使用R语言编程解决置换检验问题（附老鼠与药物实验例子）

1. 置换检验

置换检验是一种基于重采样技术的统计检验方法，相较于其他统计检验方法，置换检验有着检验精确、不要求多种不同样本、样本变换重组和应用范围广的特点，其思想是统计量的值如果在置换分布中处于非常极端的位置（拒绝域之中）我们就有理由拒绝假设,如图所示。

2. 操作流程

我们要先知道几个重要的概念：

• 显著性水平 a：估计总体参数落在某一区间内，可能犯错误的概率必须在每一次统计检验之前确定，通常取α=0.05或α=0.01，也即是当作出接受原假设的决定时，其正确的可能性（概率）为95%或99%。
• P值 p : 当原假设为真时的样本观察结果或为假以及更极端结果出现的概率，p值越小，说明原假设情况的发生概率越小，我们拒绝原假设的理由更充分。

置换检验实现步骤：
令X、Y为独立样本，
1）：作出零假设（原假设），设计统计量T
零假设：H0，T=| X的均值-Y的均值 |
2）：通过置换样本构造样本
将X、Y打乱重新组成新的样本X、Y
3）：建立零分布
设有K次置换样本，每次样本统计量T*=| X的均值-Y的均值 |
4）：计算p值，与显著性水平a比较出结果
比较每次T与T的大小，若T ≥ T记为一次结果，统计最终次数为Q次，计算p值：p = Q / K
若p <= a，则说明假设的概率位于拒绝域中，我们应拒绝零假设，否则我们应接受零假设

3. 实例分析

解题步骤：



实例代码：

test <- function(){
	n=1000
	a=0.05
	X=c(194 ,197 , 160, 38 , 99 ,141 , 23)
	Y = c(52 ,104 ,146 , 10 , 51 , 30 , 40 , 27 , 46)
	T = abs(mean(case)-mean(control))
	
	p_t = 0
	total_sample = c(X , Y)
	for (i in 1:n){
		rand_sample = sample(total_sample , length(total_sample))
		p_X = rand_sample[ 1 : length(X)]		
		p_Y = rand_sample[(length(X)+1):length(rand_sample)]
		t = abs(mean(p_X) - mean(p_Y))
		p_t = c(p_t , t )
	}
	p_t = p_t[-1]
	p = (length(which((p_t>=T)))+1)/(n+1)
	if (p <= a){
		cat("p = ",p,"-------拒绝假设, 治疗有效\n")
	}else{
		cat("p = ",p,"-------接受假设，治疗无效\n")
	}
}

运行结果：