Minha pergunta é qual técnica de reamostragem ganhou mais popularidade
Bootstrapping ou testes de permutação?
O bootstrapping tem como principal objetivo gerar erros padrão de amostra grandes ou intervalos de confiança; testes de permutação, como o nome sugere, são principalmente sobre testes. (Cada um pode ser adaptado para ser usado para a outra tarefa.)
Como julgaríamos a popularidade? Se olharmos para áreas como psicologia e educação, podemos encontrar bastante uso de testes baseados em classificação como Wilcoxon-Mann-Whitney, o teste de classificação assinado, testes de correlação de classificação e assim por diante. Todos esses são testes de permutação (por outro lado, existem muitos casos em que testes de permutação dos dados originais podem ser usados, mas geralmente não são). Em algumas outras áreas de aplicação, os testes de permutação raramente seriam usados, mas a popularidade variável entre as áreas de aplicação às vezes diz mais sobre a cultura local de qualquer área do que sobre a utilidade.
mais fácil de implementar?
Em muitos casos - especialmente os mais simples - são quase exatamente igualmente fáceis - é essencialmente a diferença entre amostragem com substituição e amostragem sem substituição.
Em alguns dos casos mais complexos, o bootstrap é mais fácil, porque (olhando do ponto de vista de teste) opera sob a alternativa e não com o nulo (pelo menos as implementações ingênuas serão - fazendo-o para que funcione bem pode ser muito mais complicado).
Os testes de permutação exata podem ser difíceis nos casos mais complexos, porque uma quantidade permutável adequada pode ser inobservável - geralmente uma quantidade quase permutável pode ser substituída pelo preço da exatidão (e de ser verdadeiramente livre de distribuição).
O bootstrapping basicamente desiste do critério de exatidão correspondente (cobertura exata dos intervalos) desde o início e, em vez disso, concentra-se em tentar obter uma cobertura razoavelmente boa em amostras grandes (às vezes com menos sucesso do que se pode entender; se você não tiver verificado, não assuma que o seu bootstrap oferece a cobertura que você espera).
Os testes de permutação podem funcionar em amostras pequenas (embora a escolha limitada de níveis de significância às vezes possa ser um problema com amostras muito pequenas), enquanto o bootstrap é uma técnica de amostra grande (se você usá-la com amostras pequenas, em muitos casos os resultados podem não ser seja muito útil).
Eu raramente os vejo como concorrentes no mesmo problema e os tenho usado em problemas reais (diferentes) - geralmente haverá uma escolha natural de qual olhar.
Há benefícios para ambos, mas nem em uma panacaia. Se você deseja reduzir o esforço de aprendizado, concentrando-se em apenas um deles, provavelmente ficará desapontado - ambos são partes essenciais da caixa de ferramentas de reamostragem.