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 Bayes factor is the Bayesian alternative to the frequentist p-value for hypothesis testing. Unlike a p-value, which only provides evidence against the null hypothesis, the Bayes factor can quantify evidence for the null, for the alternative, or indicate that the data is uninformative. The magnitude of the Bayes factor provides a continuous scale of evidence. For instance, a Bayes factor of 10 is often considered ‘strong’ evidence for one model over another, while a value between 1 and 3 is considered ‘anecdotal’ or ‘weak’ evidence.

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 o métodos aproximados como el Criterio de Información Bayesiano (BIC). A pesar de estos desafíos, su capacidad para ponderar la evidencia a favor de hipótesis contrapuestas lo convierte en una herramienta poderosa para la inferencia científica y la selección de modelos.

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

  • Hypothesis testing in psicología, biology, and social sciences
  • 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

  • Plataformas de investigación científica automatizadas que utilizan factores de Bayes para decidir cuál de varias teorías en competencia está mejor respaldada por nuevos datos.
  • Un sistema de evaluación de evidencia legal que calcula los factores de Bayes para determinar con qué fuerza una pieza de evidencia apoya a la acusación frente a la defensa.
  • A ‘model selection as a service’ cloud platform for data scientists
  • Ensayo clínico software that uses Bayes factors for continuous monitoring and early stopping if strong evidence for or against a treatment emerges
  • Sistemas de revisión por pares impulsados ​​por IA que utilizan factores de Bayes para evaluar la solidez de la evidencia en los manuscritos enviados
  • Motores de marketing personalizados que utilizan factores Bayesianos para seleccionar el mejor modelo publicitario para un segmento de usuarios específico
  • Exploradores robóticos (por ejemplo, los exploradores de Marte) que utilizan factores de Bayes para decidir de forma autónoma qué hipótesis geológica investigar a continuación
  • Software de regulación financiera que utiliza factores de Bayes para detectar qué modelo de manipulación del mercado explica mejor los patrones comerciales anómalos.
  • Herramientas de planificación urbana inteligente que utilizan factores de Bayes para seleccionar la intervención urbana más eficaz (por ejemplo, nueva línea de autobús o carriles para bicicletas)
  • Ciberseguridad systems that use Bayes factors to decide if network traffic better fits a ‘benign’ or ‘attack’ model
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)

décimo año aniversario

Las imágenes en tamaño completo y las descargas solo están disponibles, de forma totalmente gratuita, para los miembros registrados.

> Acceso <