请问Fisher exact test 具体代表什么意思？

6 其他测试统计量
Z(x, y)以外的其他测试统计量，像是似然比率测试统计量和 可以在测试（1）中使用。Santner and Duffy (1989, Exercises 5.11 and 5.12), Haber (1987), 和 Martin and Silva (1994)列出了一些可用的统计量。有着Z提议的经历，如果其他统计量被使用的话，置信区间P值可能会提供超过一般无条件P值的改进的推翻假设机率。

Haber (1987) 和Martin and Silva (1994)的推翻假设机率比较中建议两个统计量Z(x, y)和

产生的测试会有最高的推翻假设机率。统计量B(x, y)是第一个被Boschloo (1970) 和McDonald, Davis, and Milliken (1977)提案的。B(x, y)是Fisher’s精确测试(Fisher, 1935)的条件P值。在这里，B(x, y)不是被用作P值，但是，相反地被作为统计量来调配样本点。B(x, y)的小值给了证据…所以基于B(x, y)的无条件P是

公式中 和 。基于B的置信区间P值与与（4）里的定义一样，即为，
Berger (1994)发现P值函数 有胜过 的趋势，尤其是在不同等的试样量。这同意了Martin and Silva’s (1994)的发现即基于B的无条件测试所有的推翻假设机率一般都比基于Z的测试要高，尤其是当m≠n时。所以Boschloo的测试的发展空间就没有那么大了。但是，Berger (1994)发现，当带有pz和pc时，置信区间P值，pcb，经常定义一个测试，其同样或一致地比pB定义的测试更有力。

在比较基于两种置信区间P值时，Berger (1994)没有找到一个明确的优先选择。通常，由pcB定义的推翻假设机率函数比多数的参数空间都高。

在他们测试[1]的推翻假设机率比较，Martin and Silva (1994)估计了两个计算的增强测试，他们称之为M 和M’。 M是Barnard (1945, 1947)提出的测试，而M’是M的简化版。两种方法包含了每次增加一个样本点的否定区域的建立，就需要一个良好的计算概