Saltar al contenido principal

# 4.4: Enfoque bayesiano de las tasas evolutivas

$$\newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$$

$$\newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}}$$

$$\newcommand{\id}{\mathrm{id}}$$ $$\newcommand{\Span}{\mathrm{span}}$$

( \newcommand{\kernel}{\mathrm{null}\,}\) $$\newcommand{\range}{\mathrm{range}\,}$$

$$\newcommand{\RealPart}{\mathrm{Re}}$$ $$\newcommand{\ImaginaryPart}{\mathrm{Im}}$$

$$\newcommand{\Argument}{\mathrm{Arg}}$$ $$\newcommand{\norm}[1]{\| #1 \|}$$

$$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$$

$$\newcommand{\Span}{\mathrm{span}}$$

$$\newcommand{\id}{\mathrm{id}}$$

$$\newcommand{\Span}{\mathrm{span}}$$

$$\newcommand{\kernel}{\mathrm{null}\,}$$

$$\newcommand{\range}{\mathrm{range}\,}$$

$$\newcommand{\RealPart}{\mathrm{Re}}$$

$$\newcommand{\ImaginaryPart}{\mathrm{Im}}$$

$$\newcommand{\Argument}{\mathrm{Arg}}$$

$$\newcommand{\norm}[1]{\| #1 \|}$$

$$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$$

$$\newcommand{\Span}{\mathrm{span}}$$ $$\newcommand{\AA}{\unicode[.8,0]{x212B}}$$

$$\newcommand{\vectorA}[1]{\vec{#1}} % arrow$$

$$\newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow$$

$$\newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$$

$$\newcommand{\vectorC}[1]{\textbf{#1}}$$

$$\newcommand{\vectorD}[1]{\overrightarrow{#1}}$$

$$\newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}}$$

$$\newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}}$$

$$\newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$$

$$\newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}}$$

$$\newcommand{\avec}{\mathbf a}$$ $$\newcommand{\bvec}{\mathbf b}$$ $$\newcommand{\cvec}{\mathbf c}$$ $$\newcommand{\dvec}{\mathbf d}$$ $$\newcommand{\dtil}{\widetilde{\mathbf d}}$$ $$\newcommand{\evec}{\mathbf e}$$ $$\newcommand{\fvec}{\mathbf f}$$ $$\newcommand{\nvec}{\mathbf n}$$ $$\newcommand{\pvec}{\mathbf p}$$ $$\newcommand{\qvec}{\mathbf q}$$ $$\newcommand{\svec}{\mathbf s}$$ $$\newcommand{\tvec}{\mathbf t}$$ $$\newcommand{\uvec}{\mathbf u}$$ $$\newcommand{\vvec}{\mathbf v}$$ $$\newcommand{\wvec}{\mathbf w}$$ $$\newcommand{\xvec}{\mathbf x}$$ $$\newcommand{\yvec}{\mathbf y}$$ $$\newcommand{\zvec}{\mathbf z}$$ $$\newcommand{\rvec}{\mathbf r}$$ $$\newcommand{\mvec}{\mathbf m}$$ $$\newcommand{\zerovec}{\mathbf 0}$$ $$\newcommand{\onevec}{\mathbf 1}$$ $$\newcommand{\real}{\mathbb R}$$ $$\newcommand{\twovec}[2]{\left[\begin{array}{r}#1 \\ #2 \end{array}\right]}$$ $$\newcommand{\ctwovec}[2]{\left[\begin{array}{c}#1 \\ #2 \end{array}\right]}$$ $$\newcommand{\threevec}[3]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \end{array}\right]}$$ $$\newcommand{\cthreevec}[3]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \end{array}\right]}$$ $$\newcommand{\fourvec}[4]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}$$ $$\newcommand{\cfourvec}[4]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}$$ $$\newcommand{\fivevec}[5]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}$$ $$\newcommand{\cfivevec}[5]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}$$ $$\newcommand{\mattwo}[4]{\left[\begin{array}{rr}#1 \amp #2 \\ #3 \amp #4 \\ \end{array}\right]}$$ $$\newcommand{\laspan}[1]{\text{Span}\{#1\}}$$ $$\newcommand{\bcal}{\cal B}$$ $$\newcommand{\ccal}{\cal C}$$ $$\newcommand{\scal}{\cal S}$$ $$\newcommand{\wcal}{\cal W}$$ $$\newcommand{\ecal}{\cal E}$$ $$\newcommand{\coords}[2]{\left\{#1\right\}_{#2}}$$ $$\newcommand{\gray}[1]{\color{gray}{#1}}$$ $$\newcommand{\lgray}[1]{\color{lightgray}{#1}}$$ $$\newcommand{\rank}{\operatorname{rank}}$$ $$\newcommand{\row}{\text{Row}}$$ $$\newcommand{\col}{\text{Col}}$$ $$\renewcommand{\row}{\text{Row}}$$ $$\newcommand{\nul}{\text{Nul}}$$ $$\newcommand{\var}{\text{Var}}$$ $$\newcommand{\corr}{\text{corr}}$$ $$\newcommand{\len}[1]{\left|#1\right|}$$ $$\newcommand{\bbar}{\overline{\bvec}}$$ $$\newcommand{\bhat}{\widehat{\bvec}}$$ $$\newcommand{\bperp}{\bvec^\perp}$$ $$\newcommand{\xhat}{\widehat{\xvec}}$$ $$\newcommand{\vhat}{\widehat{\vvec}}$$ $$\newcommand{\uhat}{\widehat{\uvec}}$$ $$\newcommand{\what}{\widehat{\wvec}}$$ $$\newcommand{\Sighat}{\widehat{\Sigma}}$$ $$\newcommand{\lt}{<}$$ $$\newcommand{\gt}{>}$$ $$\newcommand{\amp}{&}$$ $$\definecolor{fillinmathshade}{gray}{0.9}$$

Finalmente, también podemos usar un enfoque bayesiano para ajustar modelos de movimiento brownianos a los datos y estimar la tasa de evolución. Este enfoque difiere del enfoque ML en que usaremos previos explícitos para valores de parámetros, y luego ejecutaremos un MCMC para estimar distribuciones posteriores de estimaciones de parámetros. Para ello, modificaremos el algoritmo básico para MCMC bayesiano (ver Capítulo 2) de la siguiente manera:

1. Muestree un conjunto de valores de parámetros iniciales, σ 2 y $\ bar {z} (0)$ de sus distribuciones anteriores. Para este ejemplo, podemos establecer nuestra distribución anterior como uniforme entre 0 y 0.5 para σ 2 y uniforme de 0 a 10 para $\ bar {z} (0)$.

2. Dados los valores actuales de los parámetros, seleccione nuevos valores de parámetros propuestos utilizando la densidad propuesta Q (p ′| p). Para ambos valores de parámetro, utilizaremos una densidad de propuesta uniforme con ancho w p, de manera que: (eq. 4.10)

$Q(p'|p) \sim U(p-\frac{w_p}{2}, p+\frac{w_p}{2})$

3. Calcula tres proporciones:
• El odds ratio anterior, R p r i o r. Esta es la relación de la probabilidad de dibujar los valores de los parámetros p y p' del anterior. Ya que nuestros antecedentes son uniformes, esto siempre es 1.
• La relación de densidad propuesta, R p r o p o s a l. Esta es la relación de probabilidad de propuestas que van de p a p 'y a la inversa. Ya hemos declarado una densidad simétrica de propuesta, de manera que Q (p ′| p) = Q (p | p ′) y R p r o p o s a l = 1.
• El cociente de verosimilitud, R l i k e l i h o o d. Esta es la relación de probabilidades de los datos dados los dos valores de parámetros diferentes. Podemos calcular estas probabilidades a partir de la ecuación 4.5 anterior. (eq. 4.11)

$R_{likelihood} = \frac{L(p'|D)}{L(p|D)} = \frac{P(D|p')}{P(D|p)}$

4. Encuentre la relación de aceptación, R a c c e p t, que es producto de las probabilidades anteriores, la relación de densidad propuesta y la razón de verosimilitud. En este caso, tanto las probabilidades previas como las relaciones de densidad propuesta son 1, por lo que R a c c e p t = R l i k e l i h o d.

5. Dibuja un número aleatorio x a partir de una distribución uniforme entre 0 y 1. Si x < R a c c e p t, acepte el valor propuesto de ambos parámetros; de lo contrario rechace, y conserve el valor actual de los dos parámetros.

6. Repita los pasos 2-5 una gran cantidad de veces.

Usando los datos del tamaño corporal de los mamíferos, corrí un MCMC con 10,000 generaciones, descartando las primeras 1000 como burn-in. Muestreando cada 10 generaciones, obtengo estimaciones de parámetros de $\ hat {\ sigma} _ {bayes} ^2 = 0.10$ (intervalo de 95% creíble: 0.066 − 0.15) y $\ hat {\ bar {z}} (0) = 3.5$ (intervalo 95% creíble: 2.3 − 5.3; Figura 4.5).

Tenga en cuenta que las estimaciones de los parámetros de los tres enfoques (REML, ML y Bayesiano) fueron similares. Incluso los intervalos de confianza/credibilidad variaron un poco pero fueron de aproximadamente el mismo tamaño en los tres casos. Todos los enfoques anteriores están matemáticamente relacionados y deben, en general, devolver resultados similares. Uno podría dar mayor valor a los intervalos bayesianos creíbles sobre los intervalos de confianza del hessian de la superficie de verosimilitud, por dos razones: primero, el hessiano conduce a una estimación del IC bajo ciertas condiciones que pueden o no ser ciertas para su análisis; y segundo, intervalos bayesianos creíbles reflejar la incertidumbre general mejor que los intervalos de confianza ML (ver capítulo 2).

This page titled 4.4: Enfoque bayesiano de las tasas evolutivas is shared under a CC BY 4.0 license and was authored, remixed, and/or curated by Luke J. Harmon via source content that was edited to the style and standards of the LibreTexts platform.