Búsqueda · 21 momentos en 6 episodios
Daniel MarínJuan Carlos GilGastón GiribetHéctor SocasBorja Tosarprobabilidades iniciales análisis bayesianossorteo correcto 99 probabilidadsorteo justo 50 conocimiento a priorihipótesis nula sorteo amañadoanálisis bayesiano datos modifican priorprobabilidad a priori se actualiza con datosprejuicio inicial revisado por datosdatos ambiguos mantienen probabilidad inicialfórmula bayes sencilla podcastpriors y probabilidades resultado observadocálculo fórmula bayes hipótesislotería amañada priors del 50prior no informado loteríahipótesis lotería peso igualHéctor SocasEstados UnidosKennedyAdam SilverDallas Mavericksfórmula de Bayes
Probabilidades iniciales análisis bayesianos
Con
0:000:301:001:302:002:303:003:19
Héctor Socas continúa explicando cómo se asignan probabilidades iniciales en análisis bayesianos, ejemplificando con el caso de una lotería y la posibilidad de que esté amañada.
…a mucha gente poco tiempo o a poca gente mucho tiempo, pero no a mucha gente mucho tiempo. Creo que era algún, no sé si Kennedy o alguno de estos, presidente de Estados Unidos; pues yo pienso un poco eso, entonces yo pondría un prior muy pesado hacia la Hipótesis nula de que para mí probablemente al 99% de probabilidad el sorteo es correcto y al 1% de probabilidad pues dejo un cierto margen porque a veces pasan cosas y tal pero bueno otra persona podría decir: yo quiero ser completamente agnóstico, me estoy preguntando si el sorteo es justo voy a poner un 50%, es decir no me sorprendería que el sorteo fuera justo pero tampoco me sorprendería nada que estuviera mañado, vale. Ese es un poco un juego que hay que hacer para poder hacer este tipo de cálculos y está muy bien porque te obliga como digo a explicitar cuáles son cuál es tu conocimiento a priori o cuál es tu Tu opinión a priori sobre un tema, ¿no? Y luego ya, cuando añades los datos, pues se actualiza esa probabilidad a priori en función de lo que te salgan los datos. Puede ser que tú tuvieras un prejuicio de entrada y sin embargo los datos te obligan a cambiar de opinión y a revisar ese prejuicio, o puede ser que no; puede ser que los datos sean ambiguos y entonces no te permiten cambiar de opinión y mantienes la probabilidad actualizada, sería la misma que tenías de entrada. Bueno, la fórmula de Bayes es muy sencilla, pero no la voy a estar diciendo aquí porque no tendría sentido en un podcast. Pero se basa en esos elementos que estábamos diciendo, ¿no? Esos priors y esas probabilidades de que salga el resultado que yo he observado dada cada una de las hipótesis. Bueno, pues cuando haces el calculito resulta que es muy interesante porque, a ver si lo tengo por aquí. Tengo los números. Cuando haces el cálculo de un solo evento, una sola lotería, digamos, supongamos que nunca jamás en la historia has hecho una lotería, haces una lotería y te sale este resultado. Supongamos que yo pongo unos priors, como les decía, del 50%, de que no estoy seguro ni en un sentido ni en otro y digo: voy a dejarlo así, es un prior no informado; le doy el mismo peso a las dos hipótesis. Y lo que yo quiero preguntar, claro, uno tiene que especificar bien cuál es la pregunta; lo que yo quiero. Preguntar es que un equipo que tiene un 1,3 % de probabilidad pueda sacar el número 1, en este caso. Claro, como hay muchos equipos, hay varios que tienen aproximadamente esa probabilidad; hay 4 o 5 equipos que tienen menos del 5%. O sea, no es justo decir:…
Significado #1
Héctor Socas explica la importancia de definir los 'priors', o el conocimiento previo sobre un proceso, dentro del análisis bayesiano.
Habla: Héctor SocasSignificado #4análisis bayesiano priorsconocimiento previo análisis bayesianocreencia a priori proceso…hacer ver cuál es la probabilidad de que la hipótesis sea cierta, dado el resultado que hemos observado, que es como funcionamos en ciencia normalmente observamos un resultado y nos planteamos cuál es la probabilidad de que mi hipótesis sea la correcta. Aquí también hay que tener en cuenta otra cosa: el análisis bayesiano te obliga a poner de forma explícita lo que se llaman los priors, que es tu conocimiento a priori antes de haber hecho ninguna medida. ¿Qué es lo que tú sabes de ese proceso?, o qué es lo que tú crees de ese proceso, o cuál es hay un cierto conocimiento que todos tenemos a priori, o cuál es nuestra creencia a priori de cómo son las cosas. Entonces, la probabilidad de que el sorteo esté amañado o no depende bastante del conocimiento previo que tú tengas. El prior en este caso nos dice, antes de haber hecho ninguna medida, por eso se llama prior, es como algo a priori. Antes de haber hecho…
Héctor Socas explica cómo el conocimiento previo sobre un evento, como un sorteo, influye en el análisis bayesiano y determina la probabilidad de una hipótesis.
Habla: Héctor SocasPalabras #13sorteo amañado adam silverprior hipótesis alternativa 100mavericks sorteo amañado…de haber hecho ninguna medida, por eso se llama prior, es como algo a priori. Antes de haber hecho ninguna medida, ¿cuánto de probable crees tú que realmente el sorteo sea justo o que esté amañado? y ahí ya puede haber diferentes ideas, por ejemplo, puede. Ser que yo sepa con seguridad que el sorteo está amañado, porque digamos que, porque se han publicado Whatsapps de Adam Silver hablando con el propietario de los Mavericks diciendo que lo ha amañado, entonces si yo sé eso, pues ese prior sería del 100%, el prior de la hipótesis alternativa sería el 100% y ya, es que no hace falta calcular nada más, ya les adelanto que va a salir que la probabilidad de que esté amañado me va a salir del 100%. O por otra parte puede que yo sepa lo contrario, puede que yo sepa que el sorteo es justo porque a lo mejor es que lo he hecho yo A lo mejor yo soy el tipo que hizo el sorteo hoy en el ordenador y tal, se ha hecho bien, lo he hecho yo y entonces en ese caso…
Héctor Socas explica cómo los cálculos bayesianos actualizan la probabilidad inicial (prior) basándose en las observaciones realizadas, destacando la subjetividad de estos priors.
Habla: Héctor SocasSignificado #6 · Palabras #12cálculos bayesianos actualizan probabilidadprior subjetivo en observacionesopinión a priori conspiranoico sorteo…yo sepa lo contrario, puede que yo sepa que el sorteo es justo porque a lo mejor es que lo he hecho yo A lo mejor yo soy el tipo que hizo el sorteo hoy en el ordenador y tal, se ha hecho bien, lo he hecho yo y entonces en ese caso mi prior sería del que lo sé Pero bueno, en la vida real no suele ser así; en la vida real uno suele tener unos priors y entonces este cálculo bayesiano lo que nos hace es actualizar la probabilidad que tenemos de ese prior basándonos en la observación que hemos hecho. Y aquí ya el prior es subjetivo, porque cada uno podemos tener una opinión a priori de cómo son las cosas, ¿no? Por ejemplo, alguien que sea muy conspiranoico podrá pensar y poner un prior de que el 90% estoy convencido de que el sorteo estaba amañado; ahí entra un poco lo que cada uno quiera poner. entonces, yo si me preguntaran a mí, yo no teniendo motivos de sospechar que haya maños y teniendo en cuenta que esto es una cosa que lleva funcionando mucho tiempo y que está muy bien establecido y que, en general, yo pienso que las conspiraciones no sé…
Héctor Socas continúa explicando cómo se asignan probabilidades iniciales en análisis bayesianos, ejemplificando con el caso de una lotería y la posibilidad de que esté amañada.
Habla: Héctor SocasSignificado #1probabilidades iniciales análisis bayesianossorteo correcto 99 probabilidadsorteo justo 50 conocimiento a priorihipótesis nula sorteo amañadoanálisis bayesiano datos modifican priorprobabilidad a priori se actualiza con datosprejuicio inicial revisado por datosdatos ambiguos mantienen probabilidad inicialfórmula bayes sencilla podcastpriors y probabilidades resultado observadocálculo fórmula bayes hipótesislotería amañada priors del 50prior no informado loteríahipótesis lotería peso igual…a mucha gente poco tiempo o a poca gente mucho tiempo, pero no a mucha gente mucho tiempo. Creo que era algún, no sé si Kennedy o alguno de estos, presidente de Estados Unidos; pues yo pienso un poco eso, entonces yo pondría un prior muy pesado hacia la Hipótesis nula de que para mí probablemente al 99% de probabilidad el sorteo es correcto y al 1% de probabilidad pues dejo un cierto margen porque a veces pasan cosas y tal pero bueno otra persona podría decir: yo quiero ser completamente agnóstico, me estoy preguntando si el sorteo es justo voy a poner un 50%, es decir no me sorprendería que el sorteo fuera justo pero tampoco me sorprendería nada que estuviera mañado, vale. Ese es un poco un juego que hay que hacer para poder hacer este tipo de cálculos y está muy bien porque te obliga como digo a explicitar cuáles son cuál es tu conocimiento a priori o cuál es tu Tu opinión a priori sobre un tema, ¿no? Y luego ya, cuando añades los datos, pues se actualiza esa probabilidad a priori en función de lo que te salgan los datos. Puede ser que tú tuvieras un prejuicio de entrada y sin embargo los datos te obligan a cambiar de opinión y a revisar ese prejuicio, o puede ser que no; puede ser que los datos sean ambiguos y entonces no te permiten cambiar de opinión y mantienes la probabilidad actualizada, sería la misma que tenías de entrada. Bueno, la fórmula de Bayes es muy sencilla, pero no la voy a estar diciendo aquí porque no tendría sentido en un podcast. Pero se basa en esos elementos que estábamos diciendo, ¿no? Esos priors y esas probabilidades de que salga el resultado que yo he observado dada cada una de las hipótesis. Bueno, pues cuando haces el calculito resulta que es muy interesante porque, a ver si lo tengo por aquí. Tengo los números. Cuando haces el cálculo de un solo evento, una sola lotería, digamos, supongamos que nunca jamás en la historia has hecho una lotería, haces una lotería y te sale este resultado. Supongamos que yo pongo unos priors, como les decía, del 50%, de que no estoy seguro ni en un sentido ni en otro y digo: voy a dejarlo así, es un prior no informado; le doy el mismo peso a las dos hipótesis. Y lo que yo quiero preguntar, claro, uno tiene que especificar bien cuál es la pregunta; lo que yo quiero. Preguntar es que un equipo que tiene un 1,3 % de probabilidad pueda sacar el número 1, en este caso. Claro, como hay muchos equipos, hay varios que tienen aproximadamente esa probabilidad; hay 4 o 5 equipos que tienen menos del 5%. O sea, no es justo decir:…