Thử nghiệm giả thuyết Bootstrap so với hoán vị

Có một số kỹ thuật lấy mẫu phổ biến, thường được sử dụng trong thực tế, chẳng hạn như bootstrapping, kiểm tra hoán vị, jackknife, v.v. Có rất nhiều bài báo và sách thảo luận về các kỹ thuật này, ví dụ như Philip I Good (2010) Phép thử, Tham số và Thử nghiệm Bootstrap giả thuyết

Câu hỏi của tôi là kỹ thuật tái định hình nào đã trở nên phổ biến hơn và dễ thực hiện hơn? Bootstrapping hoặc thử nghiệm hoán vị?

Cả hai đều phổ biến và hữu ích, nhưng chủ yếu cho các mục đích sử dụng khác nhau. Kiểm tra hoán vị là tốt nhất để kiểm tra các giả thuyết và bootstrapping là tốt nhất để ước tính khoảng tin cậy.

Các phép thử hoán vị kiểm tra một giả thuyết null cụ thể về khả năng trao đổi, nghĩa là chỉ lấy mẫu ngẫu nhiên / ngẫu nhiên giải thích sự khác biệt nhìn thấy. Đây là trường hợp phổ biến cho những thứ như kiểm tra t và ANOVA. Nó cũng có thể được mở rộng thành những thứ như chuỗi thời gian (giả thuyết null rằng không có mối tương quan nối tiếp) hoặc hồi quy (giả thuyết null không có mối quan hệ). Kiểm tra hoán vị có thể được sử dụng để tạo khoảng tin cậy, nhưng nó đòi hỏi nhiều giả định hơn, có thể hoặc không hợp lý (vì vậy các phương pháp khác được ưa thích). Thử nghiệm Mann-Whitney / Wilcoxon thực sự là một trường hợp đặc biệt của thử nghiệm hoán vị, vì vậy chúng phổ biến hơn nhiều so với một số người nhận ra.

Bootstrap ước tính độ biến thiên của quy trình lấy mẫu và hoạt động tốt để ước tính khoảng tin cậy. Bạn có thể làm một bài kiểm tra giả thuyết theo cách này nhưng nó có xu hướng ít mạnh hơn bài kiểm tra hoán vị cho các trường hợp mà các giả định kiểm tra hoán vị nắm giữ.

Nếu bạn đang sử dụng R, thì tất cả chúng đều dễ thực hiện. Xem, ví dụ : http://www.burns-stat.com/pages/Tutor/bootstrap_resampling.html

Tôi muốn nói có một kỹ thuật chính thứ ba: xác nhận chéo. Điều này được sử dụng để kiểm tra sức mạnh dự đoán của các mô hình.

Câu hỏi của tôi là kỹ thuật lấy mẫu lại nào đã đạt được các
bài kiểm tra Bootstrapping hoặc hoán vị phổ biến hơn ?

1. Bootstrapping chủ yếu là về việc tạo ra các lỗi tiêu chuẩn mẫu lớn hoặc khoảng tin cậy; kiểm tra hoán vị như tên cho thấy chủ yếu là về kiểm tra. (Mỗi cái có thể được điều chỉnh để được sử dụng cho các nhiệm vụ khác.)

2. Làm thế nào chúng ta sẽ đánh giá sự nổi tiếng? Nếu chúng ta nhìn vào các lĩnh vực như tâm lý học và giáo dục, chúng ta có thể tìm thấy rất nhiều sử dụng các bài kiểm tra dựa trên xếp hạng như Wilcoxon-Mann-Whitney, bài kiểm tra xếp hạng đã ký, bài kiểm tra tương quan xếp hạng, v.v. Đây là tất cả các thử nghiệm hoán vị (mặt khác, có nhiều trường hợp trong đó các thử nghiệm hoán vị của dữ liệu gốc có thể được sử dụng thay thế nhưng thường thì không). Trong một số lĩnh vực ứng dụng khác, các phép thử hoán vị hiếm khi được sử dụng, nhưng sự phổ biến khác nhau giữa các lĩnh vực ứng dụng đôi khi nói nhiều về văn hóa địa phương của bất kỳ khu vực nào hơn là hữu ích.

dễ thực hiện hơn?

Trong nhiều trường hợp - đặc biệt là những trường hợp đơn giản hơn - chúng gần như dễ dàng như nhau - về cơ bản là sự khác biệt giữa lấy mẫu với thay thế và lấy mẫu mà không cần thay thế.

Trong một số trường hợp phức tạp hơn, bootstrapping dễ thực hiện hơn vì (nhìn từ quan điểm thử nghiệm) nó hoạt động theo phương án thay vì null (ít nhất là các triển khai ngây thơ sẽ - làm việc đó để nó hoạt động tốt có thể phức tạp hơn nhiều).

Các thử nghiệm hoán vị chính xác có thể khó khăn trong các trường hợp phức tạp hơn vì một lượng có thể trao đổi phù hợp có thể không quan sát được - thường thì một lượng gần như có thể trao đổi có thể được thay thế bằng giá chính xác (và không thực sự phân phối).

Bootstrapping về cơ bản từ bỏ tiêu chí chính xác tương ứng (độ bao phủ chính xác của các khoảng) ngay từ đầu, và thay vào đó tập trung vào việc cố gắng có được độ bao phủ hợp lý trong các mẫu lớn (đôi khi ít thành công hơn có thể hiểu được; nếu bạn chưa kiểm tra, đừng 'giả sử bootstrap của bạn cung cấp phạm vi bảo hiểm mà bạn mong đợi).

Các thử nghiệm hoán vị có thể hoạt động trên các mẫu nhỏ (mặc dù sự lựa chọn hạn chế về mức ý nghĩa đôi khi có thể là vấn đề với các mẫu rất nhỏ), trong khi bootstrap là một kỹ thuật mẫu lớn (nếu bạn sử dụng nó với các mẫu nhỏ, trong nhiều trường hợp, kết quả có thể không rất hữu ích).

Tôi hiếm khi xem họ là đối thủ cạnh tranh trong cùng một vấn đề và đã sử dụng chúng cho các vấn đề thực tế (khác nhau) - thường sẽ có một sự lựa chọn tự nhiên để xem xét.

Có những lợi ích cho cả hai, nhưng không phải trong một panacaea. Nếu bạn đang hy vọng giảm nỗ lực học tập bằng cách chỉ tập trung vào một trong số họ thì bạn có thể sẽ thất vọng - cả hai đều là những phần thiết yếu của hộp công cụ lấy mẫu lại.