##plugins.themes.bootstrap3.article.main##

Jorge Ivan Velez Juan Carlos Correa

Resumen

La mediana, una de las medidas de tendencia central más populares y utilizadas en la práctica, es el valor numérico que separa los datos en dos partes iguales. A pesar de su popularidad y aplicaciones, muchos desconocen la existencia de diferentes expresiones para calcular este parámetro. A continuación se presentan los resultados de un estudio de simulación en el que se comparan el estimador clásico y el propuesto por Harrell & Davis (1982). Mostramos que, comparado con el estimador de Harrell–Davis, el estimador clásico no tiene un buen desempeño para tamaños de muestra pequeños. Basados en los resultados obtenidos, se sugiere promover la utilización de un mejor estimador para la mediana.

##plugins.themes.bootstrap3.article.details##

Palabras Clave

Median, Quantiles, Harrell-Davis Estimator, Statistical Simulation

Referencias
Bassett, J. G. W. (1991), ‘Equivariant, monotonic, 50 % breakdown estimators’, The American Statistician 45(2), 135–137.

Harrell, F. E. & Davis, C. E. (1982), ‘A new distribution-free quantile estimator’, Biometrika 69(3), 635–640.

R Core Team (2013), R: A Language and Environment for Statistical Computing,

R Foundation for Statistical Computing, Vienna, Austria.*http://www.R-project.org/

Yoshizawa, C. N. (1984), Some Symmetry Tests, Institute of Statistics, Mimeo Series No. 1460. University of North Carolina, Chapel Hill, USA.

Zielinski, R. (1995), ‘Estimating median and other quantiles in nonparametric models’, Applicationes Mathematicae 23(3), 363–370.
Cómo citar
Velez, J. I., & Correa, J. C. (2014). ¿Debemos pensar en un estimator diferente para la mediana?. Comunicaciones En Estadística, 7(1), 11-17. https://doi.org/10.15332/s2027-3355.2014.0001.01
Sección
Artículos

Artículos más leídos del mismo autor/a