Por que ecdf usa uma função step e não uma interpolação linear?

12

As funções empíricas do CDF são geralmente estimadas por uma função de etapa. Existe uma razão para que isso seja feito dessa maneira e não usando uma interpolação linear? A função step possui propriedades teóricas interessantes que nos fazem preferir?

Aqui está um exemplo dos dois:

ecdf2 <- function (x) {
  x <- sort(x)
  n <- length(x)
  if (n < 1) 
    stop("'x' must have 1 or more non-missing values")
  vals <- unique(x)
  rval <- approxfun(vals, cumsum(tabulate(match(x, vals)))/n, 
                    method = "linear", yleft = 0, yright = 1, f = 0, ties = "ordered")
  class(rval) <- c("ecdf", class(rval))
  assign("nobs", n, envir = environment(rval))
  attr(rval, "call") <- sys.call()
  rval
}


set.seed(2016-08-18)
a <- rnorm(10)
a2 <- ecdf(a)
a3 <- ecdf2(a)

par(mfrow = c(1,2))
curve(a2, -2,2, main = "step function ecdf")
curve(a3, -2,2, main = "linear interpolation function ecdf")

insira a descrição da imagem aqui

Tal Galili
fonte
Relacionadas ...................................
8
"... estimado por uma função escalonada" esconde um equívoco sutil: o ECDF não é meramente estimado por uma função escalonada; que é uma tal função, por definição. É idêntico ao CDF de uma variável aleatória. Especificamente, dada qualquer sequência finita de números , defina um espaço de probabilidade ( Ω , S , P ) com Ω = { 1 , 2 , , n } ,x1,x2,,xn(Ω,S,P)Ω={1,2,,n} discreto e PSPuniforme. Seja a variável aleatória que atribui x i a i . O ECDF é a CDF de X . Essa enorme simplificação conceitual é um argumento convincente para a definição. XxiiX
whuber

Respostas:

21

É por definição.

A função de distribuição empírica de um conjunto de observações é definida por(Xn)

Fe(t)=#{XnXnt}n

Onde # é a cardinalidade definida. Esta é, por natureza, uma função de etapa. Ele converge para o CDF real quase certamente .

P(X=x)0x

FX(x)=pχx0+(1p)χx1
χx0(p+(1p)min(x,1))(0,p)(1,1).
AlexR
fonte
Obrigado Alex. Então, existe outro nome para a função que escrevi? (porque eu acho que também converge para a CDF real)
Tal Galili
5
@TalGalili Não. Considere uma distribuição de Bernoulli. Seu ecdf2 não convergirá neste caso. Você poderia chamá-lo de um ecdf suavizado. Eu suspeito que irá convergir para o CDF real sse o CDF real não tem pontos com probabilidade diferente de zero, exceto para os pontos extremos (onde você não liso)
AlexR
@AlexR, você pode editar sua resposta para adicionar esse comentário, já que distribuições discretas são a razão de tal definição - portanto, ele responde à pergunta "por que".
Tim
1
@ Tim Feito.
precisa saber é
Obrigado. Existe uma maneira de definir uma função empírica contínua que convergiria para a função step, mas seria totalmente monótona (isto é: sem "saltos" acentuados)?
Tal Galili