Randomization tests are based on a re-randomization of existing data to gain data-dependent critical values that lead to exact hypothesis tests under special circumstances. However, it is not always possible to re-randomize data in accordance to the physical randomization from which the data has been obained. As a consequence, most statistical tests cannot control the type I error probability. Still, similarly as the bootstrap, data re-randomization can be used to improve the type I error control. However, no general asymptotic theory under weak null hypotheses has been developed for such randomization tests yet. It is the aim of this paper to provide a conveniently applicable theory on the asymptotic validity of randomization tests with asymptotically normal test statistics. Similarly, confidence intervals will be developed. This will be achieved by creating a link between two well-established fields in mathematical statistics: empirical processes and inference based on randomization via algebraic groups. A broadly applicable conditional weak convergence theorem is developed for empirical processes that are based on randomized observations. Random elements of an algebraic group are applied to the data vectors from which the randomized version of a statistic is derived. Combining a variant of the functional delta-method with a suitable studentization of the statistic, asymptotically exact hypothesis tests is deduced, while the finite sample exactness property under group-invariant sub-hypotheses is preserved. The methodology is exemplified with: the Pearson correlation coefficient, a Mann-Whitney effect based on right-censored paired data, and a competing risks analysis. The practical usefulness of the approaches is assessed through simulation studies and an application to data from patients suffering from diabetic retinopathy.


翻译:随机测试所依据的是对现有数据进行重新随机调整,以获得基于数据的关键值,从而导致在特殊情况下进行精确的假设测试。 但是, 并不总是有可能根据数据被忽略的物理随机性调整数据。 因此, 大多数统计测试无法控制I型误差概率。 然而, 与靴子陷阱一样, 数据重新随机化可以用来改进I型错误控制。 然而, 尚未为这种随机测试开发出基于数据依据的基于薄弱的无效假设的普通无遗传性理论。 本文的目的是为随机测试提供一种方便适用的理论, 以便根据这些数据的随机随机随机随机随机性测试重新调整数据。 同样, 将开发信任间隔。 这将通过在数学统计中建立两个成熟的字段间的联系来实现: 实验过程和根据随机化通过升温组进行的结果控制。 在随机化观测的基础上, 随机化的离子变现的变现的变现的变现的变现性数据, 与正变的变现的变现的变现的变现性数据, 正在将变现的变现的变现的变现的变现的变现的变现的变现性数据用于变现数据。

0
下载
关闭预览

相关内容

专知会员服务
15+阅读 · 2021年8月13日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
已删除
将门创投
6+阅读 · 2017年7月6日
Arxiv
0+阅读 · 2021年12月15日
Arxiv
0+阅读 · 2021年12月14日
VIP会员
相关VIP内容
专知会员服务
15+阅读 · 2021年8月13日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
已删除
将门创投
6+阅读 · 2017年7月6日
Top
微信扫码咨询专知VIP会员