En el campo de la estadística, ha existido durante décadas un eterno debate sobre la elección del enfoque frecuentista o bayesiano, con razonamientos como: la mayor facilidad de interpretación de las estimaciones del enfoque bayesiano; o, una mayor objetividad en los resultados del enfoque frecuentista al no utilizar información previa. Sin embargo, en este taller nosotros no entramos en dicho debate, simplemente porque creemos que cada técnica tiene unas ventajas particulares y cada enfoque puede ser útil y apropiado en una situación específica y no en otra.

El objetivo de este taller fue la presentación del paquete brms, librería del software estadístico R para el ajuste de modelos bayesianos. Comenzamos el taller, estudiando las diferencias entre el paradigma bayesiano y el frecuentista, en el flujo de trabajo para la obtención de las estimaciones de los parámetros. En cuanto a la estimación de los parámetros, nos detuvimos especialmente en la interpretación de los intervalos de confianza y credibilidad, y profundizamos en la importancia de la elección de las distribuciones previas o priors.

Para continuar, presentamos diferentes herramientas para el ajuste de modelos bayesianos, concluyendo que STAN, aunque suponga un alto nivel de programación, es la herramienta más flexible y eficiente. Afortunadamente, la librería brms ofrece una sintaxis mucho más simplificada para el ajuste de modelos, y llama a STAN y al compilador C++ para ejecutar el procesado del modelo. Esta librería da soporte a casi cualquier tipo de modelo, desde todo tipo de familias de distribuciones, hasta estructuras de la varianza, modelos no paramétricos, múltiples random effects con random slope o random intercept, etc. Muchas de estas posibilidades fueron exploradas de manera práctica en la segunda parte del taller.