Introducción a la Inferencia Bayesiana para la Salud Pública en Python

La flexibilidad en el diseño y creación de modelos estadísticos es fundamental para el análisis de datos científicos. PyMC es un software de estadística Bayesiana basado en Python que permite la implementación de modelos estadísticos programándolos desde su estructura base. PyMC provee docenas de distribuciones estadísticas y funciones matemáticas, además de protocolos de tensorización (vía pytensor), diferentes tipos de muestreos (e.g. MCMC), entre otras funciones. De este modo, PyMC puede usarse como una herramienta eficaz para resolver todo tipo de problemas estadísticos en salud pública, desde procesos de Poisson hasta modelos de ecuaciones diferenciales.

Entregar los conocimientos básicos para diseñar y muestrear modelos bioestadísticos en PyMC, desde la estructura matemática del modelo hasta resultados y gráficas

• Procesamiento de datos, workflow Bayesiano: diseño de estructura de modelos, prior predictive checks, sampleo con Hamiltonian Montecarlo (HMC), interpretación de distribuciones posteriores, posterior predictive checks.
• Reporte de resultados a través de tablas y gráficos

Se mostrará el uso de PyMC y se aplicará a problemas específicos en salud pública. Se aplicará el proceso en un workflow Bayesiano para obtener inferencia científica interpretable de los resultados.

Estudiantes, profesores y profesionales del ámbito de las ciencias biomédicas interesados en el aprendizaje del software PyMC para realizar la gestión y el análisis de sus datos.

Clases expositivas teórica .

Realización de ejercicios prácticos con apoyo de material didáctico y asistencia docente. Realización de ejemplos prácticos para su desarrollo en horas fuera de clases.

Material audiovisual/escrito de apoyo al aprendizaje.

• Este curso es evaluado