数据科学中的实用统计学(第2版)

统计实验与显著性检验

｜

81

及

C

组、

D

组……如果有的话）的结果组合起来。这就体现了零假设的逻辑，即对各个组

的处理是没有差别的。然后，我们从这个组合集合中随机抽出各个组，并进行假设检验，

看看它们彼此之间有多大差异。置换的过程如下。

1.

将各个组的结果组合成一个数据集。

2.

对组合数据进行打乱重排

，然后随机抽取（无放回方式）出一个与

A

组同样大小的重

抽样（显然，它会包含一些其他组中的数据）。

3.

在剩下的数据中，随机抽取（无放回方式）出一个与

B

组同样大小的重抽样。

4.

以

同样方式抽取出

C

组、

D

组，等等。这样，你就得到了一个与初始样本同样大小的

重抽样集合。

5.

无论根据初始样本计算了何种统计量或估计值

（例如，组间比例的差异），都使用重抽

样重新计算一遍，并记录下来。这就是一次置换迭代。

6.

将上面的步骤重复

R

次，得到一个检验统计量的置换分布。

下面回到已观测到的组间差异，并与置换后的差异进行比较。如果已观测差异位于置换差

异集合之内，就证明不了任何事情——已观测差异位于随机性造成的影响之范围内。但

是，如果已观测差异大部分位于置换分布之外，就可以得出结论：这种差异不是随机性造

成的。用专业术语来说，这种差异

在统计上是显著

的（参见

3.4

节

）。

3.3.2

　示例

：

Web

黏性

一个出售高端服务的公司想对两种

Web

界面进行测试，看看采用哪种界面的服务销量更

好。由于所售服务的价格非常高，销量不大，而且销售周期长，因此需要很长时间来积累

足够的销售数据，进而判断哪种界面更好。所以，这个公司决定使用详细的内部页面来描 ...