Búsqueda · 24 momentos en 11 episodios
Alberto ApariciBorja TosarHéctor SocasGastón GiribetFrancis Villatorocontraste hipótesis estadística bayesianaprobabilidad frecuentista cálculo científicofrancis villatoro explica contraste hipótesiscontraste de hipótesis frecuentistavalor p análisis estadísticahipótesis nula alternativa bayesianasoftware para contraste hipótesisestadística bayesiana fines no convencionaleshipótesis nula alternativa estadísticahipótesis bayesianas software caja oscuraestadístico desarrolla software hipótesis bayesianasvalor p software contrastes hipótesisFrancis VillatoroHéctor Socasvalor Pfactor de BayesInteligencia ArtificialAnálisis BayesianoCHGPTteorema de Bayeshipótesis 1hipótesis 0
Estadística bayesiana fines no convencionales
Con
0:000:301:001:302:002:303:003:42
Francis Villatoro continúa la explicación sobre el uso de la estadística bayesiana, señalando que se están aplicando para fines no convencionales.
…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, obtengo si quieres un número de sismas, y hago un análisis, tengo mi hipótesis 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 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…
Significado #1 · 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 VillatoroSignificado #2 · Palabras #3estadística 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 continúa la explicación sobre el uso de la estadística bayesiana, señalando que se están aplicando para fines no convencionales.
Habla: Francis VillatoroSignificado #1 · Palabras #1contraste hipótesis estadística bayesianaprobabilidad frecuentista cálculo científicofrancis villatoro explica contraste hipótesiscontraste de hipótesis frecuentistavalor p análisis estadísticahipótesis nula alternativa bayesianasoftware para contraste hipótesisestadística bayesiana fines no convencionaleshipótesis nula alternativa estadísticahipótesis bayesianas software caja oscuraestadístico desarrolla software hipótesis bayesianasvalor p software contrastes 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, obtengo si quieres un número de sismas, y hago un análisis, tengo mi hipótesis 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 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…
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 #4 · Palabras #8análisis bayesianos basuraconclusiones bayesianas frecuentistasmodelo bayesiano sin sentidofrancis villatoro critica análisisanálisis bayesiano sofisticadodestornillador eléctrico clavar un clavoartículos con 12 sigmas evidencia…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 #15análisis 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 #11análisis bayesiano factor de bayeshipótesis nula modelo predichofrancis villatoro análisis bayesianocontraste hipótesis bayesianas física partículashipótesis nula tiene modelo estadístico…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 verificas con el contraste de hipótesis es que tus datos no corresponden a ese modelo y tú dices, entonces. mi hipótesis alternativa siempre es el que se niega la hipótesis nula, pero en muchos casos incluso se plantea un modelo alternativo una hipótesis nula y un modelo alternativo que es un modelo que estoy describiendo en las atmósferas planetarias es añadir una…
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 #17teorema de bayes análisisprobabilidades iniciales equidistribuidoconstante irrelevante teorema bayesfactor bayes mejora probabilidadprobabilidad a posteriori multiplicaciónfrancis villatoro explica factor bayes…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 la hipótesis 0, se multiplica por la hipótesis 0, en la análisis del teorema de Bayes yo divido 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 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 #8factor 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 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 #14análisis 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…