Del conocimiento previo a las conclusiones informadas: enseñando el flujo de trabajo Bayesiano en la resolución de problemas
La estadística Bayesiana es conceptualmente simple. Pero esta simplicidad conceptual no se traduce necesariamente
en simplicidad práctica, principalmente para principiantes. El diseño de un modelo adecuado para una tarea de análisis de datos determinada
requiere tanto de experiencia estadística como conocimiento sobre el dominio de aplicación, y en general se lleva a cabo
como un proceso iterativo que implica pruebas y refinamientos repetidos. Este proceso se puede formular como un flujo de trabajo Bayesiano
que además del proceso de inferencia en sí, involucra otros pasos entre los que se incluyen especificar distribuciones a priori,
validar modelos, comparar modelos, realizar diagnósticos de los métodos numéricos de inferencia, presentar los resultados a una audiencia determinada, etc.
En este trabajo proponemos investigador y desarrollar estratégias pedagógicas para la enseñanza efectiva del flujo de trabajo Bayesiano.
Especificación semi-automática de distribuciones a priori
La especificación de la distribución a priori se refiere al proceso de transformar el conocimiento de dominio
en distribuciones de probabilidad bien definidas. Actualmente, no existen métodos realmente generales y de amplia
aplicación para asistir en este proceso. En este trabajo proponemos la creación de nuevos métodos computacionales que
operen, de forma complementaria, en el espacio de los parámetros y de las observaciones. Los métodos serán semi-automáticos
y buscarán aliviar la carga cognitiva del usuario al tiempo que facilitarán la incorporación de conocimiento de dominio.
Flujo de trabajo para Computación Bayesiana Aproximada (ABC)
La simulación es central en muchos problemas científicos.
Los métodos ABC combinan el uso de los métodos Bayesianos con simulaciones.
Nosotros proponemos desarrollar nuevos métodos computacionales de diagnóstico y comparación de modelos especificamente para ABC.
Además proponemos estudiar y difundir buenas practicas para modelado ABC.