Búsqueda · 22 momentos en 8 episodios
Alberto ApariciBorja TosarHéctor SocasGastón GiribetFrancis Villatoroanálisis bayesiano requiere prioridades a priorifactor de bayes multiplica prioridades a prioriprioridades a posteriori dependen de francisFrancis Villatorofactor de BayesBayesianoAlberto ApariciHéctor SocasAstronomíaSelkeInteligencia ArtificialAnálisis BayesianoCHGPTvalor P5 sigmaVickiepingfactor de Valle
Análisis Bayesiano factor de Bayes
Con
0:000:301:001:302:002:303:003:42
Francis Villatoro corrige una afirmación anterior y explica que un análisis bayesiano requiere una buena estimación de las probabilidades a priori para que el factor de Bayes tenga sentido.
…que además tiene metano, que además tiene dióxido de carbono, que además puede modelar con un modelo muy sencillo, atmosférico, que solo tiene en cuenta tres sustancias, que además, no, no, no, pero todo esto implica que la probabilidad es del 50%, ¿vale? Mi hipótesis es que no sea todo eso vale como cara o cruz. Perdona, no, eso no es así. Eso no es hacer un buen análisis bayesiano; entonces el factor de Bayes, que es el que me multiplica las prioridades a priori de ambas hipótesis para darme las prioridades a posteriori, no tiene sentido si tú no tienes una muy buena estimación de las prioridades a priori, Francis. ¿Una pregunta? Eso es la hipótesis bayesciano y el contraste de hipótesis bayesciano de toda la vida, el que viene en los libros de texto, el que se estudia en primer curso de estadística Francis, una pregunta, a ver si tú me lo puedes aclarar A mí siempre me dijeron, sobre…
Significado #8 · Palabras #1
Francis Villatoro explica que un problema con la estadística bayesiana es que permite realizar ciertas acciones que la estadística frecuentista no permite, y señala una desviación reciente entre los científicos.
Habla: Francis VillatoroPalabras #15estadística bayesiana vs frecuentistadesviación reciente científicos estadística bayesianapronunciación original estadística bayesianaestadística bayesiana uso indebidoanálisis estadístico sesgado nivel mundialbayesiano sirve para lo que sirvediferencia frecuentista velleciano oyentes…y esto obviamente es completamente innecesario y obviamente no se debe hacer. Es algo, es una recomendación completamente desviada de lo que es la ciencia correcta. Pero es que no está exagerando Francis, es que es básicamente las palabras que usa. El problema que tiene el uso de la estadística bayesiana, bayesiana, es que, pero en español se dice bayesiana, se dice bayes, es la pronunciación original, ¿lo veis que es así? Sí, el problema de la estadística bayesiana es que permite hacer una serie de cosas que no permite la estadística frecuentista y durante mucho tiempo se ha estado usando la estadística bayesiana para hacer eso, pero en los últimos 25 años quizás algo más ha habido una desviación en gran parte de los científicos a. Nivel mundial de sesgar el análisis estadístico hacia el bayesiano como si fuera el bueno, y el bayesiano sirve para lo que sirve y no sirve para lo que la gente lo usa, y eso está ocurriendo en toda la ciencia. Me dejas que ponga un ejemplo para ilustrar la diferencia entre frecuentista y velleciano para los oyentes, que yo creo que lo podrán entender mucho más fácilmente. Nosotros cuando pensamos en una probabilidad de que algo ocurra, nosotros solemos pensar en términos frecuentistas; es lo que estamos acostumbrados, es la forma más antigua de trabajar. Esta forma velleciana es más reciente y por eso se suele pensar que es…
Francis Villatoro corrige una afirmación anterior y explica que un análisis bayesiano requiere una buena estimación de las probabilidades a priori para que el factor de Bayes tenga sentido.
Habla: Francis VillatoroSignificado #8 · Palabras #1análisis bayesiano requiere prioridades a priorifactor de bayes multiplica prioridades a prioriprioridades a posteriori dependen de francis…que además tiene metano, que además tiene dióxido de carbono, que además puede modelar con un modelo muy sencillo, atmosférico, que solo tiene en cuenta tres sustancias, que además, no, no, no, pero todo esto implica que la probabilidad es del 50%, ¿vale? Mi hipótesis es que no sea todo eso vale como cara o cruz. Perdona, no, eso no es así. Eso no es hacer un buen análisis bayesiano; entonces el factor de Bayes, que es el que me multiplica las prioridades a priori de ambas hipótesis para darme las prioridades a posteriori, no tiene sentido si tú no tienes una muy buena estimación de las prioridades a priori, Francis. ¿Una pregunta? Eso es la hipótesis bayesciano y el contraste de hipótesis bayesciano de toda la vida, el que viene en los libros de texto, el que se estudia en primer curso de estadística Francis, una pregunta, a ver si tú me lo puedes aclarar A mí siempre me dijeron, sobre…
Francis Villatoro explica que una afirmación común sobre la independencia de los resultados bayesianos de las probabilidades a priori carece de sentido.
Habla: Francis VillatoroSignificado #10análisis bayesianos basuraconclusiones bayesianas frecuentistasmodelo bayesiano sin sentidofrancis villatoro critica análisis…si el análisis está bien hecho es independiente de las probabilidades a priori y yo decía bueno el análisis puede ser independiente pero el resultado no entonces no entendía muy bien esta frase que me decían ¿esta frase tiene algún sentido o me la decían? No tiene ningún sentido, pero lo que ocurre es que se ha popularizado; es decir, se ha convertido en una herramienta de la ciencia el hacer análisis bayesianos basura y tratarlo como si fueran análisis estadísticos rigurosos, y entonces cuando se presentan este tipo de análisis, yo lo he criticado muchísimas veces; o sea, convertir las conclusiones bayesianas en conclusiones frecuentistas no tiene ningún sentido, sobre todo cuando tu modelo bayesiano es una cosa súper cutre que no tiene ni piel ni cabeza. Yo esa crítica la comparto totalmente porque parece como que lo bayesiano es más sofisticado y entonces hay gente que lo usa porque al ser más sofisticado parece como que es más guay, pero lo usa de una forma o en un contexto que no pega; o sea, vale. El…
Francis Villatoro explica cómo los análisis bayesianos pueden generar factores de Bayes significativos incluso cuando las probabilidades a priori son extremadamente bajas.
Habla: Francis VillatoroSignificado #3 · Palabras #3análisis bayesianos factores de bayeshipótesis alternativa probabilidad 10 a la menos 14factor de valles 10 a la 6probabilidad días menos 8 hipótesis nula…claro, sí, exacto. pero que 5 sigmas y a partir de 5 sigmas todo tiene que ser muy obvio, tiene que ser muy torpe y cuando tú pones una figura en la que cualquiera que lo ve, un científico lo ve y no ve nada, es que hay años y 5 sigmas, pero claro, ahora Con los análisis, este tipo de análisis bayesianos te da un factor de valles muy grande, porque claro tú dices: si mi probabilidad de la hipótesis alternativa es 10 a la menos 14, yo puedo tener un factor de valles de 10 a la 6, de un millón pero eso me autoriza, me dice que la probabilidad que eran días menos 14 se convierte en días menos 8, sigue siendo absolutamente irrelevante. Es correcta la hipótesis nula, o Sea, eso es clave la buena estimación de las probabilidades a priori. Entonces, lo que pasa es que se ha puesto de costumbre y ya está permeando toda la ciencia; ya todo el mundo usa este tipo de contraste de hipótesis bayesiana sin ningún tipo de rigor, pero…
Francis Villatoro explica que, a pesar de ser consciente de las limitaciones del análisis bayesiano y de cómo algunos lo aplican incorrectamente, también va a realizarlo.
Habla: Francis VillatoroSignificado #1 · Palabras #4análisis bayesiano factor de bayeshipótesis nula modelo predichofrancis villatoro análisis bayesiano…unidad; entonces eso automáticamente destruye la ley de Valle Cielo y lo tira a la basura, pero no, no, no, no lo puedo hacer porque hay una serie de artículos muy famosos que han sido citados miles de veces que dicen que eso se hace, hay gente que lo hace. Hay gente que lo hace, yo también lo voy a hacer; ¿por qué no? Y entonces la gente empieza a hacerlo, entonces todo el análisis bayesiano se convierte en estimar lo que llaman el factor de Bayes, el cociente de la probabilidad de que con los datos, los datos que yo tengo, se ajusten a el modelo predicho por la hipótesis nula o al Modelo predicho por la hipótesis alternativa. Y ya os digo, en muchos casos se plantean modelos distintos, cuando en realidad el único modelo que debe existir es el de la hipótesis nula; estadísticamente solo la hipótesis nula tiene modelo y lo que tú…
Alberto Aparici responde a una pregunta de Francis Villatoro sobre la interpretación del factor de Bayes en análisis bayesianos.
Habla: Alberto ApariciSignificado #11 · Palabras #2factor valle astrónomos científicosmétodo nórdago factores bayescálculo factor valle con el culofactor bayes hipótesis favorecidaanálisis bayesianos datos nuevosfrancis villatoro factor de bayes…mismo análisis te puede reivindicar una sustancia sí, otra no. Y después esta gente lo que hace es poner 80, 100, 500 sustancias y elige las que tienen el factor de vallas más grande. Eso no tiene absolutamente ni pies ni cabeza. Después de mitad estadístico. Entonces lo que nos dice, lo que nos critica de Vickieping es que los astrónomos, y ya os digo muchos científicos, se han ido a lo grande. Han dicho: voy a dar un nórdago; y han decidido que eso del factor de Valle suena muy mal, suena muy mal. Tengo un factor de Valle de 21, tengo un factor de Valle de 3, tengo un factor de Valle de 80. Entonces cuando tú repites un análisis en circunstancias similares pues puedes más o menos comparar los factores de Valle, pero ya os digo en general la comparación de factores de Valle está fallida porque el cálculo del factor de Valle se ha hecho con el culo. Pero bueno, asumiendo que son números, pues obviamente el número Más grande Francis, una pregunta por aclararme yo con esto de Bayesiano: el factor de Bayes al final es cómo de más favorecida está tu hipótesis después de que yo he metido estos datos nuevos que tengo. Por lo tanto, que sea grande en principio es bueno, pero eso no quiere decir que sea súper probable; ahí está el detalle. Exactamente, el teorema de Bayes, el producto de la probabilidad condicionada de que los datos con la hipótesis Probando de la hipótesis 1, se multiplica por la probabilidad, esa probabilidad se multiplica por la probabilidad de la hipótesis 1 o que vengan de…
Francis Villatoro explica que el factor de Bayes es simplemente un cociente que indica cuánto se ha mejorado una probabilidad, y que no incluye las probabilidades a priori.
Habla: Francis VillatoroSignificado #6 · Palabras #14factor bayes mejora probabilidadprobabilidad a posteriori multiplicaciónfrancis villatoro explica factor bayes…entre la suma de ambas probabilidades Aquí como es equidistribuido, pues pongo que las probabilidades iniciales, a priori, son iguales pues lo que tengo en el determinador es una constante, pues es irrelevante, entonces lo único que tengo es esa probabilidad Pero el factor de Bayes no lleva los a priori, o sea, el factor de Bayes es solo el cociente. El cociente es por lo que está multiplicando. Es solo cuánto han mejorado. Exactamente, entre comillas, cuánto tienes que multiplicar la probabilidad a priori para obtener la probabilidad a posteriori. Digo entre comillas porque como no tienes probabilidad a priori, nunca multiplicas para calcular la posteriori. Entonces te quedas con ese número. La trampa un poquito. De esto es que si yo estoy, por ejemplo, contrastando las dos hipótesis de que mi moneda está trucada frente a la moneda es justa y me sale un factor de Valles 10, quiere decir que es 10 veces más fuerte sin tener a priori, o sea, suponiendo que a priori son,…
Francis Villatoro explica que el valor del factor de Bayes varía significativamente según el análisis realizado y los detalles específicos del problema, incluyendo la consideración de las probabilidades a priori.
Habla: Francis VillatoroSignificado #4 · Palabras #9factor bayes hipótesis estadísticasmodelos estadísticos concretofactor bayes aplicabilidad limitadafactor 10 fluctuación estadísticaanálisis frecuentista comparación necesariafactor bayes análisis específicoprobabilidades a priori problemaprioridades a priori estimables…sale el factor de Valles 10, quiere decir que a priori es 10 veces más fuerte la hipótesis alternativa que la hipótesis nula. Otra cosa es que a lo mejor la hipótesis nula tiene una probabilidad del 90% con lo cual ya no tiene mucho sentido ir mucho más allá. Esa es una interpretación extremadamente delicada. Lo que acaba de decir Héctor es una cosa que se puede hacer solamente en casos muy particulares, con unos modelos estadísticos muy concretos. Bajo una enorme cantidad de hipótesis matemáticas, se puede interpretar que el factor de Bayes describe bien el cociente de probabilidades de ambas hipótesis. O sea, en los casos normales en los que se aplica es absolutamente inaplicable. Entonces, un factor de 10 puede ser nada, puede ser algo completamente no significativo, algo puramente flutuación estadística, o puede ser un factor de valles de 10; puede ser una señal tipo 5 sismas. O sea, es que depende del problema y de lo que tú hayas hecho, de muchos detalles. Y tú lo sabes cuando haces el análisis frecuentista y lo comparas con el frecuentista, pero si no, no lo sabes. Entonces, tienes un número y hay gente que publica un número, 214. ¡Oh! Esto es con absoluta seguridad, descubrimiento. Y para ese caso particular, 214 es nada. Es fructación estadística. y hay casos en los que 1,2 es equivalente a 5 sigmas. El factor de Bayes es una cosa que depende muchísimo de lo que hayas hecho y cómo lo hayas hecho y depende de tu problema porque depende fundamentalmente de la realidad de las prioridades a priori. Entonces, y las prioridades a priori, si las puedes estimar De manera independiente, sí te pueden empezar a dar cosas que tú puedas interpretar fácilmente. Porque lo complicado de la estadística es siempre la interpretación; la estadística desde el punto de vista de los cálculos es relativamente sencilla. Pero…
Francis Villatoro explica cómo se puede transformar un factor de Bayes en un valor P, haciendo referencia a un artículo publicado en Astronomía por Selke y colaboradores en 2001.
Habla: Francis VillatoroPalabras #7factor bayes valor p selkeartículo astronomía selke colaboradoresmodelo simplificado astronomía…se puede convertir, pero requiere un modelado exquisito de todo, ¿vale? Se puede convertir sabiendo cómo son las probabilidades a priori, qué distribución estadística tienen, cómo va todo, o sea, tienes que tener un control absoluto de eso. Entonces lo que Se hizo en Astronomía, que bueno; se publicó un artículo muy famoso de Astronomía, pues es un análisis de este tipo con un modelo extremadamente simplificado. Es un modelo muy, muy simplificado; se lo publicó Selke y varios colaboradores en 2001, entonces en un artículo relativamente largo, pues planteaban: ¿Cómo puedo convertir mi factor de Bayes en un valor p? Y dijeron: bueno, pues para hacer eso vamos a suponer que la distribución de probabilidad de mi problema es univariable y corresponde a una única variable y que la hipótesis nula es que esa variable vale cero y la hipótesis alternativa que no vale cero. Eso…
Francis Villatoro explica cómo calcular un factor de Bayes y su relación con el valor P, señalando que muchos estudios astronómicos utilizan una fórmula inversa.
Habla: Francis VillatoroSignificado #19 · Palabras #10factor bayes hipótesis nulavalor p logaritmo de pastronomía fórmula inversa bayesfactor bayes cota superior valor phipótesis nula denominador hipótesis alternativarelación inversa astronomía factores bayes…eso no ocurre nunca: el monotón ya no se cumple nunca, no pasa nada. Tengo que suponer además que tengo que tener una serie de propiedades matemáticas muy concretas y bajo estas condiciones muy concretas yo tengo una fórmula que me estima el factor. De Bayes como mayor o igual que una cierta expresión matemática que depende del valor P. Es la menos exponencial del valor P por el logaritmo de P, entonces yo tengo ese factor de Bayes de la hipótesis nula dividido entre la hipótesis alternativa, mayor o igual que este cociente. En casi todos los estudios en astronomía se utiliza lo contrario, no se usa el factor de Bayes de arriba en el numerador, la hipótesis nula. Sino al contrario, la hipótesis nula en el denominador y la hipótesis alternativa en el numerador. Con lo que el signo de la igualdad se invierte, con lo que en astronomía se usa la relación contraria. Yo tengo mi factor de Bayes, me permite esta fórmula estimar una cota superior a el valor P. Esta fórmula tiene una serie de condiciones y, en rigor estadístico, habría que verificar que en tu problema se cumplen. Si en tu problema alguna de estas hipótesis no se cumple, en astronomía no se cumple ninguna nunca, pero bueno, si en tu problema alguna…
Francis Villatoro explica que posee una fórmula para convertir factores de valle en valores P, aunque esta solo funciona en casos muy específicos y simplificados.
Habla: Francis VillatoroPalabras #19fórmula factor valle valor panálisis bayesiano problemas jugueteproblema juguete nadie complicarse…para otro problema distinto, estoy con esas enanas blancas y estoy haciendo no sé qué, tengo que hacer una fórmula completamente distinta e incluso para diferentes experimentos, entre comillas, observaciones diferentes, análisis diferentes, observaciones. Con un cierto objeto, tengo que hacer un análisis específico diferente y eso no se hace, ¿vale? O sea, eso no se hace. Tengo una fórmula, tengo una fórmula, señores, tengo una fórmula que me convierte el factor de Valle en un valor P, pero esta fórmula, repito, solo funciona en caso muy, muy concreto; extremadamente de juguete, tan de juguete que para el problema este de juguete nadie calcularía, haría un análisis bayesiano, porque se ve directamente a vista, no hay que complicarse la vida; es un problema extremadamente de juguetes, pero no, se usa esta fórmula y lo que pasa. Es que el valor P no se lo puede contar a un periodista, porque si se lo cuentas a un periodista, el periodista te dice: ya estás con el pez aquí, me quieres engañar; los biomédicos me llevan engañando toda la vida con eso. No, no, no, el valor P no se lo…
Francis Villatoro describe el uso de software de inteligencia artificial para realizar análisis bayesianos complejos, destacando la opacidad del proceso y la dificultad para comprender cómo se obtienen los resultados.
Habla: Francis VillatoroSignificado #9análisis bayesiano caja negrasoftware inteligencia artificial análisis bayesianoopacidad resultados inteligencia artificialprogramadores inteligencia artificial desconocen proceso…y es que ahora mismo en 2025 hay una serie de científicos en el mundo que están usando inteligencias artificiales para hacer todo este tipo de análisis estadístico. No estoy diciendo de que metan los datos en CHGPT y a ver lo que da CHGPT sino que están. Usando software de inteligencia artificial para hacer análisis bayesiano, que hacen un tipo de análisis bayesiano extremadamente de caja negra, en el que realmente saber lo que has hecho es prácticamente imposible. Ni con esos datos, lo que se ha hecho, no lo saben ni los que programaron la inteligencia artificial; entonces interpretar el resultado de esos análisis es absolutamente desquiciado, es imposible, o sea, no tienen y claro montar un artículo con conclusiones a favor o en contra de una hipótesis en base a un análisis bayesiano que te da la inteligencia artificial porque es lo más cómodo para ti, porque ya que ni tienes que molestarte en mirar los parámetros de tu software antes, tienes que mirar los parámetros. ¿Qué hago? Mucha gente, después si cambiaba algún parámetro, no lo decía. Entonces, ¿cómo? Entonces, no es replicable lo que has hecho. Claro, cuando lo intentaban replicar, no salía. Ahora se está haciendo con internet. Lo que se está ocurriendo ahora mismo…