Χωρίς κανονική κατανομή - με τυχαίες διαδικασίες»: το Statable ανακατεύει ή εξάγει δείγματα ξανά και ξανά και μετράει τι δίνει μόνη της η τύχη.

Σε τι χρησιμεύει

• Δύο ομάδες: έλεγχος μεταθέσεων (t του Welch, ώστε να ισχύει με άνιση διασπορά) και διάστημα bootstrap της διαφοράς, με εξαγωγή χωριστά μέσα σε κάθε ομάδα.
• Σχέση: έλεγχος μεταθέσεων (permutation test) για το r, διάστημα bootstrap, δίπλα το Fisher z. Πρόβλεψη: bootstrap περιπτώσεων (case bootstrap) για τους συντελεστές. Κατανομή: bootstrap του μέσου όρου ή της διαμέσου.

Προϋποθέσεις

Ανεξάρτητες περιπτώσεις. Το βάρος συχνότητας υπολογίζεται στο επεκταμένο σύνολο (έως Σw = 100 000)· το βάρος έρευνας είναι αποκλεισμένο.

Ανάγνωση του αποτελέσματος

Πάντα ορατά: πλήθος εξαγωγών B (9999), seed, τύπος διαστήματος. p = (b + 1)/(B + 1), ποτέ 0. Η «Νέα εξαγωγή» δείχνει το τυχαίο σφάλμα. Με n < 30 η παρατήρηση δίνει το διάστημα t: τα διαστήματα bootstrap είναι τότε συνήθως υπερβολικά στενά.

Αναφορά του αποτελέσματος

Έλεγχος μεταθέσεων (permutation test), 9999 τυχαίες αναδιανομές (random split), p = ,025· 95% CI bootstrap percentile [1,4· 7,6], seed 20261008

Περιορισμοί

Ο έλεγχος μεταθέσεων (permutation test) ελέγχει αν έχει σημασία η κατανομή στις ομάδες, όχι μόνο οι μέσοι όροι. Χωρίς bootstrap καταλοίπων, χωρίς έλεγχο μεταθέσεων για μεμονωμένους συντελεστές. Οι τυχαίοι αριθμοί του Statable δεν είναι αυτοί της R.

Πηγή

Phipson, B., & Smyth, G. K. (2010). Permutation p-values should never be zero. Statistical Applications in Genetics and Molecular Biology, 9(1), 39. Hesterberg, T. C. (2015). What teachers should know about the bootstrap. The American Statistician, 69(4).