Entregar los conocimientos básicos para diseñar y muestrear modelos bioestadísticos en PyMC, desde la estructura matemática del modelo hasta resultados y gráficas

• Procesamiento de datos, workflow Bayesiano: diseño de estructura de modelos, prior predictive checks, sampleo con Hamiltonian Montecarlo (HMC), interpretación de distribuciones posteriores, posterior predictive checks.
• Reporte de resultados a través de tablas y gráficos

Se mostrará el uso de PyMC y se aplicará a problemas específicos en salud pública. Se aplicará el proceso en un workflow Bayesiano para obtener inferencia científica interpretable de los resultados.

Estudiantes, profesores y profesionales del ámbito de las ciencias biomédicas interesados en el aprendizaje del software PyMC para realizar la gestión y el análisis de sus datos.

• Conocimientos básicos de Estadística Bayesiana.
• Uso del lenguaje Python

Se solicita pago de honorarios para el profesor Simón Busch-Moreno.