Búsqueda · 20 momentos en 5 episodios
Alberto ApariciBorja TosarHéctor SocasGastón GiribetFrancis Villatorofactor bayes hipótesis favorecidaanálisis bayesianos datos nuevosfrancis villatoro factor de bayesteorema de bayes análisisprobabilidades iniciales equidistribuidoconstante irrelevante teorema bayesfactor bayes mejora probabilidadprobabilidad a posteriori multiplicaciónfrancis villatoro explica factor bayesfactor de bayes moneda trucadahipótesis alternativa diez veces más fuerteconocimiento a priori hipótesis nulaprobabilidad del 90 hipótesis nulafactor bayes hipótesis estadísticasmodelos estadísticos concretofactor de BayesFrancis VillatoroHéctor Socasvalor PBayesianoAlberto Apariciteorema de Bayeshipótesis 1hipótesis 0AstronomíaSelkeDavid KippenDavid KippingBeneke
Factor bayes mejora probabilidad
Con
0:000:301:001:302:002:303:003:42
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.
…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 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, 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…
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 #18enfoque bayesiano probabilidades recientesprobabilidades frecuentistas forma antiguaherramientas aplicabilidad diferentes…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 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 #19contraste hipótesis bayescianoprobabilidades a priori hipótesis nulaprobabilidades a posteriori hipótesis alternativafrancis villatoro contraste 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…
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 #4 · Palabras #3análisis 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 #14análisis 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 #2 · Palabras #5análisis 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 #6 · Palabras #10análisis 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 #1 · Palabras #1factor bayes hipótesis favorecidaanálisis bayesianos datos nuevosfrancis villatoro factor de bayesteorema de bayes análisisprobabilidades iniciales equidistribuidoconstante irrelevante teorema bayesfactor bayes mejora probabilidadprobabilidad a posteriori multiplicaciónfrancis villatoro explica factor bayesfactor de bayes moneda trucadahipótesis alternativa diez veces más fuerteconocimiento a priori hipótesis nulaprobabilidad del 90 hipótesis nulafactor bayes hipótesis estadísticasmodelos estadísticos concreto…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 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, 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…
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 #5 · Palabras #7factor 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 comenta sobre cómo los periodistas interpretan los factores de Bayes, ejemplificando con un valor de 17 y anticipando que lo considerarían significativo para su publicación.
Habla: Francis VillatoroPalabras #20factor de valles 17 publicaciónvalor p periodistas interpretaciónrevistas científicas factor bayes…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 de verdad es mucho. Entonces la gente está ahora acostumbrada, pues al valor P, pero el valor P tiene la lacra de que ha sido mal usado, sobre todo en biomedicina y que a nivel de periodismo científico ahora mismo está muy derostado, ¿no? El P-hacking, ¿no? El problema del valor P es que, bueno, yo tengo software que meto en mis datos y bajo una serie de…
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 #3 · Palabras #6factor bayes en valor pmodelado exquisito factor bayesprobabilidades a priori distribución estadísticacontrol absoluto probabilidades a priorifactor bayes valor p selkeartículo astronomía selke colaboradoresmodelo simplificado astronomíavariable univariable problema astronomíahipótesis nula variable ceroatmósferas exoplanetarias selke…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 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 es aplicable a muy poquitos problemas de astronomía y mucho menos en exoplanetaria y en atmósferas exoplanetarias. Tengo que suponer que todo el análisis estadístico que yo hago es continuo; es decir, es un problema bien puesto y monótono. Eso en estadística, en astronomía y en atmósferas planetarias, eso no ocurre nunca: el monotón ya no se cumple nunca, no pasa nada.…
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 #20 · Palabras #9factor 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 cómo puede transformar un factor de Bayes en un valor P y luego invertir este último para obtener sigmas, aunque reconoce la necesidad de un modelo estadístico específico para esta inversión.
Habla: Francis VillatoroSignificado #15 · Palabras #17factor bayes valor p sigmasinversión valor p modelo estadísticodistribución cauciana sigmas…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 cree nadie. No, no, te lo voy a dar en sigmas, yo puedo convertir el valor P en sigmas. O sea, yo puedo transformar el factor de Bayes en un valor P y ahora invertir el valor P y sacar sigmas. De nuevo, la inversión para el valor P, para sacar las sigmas, requiere un modelo estadístico concreto. En grosso modo, básicamente, que tengas una distribución cauciana, pero no tienes una distribución cauciana en ningún caso. O Sea, no puedes, o sea, una fórmula que está mal. O sea, aplicar esa fórmula no está justificado de ninguna manera y debe ser rechazada de plano aunque haya sido usada en más de 1200 artículos de astronomía exoplanetaria y astronomía normal y corriente porque…
Francis Villatoro explica cómo, según David Kipping y Benecke, ciertos artículos científicos han omitido detalles importantes al aplicar fórmulas estadísticas.
Habla: Francis VillatoroPalabras #19artículos científicos david kipping beneckefactor bayes número de sigmasfórmulas estadísticas artículo 2013…agradece en los agradecimientos porque han estado discutiendo, por eso te digo yo creo que él ha estado en contacto con toda esta gente influyente para ver cómo se ha propagado esto por la literatura. Entonces, por lo que nos comentan David Kipping y Beneke, nos comentan en ese artículo que ha habido como ciertas coletillas, a ciertas frases que se han ido omitiendo los diferentes artículos. cuando tú llegas a un artículo 2013 ya tienes una fórmula que puedes aplicar, no se sabe bajo qué condiciones funciona y no se sabe muy bien ni cómo funciona y tú interpretas la aplicación pues más o menos como se sugiere en el artículo pero que no está muy claro y el resultado final es que se están publicando una enorme cantidad de artículos que convierten el factor de Bayes en un número de sigmas y que casi están sugiriendo que el factor de Bayes se puede convertir en una estimación del mínimo de sigmas. Cuando, en realidad, lo que se puede convertir es en un máximo para valor P, perdón, un mínimo para valor P que corresponde a un máximo para el número de sigmas. Bajo muchísimas hipótesis, entonces lo que este artículo de Bikipi reivindica es que la gente…