Glosario IA
El diccionario completo de la Inteligencia Artificial
Bootstrap Equilibrado (Balanced Bootstrap)
Variante del bootstrap que garantiza que cada observación original aparece el mismo número de veces en el conjunto de muestras bootstrap, reduciendo el sesgo en la estimación del error.
Bootstrap Estratificado
Método de muestreo bootstrap que preserva la proporción de las clases o estratos en cada muestra remuestreada, esencial para datos desequilibrados.
Bootstrap Ponderado (Weighted Bootstrap)
Técnica donde cada observación recibe un peso de probabilidad durante el muestreo bootstrap, permitiendo el sobremuestreo de puntos de datos considerados más importantes o confiables.
Doble Bootstrap
Procedimiento iterativo donde un muestreo bootstrap se aplica a otra muestra bootstrap, utilizado para mejorar la precisión de los intervalos de confianza y corregir sesgos de orden superior.
Bootstrap de Bloques (Block Bootstrap)
Variante del bootstrap diseñada para datos dependientes (series temporales, datos espaciales) que remuestrea bloques de observaciones contiguas para preservar la estructura de correlación.
Bootstrap Bayesiano
Interpretación del bootstrap como una aproximación de una distribución posterior Bayesiana, donde el muestreo bootstrap simula una distribución previa no informativa sobre los datos.
Bootstrap Paramétrico
Método donde las muestras bootstrap se generan a partir de una distribución paramétrica ajustada a los datos originales, a diferencia del bootstrap no paramétrico que utiliza los datos mismos.
Bootstrap No Paramétrico
Enfoque bootstrap estándar que no hace ninguna suposición sobre la distribución subyacente de los datos, basándose únicamente en el remuestreo directo de la muestra empírica.
Intervalo de Confianza Bootstrap Percentil
Método de construcción de intervalos de confianza utilizando los percentiles (ej: 2.5% y 97.5%) de la distribución de los estimadores calculados en las muestras bootstrap.
Intervalo de Confianza Bootstrap BCa
Intervalo de confianza bootstrap ajustado por el sesgo (Bias-Corrected) y la aceleración (accelerated), que ofrece una mejor precisión al corregir los sesgos y la no-normalidad de la distribución bootstrap.
Submuestreo Bootstrap (Subagging)
Variante del bagging que utiliza subconjuntos de observaciones extraídos sin reemplazo, reduciendo la varianza mientras es menos costoso computacionalmente que el bagging tradicional.
Bootstrap para Series Temporales
Conjunto de técnicas (como el bootstrap de bloques o el bootstrap basado en residuos) adaptadas para remuestrear datos seriales respetando su dependencia temporal.
Jackknife-after-Bootstrap
Método diagnóstico que utiliza la técnica del jackknife sobre los resultados bootstrap para evaluar la estabilidad y la influencia de cada observación en la estimación bootstrap.