Fundamentos de métodos bayesianos

8 de junio de 2021 / Lizette Pacheco

Mcoder.AI

Linkedin: Lizette Pacheco 

Fundamentos de métodos bayesianos

El pasado 22 de mayo, el capítulo Argentina nos deleitó con un nuevo evento. En esta ocasión el científico de datos Ernesto Escobedo, dictó una conferencia súper didáctica de carácter introductorio a los “Métodos Bayesianos”.

Habló de los fundamentos y definiciones de probabilidad de acuerdo a las corrientes frecuentita y bayesiana. Estableció a la probabilidad como una medida de la incertidumbre y explicó la diferencia entre una distribución de probabilidad de masas y una densidad de probabilidad.

El teorema de Bayes viene de la conmutabilidad de los eventos. Para comenzar a hablar de los métodos bayesianos explicó los componentes del teorema: evento, evidencia, probabilidad condicional (posterior), el prior, verosimilitud (likelihood), y la probabilidad de que ocurra la evidencia que es constante (probabilidad marginal).

Finalmente, de una forma detallada y muy didáctica, desarrolló los pasos para pasar de una distribución de probabilidad a una estimación (valor) a través de la elección del número que maximice, ya sea la probabilidad de masa (maximizar la verosimilitud) o la densidad de probabilidad (maximizar el “posterior”). 

No se pueden perder el video completo, es un poco más de una hora, pero vale todo el tiempo que le puedan dedicar para entender los fundamentos de los métodos bayesianos. No duden en entrar al enlace y poder consultar nuevamente esta ponencia de principio a fin.

Lizette Pacheco

Dejar una contestacion

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *