Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contexto inicial
Entre los métodos de razonamiento aproximado se encuentran los métodos bayesianos, basados
en el conocido teorema de Bayes. Todos ellos tienen en común la asignación de una probabilidad
como medida de credibilidad de las hipótesis. En este contexto, la inferencia se entiende como un
proceso de actualización de las medidas de credibilidad al conocerse nuevas evidencias. Mediante la
aplicación del Teorema de Bayes se busca obtener las probabilidades de las hipótesis condicionadas
a las evidencias que se conocen. La diferencia entre los distintos métodos bayesianos, modelos
causales y redes bayesianas, estriba en las hipótesis de independencia condicional entre hipótesis y
evidencias. Dichas relaciones se expresan comúnmente mediante un grafo acíclico dirigido.
La inferencia bayesiana utiliza aspectos del método científico, que implica recolectar evidencia que
se considera consistente o inconsistente con una hipótesis dada. A medida que la evidencia se
acumula, el grado de creencia en una hipótesis se va modificando. Con evidencia suficiente, a
menudo podrá hacerse muy alto o muy bajo. Así, los que sostienen la inferencia bayesiana dicen
que puede ser utilizada para discriminar entre hipótesis en conflicto: las hipótesis con un grado de
creencia muy alto deben ser aceptadas como verdaderas y las que tienen un grado de creencia muy
bajo deben ser rechazadas como falsas. Sin embargo, los detractores dicen que este método de
https://es.m.wikipedia.org/wiki/Inferencia_bayesiana 1/6
23/8/2019 Inferencia bayesiana - Wikipedia, la enciclopedia libre
inferencia puede estar afectado por un sesgo debido a las creencias iniciales que se deben sostener
antes de comenzar a recolectar cualquier evidencia.
i) Construcción axiomática
ii) Una sola regla de decisión
iii) La única que ofrece solución para ciertos problemas
Axiomas de coherencia
i) Comparación
ii) Transitividad
iii) Dominancia-Sustitución
iv) Referencia
Ejemplos de inferencia
Durante miles de millones de años, el sol ha salido después de haberse puesto. El sol se ha puesto
esta noche. Hay una probabilidad muy alta de (o 'Yo creo firmemente' o 'es verdad') que el sol va
a volver a salir mañana. Existe una probabilidad muy baja de (o 'yo no creo de ningún modo' o 'es
falso') que el sol no salga mañana.
La inferencia bayesiana usa un estimador numérico del grado de creencia en una hipótesis aún
antes de observar la evidencia y calcula un estimador numérico del grado de creencia en la hipótesis
después de haber observado la evidencia. La inferencia bayesiana generalmente se basa en grados
de creencia, o probabilidades subjetivas, en el proceso de inducción y no necesariamente declara
proveer un método objetivo de inducción.
Definiciones formales
A pesar de todo, algunos estadísticos bayesianos creen que las probabilidades pueden tener un
valor objetivo y por lo tanto la inferencia bayesiana puede proveer un método objetivo de
inducción. (Ver método científico.) Dada una nueva evidencia, el teorema de Bayes ajusta las
probabilidades de la misma de la siguiente manera:
https://es.m.wikipedia.org/wiki/Inferencia_bayesiana 2/6
23/8/2019 Inferencia bayesiana - Wikipedia, la enciclopedia libre
donde
representa una hipótesis, llamada hipótesis nula, que ha sido inferida antes de que la nueva
evidencia, , resultara disponible.
Establecimiento de la inferencia
Los estadísticos bayesianos sostienen que aun cuando distintas personas puedan proponer
probabilidades a priori muy diferentes, la nueva evidencia que surge de nuevas observaciones va a
lograr que las probabilidades subjetivas se aproximen cada vez más. Otros, sin embargo, sostienen
que cuando distintas personas proponen probabilidades a priori muy diferentes, las probabilidades
subjetivas a posteriori pueden no converger nunca, por más evidencias nuevas que se recolecten.
Estos críticos consideran que visiones del mundo que son completamente diferentes al principio
pueden seguir siendo completamente diferentes a través del tiempo por más evidencias que se
acumulen.
https://es.m.wikipedia.org/wiki/Inferencia_bayesiana 3/6
23/8/2019 Inferencia bayesiana - Wikipedia, la enciclopedia libre
La probabilidad marginal , puede ser representada además como la suma de los productos de
todas las probabilidades de las hipótesis exclusivas mutuamente y que corresponden a
probabilidades condicionales: .
https://es.m.wikipedia.org/wiki/Inferencia_bayesiana 4/6
23/8/2019 Inferencia bayesiana - Wikipedia, la enciclopedia libre
Esta iteración de la inferencia bayesiana puede ser expandida con la inclusión de más evidencias. La
inferencia bayesiana se emplea en el cálculo de probabilidades en la toma de decisión. Se emplean
en las probabilidades calculadas en la teoría de cálculo de riesgos, en la denominada función de
pérdida que refleja las consecuencias de cometer un error.
Véase también
Referencias
1. "Statistical Decision Theory and Bayesian Analysis", James O. Berger; 1985 ;Springer
2. "Bayesian Approach to Image Interpretation", Sunil K. Kopparapu, Uday B. Desai; 2001 Springer
Bibliografía
Berger, J.O. (1999) Statistical Decision Theory and Bayesian Analysis. Second Edition. Springer
Verlag, New York. ISBN 0-387-96098-8 and also ISBN 3-540-96098-8.
Bolstad, William M. (2004) Introduction to Bayesian Statistics, John Wiley ISBN 0-471-27020-2
Bretthorst, G. Larry, 1988, Bayesian Spectrum Analysis and Parameter Estimation in Lecture Notes
in Statistics, 48, Springer-Verlag, New York, New York
Dawid, A.P. and Mortera, J. (1996) Coherent analysis of forensic identification evidence. Journal of
the Royal Statistical Society, Series B, 58,425-443.
Foreman, L.A; Smith, A.F.M. and Evett, I.W. (1997). Bayesian analysis of deoxyribonucleic acid
profiling data in forensic identification applications (with discussion). Journal of the Royal
Statistical Society, Series A, 160, 429-469.
Gardner-Medwin, A. What probability should the jury address?. Significance. Volume 2, Issue 1,
March 2005
Gelman, A., Carlin, B., Stern, H., and Rubin, D.B. (2003). Bayesian Data Analysis. Second Edition.
Chapman & Hall/CRD, Boca Raton, Florida. ISBN 1-58488-388-X.
https://es.m.wikipedia.org/wiki/Inferencia_bayesiana 5/6
23/8/2019 Inferencia bayesiana - Wikipedia, la enciclopedia libre
Gelman, A. and Meng, X.L. (2004). Applied Bayesian Modeling and Causal Inference from
Incomplete-Data Perspectives: an essential journey with Donald Rubin's statistical family. John
Wiley & Sons, Chichester, UK. ISBN 0-470-09043-X
Giffin, A. and Caticha, A. (2007) Updating Probabilities with Data and Moments
Lee, Peter M. Bayesian Statistics: An Introduction. Second Edition. (1997). ISBN 0-340-67785-6.
O'Hagan, A. and Forster, J. (2003) Kendall's Advanced Theory of Statistics, Volume 2B: Bayesian
Inference. Arnold, New York. ISBN 0-340-52922-9.
Pearl, J. (1988) Probabilistic Reasoning in Intelligent Systems, San Mateo, CA: Morgan Kaufmann.
Robert, C.P. (2001) The Bayesian Choice. Springer Verlag, New York.
Robertson, B. and Vignaux, G.A. (1995) Interpreting Evidence: Evaluating Forensic Science in the
Courtroom. John Wiley and Sons. Chichester.
Winkler, Robert L, Introduction to Bayesian Inference and Decision, 2nd Edition (2003) Probabilistic.
ISBN 0-9647938-4-9
Referencias externas
https://es.m.wikipedia.org/wiki/Inferencia_bayesiana 6/6