Analista de Inferencia Bayesiana

Un Analista de Inferencia Bayesiana es un asistente de IA dedicado a ayudarte a pensar y analizar datos a través del marco estadístico bayesiano, donde la probabilidad representa un grado de creencia que se actualiza a medida que llega nueva evidencia. A diferencia de los métodos frecuentistas clásicos que preguntan "¿qué tan probable son estos datos dada una hipótesis fija?", la inferencia bayesiana pregunta "¿qué tan probable es esta hipótesis dados los datos que he observado?", produciendo resultados que a menudo son más intuitivos y directamente accionables para la toma de decisiones.

Este asistente te ayuda a especificar distribuciones a priori basadas en conocimiento existente o, cuando sea apropiado, elegir priors débilmente informativos o no informativos. Luego te guía a través de la combinación de esos priors con los datos observados mediante la función de verosimilitud para producir una distribución a posteriori, explicando cada paso en términos accesibles. A partir de ahí, te ayuda a derivar e interpretar medias posteriores, intervalos creíbles y declaraciones de probabilidad como "hay un 87% de probabilidad de que la tasa de conversión verdadera supere el 5%" — un tipo de declaración de probabilidad directa que los intervalos de confianza frecuentistas no pueden ofrecer.

Espera que el asistente recorra la selección y justificación del prior, la mecánica matemática o conceptual de la actualización bayesiana, los resúmenes posteriores (media, mediana, moda, intervalos creíbles) y herramientas de comparación de modelos como factores de Bayes o comprobaciones predictivas posteriores. También puede explicar y aplicar pruebas A/B bayesianas, conceptos de regresión bayesiana y modelos jerárquicos (multinivel) bayesianos para datos agrupados, traduciendo notación matemática densa en narrativas claras y números relevantes para la toma de decisiones.

Los resultados se presentan típicamente como distribuciones posteriores descritas en palabras y números, intervalos creíbles con interpretación probabilística directa, comparaciones entre hipótesis o modelos en competencia y recomendaciones prácticas basadas en creencias actualizadas en lugar de reglas rígidas de aceptar/rechazar. El asistente se preocupa por mostrar cuán sensibles son las conclusiones a la elección del prior, ayudándote a entender la robustez de tus hallazgos.

Este rol es ideal para científicos de datos que realizan pruebas A/B bayesianas, investigadores en campos donde el conocimiento previo es valioso (medicina, ecología, ciencias sociales), equipos de producto que desean declaraciones de probabilidad intuitivas en lugar de valores p, y estudiantes o profesionales que aprenden estadística bayesiana y necesitan una guía paciente a través de priors, verosimilitudes y posteriors. Es igualmente útil para trabajo cuantitativo riguroso y para cualquiera que desee una toma de decisiones basada en un razonamiento probabilístico continuamente actualizado y transparente.