Introducción a la inferencia bayesiana basada en…

La inferencia bayesiana se ha abierto un importante hueco en el ámbito estadístico durante las últimas décadas. En buena parte, los métodos de simulación mediante cadenas de Markov (MCMC) han sido los responsables de esta popularización ya que han transformado la inferencia bayesiana de un área completamente analítica a otra fundamentalmente computacional donde, junto con la ayuda de la computación, ha hecho posible el despegue de este abordaje estadístico.

Durante el curso se introducirá la necesidad de los métodos basados en simulación, como alternativa al abordaje analítico, para un buen número de problemas de estimación bayesianos. Tras ello se introducirán los métodos de simulación MCMC como la principal herramienta para la inferencia bayesiana basada en simulación. Además, también abordaremos los problemas prácticos que conlleva el uso de cadenas de Markov para la inferencia bayesiana. Así, introduciremos el análisis de la convergencia como la herramienta práctica adecuada para garantizar la corrección de los resultados de análisis estadísticos basados en simulación MCMC. Por último, introduciremos JAGS y NIMBLE como herramientas automatizadas de simulación para un gran número de modelos jerárquicos bayesianos. JAGS y NIMBLE hacen uso de su propio lenguaje de programación, que introduciremos, para la definición de modelos jerárquicos y programan, de manera automática, el algoritmo MCMC correspondiente para su inferencia. JAGS supone una herramienta más sencilla para esta labor, mientras que NIMBLE supone una alternativa más elaborada, pero más potente. El objetivo del curso será introducir ambas herramientas para que puedan ser utilizadas en función de las necesidades del alumnado.