Métodos estadístico para BIG DATA

Abstract

La extracción de información y resultados de los grandes conjuntos de datos que se generan día a día en todo el mundo se ha convertido en uno de los objetivos principales a lo largo de la ´ultima década. El estudio y análisis de este Big Data mediante el ajuste de modelos estadísticos tradicionales no es posible. En este trabajo exponemos el BLB (Bag of Little Bootstraps) como un método viable para el tratamiento de estos datos y damos una descripción del mismo y de sus propiedades. Además, tratamos brevemente el Bootstrap y otros dos procedimientos relacionados y comparamos sus rendimientos con el del BLB. Finalmente, vemos una aplicación sencilla del BLB con ejemplo en el software estadístico libre R.

The extraction of information and results from the large data sets that are generated day by day around the world has become one of the main objectives over the last decade. The study and analysis of this Big Data by adjusting traditional statistical models are not possible. In this paper, we expose the Bag of Little Bootstraps (BLB) as a viable method for the treatment of this data. We also give a description of the aforementioned method and its proprieties. In addition, we briefly discuss the Bootstrap and two other related methods and we compare them with BLB. Finally, we see a simple application of BLB with an example in the free statistical software R.