Estadística No Paramétrica

Sesión 2
FACU LTAD DE I NGEN I ERÍ A ECO N ÓM ICA , ESTA D Í ST I CA Y
CI ENCI AS S O CI AL ES
Ing. Solange Basualdo
Email: lbasualdo@uni.edu.pe
Tw i t t e r : @ s o l a n g e _ 0 2 1 1
Transformación probabilidad –
integral
Sea X una v.a. con f.d.p. Fx. Si Fx es continua, la variable aleatoria Y producida por
la transformación Y=𝐹𝑋 𝑥 , tiene una distribución uniforme continua en el
intervalo <0,1>
Se puede concluir que si 𝑋1 , 𝑋2 , … , 𝑋𝑛 es una muestra aleatoria para alguna
población con distribución continua Fx, luego 𝐹𝑋 𝑋1 , 𝐹𝑋 (𝑋2 ), … ,
𝐹𝑋 (𝑋𝑛 ) es una muestra aleatoria de una población uniforme. Similarmente, si
𝑋(1) < 𝑋(2) < ⋯ < 𝑋(𝑛) son estadísticos de orden de la muestra original, luego
𝐹𝑋 𝑋(1) , 𝐹𝑋 (𝑋(2) ), … , 𝐹𝑋 (𝑋(𝑛) ) son estadísticos de orden de la distribución
uniforme continua en <0,1>, independientemente de la distribución original de
Fx, siempre que sea continua.
 Distribución conjunta de estadísticos
de orden
Sean las observaciones 𝑥1 , 𝑥2 , … , 𝑥𝑛 de una muestra aleatoria de una población
continua con f.d.p fx, son v.as i.i.d. Su f.d.p. conjunto es:
𝑛

𝑓𝑋1,𝑋2,…,𝑋𝑛 𝑥1 , 𝑥2 , … , 𝑥𝑛 = 𝑓𝑋 𝑥𝑖
𝑖=1

La f.d.p de los n estádísticos de orden no es la misma que la f..p de las v.as, ya

que las estadísticas de orden no son i.i.d.
La función de densidad conjunta de los estadísticos de orden
𝑛 𝑛
𝑓𝑋(1) ,𝑋(2) ,…,𝑋(𝑛) 𝑥1 , 𝑥2 , … , 𝑥𝑛 = 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑛! 𝑖=1 𝑓𝑋 𝑥𝑖 = 𝑛! 𝑖=1 𝑓𝑋 𝑦𝑖
𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑖𝑛𝑣𝑒𝑟𝑠𝑎𝑠
para 𝑦1 < 𝑦1 < ⋯ < 𝑦𝑛
En otras palabras, la fdp conjunta de los n estadísticos de orden es n! veces la fdp
de la muestra original.
Distribución conjunta de estadísticos
de orden
Ejemplo: Sea una m.a de tamaño n, con distribución normal con media μ y
varianza 𝜎 2 .

Tenemos
𝑛! 1
− 2 𝑛
𝑖=1(𝑦𝑖 −𝜇)
2
𝑓𝑋(1) ,𝑋(2) ,…,𝑋(𝑛) 𝑦1 , 𝑦2 , … , 𝑦𝑛 = 𝑛𝑒 2𝜎
(2𝜋𝜎 2 )2
𝑝𝑎𝑟𝑎 − ∞ < 𝑦1 < 𝑦2 < ⋯ < 𝑦𝑛 < ∞
Distribución conjunta de estadísticos
de orden
La función de densidad marginal máximo

𝑦𝑛 𝑦𝑛−1 𝑦3 𝑦2 𝑛−1

𝑓𝑋(𝑛) 𝑦𝑛 = 𝑛! 𝑓𝑋 𝑦𝑛 … 𝑓𝑋 𝑦𝑖 𝑑𝑦𝑖
−∞ −∞ −∞ −∞ 𝑖=1
𝑦𝑛 𝑦𝑛−1 𝑦3 𝑛−1
= 𝑛! 𝑓𝑋 𝑦𝑛 −∞𝑦 −∞
… 𝑓 𝑦 𝑑𝑦2 𝑥
−∞ 𝑋 2 𝑖=3 𝑓𝑋 𝑦𝑖 𝑑𝑦2 … 𝑑𝑦𝑛−1
𝑦𝑛 𝑛−1 𝑦4 𝑛−1
𝐹𝑋 𝑦3 2
= 𝑛! 𝑓𝑋 𝑦𝑛 … 𝑓𝑋 𝑦3 𝑥 𝑓𝑋 𝑦𝑖 𝑑𝑦3 … 𝑑𝑦𝑛−1
2(1)
−∞ −∞ −∞ 𝑖=4

…
𝐹𝑋 𝑦𝑛 𝑛−1
= 𝑛! 𝑓𝑋 𝑦𝑛
𝑛−1 !
𝑛−1
= 𝑛! 𝐹𝑋 𝑦𝑛 𝑓𝑋 𝑦𝑛
Distribución conjunta de estadísticos
de orden
La función de densidad marginal mínimo

∞ ∞ ∞ ∞ 𝑛

𝑓𝑋(1) 𝑦1 = 𝑛! 𝑓𝑋 𝑦1 … 𝑓𝑋 𝑦𝑖 𝑑𝑦𝑛 𝑑𝑦𝑛−1 … 𝑑𝑦3 𝑑𝑦2

𝑦1 𝑦2 𝑦𝑛−2 𝑦𝑛−1 𝑖=2
∞ ∞ ∞ 𝑛−2

= 𝑛! 𝑓𝑋 𝑦1 … [1 − 𝐹𝑋 𝑦𝑛−1 ]𝑓𝑋 𝑦𝑛−1 𝑥 𝑓𝑋 𝑦𝑖 𝑑𝑦𝑛−1 … 𝑑𝑦2

𝑦 𝑦 𝑦 𝑖=2
∞ 1∞ 1 ∞𝑛−2 𝑛−3
2
1 − 𝐹𝑋 𝑦𝑛−2
= 𝑛! 𝑓𝑋 𝑦1 … 𝑓𝑋 𝑦𝑛−2 𝑥 𝑓𝑋 𝑦𝑖 𝑑𝑦𝑛−2 … 𝑑𝑦2
2(1)
𝑦1 𝑦1 𝑦𝑛−3 𝑖=2

…
1 − 𝐹𝑋 𝑦1 𝑛−1
= 𝑛! 𝑓𝑋 𝑦1
𝑛−1 !
= 𝑛! 1 − 𝐹𝑋 𝑦1 𝑛−1 𝑓𝑋 𝑦1
 Distribución conjunta de estadísticos
de orden
La función de densidad marginal r-ésimo estadístico de orden

𝑓𝑋(𝑟) 𝑦𝑟
𝑦𝑟 𝑦𝑟−1 𝑦2 ∞ ∞ ∞ 𝑛

= 𝑛! 𝑓𝑋 𝑦𝑟 … … 𝑥 𝑓𝑋 𝑦𝑖 𝑑𝑦𝑛 … 𝑑𝑦𝑟+2 𝑑𝑦𝑟+1 𝑑𝑦1 … 𝑑𝑦𝑟−1

−∞ −∞ −∞ 𝑦𝑟 𝑦𝑟+1 𝑦𝑛−1 𝑖=1
𝑖≠𝑟
1−𝐹𝑋 𝑦𝑟 𝑛−𝑟 𝑦𝑟 𝑦𝑟−1 𝑦2 𝑟−1
= 𝑛! 𝑓𝑋 𝑦𝑟 −∞ −∞
… 𝑓 𝑦
−∞ 𝑖=1 𝑋 𝑖
𝑑𝑦1 … 𝑑𝑦𝑟−2 𝑑𝑦𝑟−1
𝑛−𝑟 !
𝑦𝑛 𝑦𝑛−1 𝑦4 𝑛−1
𝐹𝑋 𝑦3 2
= 𝑛! 𝑓𝑋 𝑦𝑛 … 𝑓𝑋 𝑦3 𝑥 𝑓𝑋 𝑦𝑖 𝑑𝑦3 … 𝑑𝑦𝑛−1
2(1)
−∞ −∞ −∞ 𝑖=4

…
1 − 𝐹𝑋 𝑦𝑟 𝑛−𝑟 𝐹𝑋 𝑦𝑟 𝑟−1
= 𝑛! 𝑓𝑋 𝑦𝑟
𝑛−𝑟 ! 𝑟−1 !
𝑛! 𝑟−1 𝑛−𝑟 𝑓
= 𝐹 𝑦 1 − 𝐹𝑋 𝑦𝑟 𝑦𝑟
𝒓−𝟏 ! 𝒏−𝒓 ! 𝑋 𝑟 𝑋
 Distribución conjunta de estadísticos
de orden
La función de densidad marginal r y s estadísticos de orden

𝑓𝑋(𝑟) ,𝑋(𝑠) 𝑥, 𝑦
𝑛!
= [𝐹𝑋 𝑥 ]𝑟−1 𝐹𝑋 𝑦 − 𝐹𝑋 𝑥 𝑠−𝑟−1
𝒓 − 𝟏 𝒔 − 𝒓 − 𝟏 !( 𝒏 − 𝒔 !
∗ 1 − 𝐹𝑋 𝑦 𝑛−𝑠 𝑓𝑋 𝑥 𝑓𝑋 𝑦 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑥 < 𝑦
 Distribución conjunta de estadísticos
de orden
La función de densidad marginal r y s estadísticos de orden

𝑓𝑋(𝑟) ,𝑋(𝑠) 𝑥, 𝑦
𝑛!
= [𝐹𝑋 𝑥 ]𝑟−1 𝐹𝑋 𝑦 − 𝐹𝑋 𝑥 𝑠−𝑟−1
𝒓 − 𝟏 𝒔 − 𝒓 − 𝟏 !( 𝒏 − 𝒔 !
∗ 1 − 𝐹𝑋 𝑦 𝑛−𝑠 𝑓𝑋 𝑥 𝑓𝑋 𝑦 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑥 < 𝑦