1 votos

Intervalo de confianza Bootstrap

Estoy tratando de entender los ejemplos de Peter Halls "The Bootstrap and Edgeworth Expansion" en la página 13.

En el primer ejemplo para la distribución normal escribe la ecuación muestral $\mathbb{P}[|\theta(F_1)-\theta(F_2)|\leq t|F_1]=0.95$ como $\mathbb{P}[|\frac{\hat{\sigma}}{\sqrt{n}}N|\leq t|F_1]=0.95$ con $N=\frac{\sqrt{n}}{\hat{\sigma}}(\bar{X}-\mu)$ lo que significa $\theta(F_2)=\mu$ pero $\theta(F_2)$ es la estimación bootstrap de $\mu$ . No entiendo por qué se puede hacer esto.

Y en el segundo ejemplo para la distribución exponencial afirma que la ecuación de la muestra puede escribirse como $\mathbb{P}[\bar{X}|n^{-1}Y-1|\leq t|F_1]=0.95$ con $Y$ con distribución gamma y media $n$ . Aquí no entiendo por qué se puede escribir esto y qué $Y$ es exactamente, así que estoy interesado en la forma en que obtuvo esa expresión de la ecuación de la muestra.

0voto

Uperm Puntos 29

Mi principal error fue que no he tenido en cuenta la distribución de $\theta(F_2)$ condicionado a $F_1$ .

1. Distribución normal

$\theta(F_2)\sim\mathcal{N}(\theta(F_1),\frac{\hat{\sigma}^2}{n})$
$\implies\theta(F_2)-\theta(F_1)\sim\mathcal{N}(0,\frac{\hat{\sigma}^2}{n})$ ya que RV con distribución normal menos su media es normal con media $0$ .
$\implies N=\frac{\sqrt{n}}{\hat{\sigma}}(\theta(F_2)-\theta(F_1))\sim \mathcal{N}(0,1)$

2. Distribución exponencial

$\theta(F_2)\sim$ Exp $(\theta(F_1))$
$\implies \frac{1}{\bar{X}}\theta(F_2)\sim$ Exp $(1)$
$\implies Y=\frac{n}{\bar{X}}\theta(F_2)\sim\Gamma(n,1)$

i-Ciencias.com

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.

Powered by:

X