Estimación de densidades mediante mezclas controladas por el proceso de Dirichlet

La estimación de densidades es un tema de mucha relevancia en el área
de la Estadística. Existen al menos dos métodos para abordar este problema.
Por un lado, el enfoque paramétrico asume un modelo de probabilidad para la
muestra bajo estudio; mientras que el enfoque no–paramétrico busca relajar
estos supuestos a costa de una modelización más compleja y flexible.
Independientemente de los métodos de estimación mencionados, se pue-
den considerar dos enfoques a la hora de abordar cualquier problema en
Estadı́stica, en particular el de la estimación de densidades. Estos son: el en-
foque clásico y el bayesiano. En este trabajo haremos revisión de una técnica
no paramétrica bayesiana.
Desde un punto de vista bayesiano, para estimar una distribución, se
requiere establecer una distribución a priori en el espacio de las medidas de
probabilidad. El Proceso de Dirichlet cumple con esta función.
Comenzamos presentando al Proceso de Dirichlet como una medida de
probabilidad aleatoria, para luego estudiar en detalle los modelos de mezcla
controlados por este proceso.
Analizamos en detalle la implementación computacional de esta técnica,
comparando su desempeño con el de otras técnicas en datos simulados y
reales. Como aplicación interesante realizamos un análisis de temperaturas
máximas en el territorio Uruguayo

Recuerden que todas las presentaciones y el programa tentativo de las próximas
charlas está disponible en https://github.com/natydasilva/SIESTA