পার্মিশন পরীক্ষা কোনও গড়ের সাথে একক নমুনার তুলনা করে

Question

লোকেরা যখন কোনও গড়ের বিরুদ্ধে একক নমুনার তুলনা করার জন্য ক্রমাচরণ পরীক্ষাগুলি প্রয়োগ করে (যেমন, আপনি কোনও অনুক্রমের টি-টেস্টের সাথে করতে পারেন), তবে কীভাবে এই পদ্ধতিটি পরিচালনা করা হয়? আমি বাস্তবায়নগুলি দেখেছি যা কোনও পারমিটেশন পরীক্ষার জন্য একটি গড় এবং একটি নমুনা গ্রহণ করে তবে তারা প্রকৃতপক্ষে হুডের নীচে কী করছে তা স্পষ্ট নয়। অনুমানিত গড়ের বিপরীতে একটি নমুনার জন্য ক্রমশক্তি পরীক্ষা (উদাহরণস্বরূপ, টি-পরীক্ষা) করার কোনও অর্থবহ উপায় আছে কি? অথবা, বিকল্পভাবে, তারা কি কেবল হুডের অধীনে অনুমতি ছাড়াই পরীক্ষায় ডিফল্ট হচ্ছে? (উদাহরণস্বরূপ, কোনও ক্রিয়াকলাপ ক্রিয়াকলাপ কল করা বা একটি পরীক্ষার পতাকা পতাকা নির্ধারণের পরেও, একটি মানক টি-টেস্ট বা অনুরূপ ফাংশনকে ডিফল্ট করা)

একটি স্ট্যান্ডার্ড দ্বি-নমুনা ক্রমশক্তি পরীক্ষায়, একটির দুটি গ্রুপ থাকে এবং লেবেলগুলির কার্যভারটি এলোমেলো করে দেওয়া হত। যাইহোক, যখন একটি "গোষ্ঠী" একটি অনুমিত অর্থ হয় কীভাবে এটি পরিচালনা করা হয়? স্পষ্টতই, একটি ধরে নেওয়া গড়ের কোনও নমুনার আকার থাকে না এবং নিজেই থাকে। তারপরে, একটি ক্রম বিন্যাসে গড় কাজ করার সাধারণ উপায়টি কী? "গড়" নমুনা একটি একক পয়েন্ট হিসাবে ধরে নেওয়া হয়? নমুনা গ্রুপের সমান আকারের একটি নমুনা? একটি অসীম আকারের নমুনা?

প্রদত্ত যে একটি অনুমিত অর্থ হ'ল, ভাল, ধরে নেওয়া হয়েছে- আমি বলব এটির প্রযুক্তিগতভাবে হয় অসীম সমর্থন বা আপনি এটির জন্য যা সমর্থন চান তা সমর্থন করে has তবে এগুলির দুটিই প্রকৃত গণনার জন্য খুব কার্যকর নয় very গড়ের সমান মানের সমান আকারের একটি নমুনা বলে মনে হয় যা কিছু পরীক্ষার মাধ্যমে কখনও কখনও করা হয় (যেমন, আপনি কেবল অনুমিত অবস্থানের সাথে জোড়াগুলির অর্ধেকটি পূরণ করুন)। এটি কিছুটা অর্থবহ করে তোলে, কারণ এটি সমান দৈর্ঘ্যের নমুনা হিসাবে আপনি দেখতে পাবেন যে আপনার অনুমানের গড়টি কোনও প্রকার ছাড়াই সঠিক ছিল কিনা।

সুতরাং আমার প্রশ্নটি হ'ল: বাস্তবে, যখন দ্বিতীয় সেটটি গড় (বা অনুরূপ বিমূর্ত ধারণা অনুমান করা হয়) হয় তখন লোকেরা কি প্রকৃতপক্ষে অনুমতিপত্র পরীক্ষা-শৈলীর লেবেল র্যান্ডমাইজেশন অনুকরণ করে? যদি তা হয়, লোকেরা লেবেল এলোমেলোকরণের কাজটি কীভাবে পরিচালনা করে?

Comments

নির্দিষ্ট হাইপোথাইজাইজড গড়ের ক্রমশক্তি পরীক্ষা ডেটা থেকে অনুমান করা গড়কে বিয়োগ করা এবং শূন্যের গড়ের বিরুদ্ধে পরীক্ষা করা থেকে আলাদা নয়। একটি জোড় পরীক্ষা এখানে আলোচনা করা হয় ; এটি অনুমান করে যে নালীর নীচে জোড়গুলির একই বন্টন রয়েছে, যা পরের এক-নমুনা পরীক্ষাটি নির্ভর করে এমন পার্থক্য বোঝায় যেগুলি প্রতিসম হিসাবে বিবেচিত হয়। সেই ভিত্তিতে, প্রতিটি পার্থক্যগুলিতে লক্ষণগুলি এলোমেলোভাবে উল্টে যায় ... (সিটিডি)

— গ্লেন_বি -রিনস্টেট মনিকা

(সিটিডি) ... (যা সংযুক্ত পরীক্ষার জন্য গ্রুপগুলির লেবেলগুলি উল্টানোর সমতুল্য)। ওয়েল এটি একটি এলোমেলোকরণ পরীক্ষার জন্য - একটি পূর্ণ ক্রমশক্তি পরীক্ষার জন্য আপনি সমস্ত করতেন$2^n$সাইন ফ্লিপ সম্ভাব্য সংমিশ্রণ। যদি আপনি প্রতিসাম্যতা অনুমান করতে না পারেন তবে আপনি কী অনুমতি দেবেন তা দেখতে কিছুটা কঠিন - তবে আপনার এখনও বুটস্ট্র্যাপ পরীক্ষা চালানো উচিত be

— গ্লেন_বি -রিনস্টেট মনিকা

এটা বোধগম্য. তবে আমি যে গণনা করি তা গণ্যকর বাস্তবায়ন থেকে আমি কিছুটা ভাবছি। আপনি যদি এটিকে একটি সাইন টেস্টে রূপান্তর করতে পারেন তবে লোকেরা কি আসলে অনুমতিগুলি গণনা করে বিরক্ত করে? দৈর্ঘ্য N এর যে কোনও অনুক্রমের জন্য, সাইন ফ্লিপের পুরো সেট ক্রম একই হবে, না? সুতরাং আমি ভাবব যে ফণা অধীনে, লোকেরা এটি দ্বিপদী পরীক্ষার জন্য ম্যানুয়ালি দ্বি-দ্বিধাবিভক্ত করে তোলে এমন অনুমতিগুলি ম্যানুয়ালি তৈরির পরিবর্তে কেবল দ্বিপদী পরীক্ষায় পরিণত করতে পারে। আমি মূলত ভাবছি যে / যখন রিলেবিলিং ও বেনিফিটের ক্ষেত্রে একক নমুনা বনাম কোনও স্ট্যান্ডার্ড টেস্ট ব্যবহারের তুলনায় অনুমতি দেওয়ার সুবিধা হয়।

— নাম

আমি একেবারে সাইন টেস্টে রূপান্তর করার পরামর্শ দিচ্ছিলাম না। এই স্কিমের অধীনে আমি চিহ্নগুলি বিযুক্ত করে দিছিলাম তবে অনুমতি দেওয়া হয়েছে তবে আসল তথ্যগুলির পরম মানগুলি বজায় রাখা হয়; দ্য$k^\text{th}$ permuted $x_i$ হয় $s_i^{[k]} |x_i|$ কোথায় $s$ হয় এটা $+1$ অথবা $-1$। অর্থাৎ, যদি$x_{10}$ শূন্য মানের গড় বিপরীতে এক নমুনা পরীক্ষায় ১১.৪৩ ছিল $x_{10}$এর সবগুলি হয় -11.43 বা +11.43 হয়। আপনি যদি প্রথমে নিখুঁত ডেটা র‌্যাঙ্ক করেন, আপনি আসলে উইলকক্সন স্বাক্ষরিত র‌্যাঙ্ক পরীক্ষা দিয়ে শেষ করতে চান, সুতরাং এটির অরঙ্কিত (মূল-ডেটা) সংস্করণটির মতো।

— গ্লেন_বি -রিনস্টেট মনিকা

Answer 1

উত্তরে গ্লেন_বি'র মন্তব্য প্রসারিত করা হচ্ছে

শূন্য গড়ের একটি নাল অনুমানের বিপরীতে একটি নমুনার গড়ের জন্য আনুমানিক এক-নমুনার ক্রমুঠন পরীক্ষাটি নমুনায় ডেটাতে এলোমেলো লক্ষণগুলি প্রয়োগ করে প্রয়োগ করা হয়। অ-শূন্য নাল হাইপোথেসিসগুলি ডেটা থেকে পছন্দসই নাল মধ্যম বিয়োগ করে পরীক্ষা করা যেতে পারে।

এটি onetPermutationপ্যাকেজে আর ফাংশনের উত্সে দেখতে সহজ DAAG। আমি যুক্ত করেছি এমন মন্তব্য সহ প্রাসঙ্গিক কোডের একটি অংশ এখানে দেওয়া হয়েছে:

function (x, nsim) {

  ## Initialize and pre-allocate

  n <- length(x)
  dbar <- mean(x)
  absx <- abs(x)  # there's actually a bug in the code; below you'll see that the function ends up re-computing abs(x) instead of using this
  z <- array(, nsim)


  ## Run the simulation    

  for (i in 1:nsim) {                             # Do nsim times:
      mn <- sample(c(-1, 1), n, replace = TRUE)   #  1. take n random draws from {-1, 1}, where n is the length of the data to be tested
      xbardash <- mean(mn * abs(x))               #  2. assign the signs to the data and put them in a temporary variable
      z[i] <- xbardash                            #  3. save the new data in an array
  }


  ## Return the p value
  # p = the fraction of fake data that is:
  #      larger than |sample mean of x|, or
  #    smaller than -|sample mean of x|

  (sum(z >= abs(dbar)) + sum(z <= -abs(dbar)))/nsim
}

Comments

absউপরের কোডটিতে ফাংশনটি কী ? লেবেলগুলির উল্টানো কি এলোমেলোভাবে সমান ছাড়া হবে না abs?

— ম্যাথু ব্রেট