Product Design, Manufacturing & Innovation Resources
Hogar » Factor de Bayes

Factor de Bayes

1939
  • Harold Jeffreys
Espacio de trabajo de oficina con software estadístico que muestra cálculos del factor Bayes y notas sobre pruebas de hipótesis.

(Imagen generada únicamente con fines ilustrativos)

El Bayes El factor K es una razón entre las probabilidades marginales de dos hipótesis en competencia, generalmente una hipótesis nula ([latex]M_1[/latex]) y una hipótesis alternativa ([latex]M_2[/latex]). Cuantifica el respaldo a una hipótesis sobre la otra, dados los datos observados [latex]D[/latex]. La fórmula es [latex]K = frac{P(D|M_1)}{P(D|M_2)}[/latex]. Un valor de K > 1 indica que los datos favorecen [latex]M_1[/latex] sobre [latex]M_2[/latex].

El factor de Bayes es la alternativa bayesiana al valor p frecuentista para la prueba de hipótesis. A diferencia del valor p, que solo proporciona evidencia en contra de la hipótesis nula, el factor de Bayes puede cuantificar la evidencia a favor de la hipótesis nula, de la alternativa o indicar que los datos no son informativos. La magnitud del factor de Bayes proporciona una escala continua de evidencia. Por ejemplo, un factor de Bayes de 10 se suele considerar evidencia «fuerte» a favor de un modelo sobre otro, mientras que un valor entre 1 y 3 se considera evidencia «anecdótica» o «débil».

The core component of the Bayes factor is the marginal likelihood, [latex]P(D|M) = \int P(D|\theta, M)P(\theta|M) d\theta[/latex]. This is the probability of the observed data averaged over the prior distribution of the parameters [latex]\theta[/latex] for a given model [latex]M[/latex]. This integral makes the Bayes factor sensitive to the choice of prior distributions, which is a point of contention and active research. It also makes it computationally challenging to calculate, often requiring numerical methods like MCMC or approximate methods like the Bayesian Information Criterion (BIC). Despite these challenges, its ability to weigh evidence for competing hypotheses makes it a powerful tool for scientific inference and model selection.

UNESCO Nomenclature: 1208
- Estadísticas

Tipo

Sistema abstracto

Ruptura

Sustancial

Uso

Uso generalizado

Precursores

  • inferencia bayesiana
  • Principio de verosimilitud
  • Trabajo filosófico sobre la naturaleza de la evidencia científica
  • Lema de Neyman-Pearson para la prueba de hipótesis

Aplicaciones

  • Pruebas de hipótesis en psicología, biología y ciencias sociales
  • Selección de modelos en aprendizaje automático y estadística
  • Pruebas A/B para determinar si un cambio tiene un efecto real
  • La ciencia forense para valorar la evidencia
  • Genómica para identificar asociaciones genéticas significativas

Patentes:

NA

Ideas para posibles innovaciones

Debido al bloqueo del tráfico generado por bots, que actualmente supera los 40.000 al día, este contenido está reservado para los miembros de la comunidad.
> Iniciar sesión < o > Registrarse < (100% gratis) para acceder a esto, al igual que a todo el demás contenido y herramientas restringidos.

Relacionado con: factor de Bayes, prueba de hipótesis, selección de modelos, verosimilitud marginal, evidencia, estadística bayesiana, Harold Jeffreys, valor p, evidencia estadística, distribución previa.

Contexto histórico

Factor de Bayes

1925
1930
1931
1939
1940
1950
1950
1925
1928
1930
1936
1940
1943
1950
1950

(Si la fecha es desconocida o no es relevante, por ejemplo "mecánica de fluidos", se proporciona una estimación redondeada de su aparición notable)

Invención, innovación y principios técnicos relacionados.

Las imágenes a tamaño completo y las descargas sólo están disponibles, 100% gratis, para los miembros registrados.

> Acceso <