Búsqueda · 24 momentos en 7 episodios
Alberto ApariciBorja TosarHéctor SocasGastón GiribetFrancis Villatoroestadística bayesiana vs frecuentistadesviación reciente científicos estadística bayesianapronunciación original estadística bayesianaestadística bayesiana uso indebidoanálisis estadístico sesgado nivel mundialbayesiano sirve para lo que sirvediferencia frecuentista velleciano oyentesenfoque bayesiano probabilidades recientesprobabilidades frecuentistas forma antiguaherramientas aplicabilidad diferentesHéctor SocasFrancis VillatoroDavid Kippenfactor de Bayesvalor PFrancisAlberto Apariciplaneta mini NeptunoInteligencia ArtificialAnálisis BayesianoCHGPT
Enfoque Bayesiano probabilidades recientes
Con
0:000:301:001:302:002:303:003:42
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.
…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 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…
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 SocasSignificado #1 · Palabras #1estadística bayesiana vs frecuentistadesviación reciente científicos estadística bayesianapronunciación original estadística bayesianaestadística bayesiana uso indebidoanálisis estadístico sesgado nivel mundialbayesiano sirve para lo que sirvediferencia frecuentista velleciano oyentesenfoque bayesiano probabilidades recientesprobabilidades frecuentistas forma antiguaherramientas aplicabilidad diferentes…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 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…
Héctor Socas introduce el tema del contraste de hipótesis, explicando la diferencia entre enfoques bayesianos y frecuentistas para calcular probabilidades, y anuncia que Francis Villatoro continuará con la explicación.
Habla: Héctor SocasPalabras #2contraste hipótesis estadística bayesianaprobabilidad frecuentista cálculo científicofrancis villatoro explica contraste hipótesis…de la hipótesis. En el caso frecuentista, yo fijaba la hipótesis: la hipótesis es que la moneda tiene una probabilidad del 50% y lo que veo es cuál es la probabilidad que me salgan tres caras seguidas, o sea, es como el problema dado la vuelta, ¿no? Y en ciencia muchas veces esto es lo que nos interesa, el contraste de hipótesis. Entonces, ¿qué pasa? Bueno, ahora voy a dejar a Francis que siga la explicación, pero solo para que los oyentes tengan en mente eso, o sea, la diferencia entre un contraste de hipótesis basado en estadística bayesiana y una probabilidad frecuentista de cuánto de probabilidad es que ocurra algo. Y aquí un punto también importante, y eso quizás es Uno de los grandes defectos que tiene la estadística bayesiana mal hecha: El contraste de hipótesis se puede hacer de manera frecuentista, con técnicas, y hay software muy bueno, y se ha hecho toda la vida con técnicas frecuentistas. Y obtengo un valor P,…
Francis Villatoro continúa la explicación sobre el uso de la estadística bayesiana, señalando que se están aplicando para fines no convencionales.
Habla: Francis VillatoroSignificado #5estadística 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…
Francis Villatoro explica el funcionamiento de un contraste de hipótesis bayesiano, donde se estiman las probabilidades a posteriori de la hipótesis nula y alternativa basándose en probabilidades a priori.
Habla: Francis VillatoroSignificado #6 · Palabras #10contraste hipótesis bayescianoprobabilidades a priori hipótesis nulaprobabilidades a posteriori hipótesis alternativafrancis villatoro contraste bayesianohipótesis bayesianas control estimación probabilidadessoftware especializado contrastes hipótesis bayesianosfrancis villatoro alternativa software bayesiano…pero yo no tengo ni otra idea; yo solo sé usar el software, que es lo que todos los científicos hacían para hacer los contrastes de hipótesis, apoyarse en un software que se supone que lo hacían bien y lo que dijera el software, el software me da el valor P. resulta que se ha sustituido por un contraste de hipótesis bayesciano que consiste en estimar a partir de las probabilidades a priori de la hipótesis nula y de la alternativa estimar, usar esas dos hipótesis como modelo y digo los datos que yo tengo cómo me alteran esas probabilidades a priori de ambas hipótesis y me dan las probabilidades a posteriori de ambas hipótesis. Y eso a priori es muy sencillo, mucho más sencillo que aplicar que hacer un gran software si yo quiero controlar el cómo yo estimo las probabilidades de los datos en función de esas hipótesis. Fijaros que esto es una cosa como diciendo, en un caso yo meto una gran cantidad de datos a un software y aplico unos algoritmos estándares, que hay muchos para hacerlo y me obtienen un resultado, un valor P, un número de sigmas y en otro caso yo digo no, Voy a usar una técnica que todo lo hago yo, yo hago esa asignación de probabilidades en función de los datos a la hipótesis y tú dices: es que eso es muy difícil de hacer en general, ya, ya. Pero el científico se considera súper ducho y súper bueno; es que yo…
Francis Villatoro explica su enfoque para realizar contrastes de hipótesis bayesianos cuando no dispone de probabilidades a priori.
Habla: Francis VillatoroPalabras #4contraste hipótesis bayesianas astrónomosprobabilidades a priori astroshector y las tres carashipótesis agnóstica francis villatorocontraste hipótesis bayesianos probabilidades a priorireactualización mayestiana de prioridades…en función de los datos a la hipótesis y tú dices: es que eso es muy difícil de hacer en general, ya, ya. Pero el científico se considera súper ducho y súper bueno; es que yo soy astrónomo, es que yo soy exoplanetario, es que yo soy capaz de hacer. porque yo sé hacerlo y entonces yo lo voy a hacer claro eso es el contraste de hipótesis bayesiano que ya os digo se utiliza legalmente matemáticamente de manera rigurosa solamente para estimar probabilidades a posteriori a partir de probabilidades a priori pero claro los astros no me dicen pero es que yo no tengo las probabilidades a priori no las tengo yo no tengo esas tres caras que han salido que ha comentado Héctor no las tengo Yo no sé cuál es la probabilidad a priori, no pasa nada, ¿vale? ¿A qué le importa? No voy a calcular, no uso probabilidades a priori; hago lo que es una hipótesis agnóstica. Considero que el cociente de las probabilidades a priori es la unidad, que son igual de probables a priori la hipótesis nula y la alternativa. Y entonces lo que tú calculas a posteriori, lo que tú calculas a posteriori en un contraste de hipótesis mayestiano depende; es una reactualización, es una actualización de las prioridades. A priori si tú no tienes prioridades, a priori no tienes nada. El análisis mayestiano está vacío de contenido, es pura jerga, es pura hablar por hablar; no tiene contenido. No tiene ningún tipo de contenido, porque es un análisis que solamente te actualiza…
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 #8dimetilsulfuro planeta mini neptunohipótesis nula espectro planomodelo atmosférico tres sustanciasprobabilidad 50 por cientoanálisis 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 análisis…análisis que solamente te actualiza probabilidades a priori. Si tú no tienes probabilidades a priori, yo diría que no es que no las tengas, sino que pones que tus probabilidades a priori son iguales. Ah, pero eso no tiene sentido en muchos problemas, ¿vale? O sea, por ejemplo, en el caso del dimetilsulfuro, ¿vale? Yo digo, probabilidades a priori, hipótesis nula, que el espectro no representa nada, que está completamente plano Hipótesis alternativas, hipótesis alternativas, que tengo un planeta que es un mini nectuno, que no es una supertierra, que además es iseánico, 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…
Francis Villatoro enfatiza la importancia crucial de una buena estimación de las probabilidades a priori en los contrastes de hipótesis bayesianos. Señala que este enfoque se ha popularizado en la ciencia sin el debido rigor.
Habla: Francis VillatoroSignificado #12 · Palabras #3análisis 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 #11 · Palabras #9análisis 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 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 #3factor 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 #18factor 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 explica la posibilidad de transformar el factor de Bayes en un valor P, pero enfatiza que esto requiere un modelado muy detallado y un conocimiento exhaustivo de las probabilidades a priori y la distribución estadística.
Habla: Francis VillatoroSignificado #13factor bayes en valor pmodelado exquisito factor bayesprobabilidades a priori distribución estadísticacontrol absoluto probabilidades a priori…y dice: no, perdón, usted no puede interpretar así, usted tiene que verá condicionado a los parámetros, a lo que se ha hecho; es que usted no sabe, pues búsquese a alguien que sepa, pero eso no, búscame a alguien que sepa. Yo soy un catedrático de cirugía. Entonces, lo que se ha hecho es, ¿se puede convertir el factor de valles en un valor P? Pues sí, 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…
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 #20análisis 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…