Búsqueda · 27 momentos en 16 episodios
Alberto ApariciBorja TosarHéctor SocasGastón GiribetFrancis Villatorofactor de bayes moneda trucadahipótesis alternativa diez veces más fuerteconocimiento a priori hipótesis nulaprobabilidad del 90 hipótesis nulafactor bayes hipótesis estadísticasmodelos estadísticos concretofactor bayes aplicabilidad limitadafactor 10 fluctuación estadísticaanálisis frecuentista comparación necesariafactor de Bayes5 sigmaFrancis Villatorofactor de Vallevalor PHéctor SocasDavid KippingSigma
Factor 10 fluctuación estadística
Con
0:000:301:001:302:002:303:003:42
Francis Villatoro explica que la aplicabilidad del factor de Bayes es limitada en situaciones comunes, y su significado puede variar considerablemente dependiendo del problema específico y los detalles del análisis.
…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, que yo no tengo conocimiento a priori para preferir una sobre la otra. Si me 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…
Significado #1 · Palabras #3
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 #10análisis 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 la aplicabilidad del factor de Bayes es limitada en situaciones comunes, y su significado puede variar considerablemente dependiendo del problema específico y los detalles del análisis.
Habla: Francis VillatoroSignificado #1 · Palabras #3factor de bayes moneda trucadahipótesis alternativa diez veces más fuerteconocimiento a priori hipótesis nulaprobabilidad del 90 hipótesis nulafactor bayes hipótesis estadísticasmodelos estadísticos concretofactor bayes aplicabilidad limitadafactor 10 fluctuación estadísticaanálisis frecuentista comparación necesaria…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, que yo no tengo conocimiento a priori para preferir una sobre la otra. Si me 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…
Francis Villatoro explica la dificultad de interpretar los resultados estadísticos, contrastando su relativa sencillez en los cálculos con la delicadeza necesaria para su interpretación.
Habla: Francis VillatoroSignificado #15 · Palabras #11factor de valles artículo dimetilsulfurointerpretación resultados estadísticos delicadacálculos estadística relativamente sencilla…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 interpretar los resultados estadísticos es muy delicado. Entonces, cuando tú coges solamente el factor de valles, pues tú tienes, yo que sé, esta gente del artículo del dimetil sulfuro tenía un factor de valles, creo que era como 17; 17 es el máximo. Ese factor de Valles 17, tú dices, pues tengo un factor de Valles 17 y la gente te dirá, los periodistas te dirán: pues ¿y eso qué es? ¿Es mucho? ¿Es poco? Pues 17 tiene que ser muchísimo, porque lo digo yo y lo voy a publicar. Es una muy buena revista, 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 VillatoroPalabras #15factor 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 discute la interpretación de factores como '80' en análisis estadísticos, argumentando que un valor alto no implica necesariamente que el método utilizado sea superior al de otros.
Habla: Francis VillatoroSignificado #4conversiones sigma david kippingfactor valle interpretaciones delicadasalgoritmos análisis variaciones factor valleanálisis estadísticos factor 80método análisis estadístico parámetros…y estos datos se ajustan perfectamente por una línea recta, horizontal, pues entonces, no hay nada, ahora te ponen una pared olla de, wow, que sube, baja, no sé qué, y dicen, este piquito de aquí, una cosa ancha, debajo menos esta línea, no sé qué, o sea, hay que tener mucho cuidado con este tipo de conversiones a Sigma y lo recomienda David Kipping y ven que es que se deje de usar, es decir, si quieres seguir usando la misma deciano, que ya repito, repito, creo que he intentado aclararlo, hay que usarlo con muchísimo cuidado porque es muy sutil y las interpretaciones del factor de Valle son extremadamente delicadas o sea que dos artículos que usen los mismos datos con pequeñas variaciones en el algoritmo de análisis pueden dar factores de Valle completamente diferentes Pero factores 80 y 3 y eso no significa que el que ha hecho el 80 sus pequeños parámetros en el análisis son más adecuados y ese es el bueno. No, probablemente el bueno puede que sea el otro porque 80 es demasiado, 80 sin más es una cosa que No hay que llegar a analizarlo, o sea, es que se ve; o sea, son este tipo de cosas que es que tú enciendes la bombilla pues sabes que está encendida o está apagada, pones la foto y ya está. No tienes que hacer nada más, no tienes que escribir, me hace un…