Muestreo y bootstrap — Explorador del TCL (con pasos)

Reproduce muestras uniformes, normales, exponenciales y de Bernoulli con una LCG determinista, observa estimaciones puntuales, intervalos bootstrap/t/normal y explora histogramas del TCL con pasos detallados.

Preparado para clases: URLs compartibles, exportación CSV, reserva para anuncios, comentarios Giscus bajo demanda y enlaces a calculadoras relacionadas.

Otros idiomas: ja | en | es | zh-CN

Panel de control

Distribución y estadística
Parámetro exponencial
Semillas y TCL
Intervalos de confianza 95%

Resumen de resultados

Estimación puntual
Media muestral
Mediana muestral
Desviación muestral
n / B
/
Media / σ teóricos
/
  • Percentil bootstrap

  • Aproximación t (media)

  • Aproximación normal (proporción)

Cómo se calcula

  1. Inicializamos la LCG (a=1664525, c=1013904223, m=232) con la semilla para obtener una secuencia reproducible.
  2. Tomamos n= observaciones de y calculamos la estadística seleccionada .
  3. Remuestreamos B= veces, aplicamos cuantiles Tipo-1 y presentamos los intervalos elegidos ().
  4. Para el explorador TCL, usamos la semilla con K= medias estandarizadas, cuyo promedio/varianza ≈ .

La URL compartida y el CSV guardan las semillas y parámetros para repetir la actividad en clase.

Histogramas

Distribución bootstrap

Muestra la distribución del estadístico remuestreado y ubica los intervalos de confianza.

Medias estandarizadas (TCL)

Superponer N(0,1) permite ver cómo la media tiende a 0 y la varianza a 1 conforme aumenta n.

Preguntas frecuentes

¿Por qué usar el percentil Tipo-1?

Porque emplea floor((B−1)p) y coincide con la definición más habitual en cursos introductorios, facilitando explicar de dónde salen los límites del intervalo.

¿Qué ventaja ofrece la LCG fija?

Usa los mismos parámetros que nuestra calculadora de probabilidad (a=1664525, c=1013904223, m=232), de modo que la misma semilla genera idénticas muestras en cualquier dispositivo, ideal para tareas y verificaciones.