Incertidumbre del modelo y sieve Bootstrap

Es habitual en bootstrap parametrico seleccionar un modelo a partir de los datos, y entonces considerarlo como el modelo verdadero. Chatfield (1996) senala que ignorar la variabilidad debida a la seleccion del modelo es una de las causas fundamentales de que los intervalos de prediccion generalmente tengan una cobertura real inferior a la cobertura nominal. En este trabajo, proponemos dos maneras diferentes de introducir el paso de seleccion de modelos en el algoritmo de remuestreo. Presentamos un estudio de Monte Carlo comparando las propiedades en muestras finitas de los metodos propuestos en el caso de intervalos de prediccion.