Pruebas adaptativas de rangos para localización con puntajes de la distribución Lambda generalizada
Adaptive rank tests for location with generalizaed Lambda distribution scores
Resumen (es)
Nosotros proponemos pruebas de rango adaptativas para la alternativa de localizacíon en una muestra, usando como función de puntaje la función percentil de la Distribución Lambda Generalizada (GLD, por sus siglas en inglés). Damos expresiones para su eficacia como funciones de los parámetros de curtosis de la distribución utilizada para la función de puntaje y distribución de la muestra. Un estudio de simulación muestra que las pruebas propuestas mantienen su tamaño nominal y que esta prueba que usa funciones de puntaje con un parámetro de curtosis pequeña es muy eficiente para las muestras provenientes de distribuciones con curtosis grande, superando la prueba del signo y la prueba de Wilcoxon. Recíprocamente, las pruebas que usan puntuaciones de distribuciones GLD con kurtosis grandes son más eficientes cuando la muestra proviene de distribuciones GLD con curtosis pequeña.
Resumen (en)
We propose adaptive rank tests for the location alternative in one sample, using as score function the percentile function of the Generalized Lambda Distribution (GLD ). We give expressions for its eciency as functions of the kurtosis parameters of the distribution used for the score function and those of the sampled distribution. A simulation study shows that the proposed tests maintain its nominal size and that this test using scores functions with small kurtosis parameter, are very ecient for samples coming from distributions with large kurtosis, overtaking the sign test and the Wilcoxon test. Reciprocally, tests which use scores from GLD distributions with large kurtosis are more ecient when the sample comes from GLD distributions with small kurtosis.
Referencias
Aranda, M. & Corzo, J. (2002), `Aproximacion de la potencia asintotica de la prueba del rango signado de wilcoxon', Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales XXVI(101), 555{563.
Brown, B. & Hettmansperger, T. (1996), Normal scores, normal plots, and tests for normality b, Journal of the American Statistics Association 91(436).
Fisher, R. & Yates, F. (1938), Statistical Tables for Biological, Agricultural and Medical Research, sixth edn, Hafner Publishing Co., Inc., New York.
Fraser, D. (1957), Nonparametric methods in statistics, Wiley, New York.
Govindarujulu, Z. (2011), Nonparametric inference, World Scientic Publishing Co Pte. Ltd.
Hettmansperger, T. (1984), Statistical Inference Based on Ranks, John Wiley & Sons.
Karian, A. & Dudewicz, E. (2000), Fitting Statistical Distributions: the Generalized Lambda Distribution and Generalized Bootstrap Methods, Chapman & Hall/CRC.
Karian, Z. & Dudewicz, E. (2010), Handbook of Fitting Statistical Distributions with R, Chapman and Hall.
Klotz, J. (1962), Nonparametric tests for scale, ams "55, 56", 498{512.
Li, J. & Zhang, W. (2011), A semiparametric threshold model for censored longitudinal data analysis, Journal of the American Statistics Association100, 685-696.
Manoukian, E. B. (1986), Mathematical Nonparametric Statistics, Gordon an Breach Science publishers, London.
Rainville, E. D. (1960), Special functions, The Macmillan company.
Waerden, B. L. v. d. (1952/1953), Order tests for the two sample problem and their power', Proceedings of Koninklijke Nederlandse Akademie van Weten-
schappen 55, 56.
Cómo citar
Licencia
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
