Fundamentos de Estadística Computacional Bayesiana

¿Cómo actualizamos nuestras creencias a medida que llegan nuevos datos? La estadística computacional bayesiana proporciona el marco matemático y práctico para modelar la incertidumbre y hacer predicciones altamente informadas. Este curso, solo de texto, te guía desde los principios fundamentales de la probabilidad hasta la escritura y evaluación de tus primeros modelos bayesianos. Aprenderás a transitar del pensamiento frecuentista tradicional a una mentalidad bayesiana, utilizando herramientas computacionales modernas para resolver desafíos de datos del mundo real. Lo que aprenderás: * Comprender los conceptos matemáticos centrales de las distribuciones a priori, de verosimilitud y a posteriori; * Aplicar técnicas de inferencia bayesiana para estimar parámetros y hacer predicciones; * Explorar algoritmos computacionales modernos, incluidos los métodos de Monte Carlo de Cadena de Markov (MCMC); * Construir y evaluar modelos probabilísticos utilizando prácticas de codificación contemporáneas; * Interpretar diagnósticos del modelo para garantizar la fiabilidad y precisión de tu análisis estadístico. El curso comienza con conceptos de probabilidad fundamentales y terminología clave antes de pasar a escenarios de modelado prácticos, flujos de trabajo de diagnóstico e implementaciones computacionales modernas. Diseñado para principiantes en ciencia de datos y estadística, este curso solo requiere álgebra básica y una familiaridad general con los conceptos de datos; no se necesita experiencia previa en estadística avanzada. Comienza tu viaje hacia el análisis bayesiano y descubre una forma más intuitiva de trabajar con la incertidumbre.