Estadística Bayesiana Flashcards

1
Q

¿Qué analiza la estadística bayesiana?

A

Analiza la probabilidad condicional de que la hipótesis alternativa (h1) es correcta, dados los datos.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

¿Qué es el likelihood de los datos?

A

La probabilidad (condicional) de obtener ciertos datos dado que una hipótesis en particular es correcta.

P(d|h)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

¿Qué son los priors?

A

La probabilidad anterior – Las creencias anteriores (pre-existentes) antes de la recolección de datos.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

¿Qué significa la notación : P(d|h) ?

A

La probabilidad condicional – la probabilidad de obtener unos datos (d), dado una hipótesis (h).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

La probabilidad de que 2 cosas co-ocurran juntas es la —–?

A

Probabilidad conjunta

La probabilidad de que una hipótesis (h) sea cierta Y que se observen unos datos (d)

Ejemplo del libro: La probabilidad de que llueva (h) Y de que se lleve sombrilla (d) – 2 eventos co-ocurren juntos

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

¿Cómo se escribe la notación de la probabilidad conjunta? ¿Cómo se calcula?

A

P(d,h) = P(d|h)*P(h)

La probabilidad conjunta es el resultado de la multiplicación entre la probabilidad condicional y el prior [P(h)]

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

¿Cómo se escribe la notación de la probabilidad posterior / regla de actualización de Bayes?

A

P(h|d)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

¿Qué calcula la probabilidad posterior?

A

La probabilidad de una hipótesis particular, dados los datos observados — P(h|d)

Nota: Los datos ya fueron recolectados

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

¿Qué es lo que permite la estadística bayesiana que no permite la frecuentista?

A

Permite conocer (hablar de) la probabilidad de la hipótesis nula sea verdadera.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

¿Cómo se calcula la probabilidad posterior? ¿ P(h|d) ?

A
P(h|d) = Probabilidad conjunta/probabilidad marginal
P(h|d) = P(d,h)/p(d)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

La notación : P(h) es la probabilidad —– o?

A

Prior – probabilidad anterior

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

La notación :P(d|h) es la probabilidad —- o?

A

Likelihood - probabilidad condicional

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

La regla de actualización de Bayes calcula la probabilidad —

A

posterior

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

El factor de Bayes es el equivalente del valor p. Verdadero o Falso

A

Verdadero

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

¿Cúal es la notación del factor Bayes?

A

P(d|h1) / P(d|h0)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

¿Qué describe el factor Bayes?

A

La cantidad (fuerza) de evidencia demostrada por los datos

17
Q

Un valor de factor Bayes de 4 qué indica?

A

Que la evidencia provista por los datos demuestra una probabilidad (chance) de 4:1 en favor de la hipótesis alternativa.

18
Q

¿Qué valor de factor Bayes se necesita para tener evidencia en favor de la hipótesis nula (h0)?

A

Un factor de Bayes menor a 1 —- BF < 1

19
Q

Si se obtiene un factor de Bayes entre 1-3, cuál es la interpretación?

A

La evidencia es despreciable o negligible

20
Q

Si se obtiene un factor de Bayes entre 3-20, cuál es la interpretación?

A

La evidencia es positiva/débil

21
Q

Si se obtiene un factor de Bayes entre 20-150, cuál es la interpretación?

A

La evidencia es fuerte

22
Q

Si se obtiene un factor de Bayes mayor a 150, cuál es la interpretación?

A

La evidencia es muy fuerte

23
Q

Mencione algunos de los problemas filosóficos y metodológicos con la aproximación de estadística Bayesiana.

A
  • Es difícil saber con exactitud cuál es el prior, si no hay investigaciones anteriores sobre el mismo tema
  • ## Está fundada con base en (priors) - creencias anteriores muy subjetivas, lo que dar una precisión falsa.