
Inferencia bayesiana y el método de máxima entropía
Teoría, computación y aplicaciones en econometríaBy Juan Esteban Jacobo VásquezLength23h 21m
About this audiobook
Este libro hace un análisis detallado de los métodos de máxima entropía y de inferencia bayesiana en econometría. La primera parte del libro explora los fundamentos teóricos que resaltan la generalidad y flexibilidad que ofrece el enfoque bayesiano y el principio de máxima entropía en los problemas de inferencia estadistica. La primera parte del libro también contrasta la aproximación bayesiana con la frecuentista y muestra algunos de los problemas que existen con el enfoque tradicional de la econometría. La segunda parte del libro muestra cómo llevar el enfoque bayesiano a la práctica utilizando una gran variedad de ejemplos relaciona- dos con problemas de series de tiempo, corte transversal, modelos de estado espacio y modelos semi-paramétricos. Además de ofrecer una presentación detallada de la teoría y aplicaciones del enfoque bayesiano, el libro incluye el código y las bases de datos con los cuales replicar al extender cada uno de sus ejemplos.
Audiobook details
GenreScience and Nature
Length23 hrs 21 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateSep 24, 2025
LanguageSpanish
Table of contents
1Teoría, computación y aplicaciones en econometría
2JUAN ESTEBAN JACOBO VÁSQUEZ
3477 páginas : gráficas.
4CAPÍTULO 3. Teoría de la información y el principio de máxima
5ÍNDICE DE FIGURAS
Show all chaptersShow less
65.13. Algoritmo del Monte Carlo Hamiltoniano.
7ÍNDICE DE FIGURAS xiii
8xiv ÍNDICE DE FIGURAS
9PREFACIO
10Evidencia).
11PREFACIO xix
12xx PREFACIO
13PREFACIO xxi
14Agradecimientos
15CAPÍTULO 1
16FUNDAMENTOS DE LA TEORÍA DE LA PROBABILIDAD
17Probabilidad como extensión de la lógica deductiva
18Inferencia bajo certeza y bajo incertidumbre
19y su inversa:
20↓ entonces B se hace menos plausible.
21Probabilidad como extensión de la lógica deductiva
22Reglas de la probabilidad
23“creencia condicional de A cuando B es cierto”.
242.1. Reglas cuantitativas de pensamiento racional
25C) cuando w1(A |
261 para cualquier r <
27− P(B
28P(B) = P(“A y B”) + P(“no A y B”)
29= constante
30Hn
31A
32¯B
331 y por el hecho de que P(B
34P(A P(B
35“un estudiante hace un tiroteo en un colegio”.
36B) + P(A
37P(A). Es decir:
38Reglas de la probabilidad
39Ejemplos
40tal que:
41Ejemplo 1.2
42A A B C
43Ejemplos
44¯G
45B
46Denote F1( ·
47Integrando se obtiene:
48C)w(B
49∂ H ∂x ∂ H ∂y
50Teoría de la medida y la probabilidad