Doblar las colas en la prueba de permutación de dos muestras


10

Supongamos que tenemos dos muestras y deseamos determinar si se extraen de la misma distribución, las muestras A, B están compuestas de algunos enteros, por ejemplo.

Si probamos esto usando una prueba de permutación de dos muestras, específicamente al observar permutaciones donde las diferencias en las medias de las muestras son tan extremas como la diferencia observada: ¿hay alguna razón para pensar que podemos calcular la p de dos colas? valor mirando una cola y duplicando la probabilidad?

Esto es lo que parece decir en mis notas de clase, pero no entiendo por qué podríamos suponer que las colas son simétricas (o por qué no implica esa suposición). No se dieron explicaciones.

Respuestas:


10

TE(T)=0

TTempT()(T)ppts=pleft+pright

pleft=(T<=min(Temp,Temp))(T)

pright=(T>=max(Temp,Temp))(T)

(suponiendo que tengamos la distribución completa de permutación). Comparemos ambos enfoques para el caso de dos muestras independientes cuando podamos calcular la distribución exacta (completa) de permutación.

set.seed(1234)
Nj   <- c(9, 8)                      # group sizes
DVa  <- rnorm(Nj[1], 5, 20)^2        # data group 1
DVb  <- rnorm(Nj[2], 10, 20)^2       # data group 2
DVab <- c(DVa, DVb)                  # data from both groups
IV   <- factor(rep(c("A", "B"), Nj)) # grouping factor
idx  <- seq(along=DVab)              # all indices
idxA <- combn(idx, Nj[1])            # all possible first groups

# function to calculate test statistic for a given permutation x
getDM <- function(x) { mean(DVab[x]) - mean(DVab[!(idx %in% x)]) }
resDM <- apply(idxA, 2, getDM)       # test statistic for all permutations
diffM <- mean(DVa) - mean(DVb)       # empirical stest statistic

pcoinpleftprightpts

> (pL <- sum(resDM <= min(diffM, -diffM)) / length(resDM))  # left p-value
[1] 0.1755245

> (pR <- sum(resDM >= max(diffM, -diffM)) / length(resDM))  # right p-value
[1] 0.1585356

> 2*pL        # doubling left p-value
[1] 0.351049

> 2*pR        # doubling right p-value
[1] 0.3170712

> pL+pR       # two-sided p-value
[1] 0.3340601

> sum(abs(resDM) >= abs(diffM)) / length(resDM)  # two-sided p-value (more concise)
[1] 0.3340601

# validate with coin implementation
> library(coin)              # for oneway_test()    
> oneway_test(DVab ~ IV, alternative="two.sided", distribution="exact")
Exact 2-Sample Permutation Test
data:  DVab by IV (A, B) 
Z = 1.0551, p-value = 0.3341
alternative hypothesis: true mu is not equal to 0 

p

pleft=(T<=min(Temp,Temp))+1(T)+1

pright=(T>=max(Temp,Temp))+1(T)+1

pts=(abs(T)>=abs(Temp))+1(T)+1

p


T

E(T)=0

Gracias, eso es una mejora. ¿Podría explicar entonces cómo la estadística podría no tener una distribución simétrica bajo este supuesto?
whuber

2
T=1,.5,.5

Gracias por la aclaración: sigo la lógica ahora.
whuber
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.