Una introducción a la regresión distribucional bayesiana

Resumen: Los métodos bayesianos se han vuelto cada vez más populares en las últimas dos décadas. Con el constante aumento del poder computacional, incluso los modelos muy complejos se pueden estimar en prácticamente cualquier computadora moderna. Además, el interés ha cambiado de los modelos de media condicional a los modelos distribucionales probabilísticos que capturan la ubicación, la escala, la forma y otros aspectos de una distribución de respuesta, donde los efectos de las covariables pueden tener formas flexibles, por ejemplo, lineales, no lineales, espaciales o efectos aleatorios. Este artículo tutorial discute cómo seleccionar modelos en el contexto de la regresión distribucional bayesiana, cómo monitorear la convergencia de las cadenas de Markov y cómo utilizar inferencia basada en simulaciones también para cantidades derivadas de la parametrización original del modelo. Ejemplificamos el flujo de trabajo utilizando datos meteorológicos diarios sobre (a) temperaturas en la montaña más alta de Alemania y (b) valores extremos de precipitación para toda Alemania.