Test di permutazione e bootstrap (nessuna distribuzione normale)

In breve

In «Altre opzioni» come «Nessuna distribuzione normale - con procedimenti casuali»: Statable rimescola o estrae campioni più volte e conta che cosa dà il caso da solo.

A che cosa serve

• Due gruppi: test di permutazione (t di Welch, perché regga con dispersione diversa) e intervallo bootstrap della differenza, estratto separatamente in ciascun gruppo.
• Relazione: test di permutazione per r, intervallo bootstrap, Fisher z accanto. Previsione: bootstrap dei casi dei coefficienti. Distribuzione: bootstrap di media o mediana.

Requisiti

Casi indipendenti. Un peso di frequenza viene calcolato sull’insieme espanso (fino a Σw = 100.000); un peso del campione è bloccato.

Leggere il risultato

Sempre visibili: numero di estrazioni B (9999), seed, tipo di intervallo. p = (b + 1)/(B + 1), mai 0. «Estrai di nuovo» mostra l’errore casuale. Con n < 30 la nota riporta l’intervallo t: gli intervalli bootstrap sono allora in genere troppo stretti.

Riportare il risultato

Test di permutazione, 9999 ripartizioni casuali, p = ,025; IC bootstrap percentile al 95% [1,4; 7,6], seed 20261008

Limiti

Il test di permutazione verifica se l’assegnazione ai gruppi conta, non solo le medie. Nessun bootstrap dei residui, nessun test di permutazione dei singoli coefficienti. I numeri casuali di Statable non sono quelli di R.

Fonte

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).