Resumen de A simple non-parametric catching-up and convergence index

Francisco José Goerlich Gisbert

• español

  Este artículo presenta un índice simple e intuitivo que intenta resumir dos estimadores de densidad de kernel no-paramétricos para cuantificar el grado de convergencia entre ambas distribuciones. Su derivación sigue un argumento similar al del índice de Gini, en el sentido de que puede expresarse como una relación de áreas bajo las densidades correspondientes. El índice puede calcularse rutinariamente una vez que se han obtenido dichos estimadores de densidad, y está acotado entre 0, ausencia de convergencia y 1, convergencia completa. De esta forma, complementa numéricamente el recurso común de inspección visual de los estimadores de densidad kernel no-paramétricos en el análisis exploratorio de datos

• English

  This paper presents a simple and intuitive index that attempts to summarize two non-parametric kernel density estimators in order to quantify the degree of convergence between both distributions. Its derivation follows a similar argument as the Gini index, in the sense that it can be expressed as a ratio of areas under the corresponding densities. The index can be routinely computed once kernel density estimators have been obtained, and it is bounded between 0, absence of convergence, and 1, full convergence. In this way it complements numerically the common graphical device of inspecting non-parametric kernel density estimators in exploratory data analysis.