Académique Documents
Professionnel Documents
Culture Documents
MÉTODOS ESTADÍSTICOS
BAYESIANOS
EMAIL: lnieto@itam.mx
URL: http://allman.rhon.itam.mx/~lnieto
TEMARIO:
1. Introducción a la inferencia bayesiana
1.1 Fundamentos
1.2 Proceso de aprendizaje y distribución predictiva
1.3 Distribuciones iniciales informativas, no informativas y conjugadas
1.4 Problemas de inferencia paramétrica
2. Cómputo Bayesiano
2.1 Aproximaciones analíticas e integración numérica
2.2 Métodos de Monte Carlo y simulación vía cadenas de Markov
2.3 Medidas de comparación y ajuste de modelos.
3. Algunos modelos estadísticos
3.1 Modelos de regresión lineal
3.2 Modelos lineales dinámicos
3.3 Modelos lineales generalizados
3.4 Modelos jerárquicos
2
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
REFERENCIAS ADICIONALES:
Antelman G. (1997). Elementary Bayesian Statistics. Edited by A.
Madansky & R. McCulloch. Edward Elgar Publishing Limited:
Cheltenham.
Berger, J. O. (1985), Statistical Decision Theory and Bayesian Analysis
(2nd. Edition). Springer Verlag: New York.
Bernardo J.M. and Smith, A.F.M. (2000), Bayesian Theory. Wiley: New
York.
Lee, P. M. (1997). Bayesian Statistics (An Introduction). Arnold: Londres.
O’Hagan, A. (1994). Kendall’s Advanced Theory of Statistics, Vol. 2B:
Bayesian Inference. Edward Arnold: Cambridge.
3
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
1) R (http://www.r-project.org/)
Paquetes: R2WinBUGS, R2OpenBUGS, rjags
2) R Studio (http://www.rstudio.com/)
3) OpenBUGS (http://www.openbugs.net/)
4) JAGS (http://sourceforge.net/projects/mcmc-jags/files/JAGS/)
4
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
1.1 Fundamentos
DIAGRAMA de la Estadística:
Toma de decisiones
Población
Inferencia Muestreo
Análisis de datos
Muestra
Tipos de INFERENCIA:
Clásica Bayesiana
Paramétrica
No paramétrica
5
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
6
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
T. cte. $10B
Éxito
T. sube $5B
Proyecto
Fracaso -$B
Banco
$2B
T. cte.
T. sube $4B
7
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
u d i u c ij PE ij d i .
mi
j1
8
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
Laboral
Conservador
o D = {d1,d2}
donde, d1 = Apostar al partido Conservador
d2 = Apostar al partido Laboral
o E = {E1, E2}
donde, E1 = Que gane el partido Conservador
9
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
P(E) 1
u(d,E) E1 E2
d1 (3/4)k -k
d2 -k (1/4)k
Si u d1 < u d 2 5 / 12 d2
Si u d1 = u d 2 5 / 12 d1 ó d2
Gráficamente, si definimos las funciones
10
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
7
g1 k k u d1 , y
4
5
g 2 k u d 2
k
4 4
entonces, si k = 1,
1.0
g1()
0.5
5/12
0.0
1/5 4/7
-0.5
g2()
-1.0
11
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
La reacción natural de cualquiera que tenga que tomar una decisión cuyas
consecuencias dependen de la ocurrencia de eventos inciertos E, es intentar
reducir su incertidumbre obteniendo más información sobre E.
PZ E i PE i
PE i Z
P Z E j PE j
, i =1,2,...,k.
jJ
12
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
Comentarios:
1) Una forma alternativa de escribir el Teorema de Bayes es:
PE i Z PZ E i PE i
P(Z) es llamada constante de proporcionalidad.
2) A las P(Ej) se les llama probabilidades iniciales o a-priori y a las P(Ej|Z)
se les llama probabilidades finales o a-posteriori. Además, P(Z|Ej) es
llamada verosimilitud y P(Z) es llamada probabilidad marginal de la
información adicional.
PZ P Z E j PE j (0.2)(0.6) (0.6)(0.3) (0.6)(0.1) 0.36
3
j1
13
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
PE1 Z
(0.2)(0.6) 1
0.36 3
(probabilidades
PE 2 Z
(0.6)(0.3) 1
finales)
0.36 2
PE 3 Z
(0.6)(0.1) 1
0.36 6
Por lo tanto, es más probable que el paciente tenga una enfermedad
relativamente frecuente (E2).
PE PE Z
14
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
Problema de Inferencia.
15
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
f x f x f
Finalmente,
f x la distribución final (ó a-posteriori). Proporciona todo el
16
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
f x f x i .
n
i 1
17
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
18
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
PX1 1 1 1 .
0
19
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
0.548, si x F 1
f x F x1 1 .
0. 452, si x F 0
¿Cómo?
49 39 49 39
P 49 P Z 0.25 Z 0.25 ,
10
como Z0.25 = 0.675 (valor de tablas)
0.675
Por lo tanto, N(39, 219.47).
Para adquirir información adicional sobre la demanda, se considerarán 3
proyectos similares cuyas utilidades dependen de la misma demanda.
20
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
n 1
x 2 0
2
0 1
donde, 1 y 12 .
n 1 n 1
2 02 2 02
Por lo tanto,
x =40.9533, 0 = 39, 2 = 4, 02 = 219.47, n=3
1 = 40.9415, 12 = 1.3252 x N(40.9415, 1.3252)
21
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
f
1
I , ,, ()
m 1 2 m
o ¿Qué pasa cuando el número de valores (m) que puede tomar tiende a
infinito?
f cte.
22
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
() detI()
1/ 2
, ,
2 log f X
donde I() E X| es la matriz de información de Fisher
'
x 1 x
log f x
1
2 1 x
log f x 2
x
2
(1 ) 2
23
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
X 1 X E X 1 E X
I E X| 2
1
(1 ) 2 2 1 2 (1 )
1/ 2
1
1/ 2 1
1 / 2
() I ( 0,1) ()
(1 )
() Beta 1 / 2,1 / 2 .
24
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
f x i 1 i I{0,1} x i
n
x n x
i 1
(a b) a 1
f 1 I ( 0,1) ()
b 1
(a ) ( b )
f x i 1 i I ( 0,1) ()
a x 1 b n x 1
(a 1 b1 ) a1 1
f x 1 1 I ( 0,1) () ,
b 1
(a 1 )(b1 )
25
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
donde B ~
denota una vecindad (bola) de radio con centro en ~
.
En este caso, la decisión óptima que minimiza la pérdida esperada cuando
0 es
Moda .
~
26
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
27
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
Gamma Distribution
0.4 Shape,Scale
2,1
0.3
density
0.2
1-
0.1
| |
0
0| 2 4| 6 8 10
x
CONTRASTE DE HIPÓTESIS. El problema de contraste de hipótesis es un
problema de decisión sencillo y consiste en elegir entre dos modelos o
hipótesis alternativas H0 y H1. En este caso,
28
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
o D = E = {H0, H1}
o vd, la función de pérdida que toma la forma,
v(d,) H0 H1
H0 v00 v01
H1 v10 v11
v01 EvH 0
EvH 1
v10
v11 v00
p0
0 H1 p* H0 1
29
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos
PROFESOR: LUIS E. NIETO BARAJAS
v 01 v11
donde, p* .
v10 v11 v 01 v 00
Finalmente, la solución óptima es aquella que minimiza la pérdida
esperada:
p0 v v11
si EvH 0 EvH1 01 p 0 p* H 0
1 - p 0 v10 v 00
H0 si p0 es suficientemente grande comparada con 1-p0.
p0 v v11
si EvH 0 EvH1 01 p 0 p * H1
1 - p 0 v10 v 00
H1 si p0 es suficientemente pequeña comparada con 1-p0.
si p 0 p* H 0 ó H
1
Indiferente entre H0 y H1 si p0 no es ni suficientemente grande ni
suficientemente pequeña comparada con 1-p0.
30
Maestría en Administración de riesgos Métodos Estadísticos Bayesianos