W literaturze terminy randomizacja i permutacja są używane zamiennie. Z wieloma autorami stwierdzającymi: „Testy permutacyjne (aka losowe)” lub odwrotnie.
W najlepszym razie uważam, że różnica jest subtelna i polega na ich założeniach dotyczących danych i potencjalnych wnioskach, które można wyciągnąć. Muszę tylko sprawdzić, czy moje rozumowanie jest prawidłowe, czy też jest głębsza różnica, której mi brakuje.
Testy permutacyjne zakładają, że dane są próbkowane losowo z leżącego u ich podstaw rozkładu populacji (model populacji). Oznacza to, że wnioski wyciągnięte z testu permutacyjnego mają ogólne zastosowanie do innych danych z populacji [3].
Testy randomizacji (model randomizacji) „pozwalają nam odrzucić nieprawdopodobne założenie typowych badań psychologicznych --- losowe pobieranie próbek z określonego rozkładu” [2]. Oznacza to jednak, że wyciągnięte wnioski mają zastosowanie tylko do próbek użytych w badaniu [3].
Z pewnością jednak różnica dotyczy wyłącznie definicji populacji . Jeśli zdefiniujemy populację jako „wszystkich pacjentów z dolegliwością i nadających się do leczenia”, test permutacji jest ważny dla tej populacji. Ale ponieważ ograniczyliśmy populację do tych, które są odpowiednie do leczenia, jest to tak naprawdę test losowy.
Odniesienia:
[1] Philip Good, Permutation Tests: Praktyczny przewodnik po metodach ponownego próbkowania do testowania hipotez.
[2] Eugene Edgington i Patric Onghena, testy randomizacji.
[3] Michael Ernst, Metody permutacji: podstawa do dokładnego wnioskowania