Tiempo, salud y síntesis · Bioestadistica

Bioestadística Computacional: Inferencia Bayesiana en Biomedicina

Introducción pública · guía completa en Eikos

Introducción

De qué trata esta guía

Fundamentos teóricos, modelos exactos conjugados, computación por Cadenas de Markov (MCMC), modelos jerárquicos multivariados, análisis de sobrevivencia y diseños adaptativos.

Recorrido

Temas que aborda

  • Introducción
  • Inferencia Bayesiana en Biomedicina
  • Paradigma y Teoría General del Modelado Bayesiano
  • La Verosimilitud en Biomedicina
  • Taxonomía de las Distribuciones a Priori
  • Conjugación Analítica Exacta en Familias Exponenciales

Conceptos relacionados

Conexiones principales

  • bayes
  • mcmc
  • verosimilitud
  • media
  • supervivencia
  • calculo

Notación compatible

Muestra matemática en LaTeX

La expresión se renderiza de forma accesible y conserva debajo su fuente LaTeX.

p(θy)=f(yθ)p(θ)Θf(yθ)p(θ)dθ=L(θy)p(θ)p(y)p(\boldsymbol{\theta} \mid \boldsymbol{y}) = \frac{f(\boldsymbol{y} \mid \boldsymbol{\theta}) p(\boldsymbol{\theta})}{\int_{\Theta} f(\boldsymbol{y} \mid \boldsymbol{\theta}) p(\boldsymbol{\theta}) d\boldsymbol{\theta}} = \frac{L(\boldsymbol{\theta} \mid \boldsymbol{y}) p(\boldsymbol{\theta})}{p(\boldsymbol{y})}
Ver LaTeX fuentep(\boldsymbol{\theta} \mid \boldsymbol{y}) = \frac{f(\boldsymbol{y} \mid \boldsymbol{\theta}) p(\boldsymbol{\theta})}{\int_{\Theta} f(\boldsymbol{y} \mid \boldsymbol{\theta}) p(\boldsymbol{\theta}) d\boldsymbol{\theta}} = \frac{L(\boldsymbol{\theta} \mid \boldsymbol{y}) p(\boldsymbol{\theta})}{p(\boldsymbol{y})}