
Una medida estadística utilizada para comparar la evidencia a favor de una hipótesis frente a otra.El factor de Bayes es una cantidad estadística que cuantifica la evidencia relativa a favor de dos hipótesis en competencia, típicamente una hipótesis nula y una alternativa. Es el cociente entre las verosimilitudes marginales de los datos observados bajo cada hipótesis. Un factor de Bayes mayor que 1 favorece la hipótesis alternativa, mientras que uno menor que 1 favorece la nula. Es una herramienta central en la inferencia bayesiana, ya que proporciona una medida continua de la fuerza de la evidencia que puede actualizarse a medida que llegan nuevos datos.
El concepto fue introducido por Harold Jeffreys en su libro de 1939 'Theory of Probability', donde también propuso la escala para interpretar su magnitud (por ejemplo, >10 como evidencia fuerte).
Para cada hipótesis, se calcula la probabilidad de los datos observados dada esa hipótesis, promediando sobre todos los valores posibles de los parámetros ponderados por sus distribuciones a priori. Esta 'verosimilitud marginal' se divide entonces: factor de Bayes = (verosimilitud marginal bajo H₁) / (verosimilitud marginal bajo H₀). A diferencia de los valores p, el factor de Bayes no requiere un umbral de significancia fijo y puede interpretarse directamente como el cociente entre las odds a posteriori y las odds a priori. Penaliza de forma natural los modelos complejos, ya que estos reparten la probabilidad a priori sobre un mayor espacio de parámetros, reduciendo la verosimilitud media.
Los factores de Bayes se utilizan ampliamente en psicología, medicina y genética para la prueba de hipótesis, la selección de modelos y el metaanálisis, especialmente cuando los investigadores quieren cuantificar la evidencia a favor de la hipótesis nula en lugar de simplemente rechazarla.
Un factor de Bayes de 20 significa que los datos son 20 veces más probables bajo la hipótesis alternativa que bajo la nula, pero no implica que la alternativa sea 20 veces más probable; eso también depende de las odds a priori.
| B | variable | Bayes factor — factor de Bayes |
| D_k | variable | k-th data point — datos |
| H_1 | variable | alternative hypothesis — hipótesis |
| H_0 | variable | null hypothesis — hipótesis |
| N | variable | number of data points — tamaño de muestra |
| ∏ | operador | multiplication of terms for k=1 to N — operador producto |




