Namun, bagaimana kita juga bisa menghasilkan interval kepercayaan 95% seperti yang kita lakukan dengan tes parametrik normal?
†δδα1−α
†
Gelman termasuk diskusi tentang mengapa kadang-kadang bisa bermasalah untuk secara universal menganggap mereka interval kepercayaan di sini .
Tidak sulit untuk mengeksplorasi cakupan di bawah serangkaian asumsi tertentu (melalui simulasi), dan tidak ada kekurangan orang yang menyebut interval bootstrap "interval kepercayaan" (bahkan ketika mereka kadang-kadang terlihat tidak memiliki apa-apa seperti cakupan yang diklaim).
Rincian lebih lanjut tentang bagaimana melakukannya dalam dua sampel perbedaan-dalam-kasus kasus dibahas dalam [3], di mana mereka disebut interval kepercayaan pengacakan dan klaim dibuat di sana tentang kapan mereka tepat (yang mengklaim saya belum ' t mencoba untuk mengevaluasi).
Dengan 1000 permutasi ...., ketidakpastian dekat p = 0,05 adalah sekitar ± 1%.
Saya bertanya-tanya bagaimana kita mendapatkan ketidakpastian ini?
p(1−p)n−−−−−√
p=0.05n=10000.006990%±1.13%±1%1.4585%
Jadi setidaknya dalam arti kasar Anda bisa berbicara tentang ketidakpastian menjadi "sekitar 1%"
-
[1] Kempthorne and Folks (1971),
Probabilitas, Statistik, dan analisis data ,
Iowa State University Press
[2] LaMotte LR dan Volaufová J, (1999),
"Interval Prediksi melalui Interval Konsonansi",
Jurnal Masyarakat Statistik Kerajaan. Seri D (Ahli Statistik) , Vol. 48, No. 3, hlm. 419-424
[3] Ernst, MD (2004),
"Metode Permutasi: Dasar untuk Inferensi Tepat",
Ilmu Statistik , Vol. 19, No. 4, 676-685