Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Hary Nicol Trujillo. estadísticos y sus descubrimientos. David Freedman ● Técnica de bootstrap: La técnica de bootstrap se utiliza para estimar la incertidumbre de los estimadores estadísticos. La técnica se basa en la idea de simular la distribución de un estimador estadístico a partir de los datos de la muestra. Para ello, se crea una nueva muestra de datos, llamada muestra de bootstrap, que se genera aleatoriamente a partir de la muestra original. El estimador estadístico se calcula para cada muestra de bootstrap, y la distribución de los estimadores de bootstrap se utiliza para estimar la incertidumbre del estimador original. La técnica de bootstrap es un método poderoso que se puede utilizar para estimar la incertidumbre de una amplia gama de estimadores estadísticos. La técnica es particularmente útil para estimar la incertidumbre de estimadores que son sensibles a la distribución de la población. ● Teorema de Freedman-Diaconis: El teorema de Freedman-Diaconis establece que la distribución de un estimador estadístico es aproximadamente normal, incluso si la distribución de la población no es normal. Este teorema es importante porque permite utilizar la teoría de la distribución normal para inferir sobre la incertidumbre de los estimadores estadísticos. El teorema de Freedman-Diaconis se basa en la idea de que la distribución de un estimador estadístico se vuelve más normal a medida que aumenta el tamaño de la muestra. El teorema establece que, para un tamaño de muestra lo suficientemente grande, la distribución de un estimador estadístico es aproximadamente normal, independientemente de la distribución de la población. ● Estimación de la regresión: Freedman hizo importantes contribuciones al desarrollo de métodos de estimación de la regresión. En particular, desarrolló métodos para estimar la regresión en presencia de datos faltantes y datos sesgados. La regresión es una técnica estadística que se utiliza para estimar la relación entre dos o más variables. Los métodos de estimación de la regresión se utilizan para estimar los parámetros de la relación entre las variables. Freedman desarrolló métodos de estimación de la regresión que son robustos a la presencia de datos faltantes y datos sesgados. Estos métodos son importantes para los casos en los que los datos de la muestra no son perfectos. ● Análisis de supervivencia: Freedman hizo importantes contribuciones al desarrollo del análisis de supervivencia, un campo de la estadística que se utiliza para analizar datos de eventos de tiempo. En particular, desarrolló métodos para estimar la curva de supervivencia y la probabilidad de supervivencia. El análisis de supervivencia se utiliza para estudiar el tiempo que transcurre entre la aparición de un evento y el final de un período de observación. La curva de supervivencia es una función que representa la probabilidad de que un individuo no experimente el evento antes de un momento dado. La probabilidad de supervivencia es la probabilidad de que un individuo no experimente el evento en un período de tiempo dado. Freedman desarrolló métodos para estimar la curva de supervivencia y la probabilidad de supervivencia que son robustos a la presencia de datos censurados. Estos métodos son importantes para los casos en los que no se conoce el momento exacto en el que ocurrió el evento. El trabajo de David Freedman ha tenido un impacto profundo en el desarrollo de la estadística. Su trabajo ha contribuido a mejorar nuestra comprensión de los métodos estadísticos y a desarrollar nuevos métodos que son más robustos a los datos imperfectos.
Compartir