Академический Документы
Профессиональный Документы
Культура Документы
basado en
B. Efron, R. Tibshirani (1993). An Introduction to the bootstrap.
O. Kirchkamp (2017). Resampling methods.
Curso 2017/18
1/29
Parámetros, distribuciones y el principio de plug-in
2/29
Ejemplo sobre el principio de plug-in
with ( law82 , plot (100 * GPA ∼ LSAT , ylab = " GPA " ))
with ( law , points (100 * GPA ∼ LSAT , pch =3))
legend ( " bottomright " , c ( " poblacion " , " muestra " ) ,
pch = c (1 ,3))
3/29
4/29
Ejemplo sobre el principio de plug-in
[1] 0 .7599979
I El estimador plug-in es
with ( law , cor ( GPA , LSAT ))
[1] 0 .7763745
5/29
Función de distribución empı́rica
F → (x1 , x2 , . . . , xn )
6/29
Función de distribución empı́rica
# {xi ∈ A}
P(A)
b =
n
7/29
Función de distribución empı́rica
mu = 6 .5
sigma = 0 .5
8/29
Función de distribución empı́rica
# EDF
9/29
Función de distribución empı́rica
11/29
Función de distribución empı́rica
n
Número de elementos de la muestra ≤ x 1X
Fbn (x ) = = I {xi ≤ x }
n n i=1
1
I Ası́ Fbn (x ) es una función escalón con un salto de tamaño n en cada
punto xi para i = 1, . . . , n.
13/29
Función de distribución empı́rica
14/29
Propiedades de la función de distribución empı́rica
I Ası́,
h i h i
b (x ) = nF (x ) ⇒ E Fb (x ) = F (x )
E nF
1
h i h i
b (x ) = nF (x )(1 − F (x )) ⇒ Var Fb (x ) =
Var nF F (x )(1 − F (x ))
n
[1] 0 .5
Xn − µ
Rn = √
σ0 / n
18/29
Propiedades de la función de distribución empı́rica
b n (x ) = P∗ {R ∗ ≤ x } ,
H n
19/29
Propiedades de la función de distribución empı́rica
Z Z n o2
Var (θ)
b = ··· θ(x1 , . . . , xn ) − E (θ)
b dF (x1 ) · · · dF (xn )
donde
Z Z
E (θ)
b = ··· θ(x1 , . . . , xn )dF (x1 ) · · · dF (xn )
20/29
Propiedades de la función de distribución empı́rica
21/29
Propiedades de la función de distribución empı́rica
22/29
Propiedades de la función de distribución empı́rica
23/29
Intervalos de confianza basados en la función de
distribución empı́rica
24/29
Intervalos de confianza basados en la función de
distribución empı́rica
I Se define
n o
L(x ) = máx Fbn (x ) − εn , 0
n o
U(x ) = mı́n Fbn (x ) + εn , 1
q
1 2
donde εn = 2n log α
25/29
Intervalos de confianza basados en la función de
distribución empı́rica
library ( sfsmisc )
X11 ()
ecdf.ksCI (x , ci.col = " blue " , lwd =2)
Se pueden programar fácilmente las cotas, pero los intervalos son amplios
para tamaños muestrales pequeños.
26/29
Intervalos de confianza basados en la función de
distribución empı́rica
dkw _ cota = function ( datos , x , alfa ){
P = ecdf ( datos )
F _ boina = P ( x )
epsilon = sqrt ( log (2 / alfa ) / (2 * length ( datos )))
inf _ cota = pmax ( F _ boina - epsilon , 0)
sup _ cota = pmin ( F _ boina + epsilon , 1)
return ( c ( inf _ cota , sup _ cota ))
}
0 .04631927 0 .65368073
28/29
29/29