Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Las técnicas bayesianas utilizan la distribución a priori [f(θ)] junto con la información que brinda
la muestra [f(x1,x2,....,xn) para calcular la distribución a posteriori [f(x1,x2,...xn/θ]. Esta distribución
a posteriori expresa el grado de creencia del investigador en la posición del parámetro θ después
de observar la muestra.
Los métodos bayesianos pueden emplearse para construir intervalos para las estimaciones de
los parámetros que son similares a los intervalos de confianza. Si ya se tiene la función de
densidad posterior de θ, entonces puede construirse un intervalo, centrado alrededor de la
media a posteriori, que contenga al 100(1-α)% de la probabilidad posterior.
Ejemplo 3.14.
Suponga que la distribución a priori para la proporción p de artículos defectuosos que produce
una máquina es:
p 0.1 0.2
f(p) 0.6 0.4
Encuentre la estimación de Bayes para la proporción de defectuosos que produce esta máquina
si una muestra aleatoria de 10 artículos muestra 1 artículo defectuoso.
Solución:
10
P(1D/p=0.1) = (0.1)(0.9)9 0.3874
1
10
P(1D / p 0.1) (0.2)(0.8)9 0.2684
1
p 0.1 0.2
f(1,p) 0.2324 0.1074
f (1) 0.3398
p 0.1 0.2
F(p / x = 1) 0.6839 0.3161
Nota: En este caso la estimación bayesiana es un poco más alta que la estimación clásica.