[Bayesian analysis. Basic and practical concepts for its interpretation and use]

Rev Alerg Mex. Jul-Sep 2018;65(3):285-298. doi: 10.29262/ram.v65i3.512.
[Article in Spanish]

Abstract

Bayesian statistics is based on subjective probability. It works with evidence updating considering the knowledge acquired prior to an investigation, plus the evidence obtained thereof. Results' interpretation requires for the hypotheses to be tested to be specified and their a priori probability to be estimated before the study. Study evidence is measured with the Bayes factor (compatibility ratio of the data under the proposed hypotheses). The conjunction of hypotheses a priori probabilities with the Bayes factor allows calculating the a posteriori probability of each one of them. The hypothesis with the highest degree of certainty at its update is the one that is accepted for decision making. In this review, three examples of hypothesis to be tested are shown: difference of means, correlation and association.

La estadística bayesiana se basa en la probabilidad subjetiva, trabaja con la actualización de la evidencia considerando los conocimientos adquiridos previos a una investigación, más la evidencia obtenida con esta. La interpretación de los resultados requiere la especificación de las hipótesis por contrastar y su probabilidad a priori antes del estudio. La evidencia del estudio se mide con el factor Bayes (razón de la compatibilidad de los datos bajo las hipótesis propuestas). La conjunción de las probabilidades a priori de las hipótesis con el factor Bayes permite calcular la probabilidad a posteriori de cada una. La hipótesis con mayor grado de certidumbre en su actualización es la aceptada para la toma de la decisión. En esta revisión se muestran tres ejemplos de hipótesis por contrastar: diferencia de promedios, correlación y asociación.

Keywords: Bayes statistics; Bayesian analysis; Subjective probability.

Publication types

  • Review

MeSH terms

  • Bayes Theorem*
  • Data Interpretation, Statistical