Resampling methods for inference

- Bootstrap estimación e intervalos de confianza.

- Test de permutaciones.

Se realiza para:

1.- Inferencia acerca parámetros poblacionales: CI y test estadísticos. Cuando las

condiciones para la aplicación segura de métodos usuales de inferencia (tamaño de
muestra grande y distribución normal) no se cumplen. Bootstrap y test de permutaciones.

2.- Para validar modelos: predicción o clasificación de modelos estadísticos in muestras

futuras: Bootstrap y cross-validation.

Bootstrap

Cuando una teoría asintotca no puede ser aplicada, se puede emplear métodos de
remuestreo para obtener el error estandar del estimador y derivar los intervalos de
confianza y pruebas.

Remuestreo con reemplazo:

Muestra original: x = (x1 ….,xn) desde una distribución F desconocida.

Precisión estadística S(x)=S(x1…xn) para estimar un parámetro 0.

Suposición de Bootstrap: las muestra es buena representación de la población

desconocida. Por lo tanto, se trabaja con la muestra original como la muestra verdadera---
distribución empírica F. Se obtendrán muestras desde nuestra población: remuestreo con
reemplazo. Al final se obtendrán nuevas muestras de tamaño n.

Cada observación tiene igual oportunidad de ser seleccionada (=1/n) y las observaciones
pueden ser seleccionadas más de una vez.

Calcularemos la estadística S(x) en cada nueva muestra de arranque y la variabilidad

de estas medidas proporcionará una estimación de arranque del S.E. de s.

 Test permutaciones

Las pruebas de permutación se basan en obtener la distribución del estadístico bajo el

nulo por simulación de nuevas muestras bajo las condiciones especificadas por el nulo
distribución. A veces, las condiciones bajo el valor nulo se pueden reproducir mediante
permutación.
Por ejemplo, para probar la hipótesis nula de igualdad de medias en dos
grupos podemos obtener la distribución de la diferencia de medias muestrales bajo la nula
permutando los niveles de grupo de los individuos de la muestra original.
El último refinamiento,