Analisis bayesiano de los contrastes de hipotesis parametricos

  • José-Miguel Bernardo
Article

Resumen

En este trabajo se demuestra que las soluciones clásicas a los contrastes de hipótesis paramétricos son casos particulares de la solución Bayesiana a un problema de decisión con dos alternativas, en el que el incremento de utilidad por rechazar la hipótesis nula cuando es falsa es una función lineal de la discrepancia entre el modelo paramétrico aceptado y el más verosímil de los modelos compatibles con la hipótesis nula.

Palabras clave

Contraste de Hipótesis Distribución Predictiva Divergencia Logarítmica Teoría de la Decisión 

Clasificación AMS (1980)

Primaria, 62F03 Secundaria, 62C10 

A bayesian analysis of parametric hypothesis testing

Abstract

Classical solutions to parametric hypothesis testing are shown to be particular instances of the Bayesian solution to a decision problem with two alternatives, in which the increase in utility for rejecting a false null is a linear function of the discrepancy between the accepted parametric model and the more likely model under the null.

Key words

Decision Theory Hipothesis Testing Logarithmic Divergence Predictive Distribution 

AMS Classification (1980)

Primary, 62F03 Secondary 62C10 

Referencias

  1. BAYARRI, M. J. (1984).Contraste Bayesiano de Modelos Probabilisticos. Tesis Doctoral, Universidad de Valencia.Google Scholar
  2. BERNARDO, J.M. (1979a). Expected information as expected utility.Ann. Statist. 7, 686–690.MATHCrossRefMathSciNetGoogle Scholar
  3. BERNARDO, J.M. (1979b). Reference posterior distributions for Bayesian inference.J. Roy. Statist. Soc. B 41, 113–117 (con discusión).MATHMathSciNetGoogle Scholar
  4. BERNARDO, J.M. (1980). El concepto aproximación en la metodología estadística.Rev. Real Acad. Ciencias Madrid 74, 307–309.MathSciNetGoogle Scholar
  5. BERNARDO, J.M. (1982). Contraste de modelos probabilísticos desde una perspectiva Bayesiana.Trab. Estadist. 33, 16–30.MATHMathSciNetCrossRefGoogle Scholar
  6. BERNARDO, J.M., FERRANDIZ, J.R. y SMITH, A.F.M. (1985). The foundations of decision thoery: an intuitive, operational approach, with mathematical extensions.Theoty and Decision 19, 127–150.MATHCrossRefMathSciNetGoogle Scholar
  7. FERRANDIZ J.R. (1985a). Bayesian inference on Mahalanobis distance.Bayesian Statistics 2 (Bernardo J.M., DeGroot, M.H., Lindley D.V. and Smith A.F.M. eds.), 645–653. Amsterdam: North-Holland.Google Scholar
  8. FERRANDIZ, J.R. (1985b). Análisis Bayesiano del contraste T2 de Hotelling.Trab. Estadist. 36 (en prensa).Google Scholar
  9. FISHBURN, P.C. (1981). Subjective expected utility: a review of normative theories.Theory and Decision 13, 139–194.MATHCrossRefMathSciNetGoogle Scholar
  10. KULLBACK, S. (1959/1968).Information Theory and Statistics. New York: Wiley/New York: Dover.MATHGoogle Scholar
  11. KULLABCK, S. y LEIBLER, R.A. (1951). On information and sufficiency.Ann. Math. Statist. 22, 79–86.CrossRefGoogle Scholar
  12. LINDLEY, D.V. (1965).Introduction to Probability and Statistics from a Bayesian Viewpoint 2. Cambridge: University Press.Google Scholar
  13. SAVAGE, L.J. (1954/1972).The Foundations of Statistics. New York: Wiley/New York: Dover.MATHGoogle Scholar

Copyright information

© Springer 1985

Authors and Affiliations

  • José-Miguel Bernardo
    • 1
  1. 1.Departamento de Bioestadística, Universidad de ValenciaFacultad de MedicinaValencia

Personalised recommendations