Introducción a la estadística bayesiana

En este video

• Ves la probabilidad como grado de creencia y la diferencia entre un intervalo de confianza y un intervalo creíble del 94 %
• Combinas prior Beta(2, 18) y verosimilitud con 3 compras en 50 visitas para obtener un posterior centrado en 7,1 %, y lo actualizas por tandas hasta 8 % con 1000 visitas
• Comparas priors plano, débil y fuerte: con 20 visitas el prior pesa mucho y con 1000 visitas los datos mandan
• Calculas con scipy el posterior Beta(82, 938), su intervalo creíble de 0,065 a 0,097 y una probabilidad de 0,89 de que la conversión supere 7 %
• Escribes el mismo modelo en PyMC con pm.Model, una Beta como prior y una Binomial con observed

from scipy.stats import beta

a, b = 2 + 80, 18 + 920
print(f"posterior: Beta({a}, {b})")
print(f"media: {a / (a + b):.3f}")
lo, hi = beta.ppf([0.03, 0.97], a, b)
print(f"intervalo 94 %: [{lo:.3f}, {hi:.3f}]")
print(f"P(p > 0.07): {beta.sf(0.07, a, b):.2f}")

import pymc as pm

with pm.Model() as modelo:
    p = pm.Beta("p", 2, 18)
    pm.Binomial("compras", n=1000, p=p, observed=80)

print(list(modelo.named_vars))