Búsqueda · 22 momentos en 10 episodios
Alberto ApariciBorja TosarHéctor SocasGastón GiribetFrancis Villatoroanálisis bayesiano requiere prioridades a priorifactor de bayes multiplica prioridades a prioriprioridades a posteriori dependen de francisanálisis bayesiano física partículascontraste hipótesis bayesianas probabilidades a prioridoctorado alberto aparici estadísticaanálisis bayesianos basuraconclusiones bayesianas frecuentistasmodelo bayesiano sin sentidofrancis villatoro critica análisisanálisis bayesiano sofisticadodestornillador eléctrico clavar un clavoartículos con 12 sigmas evidenciaHéctor SocasFrancis VillatoroInteligencia ArtificialAnálisis BayesianoCHGPTfactor de BayesFrancisAlberto ApariciDavid Kippen
Análisis Bayesiano sofisticado
Con
0:000:301:001:302:002:303:003:42
Héctor Socas comparte la opinión de Francis Villatoro sobre el uso inapropiado del análisis bayesiano, comparándolo con usar un destornillador eléctrico para clavar un clavo.
…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 todo cuando yo estaba haciendo doctorado, que era cuando estaba en contacto con estas cosas Ya sabes que en física de partículas casi todo es frecuentista, con lo que en realidad nosotros de bayesciano no sabemos mucho me decían no pero no pasa nada porque en realidad en análisis bayesiano 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 destornillador eléctrico, este que funciona solo tal, es más sofisticado que un martillo, pues yo tengo que clavar un clavo, no voy a coger el destornillador eléctrico y pegarle al clavo, o sea, no tiene sentido hacer eso, pues esto es lo mismo. Nosotros en este podcast, rara vez pero alguna vez hemos hablado de estos artículos que tienen 12 sigmas, 12 sigmas de evidencia de una barbaridad. 5 sigmas es una cosa que se ve a vista, que cualquier oyente lo ve en la figura; yo le enseño la figura y lo ve, lo tiene que ver, no puede haber ningún oyente que vea la figura y no lo vea si son 5 sigmas. 12 sigmas es súper evidente.…
Significado #1 · Palabras #1
Héctor Socas explica la diferencia entre enfoques frecuentistas y bayesianos para calcular probabilidades, señalando que el enfoque bayesiano es más reciente y a menudo se percibe como superior.
Habla: Héctor SocasPalabras #5estadística bayesiana uso indebidoanálisis estadístico sesgado nivel mundialbayesiano sirve para lo que sirvediferencia frecuentista velleciano oyentesenfoque bayesiano probabilidades recientesprobabilidades frecuentistas forma antiguaherramientas aplicabilidad diferentes…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 mejor, más sofisticada, más guay porque es más reciente. Bueno, son formas diferentes, cada una tiene su, como todo, cada herramienta tiene su aplicabilidad, ¿no? Pero si yo digo: me han salido tres caras seguidas, Oh, me han salido tres caras seguidas, ¿casualidad? No lo creo. Entonces, ¿qué solemos decir? Solemos pensar: oye, ¿cuál es la probabilidad de que me pase eso? ¿Qué cosa más rara, no? Tirar una moneda y que me salgan tres caras. Bueno, pues tú puedes pensar…
Francis Villatoro continúa la explicación sobre el uso de la estadística bayesiana, señalando que se están aplicando para fines no convencionales.
Habla: Francis VillatoroSignificado #8estadística bayesiana fines no convencionaleshipótesis nula alternativa estadística…nula, mi hipótesis alternativa, y tengo unas técnicas que me permiten, pues en función de las distribuciones esperadas de probabilidad de los datos, etc. Es decir, te puedo tener un modelo, contrasto esa hipótesis en base a un modelo y obtengo el valor P. o el número de sismas de confianza estadística de la hipótesis nula y de la hipótesis alternativa Lo que ha ocurrido con el mundo bayesiano es que han empezado a usarse las herramientas bayesianas para hacer cosas que nadie nunca hizo con herramientas bayesianas y una de ellas es, por ejemplo, el contraste de hipótesis bayesiano que acaba de mencionar esto. Es decir, en el contraste de hipótesis bayesiano yo digo: bueno, en lugar de usar un software caja oscura que utiliza una estadística que sabe el estadístico que ha desarrollado el software, cómo funciona, pero yo no tengo ni otra idea; yo solo sé usar el…
Héctor Socas comparte la opinión de Francis Villatoro sobre el uso inapropiado del análisis bayesiano, comparándolo con usar un destornillador eléctrico para clavar un clavo.
Habla: Héctor SocasSignificado #1 · Palabras #1análisis bayesiano requiere prioridades a priorifactor de bayes multiplica prioridades a prioriprioridades a posteriori dependen de francisanálisis bayesiano física partículascontraste hipótesis bayesianas probabilidades a prioridoctorado alberto aparici estadísticaanálisis bayesianos basuraconclusiones bayesianas frecuentistasmodelo bayesiano sin sentidofrancis villatoro critica análisisanálisis bayesiano sofisticadodestornillador eléctrico clavar un clavoartículos con 12 sigmas evidencia…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 todo cuando yo estaba haciendo doctorado, que era cuando estaba en contacto con estas cosas Ya sabes que en física de partículas casi todo es frecuentista, con lo que en realidad nosotros de bayesciano no sabemos mucho me decían no pero no pasa nada porque en realidad en análisis bayesiano 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 destornillador eléctrico, este que funciona solo tal, es más sofisticado que un martillo, pues yo tengo que clavar un clavo, no voy a coger el destornillador eléctrico y pegarle al clavo, o sea, no tiene sentido hacer eso, pues esto es lo mismo. Nosotros en este podcast, rara vez pero alguna vez hemos hablado de estos artículos que tienen 12 sigmas, 12 sigmas de evidencia de una barbaridad. 5 sigmas es una cosa que se ve a vista, que cualquier oyente lo ve en la figura; yo le enseño la figura y lo ve, lo tiene que ver, no puede haber ningún oyente que vea la figura y no lo vea si son 5 sigmas. 12 sigmas es súper evidente.…
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 #18 · Palabras #10análisis bayesianos factores de bayeshipótesis alternativa probabilidad 10 a la menos 14factor de valles 10 a la 6probabilidad días menos 8 hipótesis nulahipótesis bayesianas david kippenprobabilidades a priori cienciacontraste hipótesis rigor bayesiana…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 bueno, en cualquier caso, en ese tipo de análisis... David Kippen lo que nos comenta es una de las Consecuencias de todo esto y es la idea del agnosticismo en las prioridades a priori, que me dice: bueno pues yo voy a ser agnóstico, yo no sé cuáles son las prioridades a priori, voy a decir que son equiprobables, es decir que el cociente de prioridades a…
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 #4 · Palabras #7análisis 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…
Francis Villatoro explica que la interpretación del factor de Bayes como un indicador de la relación entre las probabilidades de dos hipótesis solo es posible en casos muy específicos y con modelos estadísticos concretos.
Habla: Francis VillatoroSignificado #15factor bayes hipótesis estadísticasmodelos estadísticos concreto…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…
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 #19factor bayes análisis específicoprobabilidades a priori problemaprioridades a priori estimables…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 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 #3 · Palabras #3análisis 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…