library(ggplot2)
datos <- c(7.69, 4.97, 4.56, 6.49, 4.34, 6.24, 4.45)
k <- 1000
generar_muestra_bootstrap <- function(datos) {
muestra_bootstrap <- sample(datos, replace = TRUE)
media_bootstrap <- mean(muestra_bootstrap)
return(media_bootstrap)
}
medias_bootstrap <- replicate(k, generar_muestra_bootstrap(datos))
media_datos <- mean(datos)
P2.5 <- quantile(medias_bootstrap, 0.025)
P97.5 <- quantile(medias_bootstrap, 0.975)
IC_metodo_1 <- c(P2.5, P97.5)
IC_metodo_2 <- c(2*media_datos - P97.5, 2*media_datos - P2.5)
#print(paste("Intervalo de confianza método 1: [", IC_metodo_1[1], ",", IC_metodo_1[2], "]"))
#print(paste("Intervalo de confianza método 2: [", IC_metodo_2[1], ",", IC_metodo_2[2], "]"))## [1] "Intervalo de confianza método 1: [ 4.70542857142857 , 6.43435714285714 ]"
## [1] "Intervalo de confianza método 2: [ 4.63421428571429 , 6.36314285714286 ]"
Se han obtenido dos intervalos de confianza utilizando dos diferentes métodos. Los dos métodos de estimación de intervalos de confianza dan resultados ligeramente diferentes. La diferencia entre los intervalos de confianza puede deberse a las suposiciones subyacentes de los métodos utilizados. Sería importante evaluar la robustez de los intervalos de confianza en diferentes escenarios y compararlos con otros métodos de estimación de intervalos de confianza para determinar su fiabilidad.