Inferir significa actualizar lo que creemos al observar datos
La inferencia bayesiana representa la incertidumbre sobre parámetros o hipótesis con probabilidades y la actualiza cuando llegan datos. Parte de una distribución previa, la combina con la verosimilitud de lo observado y obtiene una distribución posterior. No entrega solo un número ganador: describe qué valores siguen siendo plausibles y con qué peso, dadas las suposiciones del modelo y la información disponible. Cada conclusión queda condicionada por el modelo, la previa y la calidad del proceso que produjo las observaciones.
El teorema de Bayes es la identidad matemática que hace posible la actualización; la inferencia bayesiana es un método completo para construir modelos, elegir previas, calcular posteriores, predecir y comprobar ajuste. Aplicar la fórmula a dos eventos sencillos no resuelve automáticamente un problema estadístico. Hay que decidir qué produce los datos, qué parámetros existen y qué información previa es defendible.
Las tres piezas y el papel de la evidencia
La previa p(θ) expresa incertidumbre antes de los datos actuales. La verosimilitud p(y|θ) indica cuán compatibles son los datos y con cada valor, sin ser una probabilidad de θ. La posterior es proporcional a su producto: p(θ|y) ∝ p(y|θ)p(θ). La constante que normaliza se llama evidencia o verosimilitud marginal y suma la compatibilidad a través de todos los valores posibles.
Una previa informativa concentra peso usando estudios anteriores o límites físicos; una débilmente informativa evita valores absurdos sin imponer una cifra estrecha. Ninguna previa es ausencia total de supuestos. Incluso declarar una distribución uniforme depende de escala: uniforme en una probabilidad no es uniforme en su logaritmo de probabilidades. La transparencia exige mostrar elección y comprobar cuánto cambia el resultado con alternativas razonables.
Un ejemplo donde la actualización puede verse
Queremos estimar la probabilidad θ de cara. Elegimos una previa beta que resume ensayos o conocimiento previo y observamos caras y cruces bajo un modelo binomial. La posterior vuelve a ser beta: sus parámetros incorporan los conteos. Si la previa equivale a pocas observaciones, muchos lanzamientos dominan; si contiene información fuerte, hacen falta más datos para moverla. Esa combinación se llama conjugación.
El ejemplo es limpio porque existe solución analítica, pero enseña límites. Lanzamientos pueden no ser independientes, la moneda puede cambiar o el registro sesgarse. Una posterior precisa bajo un modelo equivocado sigue siendo engañosa. Antes de admirar el cálculo hay que comprobar proceso generador. Simulaciones predictivas comparan datos que el modelo produciría con los realmente observados y revelan discrepancias que una media posterior oculta.
Un intervalo creíble habla de la posterior, no de repeticiones imaginarias
Un intervalo creíble del 95 % contiene el 95 % de probabilidad posterior bajo el modelo y los datos. Puede interpretarse directamente sobre el parámetro. Un intervalo de confianza frecuentista tiene otra definición: el procedimiento cubriría el valor verdadero en una proporción de muestras repetidas. Ambos pueden producir números parecidos, pero responder a filosofías y preguntas distintas.
La distribución predictiva integra incertidumbre de parámetros para anticipar una observación futura. No basta con insertar la media posterior: valores alternativos también contribuyen. En decisiones, una función de pérdida asigna consecuencias a errores y permite elegir acción. La inferencia describe incertidumbre; la decisión añade preferencias y costes. Mezclarlas sin declarar valores convierte una salida estadística en recomendación aparentemente objetiva.
Cuando la posterior no cabe en una fórmula
Modelos reales tienen miles de parámetros y la constante de normalización es intratable. Métodos Monte Carlo mediante cadenas de Markov generan muestras que, tras diagnóstico, aproximan la posterior. Hamiltonian Monte Carlo usa gradientes para explorar con eficiencia. La inferencia variacional busca una distribución sencilla cercana y suele ser más rápida, aunque puede infravalorar colas o dependencias.
Un algoritmo terminado no garantiza convergencia. Varias cadenas, tamaño efectivo de muestra, divergencias y autocorrelación muestran si la exploración fue suficiente. La geometría problemática puede exigir reparametrizar. Si una posterior multimodal no se recorre, miles de muestras repiten una región. El error computacional se suma al estadístico y debe comunicarse, sobre todo cuando pequeñas probabilidades cambian decisiones.
La gran ventaja es construir modelos que compartan información sin ocultar diferencias
Un modelo jerárquico estima grupos relacionados con parámetros propios y una distribución común. Un hospital con pocos casos toma información parcial del conjunto sin ser forzado a la media; uno con muchos datos conserva más independencia. Este pooling parcial evita extremos ruidosos y generaliza mejor. La estructura debe reflejar cómo se generaron los grupos, no añadirse solo porque mejora una métrica.
La práctica responsable compara previas, revisa predicciones, evalúa datos fuera de muestra y documenta decisiones. Bayes no convierte opinión en hecho: hace visibles supuestos que otros métodos también tienen. Tampoco garantiza causalidad; una asociación posterior depende del diseño. Su fuerza está en mantener incertidumbre durante todo el análisis y permitir que nueva evidencia la modifique, siempre dentro de un modelo que puede y debe ser criticado.
Comparar modelos mediante predicción exige evitar usar dos veces los mismos datos sin corrección. Validación cruzada y criterios predictivos estiman rendimiento fuera de muestra. La evidencia marginal puede comparar modelos, pero es sensible a previas sobre parámetros poco identificados. Ninguna puntuación sustituye revisar si las alternativas representan preguntas científicas plausibles.
