Charlas:

Andrea Paula Goijman.

Modelos de ocupación multi-especie con enfoque bayesiano: una herramienta valiosa para estudios de biodiversidad en ecología

• • Resumen: Gran parte de los estudios basados en observaciones de fauna y flora ignoran que existe una detección imperfecta de los organismos. Los modelos de ocupación tienen en cuenta las probabilidades de detección imperfecta, donde si una especie no es observada en un punto, puede ser que esté ausente o bien que no haya sido detectada. Estos modelos pueden ser implementados con un enfoque frecuentista, pero en ocasiones resultan limitados. En estudios de comunidades, los enfoques bayesianos son muy valiosos porque permiten modelar todas las especies en conjunto, al tiempo que se evalúan los efectos de otras variables. Estos modelos jerárquicos de ocupación multi-especie permiten, además de modelar la detección imperfecta de especies, mejorar la inferencia al compartir información entre especies, lo cual es especialmente importante para aquellas detectadas con menor frecuencia. A su vez, permite la incorporación de un componente jerárquico de la comunidad en el modelo, donde los parámetros a nivel de especie son tratados como efectos aleatorios guiados por covariables. En este trabajo, mostraré cómo se puede aplicar un enfoque Bayesiano para estudiar comunidades de aves en agroecosistemas mediante modelos de ocupación multi-especie a lo largo de varios años. Es mi intención difundir esta metodología mostrando otras aplicaciones en estudios de biodiversidad en el campo de la ecología.
• • Bio: Instituto Nacional de Tecnología Agropecuatria, La Consulta - Mendoza, Argentina

Nicolás Alejandro Comay

Abordaje Bayesiano a la toma de decisiones perceptuales y su confianza asociada

• • Resumen: Los seres humanos constantemente tomamos decisiones en contextos de incerteza. Estas decisiones no ocurren aisladas: un cierto grado de confianza en haber decidido correctamente las acompaña. En el laboratorio estos procesos de decisión y confianza son estudiados experimentalmente utilizando tareas perceptuales. En estas tareas los participantes se enfrentan a estímulos perceptuales y deben tomar decisiones en base a los mismos, reportando a su vez el grado de confianza en haber decidido correctamente. Los datos experimentales obtenidos luego se comparan cuantitativamente con las predicciones de diversos modelos propuestos para estos procesos. En esta charla se propone desarrollar cómo los modelos Bayesianos, particularmente, pueden ser útiles para dar cuenta de cómo los seres humanos: 1) percibimos el mundo externo; 2) tomamos decisiones en base a nuestra información sensorial; 3) asignamos un determinado grado de confianza en dichas decisiones. Para ello se presentará en primer lugar una introducción a los modelos Bayesianos para la toma de decisiones humanas. Luego, se desarrollará un ejemplo concreto de aplicación del modelado Bayesiano a una tarea experimental de toma de decisiones perceptuales con reportes de confianza. Finalmente, se debatirá sobre el grado de evidencia que actualmente tienen los modelos Bayesianos como modelo del proceso de decisión y confianza de los seres humanos.
• • Afiliación: Universidad Nacional de Córdoba, Córdoba, Argentina

Javier Arellana

Bayesian retrieval scheme and its application to Cassini Mission SAR observations in an area of Titan, Saturn's largest moon.

• • Resumen: Bayesian retrieval scheme and its application to Cassini Mission SAR observations in an area of Titan, Saturn's largest moon. In this work, a Bayesian retrieval scheme and its application to Cassini Mission SAR observations in an area between the Belet and Senkyo regions of Titan, Saturn's largest moon, will be presented. The scheme can estimate the Titan's surface parameters, and is based on the Small Perturbation Model (SPM) electromagnetic scattering model. The model assumes a stratified soil composed of two rough interfaces. Model parameters are different geometric and dielectric characteristics of Titan’s terrain. The overall retrieval scheme was implemented using PyMC, adopting the scattering model as the mean of the Likelihood. Using this retrieval scheme and the values of the backscattering coefficient and surface emissivity observed by the Cassini Huygens mission radar, the PDFs of the different geophysical parameters were estimated. Then, considerations about Titan’s surface were discussed. These analyses were based on the complete posterior probability distribution for every set of observations. Although these distributions showed considerable variance, it was feasible to determine which parameter combinations succeeded/failed to describe Titan's surface scattering properties despite the scarcity of the available data. Therefore, although in general it was not possible to univocally determine Titan's geophysical characteristics, it is possible to exclude ranges of surface parameters values which are impossible according to the available observations. Finally, based on synthetic data and the inference model, modifications for a future radar were proposed to better disambiguate the inference problem.
• • Afiliación: Instituto de Astronomía y Física del Espacio, Capital Federal, Argentina

Yasmín Elena Navarrete Díaz

Sistemas frágiles: una formulación bayesiana de la teoría cuántica.

• • Resumen: Se presenta una reconstrucción del formalismo de la teoría cuántica a partir de la aplicación de la teoría de probabilidad Bayesiana a los sistemas "frágiles", esto es, sistemas que resultan afectados por la medición. En estos sistemas, dos mediciones consecutivas no conmutan, es decir, producen distinto resultado dependiendo del orden en que son ejecutadas. Los espacios de Hilbert complejos, los operadores que no conmutan y la regla de la traza para los valores de expectación cuánticos aparecen de forma natural mediante el uso del álgebra lineal para resolver ecuaciones integrales que involucran probabilidades clásicas sobre un conjunto de variables ocultas. También comentaremos la relevancia de nuestros resultados en el caso de variables ocultas no locales, donde es posible producir violaciones del teorema de Bell, y detallaremos el límite no frágil de la teoría, caso en el cual todas as mediciones conmutan y la teoría se vuelve análoga a la estadística clásica.
• • Afiliación: Ciencia Activa, Santiago, Chile

Gabriel A. Alzamendi

Métodos basados en inferencia Bayesiana para la evaluación de los mecanísmos vocales de la fonación humana.

• • Resumen: In this exposition, we will summarize different efforts in our group dedicated to developing new computational methods integrating physiological modeling and Bayesian inference for estimating clinically-relevant variables describing underlying mechanisms in typical and impaired human phonation. First, we will discuss why Bayesian estimation approaches are well-suited for the model-based assessment of biomedical processes. Key aspects to address will be the inherent solid theoretical framework, the advantage of incorporating a priori available information, and the possibility of obtaining desired information from (e.g., noisy, uncertain) clinical observations. Physiological models describing the salient phenomena and physical interactions provide the basis for obtaining the required a priori information. Then, we will introduce two original works in our research group that focus on combining physiological modeling and signal processing techniques for the clinical assessment of human phonation. We will present a state-space structural representation and Kalman filter scheme for analyzing the perturbed pitch period contours in voice signals. We will illustrate the results from the structural analysis of normal and pathological period contours. In addition, we will introduce a Bayesian estimator of vocal function measures based on the Extended Kalman filter and a biomechanical muscle-controlled model of the vocal folds. We will address a clinical study case with the non-invasive estimation of intrinsic muscle activation and subglottal pressure. The exposition will conclude by depicting ongoing efforts studying hierarchical stochastic models and constrained inference.
• • Afiliación: Universidad Nacional de Entre Rios, Paraná, Argentina

Luciano Moffatt

Modelado Bayesiano Computacional de Sistemas Biológicos.

• • Resumen: El modelado Computacional de Sistemas Biológicos provee de una guía para traducir conocimientos biológicos en ecuaciones matemáticas que dan lugar a modelos computacionales especialmente construidos para predecir resultados experimentales. De este modo se puede calcular la evidencia que los datos experimentales proveen a hipótesis alternativas. En la charla mostraré como esta metodología fue aplicada con éxito en Inmunología y en Neurociencias. También hablaré de los distintos métodos para calcular la evasiva Evidencia Bayesiana.
• • Afiliación: Instituto de Química, Física de los Materiales, Medioambiente y Energía - Capital Federal - Argentina

Martin Lillo

El sentido de la evidencia en la epistemología bayesiana.

• • Resumen: El concepto de evidencia resulta fundamental para la filosofía de la ciencia y la epistemología. A partir de la propuesta tripartita del conocimiento como creencia verdadera justificada, el problema de cómo conocemos se traslada, en parte, a cómo justificamos nuestras creencias. En este punto, la epistemología bayesiana tracciona entre dos problemas tradicionales en epistemología, la naturaleza de la evidencia y la actualización de las creencias. En esta charla proponemos abordar, en primer lugar, estos problemas epistemológicos, los alcances y los sub-problemas que generan al momento de justificar una creencia. En segundo lugar trataremos las respuestas que se brindan desde un enfoque bayesiano: 1) la naturaleza proposicional de la evidencia; 2) el coherentismo como teoría de justificación. Posteriormente, esbozaremos las principales dificultades que se presentan con esta perspectiva bayesiana. Finalmente, concluimos argumentando que la epistemología bayesiana trata de manera especial la evidencia y con ello mejora el entendimiento de la justificación de nuestras creencias y, por lo tanto, reajusta problemas dentro de la epistemología y la filosofía de la ciencia.
• • Afiliación: Universidad Católica de Cuyo y Ministerio de Educación San Juan - San Juan - Argentina

Tomás Olego

Métodos robustos Bayesianos Generalizados para los modelos de regresión logística.

• • Resumen: El presente trabajo estudia los diferentes avances de los últimos 15 años en el campo de la Economía, la Estadística y el Machine-Learning que permiten hablar de la existencia de métodos bayesianos robustos. Por un lado, el trabajo unifica dentro de un mismo marco teórico, notación y resultados recientes que permiten hablar de una estadística robusta bayesiana. Además, genera un modelo de regresión logística multinomial robusta bayesiana a partir de los métodos de la inferencia variacional basados en funciones de pérdidas robustas y fundamentados por la validez bayesiana de los posteriors generalizados. De esta manera, es posible representar de forma generalizada la actualización de creencias en un modelo de datos discretos sin abandonar el criterio de Utilidad Esperada y al mismo tiempo representar nuestras creencias en forma de distribución de probabilidad subjetiva robusta. Para ello, se adapta la función de pérdida a partir de las familias de divergencia estudiadas por Ghosh y Futami y se utilizan las técnicas de inferencia variacional para computar el posterior. Luego se estudia la robustez resultante del modelo mediante simulaciones computacionales. Finalmente, se aplica el modelo al caso de las Elecciones Nacionales PASO 2019 en la Provincia de Buenos Aires para la categoría de Presidente, comparando sus resultados con métodos robustos frecuentistas y modelos clásicos bayesianos computados con el Método de Monte Carlo.
• • Afiliación: Fundación Bunge y Born - Universidad Nacional de Rosario - Argentina

Hossein Dinani

Bayesian estimation for quantum sensing..

• • Resumen: Sensors based on individual quantum systems combine high sensitivity and spatial resolution in measuring physical quantities such as temperature, magnetic and electric field [1]. Quantum information protocols, such as quantum phase estimation, have been widely used to enhance the performance of quantum sensors. Such protocols have relied on detection of the quantum sensor in a single shot where the two states of the quantum system can be determined only with a single measurement. However, in most practical applications only an averaged readout is available, as in the case of room-temperature sensing with the electron spin associated with a nitrogen-vacancy center in diamond. Typically, in such cases many measurements are performed on the quantum system and the measurement results are converted into a binary outcome by using a threshold.
  We show that, even in the case that single shot readout is not available, Bayesian estimation provides a natural way to efficiently use the available information. We apply Bayesian analysis to achieve an optimized sensing protocol for estimating a time-independent magnetic field with a single electron spin associated to a nitrogen vacancy center at room temperature and show that this protocol improves the sensitivity over previous protocols by more than a factor of 3 [2].
  [1] C. L. Degen, F. Reinhard, and P. Cappellaro, Rev. Mod. Phys. 89, 035002 (2017).
  [2] H. T. Dinani, D. W. Berry, R. Gonzalez, J. R. Maze, C. Bonato, Phys. Rev. B 99, 125413 (2019).
• • Afiliación: Universidad Mayor - Santiago - Chile

Sergio Michael Davis Irarrázabal

Probabilidad bayesiana a partir de la estimación plausible de cantidades.

• • Resumen: La probabilidad Bayesiana es usualmente justificada a partir de los axiomas de Richard T. Cox (1948), los cuales son requerimientos para la plausibilidad de una proposición lógica. A partir de estos axiomas es posible deducir la regla de la suma y del producto de la probabilidad. Por otro lado, en este trabajo se muestra cómo deducir estas reglas (suma y producto) a partir de la idea de estimación de una cantidad desconocida y algunos postulados que definen esta operación. El resultado es una justificación alternativa a la de Cox para las probabilidades Bayesianas, en que éstas son estimaciones de las funciones indicador asociadas a las proposiciones lógicas. Se presentarán ejemplos de cómo este tratamiento puede resultar más natural y en la práctica permitir ciertas demostraciones en la teoría de probabilidad de manera más directa.
• • Afiliación: Comisión Chilena de Energía Nuclear - Santiago - Chile

Diego Javier Ramón Sevilla

Regresión bayesiana para el análisis de series temporales con apilamiento en Astronomía de rayos X.

• • Resumen: En Astronomía de rayos X los datos observacionales se obtienen mediante CCDs (Charge Coupled Devices) que captan fotones en forma individual. En cada lectura el dispositivo cuenta las huellas de carga eléctrica que los fotones dejan en los píxeles que componen su superficie. Dado que el fenómeno de captura de un fotón por el dispositivo es un suceso aleatorio, y que habitualmente el flujo de fotones es muy bajo -del orden de un fotón promedio por lectura-, la distribución de probabilidad que describe dicho proceso es la de Poisson. Sin embargo el número de cuentas -es decir, las huellas que los fotones dejan en el CCD entre lecturas- es usualmente menor al número de fotones colectados, ya que puede ocurrir que más de un fotón incida en el mismo píxel o en píxeles contiguos, de forma que resulte una única huella, efecto conocido como apilamiento. En general los datos que presentan apilamiento suelen ser evitados o descartados a fin de no distorsionar las estadísticas. Sin embargo esto no siempre es posible, en particular cuando se trata de identificar o caracterizar fenómenos muy sutiles. En este trabajo presentamos una distribución de probabilidad obtenida a partir de la distribución de Poisson que considera el efecto del apilamiento y lo aplicamos a un método de regresión bayesiana de funciones continuas a trozos. El objetivo es contar con un código para ser aplicado a series temporales capaz de caracterizar variaciones pequeñas de la tasa de colección de fotones en datos que presentan apilamiento.
• • Afiliación: Universidad Nacional de Rosario - Santa Fe - Argentina

Gonzalo Ríos

Bayesian Machine Learning Applied to Marketing.

• • Resumen: Los modelos conocidos como Marketing Mix Modeling (MMM) buscan medir el impacto de diferentes variables de marketing sobre las ventas, con el fin de ayudar a las empresas a tomar decisiones óptimas. Las variables más importantes a considerar son la inversión en medios, el precio, la distribución, las acciones de la competencia y las variables macroeconómicas. Con un buen modelo de MMM, es posible optimizar las ventas, dadas las restricciones presupuestarias, encontrando el mix óptimo de inversión en medios bajo diferentes escenarios.
  Sin embargo, la construcción del modelo presenta una gran dificultad, ya que es un problema de regresión no lineal sobredeterminado, lo que significa que la cantidad de parámetros puede ser del mismo orden o superior a la cantidad de datos disponibles. Los enfoques estadísticos clásicos no son adecuados debido al enorme espacio de modelos posibles (cientos de parámetros). Por lo tanto, el enfoque bayesiano juega un papel fundamental para manejar la construcción de los modelos. Esto se logra mediante la incorporación de información a priori sobre los parámetros y otras cantidades de interés, la inclusión de componentes no paramétricos basados en procesos gaussianos para modelar los efectos implícitos y la aplicación de métodos bayesianos de entrenamiento.
  En esta presentación, se hará una introducción a los MMM y se explicará cómo aplicar el enfoque bayesiano en la práctica.
• • Afiliación: Noisegrasp - Santiago - Chile

Albert Ortiz

Aplicación de métodos bayesianos en ingeniería estructural.

• • Abstract: La ingeniería estructural modela previamente el comportamiento de estructuras civiles para prever sus posibles demandas. La inferencia bayesiana permite, mediante modelos probabilísticos, incorporar la incertidumbre relacionada a los modelos y sus parámetros. En esta charla se presentan diversas aplicaciones de la inferencia bayesiana en la ingeniería estructural. Una de las aplicaciones se centra en la variabilidad de las propiedades mecánicas del concreto y el acero de refuerzo en Colombia. Se utilizó una base de datos experimental que incluye pruebas axiales monotónicas en barras de acero y pruebas de compresión axial en concreto. A través de la librería PyMC3 de Python y los datos experimentales se ajustó el modelo de Raynor de la curva tensión-deformación monotónica del acero, así como las ecuaciones propuestas por los códigos de construcción colombianos y ACI 318-19 para Ec. En otra aplicación se realizó el ajuste paramétrico de modelos estructurales y la cuantificación de su incertidumbre a través de la librería BILBY de Python para ajustar el modelo de elementos finitos correspondiente a un edificio de hormigón armado de cinco plantas. En la tercera aplicación se evaluaron modelos de interacción humano-estructura con el objetivo de obtener un modelo menos complejo, que pueda aplicarse en las metodologías de diseño, logrando así diseños más seguros ante la variabilidad en las solicitaciones antropogénicas.
• • Afiliación: Universidad del Valle - Cali - Colombia