4TA JORNADA DE EDUCACIÓN ESTADÍSTICA MARTA BILOTTI (IV JEE)

1
XLVI COLOQUIO ARGENTINO DE ESTADÍSTICA (XLVI CAE)

Introducción al Análisis Bayesiano con Aplicaciones en STAN

Ignacio Álvarez-Castro, Juan José Goyeneche

Instituto de Estadística
Facultad de Ciencias Económicas y de Administración
Universidad de la República, Uruguay
nachalca@iesta.edu.uy
Resumen
La inferencia Bayesiana es una importante rama de la Estadística, su principal
objetivo es obtener una distribución de probabilidad que modela la incertidumbre sobre
las cantidades de interés (por ejemplo, parámetros) condicional a los datos observados.
Esta distribución es llamada distribución posterior (o a posteriori), y se obtiene
mediante la regla de Bayes al combinar el modelo estadístico para los datos (función de
verosimilitud) y la distribución previa (o a priori) que modela la incertidumbre sobre las
cantidades de interés sin condicionar en los datos. La estadística Bayesiana ha ganado
popularidad desde la década del 90s debido, entre otras cosas, al desarrollo de distintos
métodos de aproximación a la distribución posterior, usando algoritmos de MCMC
(Monte Carlo usando Cadenas de Markov). Los avances en el poder de cómputo y
técnicas de simulación transformaron en viable la aplicación de inferencia Bayesiana en
casi cualquier problema concreto.
Este curso introduce el paradigma bayesiano para hacer inferencia a través de
algunas aplicaciones desde modelos simples con unos pocos parámetros a estimar que
en general pueden resolverse analíticamente, hasta modelos con estructuras más
complejas en los que la posterior es aproximada computacionalmente.
El objetivo central es que los participantes tengan un panorama de las etapas
para realizar un análisis Bayesiano de datos moderno. Se usará el programa STAN
(http://mc-stan.org/), introduciendo a los participantes a la programación en este
lenguaje para estimar los modelos estadísticos de interés.

Destinatarios: profesionales que utilicen la Estadística; docentes de Estadística,

Econometría, Biometría; otras personas que trabajen con análisis de datos.

Programa
1. Introducción al Análisis Bayesiano. Regla de Bayes, distribución a
posteriori.
2. Modelos de un parámetro: Binomial, Poisson, Normal.
3. Distribuciones a priori o previas: conjugadas, no informativas, débilmente
informativas.
4. Inferencia con cálculo numérico: integración numérica, aproximación con
grillas, simulación Monte Carlo, simulación MCMC. Software bayesiano.
5. Diagnóstico y verificación de modelos.
 4TA JORNADA DE EDUCACIÓN ESTADÍSTICA MARTA BILOTTI (IV JEE)
2
XLVI COLOQUIO ARGENTINO DE ESTADÍSTICA (XLVI CAE)

Los puntos 1 a 3 del programa se cubrirán en la sesión del primer día y los
puntos 4 y 5 en el segundo día.

Referencias bibliográficas
Gelman, A., Carlin, J.B., Stern, H.S., Dunson, D.B., Vehtari, A. and Rubin,
D.B., 2013. Bayesian Data Analysis. CRC Press.

McElreath, R., 2016. Statistical Rethinking: A Bayesian Course with Examples

in R and Stan. Chapman & Hall.

Stan Development Team (2017) Stan Modeling Language: User’s Guide

and Reference Manual. Version 2.17.0.

Palabras Clave
Estadística Bayesiana – Monte Carlo con Cadenas de Markov – Lenguaje STAN

Categoría Metodológica y el Área de Aplicación

Categoría Metodológica: Métodos Bayesianos.
Área de Aplicación: Economía, Enseñanza de la Estadística, Salud Humana.

Requerimientos Técnicos Necesarios para el Dictado del Curso

Cañón con entrada VGA o HDMI.

CV de cada autor de la propuesta

Extensión del CV hasta 3 páginas por autor.