【PaperReading】The permutation testing approach: a review

最新推荐文章于 2024-12-26 03:04:26 发布

镰刀韭菜

最新推荐文章于 2024-12-26 03:04:26 发布

阅读量812

点赞数

分类专栏： PaperReading 文章标签：统计检验 Permutation test 置换检验随机化测试数据分布

PaperReading 专栏收录该内容

65 篇文章 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

这篇综述探讨了排列检验方法的广泛应用和解决复杂多变量问题的能力。与传统参数和非参数方法相比，排列检验在某些条件下提供更精确的非参数性质，并且在处理依赖性数据和多变量问题时特别有用。文章回顾了这种方法的理论和在各种实验及观察情况下的应用，并讨论了其特性，如组合排列检验的功率在样本量和变量数增加时趋于1。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

The permutation testing approach: a review

Fortunato Pesarin, Luigi Salmaso

摘要：

近年来，permutation testing方法在应用数量和解决复杂的多变量问题方面都有所增加。传统的基于参数或基于秩的非参数方法也可以有效地解决大量的测试问题，尽管在相对温和的条件下，它们的permutation对应物通常渐近和最好的排列对应。Permutation tests在条件上下文中基本上具有精确的非参数性质，其中条件化的观察数据作为零假设中的一组足够的统计量进行调节。相反，大多数参数测试的参考零分布仅以渐近方式已知。因此，对于大多数实际感兴趣的样本，排列解决方案可能缺乏效率可以通过缺乏参数对应物的近似来补偿。存在许多复杂的多变量问题（在生物统计学，临床试验，工程，环境，流行病学，实验数据，工业统计学，药理学，心理学，社会科学等中很常见），这些问题在条件框架之外和用于依赖置换测试的非参数组合（NPC）方法。在本文中，我们回顾了这种方法以及在不同实验和观测情况下的许多应用（例如，多边替代，零膨胀数据和随机排序测试），并且我们提出了特定于该方法的属性，例如：当给定数量的受试者，当变量的数量发