Différence entre le test de randomisation et le test de permutation


15

Dans la littérature, les termes Randomisation et Permutation sont utilisés de manière interchangeable. Avec de nombreux auteurs déclarant "tests de permutation (alias randomisation)", ou vice versa.

Au mieux, je crois que la différence est subtile, et elle réside dans leurs hypothèses sur les données et les conclusions potentielles qui peuvent être tirées. J'ai juste besoin de vérifier si ma compréhension est correcte ou s'il y a une différence plus profonde qui me manque.

Les tests de permutation supposent que les données sont échantillonnées au hasard à partir d'une distribution de population sous-jacente (le modèle de population). Cela signifie que les conclusions tirées du test de permutation sont généralement applicables à d'autres données de la population [3].

Les tests de randomisation (modèle de randomisation) "nous permettent de supprimer l'hypothèse invraisemblable d'une recherche psychologique typique --- échantillonnage aléatoire à partir d'une distribution spécifiée" [2]. Cela signifie toutefois que les conclusions tirées ne s'appliquent qu'aux échantillons utilisés dans le test [3].

Certes, la différence ne concerne que la définition de la population . Si nous définissons la population comme «tous les patients atteints de la maladie et aptes au traitement», le test de permutation est valable pour cette population. Mais parce que nous avons limité la population à celles qui sont adaptées au traitement, il s'agit vraiment d'un test de randomisation.

Références:
[1] Philip Good, Tests de permutation: Un guide pratique sur les méthodes de rééchantillonnage pour tester les hypothèses.
[2] Eugene Edgington et Patric Onghena, tests de randomisation.
[3] Michael Ernst, Méthodes de permutation: une base pour l'inférence exacte


Est-ce que l'utilisation de méthodes basées sur la théorie normale permettra de conclure au-delà de l'échantillon (à la population) alors que l'utilisation de méthodes de randomisation conduira à ce que nos conclusions ne s'appliquent qu'à l'échantillon?
info_seeker

Réponses:


10

Il y a un certain chevauchement et la forme la plus courante du test de permutation est une forme de test de randomisation.

Certains puristes considèrent que le véritable test de permutation est basé sur toutes les permutations possibles des données. Mais en pratique, nous échantillonnons à partir de l'ensemble de toutes les permutations possibles et c'est donc un test de randomisation.

Il existe également des tests de bootstrap, si nous ne trouvons pas tous les échantillons de bootstrap possibles mais plutôt des échantillons de l'ensemble possible (ce qui est généralement fait), il s'agit également d'un test de randomisation (mais pas d'un test de permutation).

En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.