Teste de permutação e bootstrap (sem distribuição normal)

Em resumo

Em «Mais opções», como «Sem distribuição normal - com procedimentos aleatórios»: o Statable mistura ou extrai amostras vezes sem conta e conta o que o acaso, por si só, dá.

Para que serve

• Dois grupos: teste de permutação (t de Welch, para que se mantenha com dispersão desigual) e intervalo bootstrap da diferença, extraído em separado dentro de cada grupo.
• Relação: teste de permutação para r, intervalo bootstrap, Fisher z ao lado. Previsão: bootstrap de casos (case bootstrap) dos coeficientes. Distribuição: bootstrap da média ou da mediana.

Pressupostos

Casos independentes. Um peso de frequência é calculado sobre o conjunto expandido (até Σw = 100 000); um peso amostral fica bloqueado.

Ler o resultado

Sempre visíveis: número de extrações B (9999), semente, tipo de intervalo. p = (b + 1)/(B + 1), nunca 0. «Extrair novamente» mostra o erro aleatório. Com n < 30, a nota dá o intervalo t: os intervalos bootstrap costumam então ser demasiado estreitos.

Comunicar o resultado

Teste de permutação, 9999 repartições aleatórias, p = ,025; IC bootstrap percentílico a 95% [1,4; 7,6], semente 20261008

Limites

O teste de permutação verifica se a atribuição aos grupos conta, não só as médias. Sem bootstrap de resíduos, sem teste de permutação de coeficientes individuais. Os números aleatórios do Statable não são os do 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).