Conditional Randomization Tests for Behavioral and Neural Time Series
行为与神经时间序列的条件随机化检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦行为与神经实验的随机化检验，未明确涉及经济因果效应或宏观时间序列，现有分类证据不足。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
行为与神经时间序列的条件随机化检验
- 研究问题
- 在行为与神经实验中，刺激由受试者此前的行动决定，导致简单随机化不可用时，如何构造具有精确有效性的假设检验？
- 方法与思路
- 作者利用条件随机化构造检验，以两个例子说明，并与仅依据过去事件重抽刺激的切线随机化方法比较，讨论可支持检验的实验设计。
- 材料陈述的贡献
- 摘要称条件随机化可在上述自适应刺激情境中实现精确检验，并指出切线随机化的有效性取决于统计量选择，不能对所有统计量成立。
- 阅读关注点
- 应核对条件随机化究竟对哪些信息进行条件化、如何生成零假设样本，以及切线随机化失效的统计量与实验设计要求。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明零假设、条件分布与精确性成立条件，不能推广至任意时间序列。
原文摘要
Randomization tests allow simple and unambiguous tests of null hypotheses, by comparing observed data to a null ensemble in which experimentally-controlled variables are randomly resampled. In behavioral and neuroscience experiments, however, the stimuli presented often depend on the subject's previous actions, so simple randomization tests are not possible. We describe how conditional randomization can be used to perform exact hypothesis tests in this situation, and illustrate it with two examples. We contrast conditional randomization with a related approach of tangent randomization, in which stimuli are resampled based only on events occurring in the past, which is not valid for all choices of test statistic. We discuss how to design experiments that allow conditional randomization tests to be used.