Minicurso 3

Estadística Bayesiana con aplicaciones en R y Python

Resumen

En este curso presentaremos los fundamentos teóricos básicos de la Estadística Bayesiana, incluyendo la interpretación Bayesiana de la Probabilidad, los métodos básicos para la elucidación o selección automática de prioris, y las maneras de realizar inferencia en base a la distribución a posteriori, incluyendo estimación puntual, por regiones de confianza (regiones creíbles) y Tests de Hipótesis / Selección de modelos (mediante factores de Bayes). Para el cómputo de la posteriori iniciaremos abordando la forma de cálculo de manerá explícita (familias conjugadas) para luego introducir métodos numéricos aproximados para casos generales (algoritmo de Gibbs). El curso tendrá una parte teórica y una parte práctica. En esta última, presentaremos en particular los problemas de regresión lineal múltiple, regresión de Poisson, regresión logística, modelos de supervivencia, y análisis de tablas de contingencia desde un enfoque Bayesiano. Con el objetivo de que los participantes del curso cuenten con herramientas para sus propios análisis, en la parte de las aplicaciones presentaremos datos concretos analizados con código en R y/o Python.

Software Winbugs: https://www.mrc-bsu.cam.ac.uk/software/bugs/the-bugs-proyect-winbugs/

Material disponible del curso