Maximisation de l'association entre deux variables qualitatives ordinales
Measuring association, or the lack of it, between variables plays an important role in a variety of research areas, including education,which is of our primary interest in this paper. Given, for example, student marks on several study subjects, we may for a number of reasons be interested in measuring the lack of comonotonicity (LOC) between the marks, which rarely follow monotone, let alone linear, patterns. For this purpose, in this paperwe explore a novel approach based on a LOCindex,which is...
En este trabajo estudiamos la asociación entre dos variables aleatorias discretas (no cardinales) definiendo una nueva medida [de] asociación, la cual está basada en la velocidad de convergencia del vector de probabilidad correspondiente a la cadena de Markov asociada a la distribución de probabilidad conjunta de las variables en estudio. Ponemos especial énfasis en el estudio muestral y propiedades de los estimadores de dicha medida, calculando sus distribuciones asintóticas bajo el muestreo multinomial...
El interrogante que vertebra este trabajo puede formularse así:¿Bajo qué condiciones es invertible la implicación X(ω), Y(ω) independientes ⇒ cov (X, Y) = 0 para v.a. no normales?La literatura estadística de los últimos años contiene en forma dispersa modelos interesantes de interdependencia de v.a. que adecuadamente combinados con la incorrelación pueden conducir a la independencia en situaciones de no-gaussianidad. Nuestra intención aquí es agruparlos sistemáticamente, ofreciéndolos en una línea...
En este trabajo definimos una medida de centralización multidimensional para vectores aleatorios como el valor del parámetro para el que se alcanza el mínimo de las integrales de ciertas funciones. Estudiamos su relación con otras medidas de centralización multidimensionales conocidas. Finalizamos demostrando la Ley Fuerte de los Grandes Números, tanto para la medida de centralización definida como para la de dispersión asociada.
In many cases we can consider the regression parameters as realizations of a random variable. In these situations the minimum mean square error estimator seems to be useful and important. The explicit form of this estimator is given in the case that both the covariance matrices of the random parameters and those of the error vector are singular.