No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Adquiere por un a帽o todos los cursos, escuelas y certificados por un precio especial.

Antes: $249

Currency
$219/a帽o

Paga en 4 cuotas sin intereses

Paga en 4 cuotas sin intereses
Comprar ahora

Termina en:

1D
12H
56M
10S

Bootstrapping

15/37
Recursos

Aportes 10

Preguntas 0

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

Este concepto de bootstrapping me parec铆a similar al cross-validation. Efectivamente, bootstrapping es una generalazici贸n de cross-validation:https://online.stat.psu.edu/stat555/node/119/

https://www.youtube.com/watch?v=wS0YvDC65nc

Si el Dr. E. Brown, no pudo, yo tampoco que soy un simple mortal 馃槢

Bradley Efron habla del metodo que 茅l impuls贸, el Bootstrapping:
https://www.youtube.com/watch?v=Cx5pgZCdDGM

Bootstrapping uses the observed data to simulate resampling from the population. This produces a large number of bootstrap resamples. We can calculate a statistic for each bootstrap resample and use the distribution of the simulated statistics to approximate characteristics of the population. This video lays the foundation for later bootstrap video series.

鈼 Una muestra aleatoria de una muestra
aleatoria es una muestra aleatoria.
鈼 Las estimaciones de submuestras son
una muestra aleatoria del estimador.
鈼 Es posible usar esta muestra para tener
un intervalo de confianza.

El bootstrapping en estad铆stica y probabilidad es una t茅cnica que se utiliza para estimar la incertidumbre de una medida estad铆stica mediante la generaci贸n de muestras ficticias a partir de los datos originales.

Supongamos que est谩s interesado en conocer la altura promedio de los estudiantes de una escuela. Sin embargo, no puedes medir a todos los estudiantes, as铆 que tomas una muestra de 100 estudiantes y registras sus alturas.

En lugar de hacer suposiciones complicadas sobre c贸mo se distribuyen las alturas en toda la poblaci贸n de estudiantes, decides utilizar el bootstrapping para obtener una estimaci贸n de la incertidumbre en la altura promedio.

Aqu铆 est谩 el proceso del bootstrapping:

Tienes tu muestra de 100 alturas de los estudiantes.
Ahora, generas muestras ficticias a partir de tu muestra original. Esto significa que seleccionas aleatoriamente una altura de tu muestra y la vuelves a colocar en una nueva muestra ficticia. Repites este proceso muchas veces (digamos 1,000 veces) para obtener 1,000 muestras ficticias.
Para cada una de las 1,000 muestras ficticias, calculas la altura promedio.
Al finalizar, tendr谩s 1,000 estimaciones de la altura promedio.
A partir de estas estimaciones, puedes calcular un intervalo de confianza para la altura promedio. Por ejemplo, puedes decir que existe un 95% de confianza de que la altura promedio real de todos los estudiantes est谩 dentro de ese intervalo.
El bootstrapping te proporciona una manera de obtener una estimaci贸n m谩s precisa de la altura promedio y de comprender la incertidumbre asociada a esa estimaci贸n, sin hacer suposiciones complicadas sobre la distribuci贸n de las alturas en la poblaci贸n completa.

Explicaci贸n de la finalidad del Bootstrapping.

驴Qu茅 es el Bootstrapping?
Aqu铆 les dejo unos videos donde lo explican de forma detallada y amena.
Ejemplos de c贸digo en R y todo:

https://www.youtube.com/watch?v=QWJHPwGblXI

https://www.youtube.com/watch?v=OQiW1mCCWPY&t=900s

Especialmente 煤til
cuando un modelo
param茅trico no cumple
los supuestos