William Q. Meeker, PhD, Profesor Distinguido de Estadística, Universidad Estatal de Iowa
Chris Gotwalt, PhD, JMP Director de Investigación y Desarrollo Estadístico, SAS
Esta presentación fue votada como el mejor artículo invitado.
Durante varias décadas, el método bootstrap, basado en remuestreo, ha sido ampliamente utilizado para calcular intervalos de confianza fiables en aplicaciones donde no se dispone de un método exacto y cuando los tamaños de muestra no son lo suficientemente grandes como para poder confiar en métodos aproximados fáciles de calcular para muestras grandes, como los intervalos de confianza de Wald (aproximación normal). Sin embargo, existen muchas aplicaciones en las que no se puede utilizar el método bootstrap de remuestreo. Estas incluyen situaciones donde los datos están altamente censurados, regresión logística cuando la respuesta de "éxito" es un evento poco frecuente o donde existe una mezcla limitada de éxitos y fracasos entre las variables explicativas, y experimentos diseñados donde el número de parámetros se acerca al número de observaciones. El punto en común de estas tres situaciones es que puede haber una proporción sustancial de remuestreos donde no sea posible estimar todos los parámetros del modelo. Esta charla mostrará cómo el método bootstrap de ponderación aleatoria fraccional, implementado en JMP Pro, puede evitar estos problemas y proporcionar intervalos de confianza fiables.
