La estimación de proporciones mediante técnicas Bayesianas

• Emilia Inmaculada de la Fuente Solana ; Luis Manuel Lozano Fernández ; Concepción San Luis Costas ; Eduardo García Cueto ^[1] ; Joan Guàrdia Olmos ; María Eva Martín Puga ; M. I. Barbero ^[2] ; M. Freixa ; Maribel Peró ; A.R. Ortega ; Gustavo Raúl Cañadas de la Fuente ; D. Alcaraz ; María Carmen Díaz Batanero ; Ignacio Pedrosa ^[1]
  1. [1] Universidad de Oviedo

     Universidad de Oviedo

     Oviedo, España

     
  2. [2] Universidad Nacional de Educación a Distancia

     Universidad Nacional de Educación a Distancia

     Madrid, España

     
• Localización: Acción psicológica, ISSN 1578-908X, Vol. 5, Nº. 2, 2008 (Ejemplar dedicado a: Innovaciones metodológicas en la evaluación psicológica : perspectivas de futuro), págs. 17-24
• Idioma: español
• DOI: 10.5944/ap.5.2.455
• Títulos paralelos:
  • Estimation of ratios using bayesian techniques
• Enlaces
  • Texto completo
• Resumen
  • español

    Los procedimientos de estimación basados en el teorema de Bayes son inusuales en los diferentes ámbitos de aplicación de la inferencia paramétrica clásica. El objetivo de este trabajo es presentar un esquema para la estimación bayesiana de parámetros bajo los supuestos de un modelo binomial. El procedimiento Bayes se estudia en comparación con la aproximación paramétrica cl??sica, ambas opciones, en su versión puntual y mediante intervalos de estimación. Se presenta también un estudio de simulación con diferentes tamaños muestrales en el que se ponen de manifiesto las ventajas del procedimiento bayesiano.

  • English

    The estimation procedures based on Bayes� Theorem are still an unusual option in many of the environments of classic parametric inference. The aim of this paper is to show an effective scheme for the use of Bayesian estimation of unknown parameters. We have opted to focus on the estimation of parameters under the assumption of a binomial model, so that it can be followed by all those situations that meet the aforementioned probabilistic model. This approximation was studied in comparison with the classic parametric approximation, both in its point version and by means of interval estimation. On a study, by simulating samples of several sizes, we obtained empirical evidence regarding the advantage of the Bayesian procedure.

• Referencias bibliográficas
  • Bakan, D. (1966). The test of Significance in Psychological Research. Psychological Bulletin, 66, 423- 437.
  • Bolles, R. (1962). The difference between statistical hypotheses and scientific hypotheses. Psychological Reports, 11, 639-645.
  • Borges, A., San Luis, C., Sánchez-Bruno, A. y Cañadas, I. (2001). El juicio contra la hipótesis nula: muchos testigos y una sentencia virtuosa....
  • Borges, A. y Sánchez-Bruno, A. (2002). La simulación al servicio de los contrastes estadísticos: resumen de métodos y estado de la cuestión...
  • Congdon, P. (2003). Bayesian statistical modelling. Wiley, West Sussex.
  • DeGroot, M.H. (1970). Optimal Statistical Decisions. New York: McGraw-Hill.
  • DeGroot, M.H. (1986). Probabilidad y Estadística. Wilmington: Addison-Wesley Iberoamericana S.A.
  • De la Fuente, E.I., García, J. y De la Fuente, L. (2002). Estadística Bayesiana en la Investigación Psicológica. Metodología de las Ciencias...
  • De la Fuente, E.I., García, J. y De la Fuente, L. (2007). ¿Es importante conocer la Estadística Bayesiana si investigamos en Psicología? En:...
  • De la Fuente, E.I., De la Fuente, L., García, J., Iglesias, S., Martín, I., Ramírez, I. y Cañadas, G. (2002). El Análisis de Bayesiano de...
  • Gelman, A. (1992). Iterative and non-iterative simulation algorithms. Computing Science and Statistics, 24, 433-438.
  • Geman, S. y Geman, D. (1984). Stochastic Relaxation, Gibbs distributions and the Bayesian restoration of images. IEEE Transactions on Pattern...
  • Gelman, A., Carlin, J.B., Stern, H.S. y Rubin, D.B. (2000). Bayesian Data Analysis. Boca Raton: Chapman Hall CRC.
  • Gilks, W.R., Richardson, S. y Spiegelhalter, D. (1996). Practical Markov Chains Monte Carlo. New York: Chapman & Hall.
  • Guàrdia, J., De la Fuente, E.I. y Lozano, L.M. (2008). Bayesian inference for binomial populations Bayesian estimation for child depression...
  • Guàrdia, J., Peró, M., Freixa, M. y Honrubia, M.L. (2008). Análisis de las aportaciones y limitaciones derivadas de la utilización de los...
  • Harcum, E.R. (1990). Methodological versus empirical literature: two views on casual acceptance of the null hypothesis. American psychologist,...
  • Jeffreys, H. (1961). Theory of probability. (3rd Ed.) London, Oxford University Press.
  • Kish, L. (1959). Some Statistical problems in research design. American Sociological Review, 24, 328- 338.
  • Krueger, J. (2001). Null hypothesis significance testing: On the survival of a flawed method. American Psychologist, 56(1), 16–26.
  • Lunn, D.J., Thomas, A., Best, N. & Spiegelhalter, D. (2000). WinBUGS A Bayesian modelling framework: concepts, structure and extensibility....
  • Migon, H.S. y Gamerman, D. (1999). Statistical Inference. An Integrated Approach. London: Arnold.
  • Press, J. (1989). Bayesian Statistics. New York: Wiley.
  • Raiffa, H. y Schlaifer, R. (1961). Applied Statistical Decision Theory. Cambridge, Mass: The MIT Press.
  • Spiegelhalter, D., Thomas, A., Best, N. y Gilks, W. (1994a). BUGS: Bayesian Inference using Gibbs sampling. Avalaible from MRC Biostatistics...
  • Spiegelhalter, D., Thomas, A., Best, N. y Gilks, W. (1994b). BUGS: Examples. Avalaible from MRC Biostatistics Unit, Cambridge.
  • Wilkinson, L. and Task Force on Statistical Inference, APA Board of Scientific Affairs (1999). Statistical Methods in Psychology Journals:...