Estadı́stica Bayesiana

Presentación del curso

MSc. Christian Amao Suxo

Universidad Nacional de Ingenierı́a

Escuela Profesional de Ingenierı́a Estadı́stica

Marzo, 2018

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 1 / 28

Temario

1 Presentación del Curso

¿Qué es la estadı́stica bayesiana?
Temario General del Curso
Bibliografı́a a utilizar
Sistema de recompensas y penalizaciones

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 2 / 28

 Presentación del Curso ¿Qué es la estadı́stica bayesiana?

1 Presentación del Curso

¿Qué es la estadı́stica bayesiana?
Temario General del Curso
Bibliografı́a a utilizar
Sistema de recompensas y penalizaciones

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 3 / 28

 Presentación del Curso ¿Qué es la estadı́stica bayesiana?

¿Estadı́stica baye... qué?

Teorema de Bayes
Dado dos eventos A y B tal que P(B) 6= 0, entonces

P(A ∩ B) P(B|A)P(A)
P(A|B) = = .
P(B) P(B)

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 4 / 28

 Presentación del Curso ¿Qué es la estadı́stica bayesiana?

¿Estadı́stica baye... qué?

Teorema de Bayes
Dado dos eventos A y B tal que P(B) 6= 0, entonces

P(A ∩ B) P(B|A)P(A)
P(A|B) = = .
P(B) P(B)

pero..., ¿para qué sirve el teorema de bayes?

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 5 / 28

Freq’ist inference (I know, shoot me!)
Presentación del Curso ¿Qué es la estadı́stica bayesiana?

¿Qué de nuevo tiene la estadı́stica bayesiana?

Frequentist inference, set all a-quiver;

Adapted
MSc. Christian Amao Suxo (UNI) from Gonick & Smith,
Estadı́stica Bayesiana The Cartoon Guide
Marzo,to Statistic
2018 6 / 28
 Presentación del Curso ¿Qué es la estadı́stica bayesiana?

Freq’ist inference (I know, shoot me!)

¿Qué de nuevo tiene la estadı́stica bayesiana?
Frequentist inference, set all a-quiver;

We ‘trap’ the truth with 95% confidence. Q. 95% of what?

10
MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 7 / 28
 Presentación del Curso ¿Qué es la estadı́stica bayesiana?

¿Qué dice el enfoque

Freq’ist clásico(I- know,
inference frecuentista?
shoot me!)

The interval traps the truth in 95% of experiments. To define

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 8 / 28
 Freq’ist inference (I ¿Qué
Presentación del Curso
know, shoot me!)
es la estadı́stica bayesiana?

¿Qué dice el enfoque clásico - frecuentista?

Let’s do some more ‘target practice’, for frequentist testing;

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018

12
9 / 28
 Freq’ist inference (I ¿Qué
Presentación del Curso
know, shoot me!)
es la estadı́stica bayesiana?

¿Qué dice el enfoque clásico - frecuentista?

Let’s do some more ‘target practice’, for frequentist testing;

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018

13
10 / 28
 Freq’ist inference (I ¿Qué
Presentación del Curso
know, shoot me!)
es la estadı́stica bayesiana?

¿Qué dice el enfoque clásico - frecuentista?

Let’s do some more ‘target practice’, for frequentist testing;

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018

14
11 / 28
 Freq’ist inference (I ¿Qué
Presentación del Curso
know, shoot me!)
es la estadı́stica bayesiana?

¿Qué dice el enfoque clásico - frecuentista?

Let’s do some more ‘target practice’, for frequentist testing;

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018

15
12 / 28
 Bayesian inference
Presentación del Curso ¿Qué es la estadı́stica bayesiana?

¿Cómo trabaja el enfoque bayesiano?

[Appalling archery pun goes here]

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018

17
13 / 28
 Bayesian inference
Presentación del Curso ¿Qué es la estadı́stica bayesiana?

¿Cómo trabaja el enfoque bayesiano?

[Appalling archery pun goes here]

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018

18
14 / 28
 Bayesian inference
Presentación del Curso ¿Qué es la estadı́stica bayesiana?

¿Cómo trabaja el enfoque bayesiano?

[Appalling archery pun goes here]

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018

19
15 / 28
 Bayesian inference
Presentación del Curso ¿Qué es la estadı́stica bayesiana?

¿Cómo trabaja el enfoque bayesiano?

[Appalling archery pun goes here]

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018

20
16 / 28
 Bayesian inference
Presentación del Curso ¿Qué es la estadı́stica bayesiana?

¿Cómo trabaja el enfoque bayesiano?

[Appalling archery pun goes here]

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018

21
17 / 28
 Presentación del Curso ¿Qué es la estadı́stica bayesiana?

Entonces, el enfoque clásico - frecuentista:

• El parámetro es desconocido y
constante.
• La probabilidad se puede
entender como una proporción de
éxitos en un número casi
infinito de ensayos.
• Toda la información se concentra
en los datos de la muestra.

Conocimiento de los datos:

𝑙 𝜃 = 𝑃 𝐷𝑎𝑡𝑜𝑠 𝜃) Función de verosimilitud

Concentra toda la
información del parámetro.

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 18 / 28

 Presentación del Curso ¿Qué es la estadı́stica bayesiana?

El enfoque bayesiano: una nueva filosofı́a

Conocimiento previo: Apriori

𝑃 𝜃 𝑃 𝐷𝑎𝑡𝑜𝑠 𝜃)
𝑃 𝜃 𝐷𝑎𝑡𝑜𝑠) =
𝑃(𝐷𝑎𝑡𝑜𝑠)
Conocimiento de los
Conocimiento
datos: Verosimilitud
actualizado: A posteriori

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 19 / 28

 Presentación del Curso Temario General del Curso

1 Presentación del Curso

¿Qué es la estadı́stica bayesiana?
Temario General del Curso
Bibliografı́a a utilizar
Sistema de recompensas y penalizaciones

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 20 / 28

 Presentación del Curso Temario General del Curso

Contenido General del curso

1 Repaso de teorı́a de probabilidad e inferencia clásica.
Probabilidad condicional.
Estadı́stica paramétrica.
2 Distribuciones priori: el proceso de elicitación.
Prioris subjetivas.
Prioris objetivas.
3 Métodos de estimación puntual bayesiana.
4 Intervalos de credibilidad.
5 Pruebas de hipótesis bayesianas.
6 Métodos de aproximación usando simulación.
Método de Monte Carlo (MC).
Muestreo de Gibbs.
Metropolis - Hastings.
7 El problema de predicción.

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 21 / 28

 Presentación del Curso Bibliografı́a a utilizar

1 Presentación del Curso

¿Qué es la estadı́stica bayesiana?
Temario General del Curso
Bibliografı́a a utilizar
Sistema de recompensas y penalizaciones

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 22 / 28

 Presentación del Curso Bibliografı́a a utilizar

¿Qué libros vamos a usar?

Robert, C. (2007).
The Bayesian choice: from decision-theoretic foundations to
computational implementation.
Hoff, P. D. (2009)
A first course in Bayesian statistical methods.
Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., &
Rubin, D. B. (2014)
Bayesian data analysis.
Carlin, B. P., & Louis, T. A. (2008).
Bayesian methods for data analysis.

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 23 / 28

 Presentación del Curso Sistema de recompensas y penalizaciones

1 Presentación del Curso

¿Qué es la estadı́stica bayesiana?
Temario General del Curso
Bibliografı́a a utilizar
Sistema de recompensas y penalizaciones

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 24 / 28

 Presentación del Curso Sistema de recompensas y penalizaciones

¿Cómo serán las evaluaciones?

Recompensas
Los puntajes de recompensa y penalización se sumarán en la evaluación
(práctica o examen) inmediata.
Por realizar un trabajo obligatorio dejado por el profesor ⇒ +5 ptos.

Por no hacer un trabajo obligatorio dejado por el profesor ⇒ −5 ptos.

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 25 / 28

 Presentación del Curso Sistema de recompensas y penalizaciones

¿Cómo serán las evaluaciones?

Recompensas
Los puntajes de recompensa y penalización se sumarán en la evaluación
(práctica o examen) inmediata.
Por realizar un trabajo obligatorio dejado por el profesor ⇒ +5 ptos.

Penalizaciones
Por no hacer un trabajo obligatorio dejado por el profesor ⇒ −5 ptos.

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 26 / 28

 Presentación del Curso Sistema de recompensas y penalizaciones

¿Cómo serán las evaluaciones?

Recompensas
Los puntajes de recompensa y penalización se sumarán en la evaluación
(práctica o examen) inmediata.
Por realizar un trabajo obligatorio dejado por el profesor ⇒ +5 ptos.

Penalizaciones
Por no hacer un trabajo obligatorio dejado por el profesor ⇒ −5 ptos.

Observaciones:
Si se envı́a un trabajo domiciliario y es para cubrir toda la nota de
una práctica. Esta nota es ireemplazable y no es posible eliminarla.

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 27 / 28

 Presentación del Curso Sistema de recompensas y penalizaciones

¿Preguntas?

MSc. Christian Amao Suxo (UNI) Estadı́stica Bayesiana Marzo, 2018 28 / 28