Publications by Juan Sosa PhD

Hierarchical modeling for univariate spatial data

23.02.2025

Hierarchical modeling for univariate spatial data Author J. S. Introduction Having laid the foundation for hierarchical Bayesian inference, we now turn to spatial data analysis. We focus on point-referenced and areal data, showing how our models capture spatial patterns directly or through hidden random effects. This builds on early work in Bay...

1365 sym

Redes Sociales - Taller 4

27.01.2025

Percepción de estructuras sociales El trabajo de David Krackhardt en la década de 1980 fue pionero en la identificación de individuos con habilidades para percibir la estructura social en la que están inmersos. Para ello, recopiló datos relacionales sobre la estructura social cognitiva (Cognitive Social Structure, CSS, por sus siglas en i...

8585 sym

Estadística y Probabilidades - Tablas

21.01.2025

1 Introducción La exploración de datos es una etapa fundamental en el análisis de datos, ya que permite resumir la información de las variables de manera clara y precisa. Este proceso se apoya en tablas y gráficos que destacan el comportamiento de las variables de forma comprensible. Una de las aplicaciones más importantes de esta etapa es la...

7295 sym 4 tbl

Estadística y Probabilidades - Elementos generales

18.01.2025

1 Introducción En las últimas décadas, la estadística ha experimentado un notable desarrollo, consolidándose como una disciplina esencial en múltiples áreas del conocimiento. Su fundamento radica en la búsqueda sistemática del saber, sustentada en procesos de observación, análisis y experimentación en contextos específicos. Este en...

20623 sym

Redes Sociales - ERGMs

10.01.2025

1 Introducción Los modelos de grafos aleatorios exponenciales (exponential random graph models, ERGMs) o modelos \(p^*\) se especifican de manera análoga a los modelos lineales generalizados (generalized linear models, GLMs). Wasserman, S., & Pattison, P. (1996). Logit models and logistic regressions for social networks: I. An introduction t...

23375 sym R (22850 sym/172 pcs) 12 img 1 tbl

Redes Sociales - Modelo de Sociabilidad

09.01.2025

Modelo Considere una red binaria no dirigida representada mediante la matriz de adyacencia \(\mathbf{Y} = [y_{i,j}]\), donde cada elemento \(y_{i,j} \in \{0,1\}\) indica la presencia (\(y_{i,j} = 1\)) o ausencia (\(y_{i,j} = 0\)) de una conexión entre los \(n\) individuos que conforman la red. El modelo para la probabilidad de conexión entre...

11875 sym R (17649 sym/60 pcs) 10 img

Estadística Bayesiana - Regresión Binaria

21.12.2024

Modelo Considere una red binaria no dirigida representada por la matriz de adyacencia \(\mathbf{Y} = [y_{i,j}]\), donde \(\mathbf{Y}\) contiene las conexiones entre \(n\) individuos y sus elementos son \(y_{i,j} \in \{0,1\}\). El modelo para la probabilidad de conexión entre dos nodos se define como: \[ y_{i,j} \mid \theta_{i,j} \overset{\te...

11319 sym R (16711 sym/58 pcs) 13 img

Estadística Bayesiana - Regresión Binaria

21.12.2024

Modelo Considere una red binaria no dirigida representada por la matriz de adyacencia \(\mathbf{Y} = [y_{i,j}]\), donde \(\mathbf{Y}\) contiene las conexiones entre \(n\) individuos y sus elementos son \(y_{i,j} \in \{0,1\}\). El modelo para la probabilidad de conexión entre dos nodos se define como: \[ y_{i,j} \mid \theta_{i,j} \overset{\te...

9687 sym R (17769 sym/59 pcs) 13 img

Estadística Bayesiana - Regresión Binaria

21.12.2024

Modelo Considere una red binaria no dirigida representada por la matriz de adyacencia \(\mathbf{Y} = [y_{i,j}]\), donde \(\mathbf{Y}\) contiene las conexiones entre \(n\) individuos y sus elementos son \(y_{i,j} \in \{0,1\}\). El modelo para la probabilidad de conexión entre dos nodos se define como: \[ y_{i,j} \mid \theta_{i,j} \overset{\te...

7746 sym R (11338 sym/45 pcs) 9 img

Modelo Normal Multivariado

19.12.2024

1 Modelo El modelo Normal multivariado para una secuencia de observaciones \(\boldsymbol{y}_1, \ldots, \boldsymbol{y}_n\), donde \(\boldsymbol{y}_i = (y_{i,1}, \ldots, y_{i,p}) \in \mathbb{R}^p\) para \(i = 1, \ldots, n\), se define como: \[ \begin{aligned} \boldsymbol{y}_i \mid \boldsymbol{\theta}, \mathbf{\Sigma} &\stackrel{\text{iid}}...

12533 sym 8 img