Enunciado
La siguiente figura sugiere como estimar el valor de π con una simulación. En la figura, un circuito con un área igual a π/4, está inscrito en un cuadrado cuya área es igual a 1. Se elige de forma aleatoria n puntos dentro del cuadrado . La probabilidad de que un punto esté dentro del círculo es igual a la fracción del área del cuadrado que abarca a este, la cual es π/4. Por tanto, se puede estimar el valor de π/4 al contar el número de puntos dentro del círculo, para obtener la estimación de π/4 . De este último resultado se encontrar una aproximación para el valor de π .
Pasos sugeridos:
Para generar 1000 coordenadas (X1, …, X1000) con distribución uniforme en el intervalo (0, 1), se puede utilizar un generador de números aleatorios que siga esta distribución.
Para 1000 coordenadas y : Y1,…,Y1000, utilizando la distribución uniforme con valor mínimo de 0 y valor máximo de 1 en RStudio, puedes seguir el mismo enfoque que se utilizó anteriormente para las coordenadas X.
Cada punto (Xi,Yi) se encuentra dentro del círculo si su distancia desde el centro (0.5,0.5) es menor a 0.5. Para cada par (Xi,Yi) determine si la distancia desde el centro es menor a 0.5. Esto último se puede realizar al calcular el valor (Xi−0.5)^2 + (Yi−0.5)^2, que es el cuadrado de la distancia, y al determinar si es menor que 0.25.
¿Cuántos de los puntos están dentro del círculo? ¿Cuál es su estimación de π?
Desarrollo
n en este contexto representa la cantidad
arbitraria de datos aleatorios generados mediante una distribución
uniforme. Estos datos se organizan y almacenan en un dataframe para
facilitar su manipulación en las etapas posteriores del análisis.#Puede reemplazar 123 por cualquier número entero que desee como semilla
set.seed(123)
# Generar 1000 coordenadas con distribución uniforme en el intervalo (0, 1)
n = 1000
x <- runif(n, 0, 1)
y <- runif(n, 0, 1)
# Imprimir las primeras 10 coordenadas como ejemplo
datos <- data.frame(x, y)
head(datos, 10)
## x y
## 1 0.2875775 0.27362273
## 2 0.7883051 0.59386693
## 3 0.4089769 0.16018481
## 4 0.8830174 0.85343024
## 5 0.9404673 0.84773916
## 6 0.0455565 0.47788681
## 7 0.5281055 0.77369212
## 8 0.8924190 0.29540008
## 9 0.5514350 0.06562811
## 10 0.4566147 0.44053312
dist_func <- function(x, y){
return(sqrt((x-0.5)**2+(y-0.5)**2))
}
datos$distancia <- apply(datos, 1, function(row) dist_func(row["x"], row["y"]))
head(datos)
## x y distancia
## 1 0.2875775 0.2736227 0.3104351
## 2 0.7883051 0.5938669 0.3032010
## 3 0.4089769 0.1601848 0.3517948
## 4 0.8830174 0.8534302 0.5211672
## 5 0.9404673 0.8477392 0.5611898
## 6 0.0455565 0.4778868 0.4549812
datos$condicion <- as.numeric(datos$distancia < 0.5)
head(datos)
## x y distancia condicion
## 1 0.2875775 0.2736227 0.3104351 1
## 2 0.7883051 0.5938669 0.3032010 1
## 3 0.4089769 0.1601848 0.3517948 1
## 4 0.8830174 0.8534302 0.5211672 0
## 5 0.9404673 0.8477392 0.5611898 0
## 6 0.0455565 0.4778868 0.4549812 1
#Puede reemplazar 123 por cualquier número entero que desee como semilla
set.seed(123)
# Generar 1000 coordenadas con distribución uniforme en el intervalo (0, 1)
n = 1000
x <- runif(n, 0, 1)
y <- runif(n, 0, 1)
# Verificar si cada punto está dentro del círculo
puntos_dentro_del_circulo <- (x - 0.5)^2 + (y - 0.5)^2 < 0.25
# Contar cuántos puntos están dentro del círculo
puntos_dentro <- sum(puntos_dentro_del_circulo)
# Calcular la proporción de puntos dentro del círculo
proporcion_dentro <- puntos_dentro / 1000
# Estimar π usando la relación entre el área del círculo y el área del cuadrado
estimacion_pi <- proporcion_dentro * 4
# Imprimir los resultados
print(paste("Número de puntos dentro del círculo:", puntos_dentro))
## [1] "Número de puntos dentro del círculo: 800"
print(paste("Estimación de π:", estimacion_pi))
## [1] "Estimación de π: 3.2"
# Calcular el error porcentual
error_porcentual <- abs((pi-estimacion_pi)/pi)*100
# Imprimir el error porcentual
cat("El error porcentual es:", error_porcentual, "%\n")
## El error porcentual es: 1.859164 %
# Generar 1000 coordenadas con distribución uniforme en el intervalo (0, 1)
n = 10000
x <- runif(n, 0, 1)
y <- runif(n, 0, 1)
# Verificar si cada punto está dentro del círculo
puntos_dentro_del_circulo <- (x - 0.5)^2 + (y - 0.5)^2 < 0.25
# Contar cuántos puntos están dentro del círculo
puntos_dentro <- sum(puntos_dentro_del_circulo)
# Calcular la proporción de puntos dentro del círculo
proporcion_dentro <- puntos_dentro / 10000
# Estimar π usando la relación entre el área del círculo y el área del cuadrado
estimacion_pi <- proporcion_dentro * 4
# Imprimir los resultados
print(paste("Número de puntos dentro del círculo:", puntos_dentro))
## [1] "Número de puntos dentro del círculo: 7882"
print(paste("Estimación de π:", estimacion_pi))
## [1] "Estimación de π: 3.1528"
# Calcular el error porcentual
error_porcentual <- abs((pi-estimacion_pi)/pi)*100
# Imprimir el error porcentual
cat("El error porcentual es:", error_porcentual, "%\n")
## El error porcentual es: 0.3567409 %
# Generar 1000 coordenadas con distribución uniforme en el intervalo (0, 1)
n = 100000
x <- runif(n, 0, 1)
y <- runif(n, 0, 1)
# Verificar si cada punto está dentro del círculo
puntos_dentro_del_circulo <- (x - 0.5)^2 + (y - 0.5)^2 < 0.25
# Contar cuántos puntos están dentro del círculo
puntos_dentro <- sum(puntos_dentro_del_circulo)
# Calcular la proporción de puntos dentro del círculo
proporcion_dentro <- puntos_dentro / 100000
# Estimar π usando la relación entre el área del círculo y el área del cuadrado
estimacion_pi <- proporcion_dentro * 4
# Imprimir los resultados
print(paste("Número de puntos dentro del círculo:", puntos_dentro))
## [1] "Número de puntos dentro del círculo: 78600"
print(paste("Estimación de π:", estimacion_pi))
## [1] "Estimación de π: 3.144"
# Calcular el error porcentual
error_porcentual <- abs((pi-estimacion_pi)/pi)*100
# Imprimir el error porcentual
cat("El error porcentual es:", error_porcentual, "%\n")
## El error porcentual es: 0.07662822 %
Conclusiones
Con solo 1000 puntos, es probable que la estimación de pi tenga un sesgo significativo, pudiendo ser inferior en 0.05 o más unidades. Sin embargo, al aumentar el número de puntos a 10000 o 100000, es más probable obtener una estimación mucho más cercana al valor verdadero de pi.
Enunciado
Propiedades de los estimadores La simulación ayuda a entender y validad las propiedades de los estimadores estadísticos como son. insesgadez, eficiencia y la consistencia principalmente. El siguiente problema permite evidenciar las principales características de un grupo de estimadores propuestos para la estimación de un parámetro asociado a un modelo de probabilidad.
Sean X1, X2, X3 y X4, una muestra aleatoria de tamaño n=4 cuya población la conforma una distribución exponencial con parámetro θ desconocido. Determine las características de cada uno de los siguientes estimadores propuestos:
Desarrollo
Muestra aleatoria de tamaño n=4
# Función de los estimadores
# Se define la función theta_1, que calcula un estimador utilizando una fórmula específica.
theta_1 <- function(x1, x2, x3, x4){
return(
(x1+x2)/6+(x3+x4)/3
)
}
# Se define la función theta_2, que calcula otro estimador utilizando una fórmula diferente.
theta_2 <- function(x1, x2, x3, x4){
return(
(x1+2*x2+3*x3+4*x4)/5
)
}
# Se define la función theta_3, que calcula otro estimador utilizando una fórmula diferente.
theta_3 <- function(x1, x2, x3, x4){
return(
(x1+x2+x3+x4)/4
)
}
# Se define la función theta_4, que calcula otro estimador utilizando una fórmula diferente.
theta_4 <- function(x1, x2, x3, x4){
return(
((min(x1,x2,x3,x4)+max(x1,x2,x3,x4))/2)
)
}
# Se define la función comparacion_function que toma dos argumentos: n (la cantidad de datos) y theta_sup (el valor inicial supuesto para la distribución exponencial).
comparacion_function <- function(n, theta_sup){
# n <- La cantidad de datos
# theta_sup <- Es el valor inicial supuesto para la distribución exponencial
# Se establece una semilla para poder realizar un análisis de resultados más consistente
set.seed(43)
# Distribuciones exponenciales para cada muestra (Se generan cuatro muestras de distribuciones exponenciales utilizando la función rexp)
x1 <- rexp(n, theta_sup)
x2 <- rexp(n, theta_sup)
x3 <- rexp(n, theta_sup)
x4 <- rexp(n, theta_sup)
# Crea el dataframe base (Se crea un dataframe llamado base que contiene las muestras generadas)
base <- data.frame(x1, x2, x3, x4)
# Se calculan los estimadores con base en la muestra aleatoria (Se calculan los cuatro estimadores utilizando las funciones theta_1, theta_2, theta_3 y theta_4 definidas anteriormente)
base$t1 <- apply(base, 1, function(row) theta_1(row['x1'], row['x2'], row['x3'], row['x4']))
base$t2 <- apply(base, 1, function(row) theta_2(row['x1'], row['x2'], row['x3'], row['x4']))
base$t3 <- apply(base, 1, function(row) theta_3(row['x1'], row['x2'], row['x3'], row['x4']))
base$t4 <- apply(base, 1, function(row) theta_4(row['x1'], row['x2'], row['x3'], row['x4']))
# Se extraen los estimadores en un dataframe (Se extraen los estimadores en un nuevo dataframe llamado estimadores)
estimadores <- base[c('t1', 't2', 't3', 't4')]
# Resumen de las estadisticas (Se calcula un resumen de las estadísticas para los estimadores)
summary_data <- summary(estimadores)
# Se calcula la matriz de varianzas (Se calcula la matriz de varianzas para los estimadores)
varianza <- var(estimadores)
# Reordena los estimadores para graficar (Se reorganiza el dataframe de estimadores para que sea más fácil graficarlo)
estimadores_2 <- melt(estimadores, id.vars= NULL)
# Crea el grafico de boxplots (Se crea un gráfico de boxplots para comparar los estimadores)
plot <- ggplot(estimadores_2, aes(variable, value)) +
geom_boxplot() +
labs(x = "Estimadores", y = "Valor", title = paste("Comparación de los estimadores con n = ", n)) +
geom_hline(yintercept = 1/theta_sup, color = "blue", linetype = "dashed")
# Genera el listado de resultados (Se genera una lista que contiene el resumen de estadísticas, el gráfico y la varianza de los estimadores)
resultados <- list(
'summary' = summary_data,
'grafico' = plot,
'varianza' = varianza
)
# Se devuelve la lista de resultados.
return(resultados)
}
# Cargar la biblioteca reshape2
library(reshape2)
# Cargar la biblioteca ggplot2
library(ggplot2)
# Se ejecuta la función
# Se define el valor de lambda como 1/5, que se utilizará como el valor inicial supuesto para la distribución exponencial.
lambda = 1/5
#Se ejecuta la función comparacion_function cuatro veces con diferentes valores de n: 20, 50, 100 y 1000.
case_1 <- comparacion_function(20, lambda)
case_2 <- comparacion_function(50, lambda)
case_3 <- comparacion_function(100, lambda)
case_4 <- comparacion_function(1000, lambda)
# Graficar los diagramas de caja para cada caso
library(ggplot2)
# Graficar caso_1
print(case_1$grafico)
# Obtener resumen estadístico para cada caso
summary_case_1 <- case_1$summary
# Mostrar los resúmenes estadísticos
print("Resumen estadístico para caso 1:")
## [1] "Resumen estadístico para caso 1:"
print(summary_case_1)
## t1 t2 t3 t4
## Min. :0.893 Min. : 1.538 Min. :0.9379 Min. :1.073
## 1st Qu.:3.470 1st Qu.: 6.614 1st Qu.:3.4240 1st Qu.:3.947
## Median :5.504 Median :10.161 Median :5.5138 Median :5.371
## Mean :5.197 Mean :10.385 Mean :5.0683 Mean :5.762
## 3rd Qu.:6.799 3rd Qu.:13.351 3rd Qu.:7.0154 3rd Qu.:8.715
## Max. :8.812 Max. :19.891 Max. :8.6619 Max. :9.500
# Graficar caso_2
print(case_2$grafico)
# Obtener resumen estadístico para cada caso
summary_case_2 <- case_2$summary
# Mostrar los resúmenes estadísticos
print("Resumen estadístico para caso 2:")
## [1] "Resumen estadístico para caso 2:"
print(summary_case_2)
## t1 t2 t3 t4
## Min. : 0.7676 Min. : 1.291 Min. : 0.8267 Min. : 0.9192
## 1st Qu.: 2.7393 1st Qu.: 5.463 1st Qu.: 2.8660 1st Qu.: 3.3931
## Median : 3.9613 Median : 7.680 Median : 4.2893 Median : 5.0044
## Mean : 4.7631 Mean : 9.494 Mean : 4.8295 Mean : 5.6512
## 3rd Qu.: 6.4573 3rd Qu.:13.415 3rd Qu.: 6.3917 3rd Qu.: 7.8322
## Max. :12.8742 Max. :28.444 Max. :13.0030 Max. :13.3895
# Graficar caso_3
print(case_3$grafico)
# Obtener resumen estadístico para cada caso
summary_case_3 <- case_3$summary
# Mostrar los resúmenes estadísticos
print("Resumen estadístico para caso 3:")
## [1] "Resumen estadístico para caso 3:"
print(summary_case_3)
## t1 t2 t3 t4
## Min. : 0.6756 Min. : 1.305 Min. : 0.5755 Min. : 0.7059
## 1st Qu.: 2.7407 1st Qu.: 5.409 1st Qu.: 2.9732 1st Qu.: 3.7639
## Median : 4.5097 Median : 8.856 Median : 4.8025 Median : 5.3245
## Mean : 5.2877 Mean :10.571 Mean : 5.1732 Mean : 6.1903
## 3rd Qu.: 7.0922 3rd Qu.:12.990 3rd Qu.: 6.4795 3rd Qu.: 8.1097
## Max. :17.0983 Max. :33.614 Max. :16.8750 Max. :17.8147
# Graficar caso_4
print(case_4$grafico)
# Obtener resumen estadístico para cada caso
summary_case_4 <- case_4$summary
# Mostrar los resúmenes estadísticos
print("Resumen estadístico para caso 4:")
## [1] "Resumen estadístico para caso 4:"
print(summary_case_4)
## t1 t2 t3 t4
## Min. : 0.6783 Min. : 1.290 Min. : 0.7036 Min. : 0.7254
## 1st Qu.: 3.1534 1st Qu.: 6.129 1st Qu.: 3.2511 1st Qu.: 3.7199
## Median : 4.5629 Median : 8.988 Median : 4.5786 Median : 5.3353
## Mean : 4.9618 Mean : 9.894 Mean : 4.9824 Mean : 5.8615
## 3rd Qu.: 6.3222 3rd Qu.:12.693 3rd Qu.: 6.3447 3rd Qu.: 7.4468
## Max. :14.8297 Max. :31.667 Max. :16.1014 Max. :24.8964
Conclusiones
Tras analizar los gráficos y tablas previas, se observa que los estimadores θ1, θ2 y θ3 muestran valores cercanos a la media teórica de 5, lo que sugiere un bajo sesgo en comparación con θ4, cuyo valor medio es aproximadamente el doble de la media, indicando un sesgo más pronunciado. Entre estos, el estimador θ3 destaca al tener el valor medio más próximo al teórico.
Asimismo, al examinar el gráfico de boxplots y la matriz de varianzas, se aprecia que θ3 exhibe el menor grado de dispersión, lo que lo convierte en el estimador más eficiente, seguido por θ1, θ4 y θ2, respectivamente.
En cuanto a la consistencia, únicamente θ1 y θ3 muestran una reducción apreciable del sesgo a medida que aumenta el tamaño de la muestra, lo que indica consistencia en su rendimiento. En resumen, los resultados sugieren que el estimador más favorable es θ3, al presentar un bajo sesgo, eficiencia y consistencia en comparación con los demás estimadores evaluados.
Enunciado
El Teorema del Límite Central es uno de los más importantes en la inferencia estadística y habla sobre la convergencia de los estimadores como la proporción muestral a la distribución normal. Algunos autores afirman que esta aproximación es bastante buena a partir del umbral n>30.
A continuación se describen los siguientes pasos para su verificación:
Realice una simulación en la cual genere una población de n=1000 (Lote), donde el porcentaje de individuos (supongamos plantas) enfermas sea del 50%.
Genere una función que permita:
Obtener una muestra aleatoria de la población.
Calcule el estimador de la proporción muestral pˆ para un tamaño de muestra dado n.
Repita el escenario anterior (b) n=500 veces y analice los resultados en cuanto al comportamiento de los 500 resultados del estimador pˆ. ¿Qué tan simétricos o sesgados son los resultados obtenidos? y ¿qué se puede observar en cuanto a la variabilidad?. Realice en su informe un comentario sobre los resultados obtenidos.
Repita los puntos b y c para tamaños de muestra n=5, 10, 15, 20, 30, 50, 60, 100, 200, 500. Compare los resultados obtenidos para los diferentes tamaños de muestra en cuanto a la normalidad. Utilice pruebas de bondad y ajuste (shapiro wilks :shspiro.test()) y métodos gráficos (gráfico de normalidad: qqnorm()). Comente en su informe los resultados obtenidos
Repita toda la simulación (puntos a – d), pero ahora para lotes con 10% de plantas enfermas y de nuevo para lotes con un 90% de plantas enfermas. Concluya sobre los resultados del ejercicio.
Desarrollo
# Función global para el proceso (Establece una función llamada ejecutar_proceso que toma un argumento p_enferma, que representa la proporción de personas enfermas en la población.)
ejecutar_proceso <- function(p_enferma) {
# Cantidad exacta de enfermos (Calcula la cantidad exacta de personas enfermas en una población de tamaño 1000, redondeando el producto de p_enferma y 1000.)
n_enfermos <- round(1000 * p_enferma)
# Crear el vector de población (Crea un vector llamado poblacion que representa la población, donde 1 representa una persona enferma y 0 representa una persona sana)
poblacion <- c(rep(1, n_enfermos), rep(0, 1000 - n_enfermos))
# Mezclar el vector (Aleatoriza el vector poblacion para simular la selección aleatoria de personas de la población)
set.seed(123) # Para mantener reproducibilidad al aleatorizar
poblacion <- sample(poblacion)
# Función para obtener muestras aleatorias y estimador pˆ (media) (Define una función llamada obtener_muestra que toma una muestra aleatoria de la población y calcula la media de la muestra.)
obtener_muestra <- function(poblacion, n_muestra) {
muestra <- sample(poblacion, n_muestra, replace=TRUE)
media <- mean(muestra)
return(media)
}
# (Define los tamaños de muestra n_muestra y crea un dataframe vacío llamado resultados para almacenar los resultados del análisis)
n_muestra <- c(5, 10, 15, 20, 30, 50, 60, 100, 200, 500)
resultados <- data.frame()
# (Itera sobre diferentes tamaños de muestra, generando 500 muestras para cada tamaño y calculando la media, el sesgo, la varianza y el valor p de la prueba de normalidad de Shapiro para cada muestra. Almacena los resultados en el dataframe resultados)
for (n in n_muestra) {
p_muestras <- replicate(500, obtener_muestra(poblacion, n))
media_n <- mean(p_muestras)
sesgo <- media_n - p_enferma
varianza <- var(p_muestras)
p_value <- shapiro.test(p_muestras)$p.value
resultados <- rbind(resultados, data.frame(Muestra=n, Media=media_n, Sesgo=sesgo, Varianza=varianza, PValueShapiro=p_value))
}
# Imprime los resultados del análisis.
print(resultados)
# (Configura la disposición de los gráficos y crea gráficos QQ-plot para tamaños de muestra específicos)
par(mfrow=c(2,3))
n_interes <- c(5, 15, 30, 50, 100, 500)
for (n in n_interes) {
p_muestras <- replicate(500, obtener_muestra(poblacion, n))
qqnorm(p_muestras, main=paste("QQ-plot para n =", n))
qqline(p_muestras, col="red")
}
# (Crea histogramas para los mismos tamaños de muestra específicos)
for (n in n_interes) {
p_muestras <- replicate(500, obtener_muestra(poblacion, n))
hist(p_muestras, main=paste("Histograma para n =", n), xlab="Proporción Muestral", xlim=c(0,1), breaks=30, col="lightblue", border="black")
}
}
par(mfrow=c(1,1))
set.seed(123)
ejecutar_proceso(0.50)
## Muestra Media Sesgo Varianza PValueShapiro
## 1 5 0.5068000 0.0068000000 0.0498935471 9.383589e-15
## 2 10 0.5062000 0.0062000000 0.0245907415 1.337564e-09
## 3 15 0.5006667 0.0006666667 0.0155061234 6.269464e-08
## 4 20 0.4929000 -0.0071000000 0.0116178257 1.584788e-06
## 5 30 0.4974667 -0.0025333333 0.0081788288 2.907903e-06
## 6 50 0.5049600 0.0049600000 0.0054935856 8.212550e-03
## 7 60 0.5005000 0.0005000000 0.0043200568 1.724943e-02
## 8 100 0.5048600 0.0048600000 0.0028983772 3.476978e-02
## 9 200 0.4984500 -0.0015500000 0.0013849173 5.734312e-03
## 10 500 0.5001560 0.0001560000 0.0005322001 4.098372e-01
set.seed(123)
ejecutar_proceso(0.10)
## Muestra Media Sesgo Varianza PValueShapiro
## 1 5 0.1132000 0.013200000 0.0199456513 8.759113e-28
## 2 10 0.0970000 -0.003000000 0.0089889780 1.390535e-22
## 3 15 0.1014667 0.001466667 0.0057426676 2.812273e-17
## 4 20 0.0967000 -0.003300000 0.0039419940 4.138921e-15
## 5 30 0.0992000 -0.000800000 0.0026001158 1.311643e-11
## 6 50 0.1028400 0.002840000 0.0019406156 4.403408e-07
## 7 60 0.1021000 0.002100000 0.0015024839 1.629807e-06
## 8 100 0.0990600 -0.000940000 0.0009720605 3.000300e-04
## 9 200 0.0990400 -0.000960000 0.0004063912 8.184784e-03
## 10 500 0.1002880 0.000288000 0.0001922055 3.753490e-02
set.seed(123)
ejecutar_proceso(0.90)
## Muestra Media Sesgo Varianza PValueShapiro
## 1 5 0.9060000 0.006000000 0.0170380762 4.015443e-29
## 2 10 0.9072000 0.007200000 0.0082446493 8.356577e-23
## 3 15 0.9030667 0.003066667 0.0061272946 1.363636e-18
## 4 20 0.8984000 -0.001600000 0.0043962325 1.987297e-15
## 5 30 0.9013333 0.001333333 0.0027370296 6.291843e-12
## 6 50 0.9018000 0.001800000 0.0018364329 1.127938e-07
## 7 60 0.8976333 -0.002366667 0.0016014908 4.538232e-08
## 8 100 0.9008800 0.000880000 0.0008946148 5.538711e-07
## 9 200 0.8998300 -0.000170000 0.0004369951 2.366639e-02
## 10 500 0.9001720 0.000172000 0.0001647559 9.635314e-03
Conclusión
Tras analizar los gráficos y tablas previas, se observa que los estimadores θ1, θ2 y θ3 muestran valores cercanos a la media teórica de 5, lo que sugiere un bajo sesgo en comparación con θ4, cuyo valor medio es aproximadamente el doble de la media, indicando un sesgo más pronunciado. Entre estos, el estimador θ3 destaca al tener el valor medio más próximo al teórico. Asimismo, al examinar el gráfico de boxplots y la matriz de varianzas, se aprecia que θ3 exhibe el menor grado de dispersión, lo que lo convierte en el estimador más eficiente, seguido por θ1, θ4 y θ2, respectivamente. En cuanto a la consistencia, únicamente θ1 y θ3 muestran una reducción apreciable del sesgo a medida que aumenta el tamaño de la muestra, lo que indica consistencia en su rendimiento. En resumen, los resultados sugieren que el estimador más favorable es θ3, al presentar un bajo sesgo, eficiencia y consistencia en comparación con los demás estimadores evaluados.
Enunciado
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, X∗1,X∗2,X∗2,X∗n, 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?
Desarrollo
Se va generar la matriz con los datos entregados en el ejercicio y por bootstrap. Se genero una muestra de 1000 filas a las cuales se les calcula su media:
x <- c( 7.69, 4.97, 4.56, 6.49, 4.34, 6.24, 4.45) # Datos muestra
boot<- sample(x,1000,replace=TRUE) # Se extraen n x m muestras
b <- matrix(boot,nrow=1000,ncol=7, byrow =TRUE) # Se construye matriz de n x m
mx<- apply(b,1,mean) # Se calculan m medias por fila
ic1=quantile(mx, probs=c(0.025, 0.975)) # se calcula IC método 1
ic2=c(2*mean(mx)-ic1[2], 2*mean(mx)-ic1[1]) # se calcula IC método 2
hist(mx, las=1, main="Distribución de medias con IC calculados por método 1 y 2 ", ylab = " ", xlab = "Medias", col="#039483")
abline(v=ic1, col="#FF7F00",lwd=2)
abline(v=ic2, col="#c714a3",lwd=2)
legend("topright", legend = c("IC Método 1", "IC Método 2"), col = c("#FF7F00", "#c714a3"), lwd = 2)
Conclusión
El histograma muestra una ligera asimetría hacia la derecha en la distribución de datos, con la media cerca de las 5.5 millas por galón. A medida que crece el tamaño de la muestra, los datos se aproximan más a una distribución normal. Los métodos 1 y 2 generan intervalos de confianza que contienen la media, aunque ligeramente desplazados en direcciones opuestas. Siempre y cuando la muestra sea representativa y un mayor tamaño mejore la precisión de los intervalos, se puede confiar en los resultados obtenidos mediante el método bootstrap.