Paradigmas Vol. 6, No. 1 | Page 68

Potenciar la utilidad de los métodos estadísticos Apéndice El método de bootstrap para derivar intervalos y niveles de confianza Hay 110 registros en los datos sobre la rotación de personal. El método bootstrap utiliza remuestreo con reemplazo; esto significa que elegimos uno de estos registros al azar, luego lo reemplazamos, por lo que estamos empezando de nuevo con la muestra original, y luego elegimos otro al azar, y así sucesivamente hasta que tengamos un remuestreo de 110. Todos los registros en el remuestreo provienen de la muestra, pero algunos registros en la muestra pueden aparecer varias veces en el remuestreo, y otros en ningún momento. Sucesivamente repetimos este procedimiento varias veces para generar múltiples remuestras. Ahora, imaginemos que la población de la que se extrae la muestra real sigue el mismo patrón que la muestra. Esto significa que el 0.91 % (1/110) de la población será como el primer registro de la muestra, el 0.91 % igual que el segundo, y así sucesivamente. Esto a su vez significa que, para tomar una muestra aleatoria de la población, queremos elegir un registro como el primer miembro de la muestra con una probabilidad del 0.91 %, y de manera similar para la segunda, tercera, y así sucesivamente. Pero esto es exactamente lo que el remuestreo con reemplazo logra, por lo que estas remuestras pueden considerarse muestras aleatorias de la población imaginaria. Esta no es la población real, pero parece razonable suponer que es similar, por lo que la variación entre las remuestras da una buena idea del error de muestreo cuando se toma una población real. En la práctica, la experiencia indica que el bootstrapping generalmente ofrece resultados muy similares a los métodos convencionales. Más detalles y un vínculo al software utilizado para derivar los resultado