สามารถใช้ bootstrap เพื่อแทนที่การทดสอบที่ไม่ใช่พารามิเตอร์ได้หรือไม่?

ฉันค่อนข้างใหม่สำหรับสถิติ แนวคิดของ bootstrapping ทำให้ฉันสับสน

ฉันรู้ว่าปกติของการแจกแจงตัวอย่างจะต้องใช้การทดสอบบางอย่างเช่นการทดสอบที ในกรณีที่ข้อมูลไม่กระจายตามปกติโดยการขอ "bootstrapping" ในการทดสอบ t ใน SPSS สิ่งนี้จะหลีกเลี่ยงปัญหาที่ไม่เป็นไปตามปกติหรือไม่? ถ้าเป็นเช่นนั้นสถิติ t- ถูกรายงานในผลลัพธ์ตามการกระจายตัวตัวอย่าง bootstrapped หรือไม่

และนี่จะเป็นการทดสอบที่ดีขึ้นเมื่อเทียบกับการใช้การทดสอบแบบไม่มีพารามิเตอร์เช่น Mann-Whitney หรือ Kruskal-Wallis ในกรณีที่ฉันมีข้อมูลที่ไม่ปกติ ในสถานการณ์ที่ข้อมูลไม่ปกติและฉันใช้ bootstrap ฉันจะไม่รายงานสถิติ t: ใช่ไหม?

bootstrap ทำงานได้โดยไม่จำเป็นต้องมีสมมติฐานเช่นปกติ แต่สามารถเปลี่ยนแปลงได้สูงเมื่อขนาดตัวอย่างเล็กและประชากรไม่ปกติ ดังนั้นมันจะดีกว่าในแง่ของสมมติฐานที่ถืออยู่ แต่มันไม่ได้ดีกว่าในทุกด้าน

ตัวอย่าง bootstrap พร้อมการเปลี่ยนตัวอย่างการทดสอบการเปลี่ยนรูปโดยไม่ต้องเปลี่ยน Mann-Whitney และการทดสอบ nonparametric อื่น ๆ เป็นกรณีพิเศษของการทดสอบการเปลี่ยนรูป ฉันชอบการทดสอบการเรียงสับเปลี่ยนที่นี่เพราะคุณสามารถระบุสถิติการทดสอบที่มีความหมายได้

การตัดสินใจที่จะใช้การทดสอบควรขึ้นอยู่กับคำถามที่ตอบและความรู้เกี่ยวกับวิทยาศาสตร์ที่นำไปสู่ข้อมูล ทฤษฎีขีด จำกัด กลางบอกเราว่าเรายังสามารถได้รับการประมาณค่าที่ดีมากจากการทดสอบ t แม้ว่าประชากรจะไม่ปกติ การประมาณนั้นดีเพียงใดขึ้นอยู่กับรูปร่างของการกระจายประชากร (ไม่ใช่ตัวอย่าง) และขนาดตัวอย่าง มีหลายกรณีที่การทดสอบ t ยังคงสมเหตุสมผลสำหรับตัวอย่างขนาดเล็ก (และบางกรณีที่ไม่ดีพอในตัวอย่างที่มีขนาดใหญ่มาก)