Resumen - Un nuevo coeficiente para medir el acuerdo entre variables continuas

Un nuevo coeficiente para medir el acuerdo entre variables continuas

2025-07-10 16:47:13

{"Ronny Vallejos","Felipe Osorio","Clemente Ferrer"}

{stat.ME,stat.AP}

Este documento introduce un nuevo coeficiente, ρ1, para medir el acuerdo entre variables continuas en estudios clínicos y análisis espacial. A diferencia de los coeficientes existentes, ρ1 se basa en distancias L1, lo que lo hace robusto a los outliers y no depende de parámetros de interferencia. El coeficiente se deriva para distribuciones bivariadas normales y de contorno elíptico, mostrando su versatilidad. En el caso de las distribuciones normales, ρ1 está relacionado con el coeficiente de Lin, proporcionando una alternativa útil. El documento incluye propiedades teóricas, un marco de inferencia y experimentos numéricos para validar el rendimiento de ρ1. El nuevo coeficiente presenta una herramienta valiosa para los investigadores que evalúan el acuerdo entre variables continuas en varios campos, incluyendo estudios clínicos y análisis espacial. El estudio subraya la importancia de evaluar el acuerdo entre dos instrumentos en estudios clínicos. Los métodos existentes como el coeficiente de correlación de Pearson, el test t de pares y el coeficiente de variación tienen limitaciones en su capacidad para evaluar el acuerdo entre dos conjuntos de mediciones. El documento propone un nuevo estimador robusto del coeficiente de correlación de concordancia (CCC) basado en distancias L1, que es menos sensible a los outliers en comparación con los métodos tradicionales. Este nuevo coeficiente, ρ1, se deriva para distribuciones bivariadas normales y de contorno elíptico, permitiéndolo aplicar a una amplia gama de escenarios. El documento también discute las propiedades teóricas de ρ1, incluyendo su relación con el coeficiente de Lin y su normalidad asintótica bajo ciertas condiciones. El documento proporciona un marco para la inferencia utilizando ρ1, incluyendo intervalos de confianza y prueba de hipótesis. Se realizan experimentos numéricos para evaluar el rendimiento de ρ1 en diferentes escenarios, incluyendo distribuciones normales, Laplace y Cauchy, con y sin outliers. El estudio concluye que ρ1 es una herramienta valiosa para los investigadores que evalúan el acuerdo entre variables continuas. Es robusto a los outliers y puede aplicarse a una amplia gama de distribuciones. El documento proporciona un análisis exhaustivo del nuevo coeficiente, demostrando su efectividad en varios escenarios y sus ventajas sobre los métodos existentes.