Búsqueda · 23 momentos en 12 episodios
Alberto ApariciBorja TosarHéctor SocasGastón GiribetFrancis Villatorohipótesis agnóstica francis villatorocontraste hipótesis bayesianos probabilidades a priorireactualización mayestiana de prioridadesFrancis VillatoroValle CieloDavid Kippenfactor de Bayesvalor Pteorema de Bayeshipótesis 1hipótesis 0Héctor Socas
Hipótesis agnóstica Francis Villatoro
Con
0:000:301:001:302:002:303:003:42
Francis Villatoro explica su enfoque para realizar contrastes de hipótesis bayesianos cuando no dispone de probabilidades a priori.
…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…
Significado #1 · Palabras #1
Francis Villatoro explica una desventaja de la estadística bayesiana mal aplicada, comparándola con las técnicas frecuentistas para el contraste de hipótesis.
Habla: Francis VillatoroSignificado #5 · Palabras #18contraste 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 hipótesiscontraste hipótesis bayescianoprobabilidades a priori hipótesis nulaprobabilidades a posteriori hipótesis alternativafrancis villatoro contraste bayesiano…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 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 explica su enfoque para realizar contrastes de hipótesis bayesianos cuando no dispone de probabilidades a priori.
Habla: Francis VillatoroSignificado #1 · Palabras #1hipótesis agnóstica francis villatorocontraste hipótesis bayesianos probabilidades a priorireactualización mayestiana de prioridades…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 VillatoroPalabras #19análisis 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 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 discute sobre el agnosticismo en las probabilidades a priori y cómo algunos científicos adoptan esta postura para simplificar los análisis bayesianos.
Habla: Francis VillatoroPalabras #4agnosticismo en prioridades a prioriley valle cielo descartadaartículos citados miles de veces…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 priori es igual a la 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…
Francis Villatoro explica cómo se define su hipótesis alternativa en el contexto de contrastes de hipótesis, relacionándolo con modelos utilizados en atmósferas planetarias.
Habla: Francis VillatoroSignificado #2 · Palabras #7contraste hipótesis bayesianas física partículashipótesis nula tiene modelo estadísticohipótesis alternativa niega hipótesis nulamodelos atmósferas planetarias francis villatorosustancia en la atmósfera hipótesis nulatres sustancias hipótesis alternativacontrastes hipótesis bayesianoshipótesis nula dos sustanciasanálisis reivindica sustanciafactor de vallas más grande…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 sustancia al modelo que tengo y la hipótesis nula es tengo dos sustancias en la atmósfera y la hipótesis alternativa es tengo tres sustancias. Estoy metiendo un modelo, estoy ajustando un modelo a los datos y eso no es así. O sea, cuando tú haces un contacto de hipótesis, tú niegas la hipótesis nula. La hipótesis nula, tener solo dos sustancias no explica el modelo, pero tú no puedes añadir una sustancia y decir que el mismo análisis te puede reivindicar una sustancia sí, otra no. Y después esta gente lo que hace es poner 80, 100, 500 sustancias y elige las que tienen el factor de vallas más grande. Eso no tiene absolutamente ni pies ni cabeza. Después de mitad estadístico. Entonces lo que nos dice, lo que nos critica de Vickieping es que los astrónomos, y ya os digo muchos científicos, se han ido a lo grande. Han dicho: voy a dar un nórdago; y han decidido que eso del factor de Valle suena muy mal, suena muy mal. Tengo un…
Francis Villatoro explica cómo se aplica el teorema de Bayes en un análisis, destacando que al ser equidistribuido, las probabilidades iniciales a priori son iguales y esto resulta en una constante irrelevante.
Habla: Francis VillatoroPalabras #14teorema de bayes análisisprobabilidades iniciales equidistribuidoconstante irrelevante teorema 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…
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 #20 · Palabras #17factor 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…