
Construir la distribución nula reordenando las etiquetas de los propios datos.Una prueba de permutación es un método no paramétrico para contrastar una hipótesis estadística sin hacer suposiciones sobre la distribución subyacente de los datos. En lugar de depender de distribuciones teóricas (como la distribución normal), construye la distribución nula directamente a partir de los datos observados, reordenando aleatoriamente las etiquetas o asignaciones de grupo. Esto resulta especialmente útil cuando el tamaño de la muestra es pequeño o los datos no siguen distribuciones estándar.
El método fue introducido por R. A. Fisher en la década de 1930, aunque solo se volvió computacionalmente práctico con la llegada de las computadoras modernas.
El procedimiento es sencillo. Primero, se calcula un estadístico de prueba (por ejemplo, la diferencia de medias entre dos grupos) con los datos originales. Luego, se reordenan aleatoriamente las etiquetas de los puntos de datos en repetidas ocasiones, recalculando el estadístico cada vez. Estos valores reordenados forman la distribución nula: la distribución del estadístico si no hubiera un efecto real. El valor p es la proporción de estadísticos reordenados que son tan extremos o más extremos que el estadístico observado. Si esta proporción es muy pequeña, es poco probable que el resultado observado haya ocurrido por azar.
Se utiliza en genómica para probar la expresión diferencial de genes, en neurociencia para datos de imágenes cerebrales y en cualquier campo donde las muestras pequeñas o los datos no normales hagan que las pruebas tradicionales no sean fiables.
Las pruebas de permutación son exactas: no se basan en aproximaciones asintóticas, lo que significa que el valor p es correcto incluso para tamaños de muestra muy pequeños.





