El proyecto tiene como meta buscar soluciones bayesianas objetivas en problemas de selección de múltiples modelos, extendiendo a más de dos modelos la metodología de las distribuciones a priori integrales que hemos venido desarrollando gracias a un proyecto anterior financiado por la Fundación Séneca y denominado Métodos bayesianos objetivos para la selección de modelos.

Metodología

Nuestra metodología es una herramienta objetiva, competitiva y automática que ha demostrado funcionar en una multitud de situaciones al comparar dos modelos, como se desprende de las publicaciones conseguidas en los últimos años y a raíz de proyecto anteriormente mencionado financiado por la Fundación Séneca. Esta metodología ha resultado muy competitiva para la comparación de dos modelos y ahora nos proponemos extenderla a múltiples modelos simultáneamente. En la actualidad no hay una metodología aun predominante para ello, sino propuestas ad hoc para situaciones particulares.

Objetivos

Este proyecto aumentará el conocimiento sobre la selección bayesiana de variables y la comparación múltiple usando la metodología de las distribuciones a priori integrales y estableciendo dicha herramienta en primera línea de investigación. Para ello primero deberemos consensuar bien la forma en que extendemos la definición a la comparación múltiple. Una vez establecido este punto, pondremos en marcha la herramienta utilizándola en el problema de la selección de variables en el modelo de regresión lineal, en el modelo de regresión no lineal y en modelos lineales generalizados. Por otro lado, el doctorando Eduardo Tigeras también trabajará estos temas como eje de su proyecto de Tesis Doctoral.

Aplicabilidad y resultados esperados

La aplicabilidad de los resultados abarcará casi cualquier campo en el que la rama de la Estadística tenga cabida ya que muchos problemas estadísticos pueden formularse en términos de comparación de múltiples modelos. Como resultados de nuestra investigación esperamos tener una proyección internacional mediante comunicaciones a congresos y conseguir al menos 4 artículos publicados en revistas del repertorio JCR de entre las de impacto medio/alto, a la vez que preparar librerías usando el software estadístico R, lo que ayudará a la difusión de los métodos entre la comunidad científica en general.