早上被惊醒，突然感觉到昨天被自己并行化的bootsrap过程（snow包实现），存在着致命的问题：bootstrap的输出得到的结论是自己真正想要的吗？将从实际观测中得到的统计量的值放到resampling得到的经验分布(empirical distribution)中去观察其位置，得到的是什么结论呢？细思之，在这个统计检验中的原假设应该是“统计量的观测值与bootstrap得到的经验分布的均值没有显著性差异”，我期望得到的结果是显著性P值大于预设检验水准。在这一过程中，要检验该经验分布的分布类型，轻率采用均值+/-标准差的表示方法不科学。【如此清晰地把思路捋顺了，心里也踏实了好多，也不是什么致命的“问题”，如此进行检验也是合乎统计学检验思想的】
那么，如果采用permutation呢？又会是什么情况来？标签重排是将组间的label打乱后重新分配来拟合某一统计量/或指标的经验分布/背景分布的一种方法。但是在我的研究里，如果选用permutation的话，有一个问题搞不清楚：将人群重排后，统计量的实际情况（也就是说，两个随机样本中统计量的实际情况）应该是什么样的呢（对应于原假设）？它会服从什么分布呢？这是值得深入考虑的问题。两个随机样本间的差异统计量的经验分布的情况，如果permutation的结果偏离该经验分布的均值，说明统计量的实际观测是有异于随机情况的，即不认为掺入了随机情况的影响。这也是科学的。
P.S.如此看来，早上是虚惊一场了。考虑同时进行两种重抽样过程，来完成检验。下午要参会报名，怕是耽误了并行的时间了。CHEER UP :-)