Técnicas de elicitación de información personal para su uso en estadística bayesiana
Juan Carlos Correa Morales; Carlos Javier Barrera Causil
Licencia de minería de texto y datos
Declarado por la editorial el 22 julio 2026 a las 22:02:14 UTC
El titular de derechos se reserva expresamente sus derechos de reproducción, extracción y reutilización para fines de minería de textos y datos (TDM) y de entrenamiento de modelos de inteligencia artificial, de conformidad con el Art. 4(3) de la Directiva (UE) 2019/790, el Art. 53(1)(c) del Reglamento (UE) 2024/1689 (AI Act), el Art. 13 del Acuerdo ADPIC/TRIPS de la OMC, la Decisión Andina 351 de 1993 y las leyes nacionales aplicables en los territorios de residencia del titular, de realización de la reproducción y/o comercialización del Large Language Model u otro tipo de IA resultante.
Esta reserva cubre toda reproducción digital de la obra con independencia del soporte de la copia de origen (impreso o digital) y es efectiva desde la fecha certificada de esta declaración.
En América Latina, donde no existe excepción legal para el entrenamiento de IA, esta declaración constituye evidencia pública de que el titular no ha otorgado autorización. En la Unión Europea, activa la reserva máquina-legible exigida por el Art. 4(3) CDSM y el Art. 53(1)(c) AI Act. En Estados Unidos, señaliza la existencia de un mercado de licencias TDM a efectos del factor 4 del análisis de fair use.
Cualquier uso de la obra para los fines aquí reservados requiere autorización previa y expresa del titular de derechos.
Sello de integridad
Declaración selladaLa declaración fue sellada ante una autoridad de sellado de tiempo independiente (RFC 3161) y su contenido identificado con ISCC (ISO 24138): cualquier tercero puede verificar que existía en esa fecha y que no ha sido alterada. Descargar evidencia criptográfica (.tsr) · ¿Cómo se verifica?
Formatos
| Formato | ISBN | Recordreference | DOI | Año |
|---|---|---|---|---|
| E-book · ed. 1 | 9786287751187 | SIMEHEBOOKJJIG82B2J01C8E3B5B14 | 10.22430/reporte.6684 | 2025 |
Sobre esta obra
El análisis bayesiano es una de las áreas de la estadística que más ha crecido en los últimos años, debido a las mejoras en la capacidad de cómputo y procesamiento de datos de los equipos actuales y a su capacidad para resolver problemas que no se pueden abordar con otros métodos. Además, los métodos bayesianos difieren de otros enfoques porque incorporan información previa en sus análisis. Dicha información puede provenir, entre otras fuentes, del conocimiento de expertos, lo que nos lleva a asumir importantes retos relacionados con la extracción y cuantificación de dicho conocimiento. En nuestro trabajo, presentamos diferentes formas de cuantificar información y expresarla a través de modelos de probabilidad, de manera que el lector disponga de metodologías empíricas claras que puedan usarse para procesos de estimación a priori o a posteriori en problemas de su interés. El texto comprende nueve capítulos que abordan desde definiciones básicas necesarias para el estudio y conocimiento de estas técnicas hasta propuestas metodológicas de elicitación y análisis de información de múltiples expertos. El contenido se ilustra con códigos desarrollados en el software R, con el fin de facilitar el estudio de la obra y que el lector pueda aplicar estas técnicas en sus investigaciones.