Cupo limitado: 15 personas
|
ESTADÍSTICA BAYESIANA APLICADA CON STANResumen
Resumen generalLa estadística (y la bioestadística) actuales son como son por un accidente histórico: su teoría se desarrolló antes de que las computadoras se convirtiesen en herramientas de uso habitual. Muchos de los métodos estadísticos clásicos son como son precisamente para ahorrar recursos computacionales. En el extremo, para que los cálculos puedan realizarse a mano. La estadística clásica está plagada de trucos y atajos para resolver problemas aplicados con poco esfuerzo computacional. Cabe preguntarse: ¿cómo sería la estadística si sus pioneros hubiesen contado con computadoras similares a la que usamos hoy en día? Sin duda, muy distinta. Por un lado, la teoría sería mucho más simple y los conceptos propiamente estadísticos (p.e., variabilidad, error de medida, etc.) serían mucho más conspicuos. Por otro, harían un uso mucho más intensivo de los recursos computacionales. Uno de los caminos posibles sería el de la estadística basada en remuestreos (bootstrapy similares). La otra es la estadística bayesiana. Durante años formó parte del currículo básico de la estadística, pero casi como una rareza, una idea promisoria pero no operativa (salvo en un conjunto pequeño de casos excepcionales donde existen soluciones analíticas). Pero su verdadero poder y alcance no pudieron ser explotados hasta el advenimiento de las computadoras. BUGS, JAGS y, el más reciente, Stan, son lenguajes de computación probabilísticosque permiten modelar y resolverproblemas estadísticos. Por resolver se entiende obtener la distribución de los parámetros de interés del sistema junto a su incertidumbre. El usuario se limita a expresar la forma del modelo y el sistema calcula automágicamentelos coeficientes que lo satisfacen y proporciona estimaciones de su incertidumbre. Ese mecanismo permite, de hecho, modelar de manera coherente casi todos los problemas que estudia la estadística clásica hasta niveles intermedios, a saber:
Esta flexibilidad está haciendo que la estadística bayesiana gane adeptos tanto en el mundo de la academia como fuera de ella y que cada día se vean más aplicaciones suyas en artículos, trabajos de investigación y proyectos aplicados en consultoría, banca, etc. Como consecuencia de todo lo anterior, el curso tiene tres objetivos fundamentales:
|
Programa |
|