Sección 9 Inferencia paramétrica

En esta sección revisaremos algunos conceptos de inferencia paramétrica y estudiaremos bootstrap paramétrico.

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.

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 bootstrap no paramétrico.