Estimación no paramétrica de la función de distribución con datos sesgados.
N. Sánchez, M. Conde Amboage, M. I. Borrajo García
En ocasiones, el proceso de muestreo favorece la inclusión de ciertos individuos en detrimento de otros, generando datos sesgados. Un caso frecuente es el sesgo longitudinal, en el que la probabilidad de inclusión es proporcional al valor de la variable de interés. En estas situaciones, la estimación de la función de distribución requiere metodologías específicas que consideren dicho sesgo. Entre ellas destacan los enfoques no paramétricos, como el estimador de densidad tipo núcleo propuesto por Bosse y Dutta (2022, Metrika), que precisa de la selección de un parámetro de suavizado.
En este trabajo se deriva el error cuadrático medio integrado de este estimador, lo que permite desarrollar procedimientos para la selección de ventana. En particular, se proponen una regla del pulgar, un método de validación cruzada y un selector tipo plug-in. Su comportamiento se analiza mediante un estudio de simulación y se ilustra con una aplicación a datos reales.
Palabras clave: sesgo longitudinal, función de distribución, parámetro de suavizado.
Programado
GT Estadística no Paramétrica I: Estimación no paramétrica
4 de septiembre de 2026 09:00
Aula 29
Otros trabajos en la misma sesión
A. Cholaquidis, E. Joly, L. Moreno
P. García Soidán, T. R. Cotos Yáñez
H. González-Vázquez, B. Pateiro-López, A. Rodríguez-Casal
J. E. Chacón, J. Fernández Serrano