Estadísticas Bayesianas

IBM® SPSS Statistics proporciona soporte para las siguientes estadísticas bayesianas.

Pruebas t de muestra única y par de muestras
El procedimiento de inferencia de una muestra bayesiana proporciona opciones para realizar una inferencia bayesiana sobre la prueba t emparejada de una muestra y dos muestras caracterizando distribuciones posteriores. Si tiene datos normales, puede utilizar una previa normal para obtener una posterior normal.
Pruebas de proporción binomial
El procedimiento Inferencia de una muestra bayesiana: binomial proporciona opciones para ejecutar la inferencia de una muestra bayesiana en una distribución binomial. El parámetro de interés es , que denota la probabilidad de éxito en un número fijo de ensayos que pueden conducir a un éxito o un fracaso. Tenga en cuenta que cada ensayo es independiente, y la probabilidad π sigue siendo la misma en cada ensayo. Una variable aleatoria binomial se puede ver como la suma de un número fijo de ensayos de Bernoulli independientes.
Análisis de distribución de Poisson
El procedimiento Inferencia de una muestra bayesiana: Poisson proporciona opciones para ejecutar la inferencia de una muestra bayesiana sobre la distribución de Poisson. La distribución de Poisson, un modelo útil para eventos raros, supone que dentro de intervalos de tiempo pequeños, la probabilidad de que se produzca un evento es proporcional a la duración del tiempo de espera. Se utiliza un previo de conjugado con la familia de distribución gamma al representar una inferencia estadística bayesiana en una distribución de Poisson.
Muestras relacionadas
El diseño de la inferencia de muestra relacionada bayesiana es bastante similar al de la inferencia de una muestra bayesiana en términos de manejo de las muestras emparejadas. Puede especificar los nombres de variable en pares y ejecutar el análisis Bayesiano en la diferencia de medias.
Pruebas T de muestras independientes
El procedimiento de inferencia de muestra independiente bayesiana proporciona opciones para utilizar una variable de grupo para definir dos grupos no relacionados y realizar una inferencia bayesiana sobre la diferencia de las dos medias de grupo. Puede estimar los factores bayesianos utilizando distintos enfoques y también caracterizar la distribución posterior deseada ya sea suponiendo que las varianzas sean conocidas o desconocidas.
Correlación por pares (Pearson)
La inferencia bayesiana sobre el coeficiente de correlación de Pearson mide la relación lineal entre dos variables de escala conjuntamente tras una distribución normal bivariada. La inferencia estadística convencional sobre el coeficiente de correlación ha sido ampliamente discutida y su práctica se ha ofrecido durante mucho tiempo en IBM SPSS Statistics. El diseño de la inferencia bayesiana sobre el coeficiente de correlación de Pearson le permite dibujar una inferencia bayesiana estimando factores bayesianos y caracterizando distribuciones posteriores.
Regresión lineal
La inferencia bayesiana sobre la regresión lineal es un método estadístico que se utiliza ampliamente en modelos cuantitativos. La regresión lineal es un enfoque básico y estándar en el cual los investigadores utilizan los valores de varias variables para explicar o predecir valores de un resultado de escala. La regresión lineal univariada Bayesiana es un enfoque a la regresión lineal donde se realiza el análisis estadístico dentro del contexto de la inferencia Bayesiana.
ANOVA unidireccional
El procedimiento ANOVA unidireccional bayesiana genera un análisis de varianza unidireccional para una variable dependiente cuantitativa respecto a una única variable de factor (independiente). El análisis de varianza se utiliza para contrastar la hipótesis de que varias medias son iguales. SPSS Statistics ofrece soporte a factores Bayes, previas de conjugación y previas no informativas.
Modelos de regresión loglineal
El diseño para probar la independencia de dos factores requiere dos variables categóricas para la construcción de una tabla de contingencia, y realiza una inferencia bayesiana sobre la asociación de fila y columna. Puede estimar los factores bayesianos asumiendo distintos modelos, y caracterizar la distribución posterior deseada simulando el intervalo creíble simultáneo para los términos de interacción.
ANOVA de medidas repetidas unidireccional
El procedimiento ANOVA de medidas repetidas unidireccional bayesiano mide un factor del mismo sujeto en cada punto del tiempo o condición distinto, y permite cruzar los sujetos dentro de los niveles. Se da por supuesto que cada sujeto tiene una sola observación para cada punto de tiempo o condición (como tal, la interacción de sujeto-tratamiento no se contabiliza).