El bootstrap o estimación de
Monte Carlo es un método de remuestreo no paramétrico propuesto por Bradley
Efron en 1979. La idea central de este método es simple; dada una muestra
aleatoria con n observaciones dicha muestra es tratada como si fuera toda la
población de las cuál extraeremos B muestras con reemplazamiento.
Para cada remuestreo se calculará el valor del
estimador bootstrap que se utilizará para estimar la variabilidad muestral. Tal
y como los estudios teóricos han demostrado, este enfoque proporciona una buena
aproximación de la distribución de los estimadores, lo cual permitirá describir
algunas de sus propiedades muestrales, así como el cálculo de intervalos de
confianza y la realización de contrastes de hipótesis.
El procedimiento bootstrap es
útil para:
- Valorar el sesgo y el error
muestral de un estadístico calculado a partir de una muestra.
- Establecer un intervalo de confianza para un parámetro estimado.
- Realizar una prueba de hipótesis respecto a uno o más parámetros poblacionales.
- Establecer un intervalo de confianza para un parámetro estimado.
- Realizar una prueba de hipótesis respecto a uno o más parámetros poblacionales.
Adicionalmente, el
bootstrapping tiene varios métodos para estimar intervalos de confianza:
•
Percentile Bootstrap
• Standard Bootstrap
• Bootstrap-t (“Pivotal Bootstrap”)
• Bias-corrected (BCa) Bootstrap
• Standard Bootstrap
• Bootstrap-t (“Pivotal Bootstrap”)
• Bias-corrected (BCa) Bootstrap
