Fisher精确检验蒙特卡洛版的采样逻辑与适用场景咨询

Hey there, let's break down your questions about the Monte Carlo variant of Fisher's Exact Test (FET) in R—this is a common gotcha when working with 2x2 contingency tables, so great call digging into the details!

1. 蒙特卡洛FET的采样对象是什么？ #

首先要明确：常规FET是基于固定边际总和的条件分布（也就是你观测数据的行、列合计数保持不变），它会枚举所有符合该边际约束的2x2表格，计算每个表格出现的概率，再求和得到p值。

而蒙特卡洛变体不会枚举全部可能的表格，它的采样对象是符合当前数据边际总和的随机生成2x2表格。背后是用超几何分布抽样来生成这些满足约束的表格，比如在R的fisher.test()里，设置simulate.p.value = TRUE就会触发这个逻辑，你还能通过B参数调整抽样次数（默认是10000次）。

2. 什么时候该用蒙特卡洛变体替代常规FET？ #

常规FET在小样本、密集数据场景下表现很好，但遇到以下情况时，蒙特卡洛变体就是更实用的选择：

• 大样本但稀疏的数据：比如你的行合计是1000和500，但某个单元格只有3个观测值。这时候符合边际约束的表格数量会指数级增长，枚举所有表格的计算量会直接爆炸，甚至导致数值溢出。
• 边际总和不对称的大表格：如果行/列合计差距很大（比如行合计是2000和300），组合数计算会变得完全不可行，常规FET根本跑不动。
• 不需要绝对精确p值的场景：蒙特卡洛的p值精度可以通过增加抽样次数（比如B = 100000）来提升，足够满足绝大多数科研需求，同时能大幅节省计算时间。

3. 为什么常规FET计算量会大？蒙特卡洛在近似什么？ #

你提到的「统计|A=x|这类计算量过大」，本质是符合边际约束的表格数量随边际总和增长呈组合爆炸。

常规FET的核心是计算超几何分布的概率，涉及组合数C(n, k)（从n个元素中选k个的方式数）。当n很大时，组合数会变得异常庞大，不仅计算耗时，还容易出现数值溢出——哪怕R用了高精度计算，也扛不住太大的n。

蒙特卡洛变体近似的是常规FET的精确p值，也就是「观测数据及更极端情况出现的概率总和」。它通过随机抽样模拟这个条件分布，用抽样得到的极端表格比例替代精确求和计算，在保证精度的前提下大幅降低计算成本。

举个实际例子：如果你的表格行合计是100/100，列合计是15/185，常规FET需要计算上千个组合数，但蒙特卡洛抽样10000次，就能在毫秒级得到可靠的p值估计。

内容的提问来源于stack exchange，提问作者sdgaw erzswer