La mediana de la muestra es una estadística de orden y tiene una distribución no normal, por lo que la distribución conjunta de muestras finitas de la mediana de la muestra y la media de la muestra (que tiene una distribución normal) no sería bivariada normal. Recurriendo a aproximaciones, asintóticamente las siguientes reservas (ver mi respuesta aquí ):
n−−√[(X¯nYn)−(μv)]→LN[(00),Σ]
con
Σ=(σ2E(|X−v|)[2f(v)]−1E(|X−v|)[2f(v)]−1[2f(v)]−2)
donde es la media muestral y la media poblacional, es la mediana muestral y la mediana poblacional, es la densidad de probabilidad de las variables aleatorias involucradas y es la varianza. μYnvf()σ2X¯nμYnvf()σ2
Entonces, aproximadamente para muestras grandes, su distribución conjunta es bivariada normal, por lo que tenemos que
E(Yn∣X¯n=x¯)=v+ρσvσX¯(x¯−μ)
donde es el coeficiente de correlación.ρ
Al manipular la distribución asintótica para que se convierta en la distribución conjunta aproximada de la muestra grande de la media y la mediana muestrales (y no de las cantidades estandarizadas), tenemos
ρ=1nE(|X−v|)[2f(v)]−11nσ[2f(v)]−1=E(|X−v|)σ
Entonces
E(Yn∣X¯n=x¯)=v+E(|X−v|)σ[2f(v)]−1σ(x¯−μ)
Tenemos que debido a la simetría de la densidad normal, por lo que llegamos a2f(v)=2/σ2π−−√
E(Yn∣X¯n=x¯)=v+π2−−√E(∣∣∣X−μσ∣∣∣)(x¯−μ)
donde hemos usado . Ahora la variable estandarizada es una normal estándar, por lo que su valor absoluto es una distribución medio normal con un valor esperado igual a (ya que la varianza subyacente es la unidad). Entoncesv=μ2/π−−−√
E(Yn∣X¯n=x¯)=v+π2−−√2π−−√(x¯−μ)=v+x¯−μ=x¯