我在编码单向置换测试时遇到困难。我有跑步比赛的数据，我正在看两个专栏，看看来自国外或美国的跑步者是否更快。左栏是两个因素，A或D--国外或国内（国外参赛者明显快得多）。右栏是他们的时间，以分钟为单位。由于国外样本量很小，我想做一个排列测试来回答这个问题：如果时间是随机分配的，那么国外参赛者被分配到快速时间的概率是多少？
我很感激任何指导。我唯一的代码是将列转换为因子。我也试图进行排列测试，但我不知道它的发展方向。
abroaddomestic$City.f <- factor(abroaddomestic$City, labels = c("Abroad", "Domestic"))
msamp <- mean(abroad$TimeInMin)
mpop <- mean(abroaddomestic$TimeInMin)
msim <- replicate(10000, mean(sample(abroaddomestic$TimeInMin, 250)))
sum(abs(msim-mpop) >= abs(msamp-mpop))/10000
答案 0 :(得分：1)
与Carl Witthoft的答案类似，您可以将模拟视为来自二项分布。即，模拟每个跑步者的国内或国外类型是否随机抽奖。
从那里，您可以将前十名（或任何阈值）中的跑步者数量视为您的统计数据，并根据模拟分布对其进行测试，其中国内/国外类型随机分配给所有参赛者。例如，假设1000名参赛者，其中100名来自国外：
# calculate your test statistic
# as the number of abroad runners in top ten
statistic <- 3
# 5000 simulations of number of abroad in top ten times
# take number of values greater than statistic as p-value
sum(replicate(5000,sum(rbinom(1000,1,.1)[1:10])) > statistic)/5000
# or, equivalently:
sum(replicate(5000,rbinom(1,10,.1)) > statistic)/5000
在这个例子中，你的p值是0.01，因此拒绝零假设，即排在前十位的是随机的（独立于国内/国外类型）。
答案 1 :(得分：0)
我认为您不需要为因素或任何源数据而烦恼。比如说，你有1000名选手，其中10名是“国外”。然后，您需要做的就是计算（模拟）runif(1000)的前10个值在所有随机值的前X％中的概率。由于你假设不相关，因此生成顺序无关紧要。