Diseño y análisis bayesianos de réplicas en la experimentación científica
En la práctica estadística es frecuente la replicación de experiencias estadísticas, justificada por muy diversos intereses: ratificar conclusiones, estudiar la variación en las respuestas cuando se experimenta sobre una población distinta, validar un modelo, detectar sesgos, etc. Al disponer, antes...
| Autores: | , |
|---|---|
| Formato: | artículo |
| Fecha de publicación: | 1997 |
| País: | España |
| Recursos: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | español |
| OAI Identifier: | oai:upcommons.upc.edu:2099/4696 |
| Acesso em linha: | https://hdl.handle.net/2099/4696 |
| Access Level: | acceso abierto |
| Palavra-chave: | Statistics Disseny d'experiments Classificació AMS::62 Statistics::62K Design of experiments |
| Resumo: | En la práctica estadística es frecuente la replicación de experiencias estadísticas, justificada por muy diversos intereses: ratificar conclusiones, estudiar la variación en las respuestas cuando se experimenta sobre una población distinta, validar un modelo, detectar sesgos, etc. Al disponer, antes de replicar, de los resultados de cierto estudio previo, es razonable pensar en buscar un buen diseño para la réplica utilizando la información que dicho primer estudio proporciona. Un diseño óptimo de la réplica consistirá en decidir, asumido un modelo, sobre el menor tamaño muestral que otorga al investigador suficientes garantías de concluir con éxito en su inferencia. Una modelización jerárquica bayesiana permite precisar fácilmente las relaciones entre datos y poblaciones (original y replicada) y derivar conclusiones sobre los resultados más probables (en función del tamaño de la réplica) a través de las distribuciones a posteriori y predictivas que se obtengan. |
|---|