Informe IV Metodos y Simulacion Estadistica

# Datos de la eficiencia de combustible
combustible <- c(7.69, 4.97, 4.56, 6.49, 4.34, 6.24, 4.45)

# Número de muestras bootstrap
k <- 1000

# Función para realizar una única muestra bootstrap y calcular su media
bootstrap_media <- function(datos) {
  muestra_bootstrap <- sample(datos, length(datos), replace = TRUE)
  return(mean(muestra_bootstrap))
}

# Realizar k muestras bootstrap y calcular las medias
medias_bootstrap <- replicate(k, bootstrap_media(combustible))

# Método 1 para calcular el intervalo de confianza
IC_metodo1 <- quantile(medias_bootstrap, probs = c(0.025, 0.975))

# Método 2 para calcular el intervalo de confianza
media_muestra <- mean(combustible)
IC_metodo2 <- 2 * media_muestra - rev(IC_metodo1)

# Mostrar los intervalos de confianza
print(list(IC_metodo1 = IC_metodo1, IC_metodo2 = IC_metodo2))

## $IC_metodo1
##     2.5%    97.5% 
## 4.703643 6.437321 
## 
## $IC_metodo2
##    97.5%     2.5% 
## 4.631250 6.364929

# Comentarios sobre los resultados:
# La confianza en estas estimaciones dependerá de cuán representativa sea la muestra original de la población.
# Si la muestra original es una buena representación, el método bootstrap puede proporcionar estimaciones razonables
# de los intervalos de confianza. Sin embargo, si la muestra no es representativa, los resultados pueden ser engañosos.