Functional Response Designs via the Analytic Permutation Test
大量的试验设计文献从Fisher和Snedecor一直延续到今天。当数据超出单变量正态性假设时,非参数方法包括秩次统计和置换检验。置换检验是一种通用的精确非参数显着性检验,它需要的假设比类似的参数检验少得多。置换检验的主要缺点是高计算成本,使得该方法对于复杂数据和复杂的试验设计是费力的,并且在需要快速结果的任何应用(例如高吞吐量流数据)中完全不可行。我们通过应用集中不等式纠正了这个问题,从而提出了一种无需计算的置换检验--即无置换的置换检验。这个一般框架适用于多元,矩阵值和函数数据。我们通过一种新的不完全β变换来改善这些浓度边界。我们扩展我们的理论从2-样本到$k$ -样本测试通过使用弱依赖Rademacher混沌和修改的解耦不等式。我们测试这种方法的经典功能数据集,包括伯克利增长曲线和音素数据集。我们进一步考虑两个试验设计下的元音发音分析:拉丁方和随机区组设计。
2021-11-10 math.FA math.PR math.ST
Permutation Tests for Equality of Distributions of Functional Data
经济数据通常是由连续时间内发生的随机过程产生的,尽管观测可能只发生在离散时间。例如,电力和天然气的消耗是连续发生的。由连续时间随机过程产生的数据称为函数数据。本文关注的是比较两个或两个以上的随机过程,产生功能数据。数据可以通过随机实验产生,其中存在多个处理。本文提出了一种检验所有函数数据由同一随机过程产生的假设的方法。这里描述的测试适用于功能数据和多个处理。它被实现为两个排列测试的组合。这确保了在有限样本中,每个检验拒绝正确零假设的真实概率和标称概率相等。本文给出了在备择假设下检验的渐近功效的上界和下界。蒙特卡罗实验的结果和应用的天然气计费和定价的实验说明了测试的有用性。
2021-06-14 econ.EM 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
Detecting Interference in A/B Testing with Increasing Allocation
在过去的十年里,科技行业采用了在线随机对照实验(也就是A/B测试)来指导产品开发和做出商业决策。在实践中,A/B测试通常随着治疗分配的增加而实施:通过一系列随机实验,新的治疗逐渐被释放到越来越多的单位。在诸如在社交网络设置中或在双向在线市场中进行实验的场景中,可能存在单元之间的干扰,这可能损害简单推理过程的有效性。在这项工作中,我们介绍了一个广泛适用的程序来测试干扰的A/B测试与增加分配。我们的程序可以在现有的A/B测试平台上实现,具有单独的流程,并且不需要先验的特定干扰机制。特别是,我们介绍了两个置换测试,在不同的假设下是有效的。首先,我们介绍了一个一般的统计测试的干扰,不需要额外的假设。其次,我们介绍了一个测试程序,是有效的时间固定效应假设。测试过程是非常低的计算复杂性,它是强大的,它正式实现了启发式算法已经在工业中。我们证明了所提出的测试程序的性能,通过模拟合成数据。最后,我们讨论了LinkedIn的一个应用程序,在该应用程序中,使用本文中提出的方法实施了一个筛选步骤,以检测其所有市场实验中的潜在干扰。
2023-03-24 stat.AP 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 Approach to Testing Interactions in Many Dimensions
到目前为止,测试在高维度的相互作用一直是一项具有挑战性的任务。现有的方法通常存在对建模假设和严重渐近标称p值敏感的问题。为了帮助缓解这些问题,我们提出了一个基于置换的方法来测试边际相互作用的二进制响应。我们的方法搜索类别之间不同的成对相关性。在这篇文章中,我们将我们的方法在真实和模拟数据上与运行许多成对logistic模型的标准方法进行了比较。在模拟数据上,我们的方法以较低的错误发现率发现更显著的相互作用(特别是在存在主效应的情况下)。在真实的基因组数据上,虽然没有金标准,但我们的方法发现了明显的信号并讲述了一个可信的故事,而逻辑斯谛回归没有。在不太严格的假设下,我们也给出了渐近一致性结果.
2012-06-27 stat.CO stat.ME stat.ML
PERMUTOOLS: A MATLAB Package for Multivariate Permutation Testing
本文提出 PERMUTOOLS,一个基于 MATLAB 的多元置换检验与效应量测量软件包,以无分布的重采样方法替代依赖总体假设的参数方法,并提供更不易产生 II 类错误的最大校正,弥补现有统计软件在高效重采样实现上的不足。
2024-01-17 q-bio.QM stat.CO stat.ME
Permutation-based Hypothesis Testing for Neural Networks
神经网络是功能强大的预测模型,但它们对预测因子和结果之间关系的本质几乎没有提供任何见解。尽管已经提出了许多方法来量化输入特征的相对贡献,但特征关联的统计推断和假设检验仍在很大程度上未被探索。我们提出了一种基于置换的测试方法,该方法使用网络输出相对于特定输入的偏导数来评估输入特征的重要性以及重要特征是否与网络输出线性相关。这些测试可以灵活地应用于各种网络架构,增强了神经网络的解释能力,并与强大的预测能力相结合,扩展了这些模型的适用性。
2023-01-26 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
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
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
Generalized Permutation Framework for Testing Model Variable Significance
针对高维小样本数据中变量显著性检验难题,提出一种非参数置换框架,可排序并检验变量及交互显著性,并在鸢尾花和RNA数据上验证。
2023-10-12 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
Multiple change-point detection on the circle via isolation using permutation testing
University of Luxembourg(卢森堡大学);University of Cyprus(塞浦路斯大学)
本文提出了一种基于排列检验和隔离方法的圆上多突变点检测方法,通过模拟和实际数据验证了其在不同噪声结构下的有效性与鲁棒性。
2026-03-11 stat.ME
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
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
Group Permutation Testing in Linear Model: Sharp Validity, Power Improvement, and Extension Beyond Exchangeability
Tsinghua University(清华大学);Shanghai University of Finance and Economics(上海财经大学)
本文提出群排列框架用于线性模型检验,展示其在交换误差下的有效性及功效提升,并扩展至非交换性场景,提供精确误差控制和稳健性分析。
2026-04-17 stat.ME
Computation-free Nonparametric testing for Local and Global Spatial Autocorrelation with application to the Canadian Electorate
局部和全局空间关联的度量是探索性空间数据分析的关键工具。存在许多这样的度量,包括Moran的$I$、Geary的$C$以及Getis-Ord $G$和$G^*$统计。检验显著性的参数方法依赖于强假设,而现实世界的数据往往不符合这些假设。或者,最流行的非参数方法,排列测试,特别是对于大规模的图形网络,施加了很大的计算负担。因此,我们提出了一个计算免费的方法来非参数置换测试的本地和全球措施的空间自相关性源于广义的欣钦不等式从功能分析和理论的$L^p$空间。我们的方法在2019年艾伯塔省加拿大联邦选举的结果中得到了证明。我们记录了保守党候选人在每次竞选中获得的选票百分比。该数据为非正态数据,样本量固定在$n=34$骑马上,使得参数方法无效。相比之下,对每次骑行、多个检验统计量、各种邻域结构和多重检验校正运行经典排列测试将需要模拟数百万个排列。我们能够在此数据集上实现与置换检验相似的统计功效,而无需进行繁琐的模拟。我们还考虑了在加拿大整个选举地图上模拟的数据。
2020-12-15 math.ST stat.CO 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
Multiple testing with anytime-valid Monte Carlo p-values
本文将随时有效的 Monte Carlo 置换 p 值引入 Benjamini-Hochberg 等多重检验程序,在控制错误发现率和保持功效的同时自适应减少置换次数,并在基因组数据上将耗时从三天多降至四分钟内。
2025-08-28 stat.ME
Permutation-Based True Discovery Guarantee by Sum Tests
本文提出一种基于置换的求和检验封闭检验程序,可在所有假设子集上同时提供真发现比例下界,无需调整显著性水平,并通过分支定界迭代捷径高效计算,适用于高维脑成像和基因组学数据。
2023-01-18 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
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
Confidence Intervals and Hypothesis Testing for the Permutation Entropy with an application to Epilepsy
在非线性动力学中,以及在较小程度上在其他领域中,广泛使用的复杂性度量是排列熵。但目前还没有一种已知的方法来确定这种测量的准确性。关于表征时间序列的这个量的统计特性的研究很少。文献中描述了一些非线性动力学中使用的数量恢复方法-最大李雅普诺夫指数-但所有这些似乎都失败了。在这方面的贡献,我们提出了一个参数引导方法,使用符号表示的时间序列,以获得分布的排列熵估计。我们进行了几个时间序列模拟由众所周知的随机过程:1=f?噪声的家庭,并在每种情况下表明,建议的准确性措施是有效的重复实验的频率论方法获得的。脑电活动的复杂性,即排列熵,在癫痫研究中被广泛用于检测脑电信号的动态变化,但没有考虑到这种复杂性的变化。应用的参数引导方法是用来比较正常和发作前的EEG信号。
2017-05-18 physics.med-ph stat.AP stat.ME
Locally Differentially Private Two-Sample Testing
Department of Statistics, University of Warwick(华威大学统计系)
本文提出在局部差分隐私约束下,通过排列程序进行两样本检验的方法,改进了最小最大分离率,并验证了交互性对性能的提升。
2026-02-24 math.ST stat.ME stat.TH
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
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
Residual permutation test for regression coefficient testing
针对高维线性模型回归系数检验问题,提出残差置换检验(RPT)方法,通过投影残差构造检验,在$p<n/2$时实现有限样本水平有效性,对重尾噪声具有渐近功效且信号要求达极小化极大最优速率。
2025-05-03 math.ST stat.ME stat.TH
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
Testing for no effect in regression problems: a permutation approach
本文提出一种严格的置换检验方法,通过生成新配对避免样本分割,以评估回归模型预测是否优于拟合纯噪声,并引入新零假设进行理论证明。
2024-04-26 math.ST stat.ME stat.TH
Modified Tests of Linear Hypotheses Under Heteroscedasticity for Multivariate Functional Data with Finite Sample Sizes
针对多元函数数据均值函数的线性假设检验问题,本文提出三种有限样本修正 MANOVA 检验,利用 Wishart 分布近似和非负定矩阵构建统计量,相比现有方法在计算效率和小样本显著性控制上更具优势。
2025-04-04 stat.ME
Minor Issues Escalated to Critical Levels in Large Samples: A Permutation-Based Fix
Department of Mathematics and Statistics, University of Victoria(维多利亚大学数学与统计系);Department of Mathematics and Statistics, University of Saskatchewan(萨斯喀彻温大学数学与统计系)
本文提出一种基于排列的检验方法,用于缓解大规模样本中因模型假设违反导致的显著性错误问题,确保稳健的统计推断。
2024-03-08 stat.CO stat.ME
Testing distributional equality for functional random variables
本文提出基于能量统计量和线性投影的非参数双样本检验方法,用于检验函数型随机变量的分布相等性,并通过置换校准和局部渐近正态性分析证明其大样本一致性与Pitman效率。
2023-05-15 math.ST stat.ME stat.TH
A Scalable Nystrom-Based Kernel Two-Sample Test with Permutations
CNRS, Univ. Grenoble-Alpes, GIPSA-lab, France e1;MaLGa Center - DIBRIS, Università di Genova, Genoa, Italy e2,e4;CNRS, Laboratoire d'Informatique Gaspard Monge, Champs-sur-Marne, France e3;CBMM - Massachusets Institute of Technology, Cambridge, MA, USA
本文提出一种基于Nystrom近似的高效两样本检验方法,通过保留统计保证,解决大规模数据下的计算成本问题,并在分离率上达到最小化最优标准。
2026-04-20 cs.LG math.ST stat.ME
The Chi-Square Test of Distance Correlation
University of Delaware(特拉华大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出一种非参数、快速的卡方检验用于距离相关,无需置换检验即可估计零分布,具有与置换检验相当的检验功效,并理论上证明了其有效性和一致性。
2021-05-14 cs.LG math.ST stat.ME
Energy distance and kernel mean embeddings for two-sample survival testing
研究了右截尾方案下两个随机样本之间分布相等性的比较问题。为了解决这个问题,我们设计了一系列基于能量距离和核均值嵌入的测试。我们校准我们的测试使用置换方法,并证明他们是一致的对所有固定的连续的替代品。为了评估我们提出的测试,我们模拟了以前临床试验的生存曲线。此外,我们为从业者提供了一组关于如何选择延迟效应问题的参数/距离的建议。基于我们提出的参数调整方法,我们表明,我们的测试表现出相当大的增益对经典的生存测试的统计功效。
2019-12-09 stat.ME
Studentized Permutation Method for Comparing Restricted Mean Survival Times with Small Sample from Randomized Trials
最近的观察,特别是在癌症免疫治疗临床试验中的时间事件的结果,表明,常用的比例风险假设往往是不合理的,妨碍了适当的分析数据的风险比。一个有吸引力的替代主张是由限制平均生存时间(RMST),它不依赖于任何模型假设,总是可以直观地解释。正如Horiguchi和Uno(2020)最近指出的那样,基于渐近理论的RMST方法在小样本量下会出现膨胀的第一类错误。为了克服这个问题,他们提出了一种置换策略,从而在模拟中获得更令人信服的结果。然而,他们的建议要求在比较组之间建立可交换的数据,这在实践中可能是有限的。此外,不可能颠倒其检验程序以获得有效的置信区间,这可以提供更深入的信息。在本文中,我们提出了一个学生化的置换测试,以及相应的置换为基础的置信区间,以解决这些限制。在我们广泛的模拟研究中,我们证明了我们的新方法的优势,特别是在相对较小的样本量和不平衡的群体的情况下。最后,我们通过重新分析最近肺癌临床试验的数据来说明所提出的方法的应用。
2021-02-19 stat.ME
A Distribution Free Unitary Events Method based on Delayed Coincidence Count
我们研究了几个分布自由依赖检测程序,主要是基于自助原则和它们的近似性质。由于这项研究,我们介绍了一个新的分布免费的酉事件(UE)的方法,命名为置换UE,它包括在一个多重检验过程的基础上排列和延迟符合计数。该程序的每个涉及的单个测试都达到了规定的水平,因此相应的多重检验程序控制了错误发现率(FDR),并且对底层分布的假设尽可能少。一些模拟表明,该方法优于尝试洗牌和MTGAUE方法在单级和FDR方面,对于相当数量的假阴性。并给出了实际数据的应用。
2015-05-22 stat.AP stat.ME
Interval Localization for Multiple Change-points with Error Rate Control
Shanghai Jiao Tong University(上海交通大学);Fudan University(复旦大学);National University of Singapore(新加坡国立大学)
本文提出 POIS 和 POIS+ 两种无分布假设的区间定位方法,通过保序样本拆分和检测条件 e 值控制区间级 FDR,实现多变点检测的误差率控制与高功效。
2026-10-08 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
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 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
Coarse-to-fine Multiple Testing Strategies
我们分析控制的familywise错误率(FWER)在一个多重检验的情况下,有很多关于高维随机变量的分布的零假设,其中只有一个非常小的部分是假的,或“活跃”。为了提高相对保守的Bonferroni界限的功率,我们探索了一个由粗到细的程序,适用于测试被划分为子集或“细胞”的情况,并且活跃的假设倾向于在细胞内聚集。我们开发了一个标准的线性模型与高斯数据和一个非参数的情况下,广义置换检验的基础上的程序,并表现出相当高的功率比Bonferroni估计在相同的FWER时,积极的假设集群。主要的技术困难来自个体和细胞水平的检验统计量之间的相关性,这增加了当包含假设的细胞被错误发现时,假设被错误发现的可能性(生存偏倚)。这需要在细胞不活动时对某些象限概率进行精确估计。
2015-09-12 stat.ME
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
MMD-FUSE: Learning and Combining Kernels for Two-Sample Testing Without Data Splitting
University College London(伦敦大学学院);Inria(法国国家信息与自动化研究所);Gatsby Computational Neuroscience Unit(盖茨比计算神经科学单元)
本文提出MMD-FUSE检验,通过自适应组合多个核的MMD值并在不分割数据的情况下以排列不变方式选择核,提升双样本检验功效,适用于深度核和高维数据。
2023-10-28 cs.LG math.ST stat.ME
Differentially Private Permutation Tests
Korea Advanced Institute of Science and Technology(韩国科学技术院);University of Cambridge(剑桥大学)
本文提出差分隐私置换检验框架,将经典置换检验扩展至隐私场景,引入dpMMD、dpHSIC等差分隐私核检验,兼具有限样本有效性与差分隐私,在多场景下功效具竞争力且代码公开。
2026-07-30 cs.CR cs.LG math.ST
Goodness-of-Fit Tests for Random Partitions via Symmetric Polynomials
我们考虑用i.i.d.进行拟合优度检验。从分类分布$(p_1,...,p_k)$生成的样本。对于一个给定的$(q_1,...,q_k)$,我们测试原假设是否$p_j=q_{π(j)}$的一些标签置换$π$。标签排列的不确定性意味着原假设是复合的而不是奇异的。在本文中,我们构造了一个测试过程中使用的统计定义为一些对称多项式的不定积分。该方法直接针对问题的不变性,避免了对未知标签的匹配。检验统计量的渐近分布被证明是卡方分布,并且在局部备择假设下,检验统计量的功效被证明是接近最优的。本文详细分析了原假设的各种退化结构。还研究了测试的两个样本版本。
2018-07-27 math.ST stat.ME stat.TH
A robust covariance testing approach for high-throughput data
近年来,协方差变化的检验问题受到越来越多的关注,特别是在高维检验的背景下。已经提出了许多方法,所有这些方法都限于双样本问题,并且涉及关于特征数$p$与样本量$n$的不同统计和假设。没有通用的方法来检验协方差与连续结果的关联。我们提出了一个统一的框架,用于检验协方差与实验变量的关联,无论是离散的还是连续的。该方法不受数据维度的限制。我们的测试程序(i)不依赖于参数假设,(ii)对于$p$和$n$的范围(例如,不需要$n > p$),(iii)提供正确的第一类错误控制,以及(iv)包括四种不同的统计量,以确保在各种设置下的功效和灵活性,包括对总体协方差幅度的变化敏感的新的“连通性”统计量。我们证明,对于两个样本的特殊情况下,建议的统计量是置换等价或类似于现有的建议的统计量。我们通过模拟和分析真实数据展示了我们的方法的功能和实用性。该方法是在一个$R$包中实现的。
2016-09-02 stat.ME
Mixed Gaussian Projections for Two-Sample Testing of Functional Data
Centro de Matemática, Computação e Cognição, Universidade Federal do ABC (UFABC)(阿贝辛联邦大学数学、计算与认知中心);Departamento de Matemática, Universidad de San Andrés–CONICET(圣安德烈斯大学数学系-阿根廷国家科学研究委员会)
本文提出结合Haar与Fourier高斯分量的混合高斯投影方法,用于函数数据两样本检验,可提升检验功效,在ECG5000数据集上识别出两类间的局部化差异。
2026-08-10 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
Leveraging Optimal Transport for Distributed Two-Sample Testing: An Integrated Transportation Distance-based Framework
本文提出基于集成传输距离的分布式双样本检验框架,解决联邦学习中分布变化检测问题,通过置换检验实现高效计算,具有稳健错误控制和高功效。
2025-06-19 math.ST stat.AP stat.CO
ProgPermute: Progressive permutation for a dynamic representation of the robustness of microbiome discoveries
特征识别是微生物组研究中的一项关键任务,微生物组研究因微生物数据是高维和异质的事实而变得复杂。由于数据的复杂性,将信号从噪声中分离出来的问题变得具有挑战性和麻烦。例如,当执行差异丰度检验时,多重检验调整往往过于保守,因为随着假设数量的增加,第一类错误(假阳性)的概率显著增加。此外,兴趣的分组效应可能被异质性所掩盖。这些因素可能会错误地导致微生物组组成没有差异的结论。我们翻译和代表的问题,识别差分功能作为一个动态的布局分离的信号从其随机背景。我们提出渐进置换作为一种方法来实现这一过程,并显示收敛模式。更具体地说,我们逐步置换微生物组样本的分组因子标签,并在每种情况下进行多个差异丰度测试。然后,我们将来自原始数据的顶部特征的信号强度与它们在排列中的性能进行比较,并且如果这些顶部特征是从数据中识别出的真阳性,则观察到明显的下降趋势。我们已经将其开发成一个用户友好的RShiny工具和R包,其中包含的功能可以传达微生物组和分组因子之间的整体关联,对发现的微生物的鲁棒性进行排名,并列出发现,其效应大小和个体丰度。
2020-09-17 stat.AP stat.ME
A Robust Spearman Correlation Coefficient Permutation Test
在这项工作中,我们表明,斯皮尔曼的相关系数测试约$H_0:ρ_s=0$发现在大多数统计软件包是理论上是不正确的,表现不佳时,二元正态假设不满足或样本量小。关于这些检验的历史著作做出了一个无法验证的假设,即原始数据的近似二元正态性证明了使用经典近似的合理性。通常,存在一种常见的误解,即关于$ρ_s=0$的检验对二元正态性的偏差具有稳健性。事实上,我们发现在某些情况下,违反二元正态性假设对最常用的检验的第一类错误控制有严重影响。为了解决这个问题,我们开发了一个强大的置换测试测试的一般假设$H_0: ρ_s=0$。拟议的测试是基于一个适当的学生统计。我们将证明,当两个成对变量不相关但相关时,该检验在一般情况下理论上是渐近有效的。在模拟研究中,在一系列分布假设和样本量范围内证明了这一理想属性,其中拟定检验在各种设置中显示出稳健的第一类错误控制,即使样本量较小。我们在TCGA乳腺癌患者的转录组数据和PSA水平和年龄的数据集的真实世界示例中展示了该测试的应用。
2020-08-03 stat.AP stat.ME
Testing Homological Equivalence Using Betti Numbers
本文提出基于Betti数的单样本和双样本检验,用于判断未知分布支撑集的同调等价性,并在临界与超临界机制下证明一致性,通过模拟和真实数据验证其有效性。
2023-11-30 math.ST stat.ME stat.TH