Show simple item record

dc.contributor.authorHernandez, D.R.
dc.date.accessioned2008-07-18T12:49:29Z
dc.date.available2008-07-18T12:49:29Z
dc.date.issued2007
dc.identifier.isbn978-987-1443-01-7
dc.identifier.urihttp://hdl.handle.net/1834/2560
dc.description.abstractAn introduction to the Bayesian Analysis is presented and conceptual aspects highlighted. Initially, the probability concept is analyzed from its objective perspective such as frequency, and from its subjective perspective such as degree of belief. It is discussed how, within the context of Bayesian statistics, probability as degree of belief allows to give sense to the probability of a hypothesis and, therefore, enables to resolve problems of scientific interest that could not be otherwise addressed. The likelihood concept is discussed and the Bayes formula, which integrates a priori information and knowledge with information provided by current data demonstrated. Basic concepts of the Decision Theory within the Bayesian perspective are introduced. The SIR (Sampling Importance Resampling) algorithm is presented as a tool to carry out a Bayesian Analysis with numerical techniques. Finally, an application example in fisheries considering Shaefer biomass dynamics model is shown.en
dc.description.abstractSe presenta una introducción al Análisis Bayesiano donde se destacan, esencialmente, los aspectos conceptuales. Se analiza inicialmente el concepto de probabilidad desde su perspectiva objetiva tal como frecuencia, y desde su perspectiva subjetiva tal como grado de creencia. Se discute cómo, en el contexto de la estadística Bayesiana, la probabilidad como grado de creencia permite darle sentido a la probabilidad de una hipótesis y por lo tanto habilita a resolver problemas de interés científico que de otra forma serían inabordables. Se discute el concepto de verosimilitud y se demuestra la fórmula de Bayes que integra información y conocimiento a priori con la información proporcionada por los datos actuales. Se introducen conceptos básicos de la Teoría de la Decisión en el contexto Bayesiano. Se presenta el algoritmo SIR (Sampling Importance Resampling) como herramienta para realizar un Análisis Bayesiano con técnicas numéricas. Por último, se muestra un ejemplo de aplicación en pesquerías considerando el modelo de dinámica de biomasa de Schaefer.es
dc.description.sponsorshipPublisher: Instituto Nacional de Investigación y Desarrollo Pesquero (INIDEP), Mar del Plata.
dc.language.isoes
dc.title[OBRA COMPLETA] Introducción al análisis Bayesianoes
dc.title.alternative[COMPLETE WORK] Introduction to the Bayesian Analysisen
dc.typeBook
dc.description.statusPublisheden
dc.description.otheranálisis estadístico, modelos estadísticos, recursos pesqueros, evaluación de efectivos, predicción, teoría de probabilidad
dc.format.pages45
dc.subject.agrovocStatistical analysisen
dc.subject.agrovocStock assessmenten
dc.subject.agrovocFishery resourcesen
dc.subject.agrovocPredictionen
dc.subject.asfaStatistical analysisen
dc.subject.asfaStatistical modelsen
dc.subject.asfaFishery resourcesen
dc.subject.asfaStock assessmenten
dc.subject.asfaPredictionen
dc.subject.asfaProbability theoryen
refterms.dateFOA2021-01-30T18:47:50Z


Files in this item

Thumbnail
Name:
INIDEP Bayesiano.pdf
Size:
2.259Mb
Format:
PDF
Description:
Published version

This item appears in the following Collection(s)

Show simple item record