Sección 9 Inferencia paramétrica

En esta sección estudiaremos bootstrap paramétrico, comenzamos recordando conceptos de inferencia paramétrica.

Sean \(X_1,...,X_n \sim p(x| \theta)\). Queremos estimar \(\theta=(\theta_1,...,\theta_k)\). Recordemos que un estimador \[\hat{\theta} = w(X_1,...,X_n)\] es una función de los datos.

En esta sección recordaremos la estimación de \(\theta\) por máxima verosimilitud y algunas de sus propiedades, después introduciremos las ideas de bootstrap paramétrico, y veremos como se relacionacon máxima verosimilitud y con bootstrap no paramétrico.