Muestreo aleatorio original.
Muestreo aleatorio con reposición de igual n.
Utilizamos nuestra muestra como una nueva población de la que se extraen muestras-bootstrap.
Si la muestra-bootstrap (\(s_{b}\)) es a la muestra (\(s\)) como la muestra(\(s\)) es a la población (\(P\))…
Si calculamos un estadÃstico \(t’\) en cada muestra-bootstrap, su distribución alrededor del \(t\) en la muestra original es análoga a la distribución de \(t\) alrededor del parámetro poblacional \(\theta\).
Razonamiento inverso al de los modelos randomizados: La esperanza del estadÃstico obtenido en cada muestra-bootstrap es el valor del estadÃstico en la muestra original, nunca es un valor extremo.
set.seed(123); X<-rgamma(10,8); X # datos
## [1] 6.043607 11.113663 3.586611 7.858248 12.932261 8.815382 4.435582
## [8] 3.515541 11.226880 8.517757
mean(X)
## [1] 7.804553
sample(X, replace=T) # ejemplo
## [1] 4.435582 3.515541 8.815382 8.815382 3.586611 11.113663 8.517757
## [8] 8.517757 4.435582 3.515541
mean(sample(X, replace=T))
## [1] 8.235931
mean(sample(X, replace=T)) # repetir miles de veces ...
## [1] 8.716476
set.seed(123) ; X<-rgamma(10,8) # datos
Bs<-replicate(100, mean(sample(X, replace=T))); Bs
## [1] 6.526880 8.235931 8.716476 6.804037 8.057097 7.225461 9.397418
## [8] 8.840235 9.209577 7.744867 7.269611 8.739118 6.714986 7.686024
## [15] 7.058632 7.177434 7.558335 8.410224 8.237239 7.014978 8.082967
## [22] 8.492615 5.935831 9.323396 8.263401 6.503435 6.598202 6.052322
## [29] 9.073929 8.242644 7.085925 7.906293 8.474917 9.071876 9.934523
## [36] 6.451601 6.079908 8.599653 7.824749 7.997674 8.742865 7.625658
## [43] 6.796930 9.727918 6.895597 6.205650 9.034897 5.748942 9.103968
## [50] 7.796584 8.130081 7.313025 7.987603 6.740423 8.707934 9.429570
## [57] 8.218629 7.068166 8.543814 7.275313 7.562206 8.230876 6.611311
## [64] 8.306038 6.930009 9.191050 8.418929 8.243375 7.421547 8.369937
## [71] 7.028521 8.710881 6.351661 8.968664 8.825323 7.644593 7.974574
## [78] 8.825205 7.548433 7.220741 6.591575 5.841485 6.777984 9.499326
## [85] 8.243853 7.698478 6.130728 7.557883 7.468423 8.607888 6.731841
## [92] 9.918470 9.322870 9.001660 7.808262 7.277521 8.968441 8.170783
## [99] 9.095671 7.245042
mean(X)
## [1] 7.804553
mean(Bs)
## [1] 7.86056
sesgo<-mean(X)-mean(Bs)
sesgo
## [1] -0.05600726