Tengo dos muestras emparejadas \( (X,Y) \) de tamaño \( n \), la primera toma valores dentro del intervalo real \( (0,1) \) y la otra toma valores discretos \( {0,1} \).
Mi hipótesis nula es que existe:
1. una distribución \( F \) desconocida, con soporte en \( (0,1) \)
2. una familia paramétrica de distribuciones \( \{F^\theta_p\}_{p\in(0,1)} \), donde cada \( F^\theta_p \) sigue una distribución de Bernoulli de parámetro \( p^\theta \) (\( p \) elevado a \( \theta \)),
de forma que la primera muestra proviene de \( F \) y, para cada observación \( x_i \) de esta primera muestra, la observación \( y_i \) de la segunda muestra proviene de \( F^\theta_{x_i} \).
Lo que quiero es contrastar, a partir de la muestra, si esta hipótesis es correcta, frente a la alternativa de que es falsa.
Para ello, primero estimo \( \theta \) utilizando el estimador de máxima verosimilitud. Luego, mi idea es utilizar un contraste tipo \( \chi^2 \). Aquí es donde me vienen las dudas.
Primero divido las observaciones en \( k \) grupos, de forma que cada grupo tenga aproximadamente el mismo número de observaciones. Luego calculo el promedio de las \( y_i \) en cada grupo, tanto las observadas como las esperadas, y aplico el test de \( \chi^2 \) con \( k-2 \) grados de libertad.
¿Es este procedimiento correcto? Si lo es, ¿cuál sería un \( k \) óptimo?