Métodos Bootstrap: Principios, Teoría y su aplicación al Procesamiento Digital de Señales

Abstract

El propósito de este curso es de introducir algunas técnicas de remuestreo que han sido explotadas recientemente para llevar a cabo la caracterización estadística de sistemas físicos (cálculo de intervalos de confianza, de los primeros momentos estadísticos, de la densidad de probabilidad completa o densidades completas que interactuan en un sistema bajo estudio, etc.). Lo anterior se hace con la finalidad de clasificar los estimadores adaptados a un objetivo particular de modelado, o bien para llevar a cabo la selección de modelos puestos en competencia para representar algún sistema físico predeterminado. En nuestro caso, nos interesamos en los sistemas que tienen que ver con el Procesamiento Digital de Señales (PDS). La caracterización estadística se lleva a cabo suponiendo que no se conoce la densidad de probabilidad o densidades de probabilidad que interactuan en el sistema bajo estudio, por ejemplo, la densidad de los errores de observación o de adquisición p(e) es supuesta desconocida. Se presenta un panorama general de los métodos existentes y las nuevas tendencias, y bajo que condiciones pueden ser utilizados. Se brindan varios ejemplos de aplicación tanto en instrumentación como en PDS en general.