BOOTSTRAP

El trmino proviene de la frase pull oneself up by one's bootstraps que alude a la

imposible accin de elevarse a s mismo tirando de las correas de los bototos que uno lleva.
Esencialmente, el denominado mtodo de bootstrap en Estadstica, permite estimaciones de
los errores estndares y construccin de intervalos de confianza, utilizando exclusivamente
la muestra observada, a travs del remuestreo reiterado sobre la misma muestra.

Sea u el parmetro que se quiere estimar y sea

u el estimador que se utilizar para estimar

u . Consideramos dos situaciones:

En la primera, se conoce la densidad de la poblacin. Si estamos en este caso, se procede a
estimar los parmetros que caracterizan a la densidad. Luego, para los valores estimados de
estos parmetros, se simula una cantidad m de muestras aleatorias de la poblacin
utilizando la densidad ajustada a la muestra. Estas muestras se denominan muestras de
bootstrap. A continuacin, para cada muestra de bootstrap, se obtiene un correspondiente
valor de

u . Estos m valores simulados pueden ser utilizados para obtener una estimacin
de bootstrap de la varianza de estas observaciones y tambin de su error estndar.

Usualmente, se elige 200 m= . Representemos por

i
u , 1 i m s s , a los m valores estimados
del parmetro u . Entonces, la estimacin de bootstrap del error estndar de

u es:

2

1
1

1
m
i
i
s
m
u
u u
=
| |
=
|

\ .

En la segunda situacin, no se supone que la densidad de la poblacin es conocida. Si tal es
el caso, para extraer las muestras de bootstrap se procede a extraer m muestras de tamao
n , con reposicin, a partir de la muestra original. Utilizando estas m muestras se procede
en forma similar al caso anterior, para obtener una estimacin de bootstrap del error
estndar de

u .

Ejemplo

Ver archivo Excel: Bootstrap de nmeros Poisson. All se determina el error estndar de
la mediana para muestras de tamao 30 n= , para el caso de una poblacin Poisson con