ORDER STATA
¿qué es el análisis bayesiano?
¿qué es el análisis bayesiano?
El análisis bayesiano es un paradigma estadístico que responde a preguntas de investigación sobre parámetros desconocidos utilizando declaraciones de probabilidad.
por ejemplo, ¿cuál es la probabilidad de que la altura promedio masculina esté entre 70 y 80 pulgadas o que la altura promedio femenina esté entre 60 y 70 pulgadas? ¿Cuál es la probabilidad de que las personas en un estado en particular votenpublican o voten democráticamente?, ¿Cuál es la probabilidad de que una persona acusada de un delito sea culpable? ¿Cuál es la probabilidad de que el tratamiento a sea más rentable que el tratamiento B para un proveedor de atención médica específico? ¿Cuál es la probabilidad de que la presión arterial de un paciente disminuya si se le receta droga A? ¿Cuál es la probabilidad de que el odds ratio esté entre 0,3 y 0,5?¿Cuál es la probabilidad de que tres de cada cinco preguntas sean respondidas correctamente por los estudiantes? ¿Cuál es la probabilidad de que los niños con TDAH tengan un desempeño inferior al de otros niños en una prueba estandarizada?,¿Cuál es la probabilidad de que la escolarización tenga un efecto positivo en los salarios? ¿Cuál es la probabilidad de que los rendimientos excesivos de un activo sean positivos? Y muchos más.
tales declaraciones probabilísticas son naturales para el análisis bayesiano debido a la suposición subyacente de que todos los parámetros son cantidades aleatorias. En el análisis bayesiano, un parámetro se resume por una distribución completa de valores en lugar de un valor fijo como en el análisis frecuentista clásico. Estimar esta distribución, una distribución posterior de un parámetro de interés, está en el corazón del análisis bayesiano.,
una distribución posterior comprende una distribución previa sobre el aparámetro y un modelo de verosimilitud que proporciona información sobre elparámetro basada en los datos observados. Dependiendo del modelo de distribución y verosimilitud elegido, la distribución posterior está disponible analíticamente o aproximada por, por ejemplo, uno de los métodos de la cadena de Markov Monte Carlo (MCMC).,
La inferencia bayesiana utiliza la distribución posterior para formar varios sumarios para los parámetros del modelo, incluyendo estimaciones puntuales como medias posteriores,Medianas, percentiles y estimaciones de intervalos conocidos como intervalos creíbles.Además, todas las pruebas estadísticas sobre los parámetros del modelo pueden ser expresadas como declaraciones de probabilidad basadas en la distribución posterior estimada.,
Las características únicas del análisis bayesiano incluyen una capacidad para incorporar información previa en el análisis, una interpretación intuitiva de intervalos creíbles como rangos fijos a los que se sabe que un parámetro pertenece con una probabilidad preespecificada, y una capacidad para asignar una probabilidad real a cualquier hipótesis de interés.
para obtener más información sobre el análisis bayesiano, consulte intro. También Vea un resumen rápido de las características Bayesianas.