Supongamos que queremos calcular el intervalo de confianza del valor medio. Si el conjunto de datos es masivo ( $n$ muestras), el bootstrapping clásico es difícil de aplicar ya que el tamaño de la remuestra debe ser $n$ .
Pero si vuelvo a muestrear el conjunto de datos con un tamaño menor $k$ la varianza de la distribución bootstrap será diferente de la original. ¿Puedo simplemente dividirla por $\frac{n}{k}$ ? ¿Hay algún consejo para elegir $k$ ?
Gracias.
Aunque el bootstrap clásico requiere volver a muestrear para $n$ muestras, pero esto no siempre es necesario, especialmente si tiene un conjunto de datos grande.
Debe establecer $k$ hasta el tamaño que pueda manejar computacionalmente.
El error estándar de la media de la muestra se define como
Si su k ( $n$ en la fórmula) es lo suficientemente grande, su media muestral debería ser insesgada y su intervalo de confianza debería ser lo suficientemente pequeño prácticamente.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
