Bayesian Methods for Hackers

B

[Borrado] #1 Jun '13

Buenas gente,

No sé si esto va aquí (de categoría digo) pero me ha parecido muy interesante:
https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers

Probabilistic Programming and Bayesian Methods for Hackers

Básicamente un libro sobre Data Analysis con técnicas de estadística bayesiana (resumiendo la estadística bayesiana aprovecha el conocimiento a priori sobre las distribuciones de probabilidad para dar resultados más fiables). La gracia del libro es que es "interactivo", usa PyMC (basado en Python, Numpy y SciPy) y los capítulos son todos programas (también está la versión pdf). Además es opensource y se puede colaborar. Los capítulos parecen (por lo que he leído hasta ahora) muy completos desde el punto de vista de programación (matemáticamente ya dice que no se complica mucho), incluyen hasta problemas de Kaggle (una plataforma bastante famosa de concursos de Data Analysis) y en resumen, que puede ser un recurso útil e interesante para aquellos que ya saben programar y quieren ir un poco más allá.

Si alguien lo ha usado o leído y quiere aportar, bienvenido sea, yo este verano le echaré un ojo y ya comentaré .

6

elkaoD #2 Jun '13

#1 por aquí otro que lo tiene apuntado en el ToDo para verano.

Pintaza. Le eché un vistazo por encima a la versión estática pero entiendo que la gracia es usar el libro dinámico.

1 respuesta

JON-K0 #3 Jun '13

buen aporte, gracias

B

[Borrado] #4 Jun '13

#2 hay cosas muy interesantes al menos en el primer capítulo que es el que he mirado, donde ya habla de la discusión frecuentistas/bayesianos que trae cola: Los frecuentistas dan los resultados en intervalos de confianza y si el estimador cae ahí se confirma la hipótesis nula/alternativa, sin discusión posible. Los Bayesianos creen que tiene sentido decir que la hipótesis nula es correcta con un 80% de probabilidad. Fijaos que realmente (semánticamente) tiene más sentido lo de los frecuentistas: La hipótesis o bien es cierta o bien es falsa... Pero intuitivamente tiene más sentido lo bayesiano (al menos para mí): Estamos más o menos seguros de que la hipótesis sea cierta o falsa.

Por ejemplo queremos ver si una moneda está trucada para que salgan más caras que cruces (70-30). Un frecuentista haría la prueba y diría: Tiraré la moneda 100 veces, si me sale cara más de 65 es que está trucada, si me sale menos es que no está trucada (intervalo de confianza del 99% por ejemplo). Un bayesiano empezaría diciendo: Ahora mismo la probabilidad de que esté trucada es "p", si al tirar 100 veces me sale x veces cara, cuál será la probabilidad (cómo aumentará mi seguridad) de que esté trucada?

Muy interesante, y me gusta que lo enfoque desde el punto de vista computacional y que mencione que la visión frecuentista es más fácil (los estimadores acostumbran a ser productos de matrices y vectores normalizados) que la bayesiana (donde tienes que ir mirando cómo evoluciona la función de probabilidad).

B

[Borrado] #5 Jun '13

#1 es experto en desbordar mi cola de TODOS >.<

2

Nucklear #6 Jun '13 BugHunter

¡Dejad mi cerebro en paz al final me va a explotar de tantas cosas!

Usuarios habituales