Búsqueda · 24 momentos en 11 episodios
María RibesIgnacio CrespoJuan Carlos GilFrancis VillatoroHéctor Socasasignación números estrella tabby boyajianefecto sobre la estadística asignacionessesgos en análisis bayesianosanálisis bayesiano y presuposicionessesgos inconscientes hipótesislenguajes informáticos disciplina bayesianaHéctor SocasTabby Boyajian
Sesgos en análisis bayesianos
Ep567: Intercambio Americano; Diversidad Lingüística; Time Crystals; Tabby
20 de agosto de 20262 momentos
Con
0:000:301:001:302:002:303:003:25
Héctor Socas reflexiona sobre la posibilidad de introducir sesgos al asignar números y clasificar eventos observados en la estrella Tabby Boyajian, aunque considera que esta asignación es legítima para identificar patrones.
…metiendo la de 2018. O sea, esto es una decisión mía; yo digo que los eventos de 2018 son de la misma familia que 2017 y eso está amparado por el hecho de que efectivamente la expansión de la familia hace que quepan, o sea, están dentro del rango esperable. pero yo estoy haciendo esas asignaciones y eso puede tener cierto efecto sobre la estadística, no lo sé, que yo creo que es legítimo hacer esa asignación, yo creo que yo puedo decir esto es algo recurrente, este es el primer paso, el segundo paso, el tercer paso, el cuarto paso Pero bueno, hay esas pequeñas cosas que hay que mirarlas bien porque te puedes engañar a ti mismo con los sesgos Pero una cosa muy buena de estos análisis bayesianos es ¿Que te obligan a ser riguroso con tus presuposiciones? Te obliga a especificarlo, te obliga a decir cuál es tu prior. Pues si digo que es uniforme y tal, lo tengo que especificar. Eso es una cosa buena porque muchas veces cuando planteamos hipótesis metemos sesgos que no somos conscientes o metemos suposiciones de las que no somos conscientes. Una cosa buena de trabajar en términos bayesinos es que te obliga a ser disciplinado con eso. Es como en informática los lenguajes que te obligan a. Declarar las variables al principio. Es un coñazo, pero esa disciplina también ayuda a evitar meter la pata. Y hay lenguajes que no solo te obligan al tipo de las variables, sino al rango, a la relación entre ellos, en fin, estoy pensando en Ada. Ah, ¿te…
Significado #1 · Palabras #3
Héctor Socas explica cómo los parámetros de un modelo para la estrella Tabby Boyajian, como el período orbital y la dispersión, se obtienen mediante análisis bayesiano y pueden ser observados visualmente.
Habla: Héctor SocasPalabras #17periodo orbital estrella tabby boyajiandispersión análisis bayesiano boyajianobservación visual dispersión periodo…eran ¿cuántos días? Sí, 300 días. Claro, 300 días, que es casi todo el periodo, ¿no? ¿Cuánto era el periodo? Claro. El periodo son 780 días, bueno, eso es la mitad del periodo. El máximo likelihood que sale, la máxima verosimilitud es para un modelo con 780. 780 días de periodo orbital y con unos 80 días de esto, de dispersión, que es más o menos, o sea, realmente las dos cosas salen del análisis bayesiano, pero se pueden ver a ojo, o sea, 80 días es lo que se dispersa en un periodo, que lo vemos aquí en, el paso desde 800 a 10.500 es Pasar de un único oscurecimiento a una familia de oscurecimientos repartidas a lo largo de 80 días, pues sabes que más o menos por ahí va a estar el periodo. Y el periodo orbital, o sea, la dispersión, 80 días por periodo, y el periodo orbital, pues te sale…
Héctor Socas reflexiona sobre la posibilidad de introducir sesgos al asignar números y clasificar eventos observados en la estrella Tabby Boyajian, aunque considera que esta asignación es legítima para identificar patrones.
Habla: Héctor SocasSignificado #1 · Palabras #3asignación números estrella tabby boyajianefecto sobre la estadística asignacionessesgos en análisis bayesianosanálisis bayesiano y presuposicionessesgos inconscientes hipótesislenguajes informáticos disciplina bayesiana…metiendo la de 2018. O sea, esto es una decisión mía; yo digo que los eventos de 2018 son de la misma familia que 2017 y eso está amparado por el hecho de que efectivamente la expansión de la familia hace que quepan, o sea, están dentro del rango esperable. pero yo estoy haciendo esas asignaciones y eso puede tener cierto efecto sobre la estadística, no lo sé, que yo creo que es legítimo hacer esa asignación, yo creo que yo puedo decir esto es algo recurrente, este es el primer paso, el segundo paso, el tercer paso, el cuarto paso Pero bueno, hay esas pequeñas cosas que hay que mirarlas bien porque te puedes engañar a ti mismo con los sesgos Pero una cosa muy buena de estos análisis bayesianos es ¿Que te obligan a ser riguroso con tus presuposiciones? Te obliga a especificarlo, te obliga a decir cuál es tu prior. Pues si digo que es uniforme y tal, lo tengo que especificar. Eso es una cosa buena porque muchas veces cuando planteamos hipótesis metemos sesgos que no somos conscientes o metemos suposiciones de las que no somos conscientes. Una cosa buena de trabajar en términos bayesinos es que te obliga a ser disciplinado con eso. Es como en informática los lenguajes que te obligan a. Declarar las variables al principio. Es un coñazo, pero esa disciplina también ayuda a evitar meter la pata. Y hay lenguajes que no solo te obligan al tipo de las variables, sino al rango, a la relación entre ellos, en fin, estoy pensando en Ada. Ah, ¿te…