Prueba de permutación y bootstrap (sin distribución normal)
En resumen
En «Más opciones», como «Sin distribución normal - con procedimientos aleatorios»: Statable mezcla o extrae muestras una y otra vez y cuenta lo que da el azar por sí solo.
Para qué sirve
- Dos grupos: prueba de permutación (t de Welch, para que se sostenga con dispersión desigual) e intervalo bootstrap de la diferencia, extraído por separado dentro de cada grupo.
- Relación: prueba de permutación para r, intervalo bootstrap, Fisher z al lado. Predicción: bootstrap de casos (case bootstrap) de los coeficientes. Distribución: bootstrap de la media o la mediana.
Requisitos
Casos independientes. Un peso de frecuencia se calcula sobre el conjunto expandido (hasta Σw = 100 000); una ponderación muestral se bloquea.
Cómo leer el resultado
Siempre visibles: número de extracciones B (9999), semilla, tipo de intervalo. p = (b + 1)/(B + 1), nunca 0. «Extraer de nuevo» muestra el error aleatorio. Con n < 30, la nota da el intervalo t: los intervalos bootstrap suelen ser entonces demasiado estrechos.
Informar del resultado
Prueba de permutación, 9999 reasignaciones aleatorias, p = ,025; IC bootstrap percentil del 95 % [1,4; 7,6], semilla 20261008
Límites
La prueba de permutación comprueba si la asignación a los grupos importa, no solo las medias. Sin bootstrap de residuos, sin prueba de permutación de coeficientes individuales. Los números aleatorios de Statable no son los de R.
Fuente
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).