Aplicaciones sobre teoría Bayesiana hechas en shiny por estudiantes de tercer año de Estadística de la Universidad de Costa Rica.
Aplicación | Autores y colaboradores | Objetivo | Versión |
---|---|---|---|
App 1 | Keiry Monge, Priscila Rivera, Jerson Girón | Observar los cambios en la priori, posteriori y en la distribución de los datos al cambiar los parámetros de estas | Beta |
App 2 | Alejandro Martínez, Pablo Durán y Lilliana Miranda | Observar los cambios en la priori y posteriori cuando los datos se distribuyen Bernoulli y se cambian los parámetros | Beta |
App 3 | Adrián Gutiérrez, Alison Bravo, Ericka Valerio y Mónica Quirós | Observar el comportamiento de prioris conjugadas al cambiar sus parámetros | Beta |
App 4 | Manrique Chacón, Sebastián Flores, Allan Martínez y Nayely Marquez | Entender la aplicación del Teorema de Bayes | Beta |
App 5 | Andrea Alfaro, Fabiola Salazar, Mónica Castrillo y Margarita Rojas | Observar la posteriori, priori y magnitud de los datos así como el intervalo de credibilidad al cambiar los parametros de una gamma | Beta |
App 6 | Steven Ávila, Priscilla Bogantes, Jesús Reyes y Marcos Scott | Observar los cambios en la priori, posteriori e intervalos de credibilidad bilateral y unilateral al cambiar los parámetros de la distribución a priori | Beta |
App 7 | Adan Canales, David Hernández, Paula Mesén, María Fernández, Pedro Campos, Sury Chavarria, Daniely Hernandez, Julissa Méndez, Joshua Salazar | Intervalos de credibilidad de máxima densidad posteriori (HPD) vs Intervalos de credibilidad de colas iguales | Final |
App 8 | Jose Flores, Jesús Herrera, Kimberly Arrieta y José Rojas | Identificar cómo afecta el tamaño de muestra a la distribución posteriori | Beta |
App 9 | Amram Aragom, Rebeca Gamboa, Silvia Solera y Maria Solís | Visualizar las distribuciones previas y posteriores conjugadas de una distribución Gamma con una muestra exponencial o poisson y su factor de bayes y estimador de bayes | Beta |
App 10 | Brian Arias, Fabián Parra, Jimena Ruíz y Paola Zamora | Observar si la densidad tanto de la priori como la posteriori se va encogiendo, o por el contrario si está se hace más ancha al modificar los valores de los hiper parámetros α y β de la distribución a priori | Beta |
App 11 | Noelia Jiménez, Diego Leal, Antonio Loría, Patrick Santamaría, Alejandro Fallas y Moises vargas | Observar el cambio en la distribución posterior cuando se toma una gamma inversa como previa y una muestra Normal para modelar la variancia | Final |
App 12 | Daniela Chavarria, Jazmin Ceciliano, Katherine Sandí, Gabriel Barrios, Julio Madrigal, Nancy Gracía, Chau Lung, Isabel Jugo y Carlos Quirós | Observar los cambios sobre una Gamma como priori cuando se tienen datos provenientes de una Poisson y se varían los parámetros de ambas distribuciones | Final |
App 13 | Johan Fonseca, Hazel Quesada, Diego Quirós, Gabriel Zarate, Andrea Vargas, Odette Silesky, Raquel González, Mario Mora y Alcides Arroyo | Observar el cambio en el factor de Bayes y su interpretación al cambiar los parámetros de las distribuciones | Final |
App 14 | Maripaz Venegas, Dayana Gómez, Katherine Fernández y José Jaikel | Observar los cambios en la priori, posteriori y la distribución de los datos al cambiar los parámetros y el tamaño de muestra | Beta |
App 15 | Jason Bryer, Pablo Aguilar, Paula Rodriguez, Elizabeth Olaya y Josué Baltodano | Observar el comportamiento de la distriibución a priori y a posteriori, entre otras cosas, al hacer varias interaciones tomando como caso una partida de pool | Final |
Créditos:
-
Revisión de código y organización de apps: Andrea Vargas y Luis Diego Quirós Gómez.
-
Profesores a cargo: Marcela Alfaro Córdoba, Shu Wei Chou Chen, y Andrés Arguedas.
-
Ud puede encontrar una descripción del proyecto en esta presentación.