The Classification Permutation Test: A Nonparametric Test for Equality of Multivariate Distributions
确定因果关系的金标准是随机对照实验。在社会科学和医学的许多应用中,研究人员不控制分配机制,而是可能依赖于自然实验,回归不连续设计,随机对照试验,或匹配方法作为实验随机化的替代品。随机分配的标准可检验含义是处理单位和对照单位之间的协变量平衡。因此,协变量平衡通常用于验证“假设”随机分配的声明。本文提出了一种新的协变量平衡的非参数检验方法。我们的分类排列测试(CPT)是基于分类方法(例如,逻辑斯谛回归或随机森林)与费舍尔排列推理的组合。CPT保证具有正确的覆盖率,并且在所选分类器的弱假设下是一致的。为了说明使用CPT的好处,我们重新审视了四个真实数据的例子:Lyall(2009); Green and Winik(2010); Eggers and Hainmueller(2009);以及Rouse(1995)。蒙特卡罗功率模拟被用来比较CPT两个现有的非参数检验的多元分布的平等。
2016-11-19 stat.AP
Extending The Range of Application of Permutation Tests: the Expected Permutation p-value Approach
置换检验的局限性在于它们假设交换性。证明了在广义线性模型中,在特殊情况下可以由得分统计量构造置换检验。当在原假设下观察值不可交换时,Cox-Snell残差表示允许开发基于预期排列p值(Eppv)的方法;这适用于逻辑斯谛回归模型。一个小的模拟研究和实际数据的说明。
2010-03-04 stat.ME
Permutation tests of non-exchangeable null models
推广到排列测试,以允许在这种情况下,空模型是不可交换的。证明了广义置换检验是精确的,并建立了一个部分逆命题:任何在所有概率密度上都是精确的检验函数都与在特定区域上的广义置换检验重合.一个最强大的广义置换测试的封闭形式。最强大的广义排列测试的近似提出,以减少计算所需的计算负担,计算完整的测试。特别是,一个显式形式的近似测试中派生的多项式伯恩斯坦多项式逼近,并证明其收敛到最强大的广义置换测试。在p值的确定比假设检验更重要的情况下,分析了两种估计显著性的方法。根据样本量给出了精确最有效检验的显著性偏差的界限。对于这两个估计量,当样本量趋于无穷大时,估计量在较弱的条件下收敛于最强广义置换检验的显著性。给出了广义置换检验在线性混合模型中的应用。
2018-08-30 stat.ME
Permutation-Based Tests of Perfect Ranking
我们使用置换方法改进了Li和Balakrishnan(2008)提出的秩集抽样中的三个完美秩检验。这种简单的方法将所有三个概念扩展到不同周期的比较,增加了力量。两个建议的测试是等价的测试从文献中,这是不同的推导,因此推广的置换为基础的测试。
2014-11-18 stat.ME
Permutation testing in high-dimensional linear models: an empirical investigation
在线性模型中,当干扰系数的数目小于样本量时,排列检验是一个研究得很好的课题。此类检验的常用方法是在对干扰协变量进行回归后置换残差。基于置换的检验特别有价值,因为它们对违反标准线性模型(如非正态性和异方差性)具有高度鲁棒性。此外,在某些情况下,它们可以与现有的强大的基于置换的多重检验方法相结合。在这里,我们提出了置换测试的滋扰系数的数量超过样本量的模型。新的测试的性能进行了研究与模拟。在广泛的模拟场景中,我们提出的置换方法提供了适当的第一类错误率控制,不像一些竞争测试,同时具有良好的功率。
2020-10-08 stat.ME
A Permutation Test on Complex Sample Data
排列测试是一种执行假设测试的分布自由方式。这些检验依赖于观察到的数据在原假设下被检验的组之间可交换的条件。对于从简单随机样本或对照研究中获得的数据,在对数据进行简单调整后,很容易满足这一假设,但没有通用方法来调整使用复杂样本设计收集的调查数据,以允许进行排列检验。在这篇文章中,我们提出了一个通用的方法来执行一个伪排列测试,占复杂的样本设计。所提出的方法是不是一个真正的置换检验,因为新的值不来自一般的观察值的集合,而是一个扩展的值集,满足随机效应模型的集群残差。使用模拟人口的测试比较所提出的方法的性能,置换测试,忽略了样本设计表明,它是必要的,以获得合理的p值估计考虑某些设计功能。
2017-12-13 stat.ME
A nonparametric independence test using random permutations
针对两个连续随机变量之间的独立性假设,提出了一种新的非参数检验方法。该测试基于随机排列的最长递增子序列的大小。我们证明了两个连续变量之间的独立性假设与配置均匀分布的置换空间,我们给出了统计量的确切分布。我们计算了几个样本量的分布。通过一个模拟研究,我们估计我们的测试的权力下的独立性的原假设不同的备择假设。
2009-08-26 stat.ME
Confidence regions for univariate and multivariate data using permutation tests
置信区间是统计推断的核心,是评估给定显着性水平下的第一类错误风险的工具。我们设计了一种方法来构建置信区间使用一个单一的运行的排列测试。这种方法被扩展到一个多变量设置,在那里我们能够处理任意依赖下的多重检验。我们证明了天气数据集的方法,并在一个模拟的例子。
2022-06-18 stat.ME
A comparison of efficient permutation tests for unbalanced ANOVA in two by two designs--and their behavior under heteroscedasticity
我们比较了不同的排列检验和一些参数对应,适用于两个由两个设计的不平衡设计。首先简要概述了不同的方法。然后,我们在模拟研究中调查测试的行为。一个特别的重点是在异方差下的测试行为。
2013-09-30 stat.ME
New methods for multiple testing in permutation inference for the general linear model
置换方法通常用于测试功能(图像)数据集的一般线性模型(GLM)中感兴趣的回归量的显著性,特别是对于神经成像应用,因为它们依赖于温和的假设。GLM的置换推断通常包括三个部分:选择相关的检验统计量,计算逐点置换检验和应用多重检验校正。我们提出了新的多重检验方法,作为一种替代常用的最大值的检验统计量在整个图像。新方法提高了功率和鲁棒性对跨其域的检验统计量的不均匀性。该方法依赖于排序的排列功能检验统计量的逐点排序措施的基础上,他们仍然可以实现,即使是大的大脑数据。通过设计的仿真实验和脑成像数据的例子证明了该方法的性能。我们开发了R包GET,可用于计算所提出的程序。
2020-11-13 stat.ME
When Do Generalized Permutation Tests Achieve Optimal Power? A Dispersion Characterization
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
本文通过引入两种离散度量,刻画了非均匀置换分布下广义蒙特卡洛置换检验的条件分布收敛性,并证明了当离散度渐近消失时检验达到最优Pitman局部功效,反之则无法保证。
2026-05-30 stat.ME
Covariance Correction for Permutation Statistics in Multiple Testing Problems
Otto von Guericke University Magdeburg(马格德堡奥托·冯·格里克大学);TU Dortmund University(多特蒙德工业大学);RWTH Aachen University(亚琛工业大学)
本文提出一种更高效的协方差校正方法,恢复多重检验中排列统计的联合渐近依赖结构,适用于广泛的问题场景。
2026-04-08 stat.ME
Direction-Projection-Permutation for High Dimensional Hypothesis Tests
基于现代统计应用中高维低样本量数据集的普遍存在,本文提出了一个通用的非参数框架--方向投影置换(DiProPerm),用于检验高维假设。该方法旨在严格测试低维视觉差异是否具有统计学显著性。在固定样本量的维数趋于无穷大的非经典渐近制度下的理论分析表明,DiProPerm的某些自然变化可能具有非常不同的行为。一项实证功效研究证实了理论结果,并表明DiProPerm在许多情况下都是一种强大的测试。最后将DiProPerm应用于高维基因表达数据集。
2013-04-02 stat.ME
Exploring Exchangeability within Permutation Inference: Implications for Statistics and Data Science Educators
本文探讨多元线性回归置换检验中的可交换性假设,分析不同置换方案对第一类错误的影响及聚类等违反假设的情形,并为统计教学提出建议。
2026-10-14 stat.ME
Extremely efficient permutation and bootstrap hypothesis tests using R
已知基于重新采样的统计检验计算量大,但在样本量较小时可靠。尽管它们有很好的理论特性,但人们并没有付出太多努力来使它们有效。本文讨论了Pearson相关系数和两独立样本t检验的情况。在这两种情况下,我们提出了一种计算效率很高的方法来计算基于置换的p值。该方法具有通用性,可应用于其它类似的双样本均值或双均值向量的情况。
2018-06-28 stat.ME
Inferring median survival differences in general factorial designs via permutation tests
具有右删失观察值的析因生存设计通常通过Cox回归推断,并通过风险比进行解释。然而,在非比例风险的情况下,它们的解释可能变得繁琐;特别是对于临床医生。因此,我们提供了一种替代方案:使用中位生存时间来估计治疗和相互作用效应,并在其人群版本的对比中制定零假设。基于置换的测试和置信区域的建议,并证明是渐近有效的。它们的第一类错误控制和功率行为进行了广泛的仿真研究,显示了新方法的广泛适用性。后一部分还辅以说明性数据分析。
2020-06-25 stat.ME
Multivariate quantile-based permutation tests with application to functional data
针对多元检验统计量的置换检验需求,提出基于最优测度传输、用经验中心-向外分布函数计算单一p值的新方法,同时给出测度传输替代经典组合函数的方案,经蒙特卡洛对比验证并应用于函数型数据。
2023-11-07 stat.ME
Permutation-based multiple testing corrections for p-values and confidence intervals for cluster randomised trials
在这篇文章中,我们推导和比较方法,以获得\textit{p} -值和置信区间集与强控制的家庭明智的错误率和覆盖率的估计处理效应在多个结果的集群随机试验。有几种方法用于\textit{p}值校正和推导置信区间,限制了它们在此设置中的应用。我们讨论了Bonferroni,Holm和Romano \& Wolf(2005)的方法,并将其应用于使用不同检验统计量的基于置换的方法进行聚类随机试验推断。我们开发了一种新的搜索程序的置信集集使用置换测试产生一组置信区间下的每种方法的校正。我们进行了一项基于模拟的研究,比较家庭明智的错误率,覆盖率的信心集,和效率的每一个程序相比,没有纠正使用基于模型的标准误和排列测试。我们表明,Romano-Wolf型程序具有名义上的错误率和非独立相关结构下的覆盖率,并且在基于模拟的研究中比其他方法更有效。我们还比较了现实世界试验的分析结果。
2023-02-07 stat.ME
Kernel-based Partial Permutation Test for Detecting Heterogeneous Functional Relationship
我们提出了一种基于核的部分排列检验,用于检验不同群体之间的反应和协变量之间的函数关系是否相等。其主要思想是保持响应向量$\boldsymbol{Y}$在核矩阵的主成分上的投影固定,并置换$\boldsymbol{Y}$在其余主成分上的投影,这是直观且易于实现的。建议的测试允许不同的选择内核,对应于不同类别的功能下的原假设。首先,使用线性或多项式核,我们的部分置换测试是完全有效的,在有限样本的线性或多项式回归模型与高斯噪声;类似的结果直接扩展到内核与有限的特征空间。第二,通过允许核特征空间随样本量发散,测试可以对更广泛的函数类是大样本有效的。第三,对于可能具有无限维特征空间的一般内核,当协变量在所有组之间完全平衡时,部分置换测试完全有效,或者当底层函数遵循某些正则化高斯过程时,部分置换测试渐近有效。我们进一步建议使用两个(嵌套)GPR模型之间的似然比的检验统计量,并提出计算效率高的算法,利用期望最大化算法和牛顿的方法,后者还涉及Fisher评分和二次规划,是特别有用的EM时,收敛速度慢。相关和非高斯噪声的扩展也进行了理论或数值研究。此外,测试可以扩展到一起使用多个内核,因此可以享受每个内核的属性。仿真研究和实际应用表明了该方法的有效性。
2021-10-28 stat.ME
permApprox: a general framework for accurate permutation p-value approximation
Ludwig-Maximilians-Universität München(路德维希-马克西米利安慕尼黑大学);Munich Center for Machine Learning(慕尼黑机器学习中心);Helmholtz Munich(赫尔姆霍茨慕尼黑中心);Dr. von Hauner Children’s Hospital, LMU University Hospital, Ludwig-Maximilians-Universität München(路德维希-马克西米利安慕尼黑大学LMU医院冯·奥伊纳儿童专科医院);Comprehensive Pneumology Center Munich, Member of the German Center for Lung Research (DZL)(慕尼黑综合肺病研究中心,德国肺部疾病研究中心(DZL)成员);Institute of Computational Biology, Helmholtz Munich(赫尔姆霍茨慕尼黑计算生物学研究所);Center for Computational Mathematics, Flatiron Institute(平顿研究所计算数学中心)
permApprox通过广义极值分布建模和约束支持,解决置换检验中零p值问题,提供准确且无零的p值近似,适用于高维数据和计算密集型场景。
2026-02-26 stat.ME
Prepivoted permutation tests
我们提出了一个一般的方法来构建置换检验,这是准确的原假设的平等分布和渐近正确的分布参数的测试平等,同时允许分布本身不同。这些鲁棒的置换检验在枚举其置换分布之前,通过其极限分布函数的一致估计来变换给定的检验统计量。这种变换称为预主元变换,它将检验统计量的无条件极限分布与其排列分布的概率极限对齐。通过预旋转,测试置换1减去一个渐近有效的$p$ -值,用于测试参数相等的空值。我们描述了两种预主元内的置换检验,一个直接使用渐近正态性和其他使用的引导。我们进一步说明,置换检验使用引导预旋转可以提供改进的顺序的错误拒绝概率相对于竞争的转换时,测试平等的参数,同时保持准确性下的平等的分布。模拟研究突出了该建议的多功能性,说明了恢复的渐近有效性进行了广泛的置换检验时,只有分布的参数是相等的。
2021-07-08 math.ST stat.ME stat.TH
Power Enhancement of Permutation-Augmented Partial-Correlation Tests via Fixed-Row Permutations
本文提出通过贪心算法固定部分设计行、仅置换其余行来降低协变量与置换的共线性,从而在保持第一类错误控制的同时显著提升偏相关检验的功效,尤其适用于高共线性场景。
2025-06-03 math.ST stat.ME stat.TH
Fast Approximation of Small p-values in Permutation Tests by Partitioning the Permutations
遗传学和其他生命科学的研究人员通常使用排列测试来评估群体之间的差异。置换检验具有理想的性质,包括数据可交换时的精确性,并且即使当检验统计量的分布在分析上难以处理时也是适用的。然而,置换测试可能是计算密集型的。我们提出了一个渐近近似和restaurant算法快速估计小排列p值(例如$<10^{-6}$)的差异和比的两个样本测试中的手段。我们的方法是基于分布的检验统计量内和跨分区的排列,我们定义。在这篇文章中,我们提出了我们的方法,并通过模拟和应用程序来展示它们的使用癌症基因组数据。通过模拟,我们发现,我们的rescue算法是更计算效率比另一种领先的替代方案,特别是对于非常小的p值(例如$<10^{-30}$)。通过应用于癌症基因组数据,我们发现我们的方法可以成功地识别上调和下调的基因。虽然我们专注于差异和比率的手段,我们推测,我们的方法可能在其他设置。
2017-03-11 stat.AP stat.CO stat.ME
Permutation-Free High-Order Interaction Tests
本文提出一类基于 V 统计量和交叉中心化的无置换高阶交互检验方法,用于检验多变量联合独立性与部分因子分解,在保持标准正态极限分布的同时显著提升计算可扩展性,并通过合成数据及因果发现、特征选择应用验证其有效性。
2025-06-06 stat.ME stat.ML
Least Squares-Based Permutation Tests in Time Series
Stanford University(斯坦福大学)
本文针对平稳弱依赖时间序列的回归参数与无单调趋势问题,构造了渐近有效且可交换性成立时仍精确的置换检验方法,并公开了R包permixOLS供使用。
2026-08-11 math.ST stat.ME stat.TH
Local permutation tests for conditional independence
本文研究了在给定$Z$的情况下,两个随机向量$X$和$Y$之间条件独立性的局部置换检验.局部置换检验通过局部地重排共享条件变量$Z$的相似值的样本来确定检验统计量的显著性,并且它形成了用于无条件独立性检验的通常置换方法的自然扩张。尽管局部置换检验简单且有经验支持,但其理论基础仍不清楚。基于这一空白,本文旨在建立局部置换检验的理论基础,特别关注基于分组的统计。我们首先重新审视条件独立性测试的硬度,并提供了一个上限的权力,任何有效的条件独立性测试,这保持在$Z$中观察碰撞的概率是小的。这个否定的结果自然促使我们对空分布和交替分布下的可能分布施加额外的限制。为此,我们把注意力集中在某些类的光滑分布,并确定可证明的紧条件下,当地的置换方法是普遍有效的,即它是有效的,当应用于任何(分箱为基础的)检验统计量。为了补充这一结果的I型差错控制,我们还表明,在某些情况下,通过本地置换方法校准的基于合并的统计可以实现最小最大的最佳功率。我们还介绍了一个双分仓置换策略,它产生了一个有效的测试在不太光滑的零分布比典型的单分仓方法,而不损害太多的权力。最后,我们提出了模拟结果来支持我们的理论研究结果。
2022-01-06 math.ST stat.ME stat.TH
Cheap Permutation Testing
Microsoft Research(微软研究院);Cornell Tech(康奈尔科技)
研究如何加速排列检验,提出将数据点分组为箱并仅对箱排列的方法,证明该廉价排列检验对U和V统计量有运行快、功效近似标准检验的特性,继承了标准检验的优点且优于多种其他检验。
2026-07-22 math.ST stat.CO stat.ME
Permutation in genetic association studies with covariates: controlling the familywise error rate with score tests in generalized linear models
在全基因组关联(GWA)研究中,目标是检测遗传标记与给定表型之间的关联。遗传标记的数量可能很大,并且用于控制总体错误率的有效方法是分析GWA数据时的中心主题。当检验是相关的时,已知Bonferroni方法是保守的。置换方法在满足交换率假设的情况下可以精确控制总体错误率,但对于大型数据集来说计算量很大。对于回归模型,交换性假设一般不满足,如何进行排列检验,除了一些近似方法外,没有标准的解决方案。在本文中,我们将讨论置换方法控制的家庭错误率的遗传关联研究,并提出了一个近似的解决方案。这些方法将使用模拟数据进行比较。
2017-05-08 stat.CO stat.ME
Testing Independence of Bivariate Censored Data using Random Walk on Restricted Permutation Graph
在本文中,我们提出了一个程序来测试的二元删失数据的独立性,这是通用的,适用于任何类型的删失文献。为了检验这个假设,我们考虑一个基于秩的统计量,肯德尔的tau统计量。删失数据定义了所有可能的观测值秩的受限置换空间。我们提出的统计量,在限制置换空间的秩的Kendall的tau的平均值。为了评估统计量及其参考分布,我们开发了一个马尔可夫链蒙特卡罗(MCMC)程序,以获得均匀的样本的限制置换空间和数值近似的零分布的平均肯德尔的τ。我们将该方法应用于三个不同删失类型的真实数据实例,并将结果与现有方法进行了比较。我们结束了一些额外的讨论没有给出的文件的主体文件。
2022-07-11 stat.CO stat.ME
Using the Sinkhorn divergence in permutation tests for the multivariate two-sample problem
为了使Wasserstein距离适用于大样本多变量非参数两样本问题,使其应用在计算上可行,考虑了基于与数据相关分区相关联的概率向量之间的Sinkhorn散度的置换检验.实施这些测试的不同方式进行评估,并建立在某些情况下的基本统计量的渐近分布。提出的统计进行了比较,在模拟的例子中,与席林的,在文献中可用的最好的非参数检验之一的测试。
2022-09-28 math.ST stat.ME stat.TH
Bayesian Network Structure Learning with Permutation Tests
在文献中有几个贝叶斯网络结构学习算法的性能研究。这些研究的重点几乎总是学习算法所基于的算法,即最大化算法(在基于分数的算法中)或用于学习每个变量的依赖关系的技术(在基于约束的算法中)。在本文中,我们研究如何使用置换测试,而不是参数的影响性能的贝叶斯网络结构学习离散数据。收缩试验也包括在当前的文献中开发的技术提供了一个广泛的概述。
2012-08-26 stat.ME stat.ML
Permutation Testing for Monotone Trend
针对时间序列单调趋势检验,本文指出 Mann-Kendall 检验无法控制第一类错误,并通过学生化统计量构造兼具渐近控制与 i.i.d. 精确性的置换检验,同时提出局部 Mann-Kendall 检验。
2024-04-10 math.ST stat.ME stat.TH
Likelihood test in permutations with bias. Premier League and La Liga: surprises during the last 25 seasons
本文引入了带偏置的置换模型,即一个集合的随机置换,它被某些偏好值偏置。我们提出了一种新的参数检验,以及一种有效的方法来计算其p值。英格兰和西班牙主要足球联赛的决赛桌根据这一新程序进行测试,以发现这些结果是否与预期一致。
2017-08-01 math.ST stat.AP stat.ME
A conformal test of linear models via permutation-augmented regressions
针对线性模型偏相关检验中现有排列检验缺乏有限样本错误控制的问题,提出PALMRT保形检验,通过排列增强回归在任意设计下控制第一类错误不超过2α,兼具功效与简便性,并在长新冠研究中验证了关键发现。
2023-12-27 math.ST stat.ME stat.TH
Permutation tests for the equality of covariance operators of functional data with applications to evolutionary biology
在本文中,我们推广了Pigoli et al.(2014)提出的协方差算子相等性的基于度量的置换检验到函数数据的多个样本的情况。为此,使用Pesarin和Salmaso(2010)的非参数组合方法将样本之间的所有成对比较组合为一个全局检验。对不同的组合函数和排列策略进行了详细的分析和评述。由此产生的测试允许进行推断的平等的协方差算子的多个组,如果有证据拒绝的原假设,以确定对组具有不同的协方差。结果表明,对于某些组合函数,降压调节程序可用于控制这种设置中的多重检验问题。这种新的测试的实证力量,然后通过模拟和现有的替代方法在不同的情况下进行比较。最后,所提出的方法被应用到从车轮运行活动实验,使用选择性育种研究小鼠运动行为的演变的数据。
2017-01-20 stat.AP stat.ME
Permutation tests for assessing potential non-linear associations between treatment use and multivariate clinical outcomes
在许多心理测量应用中,结果的平均值与定量协变量之间的关系过于复杂,无法用简单的参数函数来描述;相反,可以使用惩罚样条来合并灵活的非线性关系。惩罚样条可以方便地表示为线性混合效应模型(LMM),其中样条基函数的系数是随机效应。惩罚样条的LMM表示使得扩展到多变量结果相对简单。在LMM中,定量协变量对结果无影响对应于原假设,即固定效应和方差分量均为零。在零值下,方差分量的似然比检验的通常渐近χ 2分布不成立。因此,我们提出了三个排列测试的似然比检验统计量:一个基于置换的定量协变量,其他两个基于置换残差。我们通过模拟的第一类错误率和功率的三个排列测试获得的联合模型的多个结果,以及常用的参数测试。测试说明使用数据从兴奋剂使用障碍的心理社会临床试验。
2023-02-24 stat.AP stat.ME
Fast permutation tests and related methods, for association between rare variants and binary outcomes
在大规模遗传关联研究中,主要目的是测试遗传变异与疾病结果之间的关联。感兴趣的变体通常是罕见的,并且在受试者中以低频率出现。在这种情况下,基于标准渐近结果的统计检验不能充分控制第一类错误率,尤其是在病例:控制比不平衡的情况下。在本文中,我们提出了使用置换和近似无条件测试测试与罕见的变体。我们使用新的分析计算,以有效地近似真实的第一类错误率下常见的研究设计,并在数值研究表明,所提出的类的测试显着提高标准的测试方法。我们还说明了我们的方法,在数据从最近的病例对照研究,遗传原因的严重副作用的一种常见的药物治疗。
2017-12-18 q-bio.GN stat.ME
A Robust Permutation Test for Subvector Inference in Linear Regressions
提出一种用于线性模型系数子向量推断的稳健置换检验,证明其在独立条件下精确,放宽条件后渐近正确且具功效,模拟表明层数较小时实际功效良好。
2023-09-12 econ.EM stat.ME
The conditional permutation test for independence while controlling for confounders
我们提出了一个通用的新方法,条件置换测试,用于测试条件独立的变量$X$和$Y$给定一个潜在的高维随机向量$Z$,可能包含混杂因素。所提出的测试不均匀地置换$X$的条目,以便尊重$X$和$Z$之间的现有依赖性,从而解释这些混杂因素的存在。与Candès等人(2018)的条件随机化检验一样,我们的检验依赖于$X \mid Z$分布近似值的可用性。虽然Candès等人(2018)的测试使用此估计值来绘制新的$X$值,但对于我们的测试,我们使用此近似值来设计真实数据中已经看到的$X$值排列的适当非均匀分布。我们提供了一个有效的马尔可夫链蒙特卡罗采样器的实施我们的方法,并建立在$X\mid Z$的条件分布的近似误差方面的第一类错误的界限,发现,对于最坏的情况下的检验统计量,通货膨胀的第一类错误的条件置换测试是不大于条件随机化测试。我们验证了这些理论结果与模拟数据和Capital Bikeshare数据集上的实验。
2019-05-07 math.ST stat.ME stat.TH
Permutation test for the multivariate coefficient of variation in factorial designs
提出了多元变异系数及其倒数标准化均值的新推断方法。虽然在单变量的情况下,这两个参数有各种各样的测试程序,但如何在多变量设置中进行适当的推断还不太清楚。有一些现有的程序,但它们依赖于对基本分布的限制性假设。我们解决这个问题,通过应用沃尔德型统计的背景下,一般的,潜在的异方差因子设计。除了$k$示例案例之外,还可以将更高层次的布局合并到该框架中,从而允许讨论主效应和交互效应。由此产生的程序被证明是渐近有效的原假设和一致的一般替代品下。为了提高有限样本的性能,我们建议置换版本的测试,并表明测试的渐近性质可以转移到他们。一个详尽的模拟研究比较新的测试,他们的置换同行和现有的方法。为了进一步分析测试之间的差异,我们进行了两个说明性的真实数据的例子。
2020-03-30 math.ST stat.ME stat.TH
Permutation Tests at Nonparametric Rates
经典的分布相等性的双样本排列检验在有限样本下具有精确的大小,但它们不能控制检验每个分布的参数相等性的大小。本文提出了在根- $n$或更慢的速率估计的参数的平等的置换测试。我们的一般框架适用于参数和非参数模型,两个样本或一个样本分为两个子样本。当分布相等时,我们的检验在有限样本中具有渐近正确的大小,同时保持精确的大小。与使用渐近临界值的检验相比,它们在局部渐近功效方面没有损失。我们提出了在大样本中具有正确覆盖率的置信集,如果分布等于变换,则在有限样本中也具有精确覆盖率。我们将我们的理论应用到四个常用的假设检验的非参数函数在一个点上进行评估。最后,模拟显示出良好的有限样本性质,两个实证例子说明我们在实践中的测试。
2022-04-20 econ.EM math.ST stat.ME
A model sufficiency test using permutation entropy
利用排列熵中有序模式的概念,我们提出了一个模型充分性检验来研究给定模型的点预测精度。与一些经典的模型充分性检验,如Broock等人。的(1996)检验,我们的建议不需要一个足够的模型,以消除所有的结构中表现出的估计残差。当创新的调查数据的基础动力学表现出一定的结构,如高阶矩序列依赖,布鲁克等人。的(1996)检验可能导致关于点预测量的充分性的错误结论。由于结构化创新,模型充分性测试和预测准确性标准之间可能会出现不一致。我们的建议填补了模型和预测评估方法之间的这种不一致性,并且在基础过程具有非白色添加剂创新时仍然有效。
2021-12-16 stat.AP stat.CO stat.ME
Sequential Permutation Testing of Random Forest Variable Importance Measures
Institute of General Practice and Health Services Research(全科医学与卫生服务研究所);Institute of AI and Informatics in Medicine(医学人工智能与信息学研究所);Technical University of Munich(慕尼黑工业大学);Institute for Medical Information Processing, Biometry and Epidemiology(医学信息处理、生物统计学与流行病学研究所);University of Munich(慕尼黑大学)
针对随机森林变量重要性度量假设检验计算成本高的问题,提出采用序贯置换检验和序贯p值估计的方法,在控制第一类错误、维持高功效的同时大幅降低计算量,配套R包rfvimptest可通用至各类预测模型。
2022-06-02 cs.LG stat.AP stat.CO
Null-free False Discovery Rate Control Using Decoy Permutations
传统的多假设检验中的错误发现率控制方法通常基于检验统计量的零分布。然而,所有类型的零分布,包括理论的、基于置换的和经验的零分布,都有一些固有的缺点。例如,由于对样本分布的不正确假设,理论空值可能会失败。在这里,我们提出了一个零分布自由的方法来FDR控制多个假设检验。这种方法被称为目标-诱饵过程,简单地建立在测试的排序上,通过一些统计量或分数,其空分布不需要已知。竞争性诱饵测试是从原始样本的排列构造的,并用于估计假目标发现。我们证明了这种方法控制FDR时,统计量是独立的不同的测试。仿真表明,它比现有的两种流行方法更稳定、更强大。并在真实数据集上进行了评价。
2021-04-12 math.ST stat.ME stat.TH
Optimal rates for independence testing via $U$-statistic permutation tests
我们研究了独立同分布对在$σ$ -有限可分测度空间中取值的独立性检验问题。定义一个自然的措施的依赖$D(f)$的平方$L^2$ -距离之间的联合密度$f$和产品的边缘,我们首先表明,没有有效的测试是一致的独立性,对替代品的形式$\{f: D(f) \geq ρ^2 \}$。因此,我们限制注意的替代品,施加额外的Sobolev型平滑约束,并定义一个置换检验的基础上的扩展和$U$ -统计估计的$D(f)$,我们证明是极大极小最优的分离率在许多情况下。最后,对于$[0,1]^2$上的傅立叶基的情况,我们提供了一个近似的幂函数,提供了一些额外的见解。我们的方法在R包USP中实现。
2020-11-06 math.ST stat.ME stat.ML
Topologically Invariant Permutation Test
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文提出一种拓扑不变排列检验,用于检测功能脑网络的拓扑不等价性,通过2-瓦瑟斯坦距离和热核扩展实现拓扑结构的稳健比较。
2025-12-26 math.AT q-bio.NC stat.ME
Hash-augmented adaptive multilevel splitting Monte Carlo algorithm for accurate estimation of two-sample permutation test p-values
ITMO University(ITMO大学);Washington University in St. Louis(华盛顿大学圣路易斯分校)
针对非参数置换检验中精确计算p值的难题,提出哈希增强自适应多级分裂蒙特卡罗算法,以Kolmogorov-Smirnov和Mann-Whitney U检验为例展示其应用,通过与精确算法比较证明准确性,还提供Python包实现对用户定义统计量的p值估计。
2026-07-15 math.ST stat.CO stat.ME
Nonparametric inference for ratios of densities via uniformly valid and powerful permutation tests
University of Warwick(华威大学)
本文提出了一种基于密度比的非参数检验方法,通过有效置换检验评估密度比与已知函数的比例关系,并在迁移学习和因果推断中展示其应用价值。
2026-01-13 math.ST stat.ME stat.TH
A Permutation-Free Kernel Independence Test
Carnegie Mellon University(卡内基梅隆大学);Yonsei University(延世大学)
在非参数独立性检验中,我们观察i.i.d.。数据$\{(X_i,Y_i)\}_{i=1}^n$,其中$X \in \mathcal{X}, Y \in \mathcal{Y}$位于任何一般空间中,并且我们希望测试$X$独立于$Y$的空值。现代检验统计量,如核希尔伯特-施密特独立准则(HSIC)和距离协方差(dCov),由于基本U-统计量的退化,具有难以处理的零分布。因此,在实践中,人们经常求助于使用置换检验,它提供了一个非渐近的保证,代价是重新计算二次时间统计量(比如说)几百次。本文提供了一个简单但不平凡的修改HSIC和dCov(称为xHSIC和xdCov,发音为“十字架”HSIC/dCov),使他们有一个有限的高斯分布下的零,因此不需要排列。这需要建立在Kim和Ramdas(2020)新开发的交叉U统计理论的基础上,特别是在Shekhar等人(2022)中开发了该理论的几个非平凡扩展,该理论开发了一个类似的无置换核双样本检验。我们表明,我们的新的测试,像原来的,是一致的对固定的替代品,和最小最大速率最优对光滑的本地替代品。数值模拟表明,与完整的dCov或HSIC相比,我们的变体在高达$\sqrt 2$因子的情况下具有相同的功效,为从业者提供了解决大型问题或数据分析管道的新选择,其中计算(而不是样本量)可能是瓶颈。
2022-12-18 cs.LG math.ST stat.ME
More Power by using Fewer Permutations
挑战置换检验需使用尽可能多置换的传统观点,提出使用极小子群能在降低计算成本的同时显著提升检验功效,并据此改进 Westfall & Young MaxT 多重检验方法,发现高维下增益最大。
2023-11-23 math.ST stat.CO stat.ME