INTRODUCCION
La palabra “Jackknife” alude a las navajas de uso múltiple empleadas para distintas
funciones al mismo tiempo, llegando a alcanzar en alguna de ellas, y en determinadas
condiciones, la eficacia y utilidad de una herramienta unitaria específica para dicha
función. El uso de dicho vocablo referido al método de estimación que se describe se
debe a Tukey (1958), quien refleja con dicho símil semántico, su opinión sobre la
utilidad del método como aplicable a una pluralidad de situaciones y problemas
diferentes. Antes de generalizarse el uso del vocablo Jackknife, el método se conocía
con el nombre de Método Quenouille de Reducción del Sesgo, pues la idea básica fue
concebida por Quenouille (1949) para tratar de disminuir el sesgo en la estimación de
la correlación serial en problemas de series cronológicas. Para poblaciones finitas la
técnica de Jackknife es utilizada por primera vez por Durbin (1959), quien discutió el
problema de la disminución de la eficiencia, llegando a la conclusión de que en
algunos casos el uso de estimadores de Jackknife no sólo reduce el sesgo, sino que
puede incluso reducir la varianza.
CONTEXTO
La navaja fue introducida por:
Quenouille (1946;1956) como un método para reducir el sesgo
Tuckey (1958) lo uso para estimar varianzas y calcular intervalos de confianza
En esta sección describiremos el método navaja con una eliminación
Shao y Tu (1995) analizan otras formas de la navaja y dan los resultados teóricos
Ventajas:
Este es un método de utilidad general. El mismo procedimiento se utiliza para
estimar la varianza de cada estadística donde se pueda estimar la varianza. El
método funciona en muestras estratificadas de varias etapas donde no se puede
aplicar la RRB, si en cada estrato se extraen más de dos unidades primarias. El
método proporciona un estimador consistente de la varianza cuando 𝜃es una
función suave de los totales de la población
Desventajas:
El método de jakknife tiene un desempeño pobre en estimar las varianzas de
algunas estadísticas. Por ejemplo, produce un estimador pobre de la varianza de
cuantiles en una muestra aleatoria simple. En general se sabe poco del
desempeño del método en los diseños de muestreo sin reemplazo con
probabilidades diferentes.
Para MAS
̂ (𝒋) ,el estimador de la misma forma de 𝜽
Sea 𝜽 ̂ ,pero sin utilizar la observación j
𝒚𝒊
̂=𝒚
Así, si 𝜽 ̂ (𝒋) = 𝒚
̅ entonces 𝜽 ̅(𝒋) = ∑𝒊≠𝒋
𝒏−𝟏
𝑛
𝑛−1
𝑉̂𝐽𝐾 (𝜃̂) = ̂ (𝒋) − 𝜽
∑(𝜽 ̂ )2
𝑛
𝑗=1
Ejemplo:
Aplicando el método de jackniffe, estimar el monto promedio disponible en soles en
cuenta corriente de 5 clientes de un banco.
Y: Monto disponible en soles en cuenta corriente
Donde el estimador de la media poblacional insesgado es 𝑦̅
1200 + 2100 + 2300 + 1500 + 850
𝑦̅ = = 1590
5
El monto promedio disponible en cuenta corriente de un cliente de un banco es de
1590 soles.
̅𝒋𝒂𝒄𝒌
Hallamos: 𝒚
𝒋 𝒚 ̅(𝒋)
𝒚
1 1200 1687.5
2 2100 1462.5
3 2300 1412.5
4 1500 1612.5
5 850 1775.0
𝟒
𝟏
̅(𝟏)
𝒚 = ∑ 𝒚𝒊
𝟒
𝒊=𝟐
𝟏
̅(𝟏) =
𝒚 (𝟐𝟏𝟎𝟎 + 𝟐𝟑𝟎𝟎 + 𝟏𝟓𝟎𝟎 + 𝟖𝟓𝟎)
𝟒
̅(𝟏) = 𝟏𝟔𝟖𝟕. 𝟓
𝒚 Es el promedio de todas las y, excepto y1
𝒏
𝟏
̅𝒋𝒂𝒄𝒌
𝒚 ̅(𝒋)
= ∑𝒚
𝒏
𝒊=𝟏
1687.5 + 1462.5 + 1412.5 + 1612.5 + 1775
𝑦̅𝑗𝑎𝑐𝑘 = = 1590
5
El monto promedio disponible en cuenta corriente de un cliente de un banco es de
1590 soles.
Estimador de la varianza de jackknife
𝑛
𝑛−1 2
𝑉̂𝐽𝐾 (𝑦̅) = ̅(𝒋) − 𝒚
∑(𝒚 ̅)
𝑛
𝑗=1
4
𝑉̂𝐽𝐾 (𝑦̅) = (92000)
5
𝑉̂𝐽𝐾 (𝑦̅) = 73600
Desviación estándar
√𝑉̂𝐽𝐾 (𝑦̅) = 271.29
𝑠𝑒𝑠𝑔𝑜 = 𝑦̅ − 𝒚
̅𝒋𝒂𝒄𝒌 = 𝟏𝟓𝟗𝟎 − 𝟏𝟓𝟗𝟎 = 𝟎
Intervalo para la media
𝒚 ̂ (𝒚
̅𝒋𝒂𝒄𝒌 ± 𝒕(𝒏−𝟏,𝜶/𝟐) √𝑽 ̅𝒋𝒂𝒄𝒌 )/√𝒏
(1590 ± 3.5(271.29)/√5)
(𝟏𝟏𝟔𝟓. 𝟑𝟔𝟑𝟗𝟖; 𝟐𝟎𝟏𝟒. 𝟔𝟑𝟔𝟎𝟐)
Con un 95% de confianza el monto disponible en cuenta corriente de un cliente en
banco se encuentra entre 1166 y 2015 soles.
Coeficiente de variación
̂ (𝒚
√𝑽 ̅𝒋𝒂𝒄𝒌 )
̅𝒋𝒂𝒄𝒌 ) =
𝑪𝑽(𝒚
̅𝒋𝒂𝒄𝒌 )
𝑬(𝒚
271.29
𝐶𝑉(𝑦̅𝑗𝑎𝑐𝑘 ) = = 0.17
1590
Para RAZON
̅
𝒚
̂=
𝜽
̅
𝒙
̂ (𝒋) = 𝒚̅(𝒋)
̂ (𝒋) = 𝑩
𝜽 ̅
𝒙 (𝒋)
̅(𝒋) : 𝐸𝑠 𝑒𝑙 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑦, 𝑒𝑥𝑐𝑒𝑝𝑡𝑜 𝒚𝒋
𝒚
̅(𝒋) : 𝐸𝑠 𝑒𝑙 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑥, 𝑒𝑥𝑐𝑒𝑝𝑡𝑜 𝒙𝒋
𝒙
𝒏−𝟏
̂ 𝑱𝑲 (𝑩
𝑽 ̂) = ̂ (𝒋) − 𝑩
∑(𝑩 ̂ )𝟐
𝒏
Ejemplo:
Aplicando el método de jackniffe, estimar la razón entre la colegiatura para no
residentes y la colegiatura para residentes de un grupo de instituciones.
x: costo de colegiaturas para residentes
y: costo de colegiaturas para no residentes
𝒋 𝒙 𝒚 ̅(𝒋)
𝒙 ̅(𝒋)
𝒚 ̂ (𝒋)
𝑩
1 1365 3747 1580.6 3617.7 2.2889
2 1677 4983 1545.9 3480.3 2.2513
3 1500 1500 1565.6 3867.3 2.4703
4 1080 2160 1612.2 3794.0 2.3533
5 1875 2475 1523.9 3759.0 2.4667
6 3071 5135 1391.0 3463.4 2.4899
7 1542 3950 1560.9 3595.1 2.3032
8 930 4050 1628.9 3584.0 2.2003
9 1340 4140 1583.3 3574.0 2.2573
10 1210 4166 1597.8 3571.1 2.2350
𝟏
̅(𝟏) = ∑𝟗𝒊=𝟐 𝒙𝒊
𝒙
𝟗
𝟏
̅(𝟏) =
𝒙 (𝟏𝟓𝟒𝟓. 𝟗 + 𝟏𝟓𝟔𝟓. 𝟔 + 𝟏𝟔𝟏𝟐. 𝟐 + 𝟏𝟓𝟐𝟑. 𝟗 + 𝟏𝟑𝟗𝟏 + 𝟏𝟓𝟔𝟎. 𝟗 + 𝟏𝟔𝟐𝟖. 𝟗 + 𝟏𝟓𝟖𝟑. 𝟑 + 𝟏𝟓𝟗𝟕. 𝟖)
𝟗
̅(𝟏) = 𝟏𝟓𝟖𝟎. 𝟔
𝒙 Es el promedio de todas las x, excepto x1
̅(𝟏𝟎) = 𝟑𝟓𝟕𝟏. 𝟏
𝒚 Es el promedio de todas las y, excepto y10
𝑦̅
𝐵̂ = = 2.3288
𝑥̅
2
∑(𝐵̅(𝑗) − 𝐵̂) = 0.1043
𝒏−𝟏
̂ 𝑱𝑲 (𝑩
𝑽 ̂) = ̂ (𝒋) − 𝑩
∑(𝑩 ̂ )𝟐
𝒏
9
̂ 𝑱𝑲 (𝑩
𝑽 ̂) = (0.1043) = 𝟎. 𝟎𝟗𝟑𝟖
10
CONGLOMERADOS
𝑤𝑖 𝑠𝑖 𝑙𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛 𝑖 𝑛𝑜 𝑒𝑠𝑡𝑎 𝑒𝑛 𝑒𝑙 𝑒𝑠𝑡𝑟𝑎𝑡𝑜 ℎ
0 𝑠𝑖 𝑙𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛 𝑖 𝑒𝑠𝑡𝑎 𝑒𝑛 𝑙𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑝𝑟𝑖𝑚𝑎𝑟𝑖𝑎 𝑗 𝑑𝑒𝑙 𝑒𝑠𝑡𝑟𝑎𝑡𝑜 ℎ
𝑤𝑖(ℎ𝑗) ={ 𝑛
ℎ
𝑠𝑖 𝑙𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛 𝑖 𝑒𝑠𝑡𝑎 𝑒𝑛 𝑒𝑙 𝑒𝑠𝑡𝑟𝑎𝑡𝑜 ℎ, 𝑝𝑒𝑟𝑜 𝑛𝑜 𝑒𝑛 𝑙𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑝𝑟𝑖𝑚𝑎𝑟𝑖𝑎 𝑗
𝑛ℎ − 1
𝒏𝒉
𝒏 −𝟏
̂) = 𝒉
̂ 𝑱𝑲 (𝜽
𝑽 ̂ (𝒉𝒋) − 𝜽
∑(𝜽 ̂ )𝟐
𝒏𝒉
𝒋=𝟏
Ejemplo:
Usando el método de jakknife calcular la varianza de la media del volumen de un
huevo en 184 nidadas (nidos con huevos)
Y: Volumen de un huevo
4375.947
𝜃̂ = 𝑦̅ = = 2.49
1757
Determinamos el vector de ponderacion para cada una de las 184 iteraciones de la navaja
Como tenemos un estrato entonces h=1 para todas las las observaciones
̂ (𝟏𝟏) , 𝒆𝒍𝒊𝒎𝒊𝒏𝒂𝒎𝒐𝒔 𝒍𝒂 𝒑𝒓𝒊𝒎𝒆𝒓𝒂 𝒖𝒏𝒊𝒅𝒂𝒅 𝒑𝒓𝒊𝒎𝒂𝒓𝒊𝒂
Para 𝜽
Asi los nuevos pesos para las observaciones en la primera unidad primaria son 0 ,los pesos en las restantes
𝑛ℎ 184
Unidades primarias son los pesos anteriores multiplicados por =
𝑛ℎ −1 183
Las nuevas columnas de los pesos según el metodo de jakknife :
4349.348
𝑦̅(1,1) = = 2.48034
1753.53
4345.036
𝑦̅(1,2) = = 2.47788
1753.53
4357.819
𝑦̅(1,184) = = 2.48374
1753.54
𝒏𝒉
𝒏𝒉 − 𝟏
̂ 𝑱𝑲 (𝒚
𝑽 ̅) = ̅ )𝟐
̅(𝒉𝒋) − 𝒚
∑(𝒚
𝒏𝒉
𝒋=𝟏
̂ 𝑱𝑲 (𝒚
𝑽 ̅) = 𝟎. 𝟎𝟎𝟑𝟕𝟑
̂ 𝑱𝑲 (𝒚
√𝑽 ̅) = 𝟎. 𝟎𝟔𝟏
