P. C. Alvarez Esteban
Consideramos un problema de k muestras $(k>2)$, dónde estamos interesados en identificar aquellas que se desvían de un patrón común formado por la mayoría de muestras. Este patrón estaría formado por componentes de las muestras con cierto grado interno de similaridad. Esta clase de problemas son de interés en múltiples situaciones. P.e., supongamos una empresa con diferentes plantas cada una con sus proveedores para los diversos componentes, que ``ensamblados'' forman el producto final. Nuestro interés estará en analizar si hay plantas cuya calidad de producción se desvíe de forma significativa del resto. En este caso la H0 de homogeneidad resulta demasiado fuerte, siendo más realista la de similaridad. Presentamos un procedimiento estadístico para detectar las muestras que son significativamente menos similares con respecto a una versión combinada de las otras. Para ello utilizamos una métrica probabilística, un procedimiento bootstrap y un algoritmo de tipo stepwise-backward.
Palabras clave: similaridad, distribuciones recortadas, recortes imparciales, métrica de Wasserstein, bootstrap
Programado
VA7 Estadística no paramétrica
20 de abril de 2012 09:00
Sala Roma II
