ESTIMACIÓN BOOTSTRAP

Cuando se extrae una muestra de una población que no es normal y se requiere estimar un intervalo de confianza se pueden utilizar los métodos de estimación bootstrap. Esta metodología supone que se puede reconstruir la población objeto de estudio mediante un muestreo con reemplazo de la muestra que se tiene. Existen varias versiones del método. Una presentación básica del método se describe a continuación:

El artículo de In-use Emissions from Heavy Duty Dissel Vehicles (J.Yanowitz, 2001) presenta las mediciones de eficiencia de combustible en millas/galón de una muestra de siete camiones. Los datos obtenidos son los siguientes: 7.69, 4.97, 4.56, 6.49, 4.34, 6.24 y 4.45. Se supone que es una muestra aleatoria de camiones y que se desea construir un intervalo de confianza del 95 % para la media de la eficiencia de combustible de esta población. No se tiene información de la distribución de los datos. El método bootstrap permite construir intervalos de confianza del 95 % - Para ilustrar el método suponga que coloca los valores de la muestra en una caja y extrae uno al azar. Este correspondería al primer valor de la muestra bootstrap X∗1 . Después de anotado el valor se regresa X∗1 a la caja y se extrae el valor X∗2 , regresandolo nuevamente. Este procedimiento se repite hasta completar una muestra de tamaño n, X1, X2 ,X3, …, Xn, conformando la muestra bootstrap.

Es necesario extraer un gran número de muestras (suponga k = 1000). Para cada una de las muestra bootstrap obtenidas se calcula la media X∗i¯ , obteniéndose un valor para cada muestra. El intervalo de confianza queda conformado por los percentiles P2.5 y P97.5 . Existen dos métodos para estimarlo:

Método 1 (P2.5;P97.5) Método 2 (2X¯−P97.5;2X¯−P2.5)

Construya el intervalo de confianza por los dos métodos y compare los resultados obtenidos. Comente los resultados. Confiaría en estas estimaciones?

Matriz de los 7 camiones

x=c( 7.69, 4.97, 4.56, 6.49, 4.34, 6.24, 4.45) # datos muestra

Creación de 1000 muestras a partir de los 7 datos con reemplazo:

boot=sample(x,7000,replace=TRUE)

Se crea matriz bootstrap de 1000 filas por 7 columnas:

bootstr=matrix(boot,nrow=1000,ncol=7)

Se calcula la media de las filas:

mx=apply(bootstr,1,mean)

Cálculo del intervalo de confianza del 95% por el método 1:

ic1=quantile(mx, probs=c(0.025, 0.975)) # IC método 1
ic1
##     2.5%    97.5% 
## 4.701393 6.485714

Con el método 1 con intervalo de confianza del 95% se tiene que el consumo de los camiones está aproximadamente entre 4.74 y 6.53 millas/galón.

Cálculo del intervalo de confianza del 95% por el método 2:

ic2=c(2*mean(mx)-ic1[2], 2*mean(mx)-ic1[1]) # se calcula IC método 2
ic2
##    97.5%     2.5% 
## 4.575514 6.359836

Con el método 2 con intervalo de confianza del 95% se tiene que el consumo de los camiones está aproximadamente entre 4.57 y 6.36 millas/galón.

Gráfica:

hist(mx, las=1, main=" ", ylab = " ", xlab = " ", col= topo.colors(4))
abline(v=ic1, col="red",lwd=4)
abline(v=ic2, col="green",lwd=4)

Confiaría en estas estimaciones?

Debido a que la cantidad de datos es muy reducida, los datos estimados pueden no ser muy confiable, se recomienda tener al menos los datos de 30 camiones.