Sporathe knowledge network
ES
Universidad Nacional de Colombia

Bogotá - Ciencias - Maestría en Ciencias - Estadística · 2025

Variational inference for fully bayesian hierarchical linear models

Los modelos lineales jerárquicos bayesianos ofrecen un marco natural para capturar estructuras anidadas y de agrupamiento en los datos. La estimación clásica mediante Cadenas de Markov Monte Carlo (MCMC) proporciona distribuciones posteriores bien calibradas, pero con un alto costo computacional, a menudo prohibitivo en escenarios de gran escala o alta dimensión. En contraste, la Inferencia Variacional (VI) y su variante estocástica (SVI) han surgido como alternativas eficientes, basadas en la optimización y no en el muestreo. Su rapidez, sin embargo, se logra a expensas de la calidad de la aproximación, especialmente en contextos jerárquicos cuando la separación intrinseca de los grupos no está marcada a priori. Esta tesis evalúa críticamente las ventajas y desventajas de ambos paradigmas a lo largo de diferentes niveles de complejidad: el Modelo de Regresión Lineal (LRM), el Modelo Jerárquico (HLRM) y el Modelo Jerárquico con Agrupamiento (CHLRM). Los estudios de simulación y la aplicación a datos reales muestran que VI y SVI reproducen efectos globales y patrones de agrupamiento con un tiempo de cómputo mínimo, pero distorsionan sistemáticamente las dependencias posteriores y generan valores inestables en criterios de información como WAIC y DIC. El aporte de este trabajo consiste en clarificar la diferencia de alcance entre la inferencia basada en muestreo y la basada en optimización, destacando los contextos en que los métodos variacionales pueden actuar como sustitutos prácticos de MCMC y aquellos en los que sus limitaciones son críticas. Más allá de la comparación metodológica, la tesis cumple también un papel pedagógico al hacer accesible la computación bayesiana avanzada, y señala futuras extensiones bajo el mismo marco variacional hacia modelos lineales generalizados (GLM) y otros miembros de la familia exponencial. (Texto tomado de la fuente)

Full text 117 pages with text

Read the full thesis Record in the repository

Its library's thesaurus