Introducción a la estadística Bayesiana

Introducción a la estadística Bayesiana

Detalles Bibliográficos
Autor principal: Correa Morales, Juan Carlos (-)
Otros Autores: Barrera Causil, Carlos Javier
Formato: Libro electrónico
Idioma:Castellano
Publicado: Medellín : Instituto Tecnológico Metropolitano 2019.
Colección:Textos académicos.
Materias:
Bayesian statistical decision theory.
Estadística Bayesiana.
Libros electrónicos.
Ver en Biblioteca Universitat Ramon Llull:https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009437095706719
Tabla de Contenidos:
  • INTRODUCCIÓN A LA ESTADÍSTICA BAYESIANA
  • PÁGINA LEGAL
  • PREFACIO
  • ÍNDICE GENERAL
  • PARTE I ELEMENTOS BÁSICOS
  • CAPÍTULO 1 INTRODUCCIÓN
  • 1.1. EJEMPLOS TÍPICOS
  • 1.2. PROBABILIDAD PERSONAL O SUBJETIVA
  • 1.3. APROXIMACIONES AL ANÁLISIS BAYESIANO
  • 1.4. PROBLEMAS CON LA APROXIMACIÓN CLÁSICA
  • CAPÍTULO 2 PROBABILIDAD SUBJETIVA «A PRIORI»
  • 2.1. CLASIFICACIÓN DE LAS DISTRIBUCIONES (...)
  • 2.2. DISTRIBUCIONES A PRIORI NO INFORMATIVAS
  • 2.2.1. DISTRIBUCIONES A PRIORI INFORMATIVAS
  • 2.2.2. PROBABILIDAD PERSONAL
  • 2.3. PROBABILIDAD SUBJETIVA, APUESTAS Y (...)
  • CAPÍTULO 3 ANÁLISIS PREPOSTERIOR
  • 3.1. DISTRIBUCIÓN PREDICTIVA A PRIORI
  • CAPÍTULO 4 TEOREMA DE BAYES
  • 4.1. USOS DE LA FUNCIÓN DE VEROSIMILITUD
  • CAPÍTULO 5 DISTRIBUCIONES CONJUGADAS
  • 5.1. DISTRIBUCIÓN BINOMIAL
  • 5.2. DISTRIBUCIÓN BINOMIAL NEGATIVA
  • 5.3. DISTRIBUCIÓN GEOMÉTRICA
  • 5.4. DISTRIBUCIÓN MULTINOMIAL
  • 5.5. DISTRIBUCIÓN POISSON
  • 5.6. DISTRIBUCIÓN EXPONENCIAL
  • 5.6.1. CASO ESPECIAL: SE OBSERVA SOLO EL (...)
  • 5.6.2. CASO ESPECIAL: SE OBSERVA SOLO EL
  • 5.6.3. CASO ESPECIAL: SE OBSERVAN ALGUNOS (...)
  • 5.6.4. CASO ESPECIAL: SE OBSERVAN TODOS (...)
  • 5.6.5. AUMENTACIÓN (DATA AUGMENTATION)
  • 5.7. DISTRIBUCIÓN NORMAL
  • 5.7.1. INFERENCIA SOBRE LA MEDIA: PRECISIÓN (...)
  • 5.7.2. INFERENCIA SOBRE LA PRECISIÓN: MEDIA (...)
  • 5.7.3. MEDIA Y PRECISIÓN DESCONOCIDAS
  • 5.8. DISTRIBUCIÓN GAMMA
  • 5.9. CONJUGADAS EN TRAMOS
  • CAPÍTULO 6 DISTRIBUCIONES A PRIORI NO
  • 6.1. EL PRINCIPIO DE LA RAZÓN INSUFICIENTE
  • 6.2. A PRIORI DE JEFFREYS
  • 6.3. OTRAS ALTERNATIVAS PARA LAS A PRIORI
  • CAPÍTULO 7 MARGINALIZACIÓN
  • CAPÍTULO 8 INFERENCIA BAYESIANA
  • 8.1. ESTIMACIÓN PUNTUAL
  • 8.2. REGIONES DE CREDIBILIDAD
  • 8.2.1. REGIÓN DE LA DENSIDAD POSTERIOR (...)
  • 8.2.2. INTERVALOS FRECUENTISTAS TRADICIONALES (...)
  • 8.2.3. INTERVALOS APROXIMADOS.
  • 8.3. PRUEBAS DE HIPÓTESIS
  • 8.3.1. COMPARACIÓN DE MODELOS
  • 8.4. CÁLCULO DEL FACTOR DE BAYES VÍA MCMC
  • 8.4.1. MÉTODO DE CARLIN Y CHIB
  • 8.4.2. MÉTODO DE DELLAPORTAS, FOSTER Y (...)
  • 8.5. OTRAS APROXIMACIONES AL FACTOR DE (...)
  • 8.6. LA APROXIMACIÓN BIC
  • 8.7. VEROSIMILITUD CRUZADA PARA SELECCIÓN
  • 8.7.1. ANÁLISIS EXPLORATORIO DE DATOS
  • 8.8. ESTADÍSTICA BAYESIANA EMPÍRICA
  • PARTE II ESTADÍSTICA BAYESIANA COMPUTACIONAL
  • CAPÍTULO 9 ESTADÍSTICA BAYESIANA VÍA SIMULACIÓN
  • 9.1. MCMC: MONTE CARLO POR CADENAS DE MARKOV
  • 9.1.1. GLOSARIO DE CADENAS DE MARKOV
  • 9.1.2. MUESTREO DE IMPORTANCIA
  • 9.1.3. MUESTREO POR RECHAZO
  • 9.1.4. MUESTREADOR DE GIBBS
  • 9.1.5. ALGORITMO METROPOLIS-HASTINGS
  • 9.1.6. EL ALGORITMO METROPOLIS
  • 9.2. REFLEXIONES ACERCA EL MCMC
  • 9.2.1. PROBLEMAS CON EL MUESTREADOR DE (...)
  • 9.2.2. VENTAJAS Y DESVENTAJAS DOS ESQUEMAS (...)
  • 9.2.3. UNA PRUEBA SIMPLE DE CONVERGENCIA
  • 9.2.4. MUESTREADOR DE GIBBS Y PROBLEMAS (...)
  • 9.3. CÁLCULO DE INTEGRALES VIA SIMULACIÓN
  • CAPÍTULO 10 DIAGNÓSTICOS DE LOS MUESTREADORES
  • 10.1. MONITOREO Y CONVERGENCIA DE UNA MCMC
  • 10.1.1. DIAGNÓSTICOS
  • 10.2. DIAGNÓSTICOS EN CODA
  • PARTE III APLICACIONES
  • CAPÍTULO 11 MODELOS LINEALES
  • 11.1. LA REGRESIÓN CLÁSICA
  • 11.1.1. REGRESIÓN SIMPLE
  • 11.1.2. MODELO DE REGRESIÓN LINEAL MÚLTIPLE
  • 11.1.3. NOTACIÓN MATRICIAL
  • 11.2. ANÁLISIS CONJUGADO
  • 11.2.1. DISTRIBUCIÓN PREDICTIVA
  • 11.2.2. ELICITACIÓN EN EL MODELO LINEAL
  • 11.2.3. INFERENCIAS
  • 11.2.4. PRUEBAS DE HIPÓTESIS
  • 11.3. ESTRATEGIAS EN MODELACIÓN
  • 11.4. LIBRERÍA MCMCPACK
  • 11.5. DETECCIÓN DE OUTLIERS
  • CAPÍTULO 12 MODELO LINEAL GENERALIZADO
  • 12.1. MODELO LOGÍSTICO
  • 12.1.1. SELECCIÓN DE LA DISTRIBUCIÓN A (...)
  • 12.1.2. EXTENSIONES DEL MODELO LOGÍSTICO
  • 12.2. REGRESIÓN POISSON
  • CAPÍTULO 13 INFERENCIA PREDICTIVA
  • 13.1. PROCEDIMIENTO EXACTO.
  • 13.2. DISTRIBUCIÓN PREDICTIVA VÍA MCMC
  • 13.2.1. ALGORITMO
  • CAPÍTULO 14 SOFTWARE PARA ESTADÍSTICA BAYESIANA
  • 14.1. ESTADÍSTICA BAYESIANA EN R
  • 14.1.1. LIBRERÍA MCMCPACK
  • 14.2. TUTORIAL SOBRE OPENBUGS
  • 14.3. ¿QUÉ SE ESPERA DE UN SOFTWARE PARA (...)
  • 14.3.1. UTILIZACIÓN DE WINBUGS Y OPENBUGS
  • 14.3.2. ALGUNOS DE LOS COMANDOS DE WINBUGS (...)
  • REFERENCIAS.

Ejemplares similares