Calcula la tasa de error posterior de un experimento bayesiano a partir de éxitos y fallos observados y de una previa beta. El resultado resume la probabilidad esperada de fallo después de combinar evidencia previa y datos actuales, junto con la tasa de éxito posterior, el tamaño efectivo y el cambio frente a la tasa observada.
La tasa de error posterior es la fracción esperada de resultados fallidos bajo la distribución beta posterior. Permite suavizar muestras pequeñas mediante información previa.
No interpreta por sí sola el coste de un error. Una tasa pequeña puede seguir siendo inaceptable si cada fallo tiene consecuencias elevadas.
Con 90 éxitos, 10 fallos y Beta(1,1), la posterior es Beta(91,11). La tasa de error posterior es 11/102, aproximadamente 10,8 %.
No necesariamente. La tasa posterior incorpora alfa y beta de la distribución previa además de los datos observados.
La estimación posterior se moverá menos ante una muestra nueva pequeña porque la previa aporta más peso efectivo.
Sí, siempre que haya observaciones. La previa evita una estimación exactamente igual a cero cuando beta previa es positiva.
Compara sus tasas posteriores y, si la decisión es importante, también la incertidumbre de cada posterior.
No. Aquí error significa resultado fallido esperado, no los errores de contraste de hipótesis tipo I o tipo II.
| Elemento | Uso |
|---|---|
| Entradas | Definen el escenario que se va a analizar. |
| Resultado principal | Resume la métrica central para la decisión. |
| Resultados secundarios | Ayudan a interpretar precisión, capacidad o brecha. |