Bayesian inference is a statistical method that updates the probability of a hypothesis as more evidence becomes available.La inferencia bayesiana es un método matemático para estimar la probabilidad de una hipótesis a partir de nuevas observaciones. Requiere tres componentes: la probabilidad a priori (grado inicial de confianza en la hipótesis), la función de verosimilitud (cuán probables son los datos si la hipótesis es cierta) y la constante de normalización (probabilidad total de los datos bajo todas las hipótesis posibles). El resultado es la probabilidad a posteriori: aquello en lo que usted cree después de considerar las evidencias. A diferencia de la estadística clásica, el enfoque bayesiano responde directamente a la pregunta «¿cuál es la probabilidad de que la hipótesis sea cierta dados estos datos?», en lugar de «¿cuál es la probabilidad de obtener estos datos si la hipótesis es cierta?».
El teorema de Bayes fue formulado por primera vez en un trabajo publicado póstumamente por Thomas Bayes (1763), y luego redescubierto y difundido de forma independiente por Pierre-Simon Laplace en 1774. Laplace lo aplicó para estimar la masa de Saturno y en estudios demográficos. En el siglo XX, el interés resurgió gracias a los trabajos de Harold Jeffreys, quien introdujo distribuciones a priori no informativas, y de Leonard Savage, que desarrolló la axiomática de la probabilidad subjetiva. Con la aparición de potentes métodos computacionales, como el algoritmo de Metropolis-Hastings (1970) y el muestreo de Gibbs, la inferencia bayesiana se volvió aplicable a modelos complejos en ciencias de datos.
La inferencia se basa en el teorema de Bayes: P(H|D) = P(D|H) * P(H) / P(D), donde H es la hipótesis y D los datos. P(H) (a priori) refleja el grado inicial de confianza, P(D|H) (verosimilitud) es la probabilidad de obtener los datos D si H es cierta, y P(D) es la probabilidad marginal de los datos, que actúa como normalización. En la práctica, el cálculo directo del denominador, una integral sobre todas las hipótesis, a menudo es inviable, y se recurre a métodos de Monte Carlo basados en cadenas de Markov (MCMC) para aproximar la distribución a posteriori. Paquetes modernos como Stan y PyMC automatizan estos cálculos.
Los filtros de spam aprenden de sus marcas, las pruebas médicas ajustan el diagnóstico según nuevos síntomas.
El descifrador de códigos británico Alan Turing utilizó métodos bayesianos durante la Segunda Guerra Mundial para descifrar «Enigma», asignando probabilidades a diferentes configuraciones de la máquina basándose en los mensajes interceptados.
| 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 |
| Z | variable | Bayesian evidence (marginal likelihood) — evidencia bayesiana |
| Θ | variable | Parameter vector — parameter vector |
| L(Θ) | variable | Likelihood function — likelihood function |
| π(Θ) | variable | Prior probability density — prior probability density |
| ∫ | operador | Integration over parameter space — operador integral |
| dΘ | operador | Infinitesimal volume element — volume element |
| p(x) | variable | Probability density of distribution p — probability density |
| q(x) | variable | Probability density of distribution q — probability density |
| x | variable | Integration variable (sample space) |
| ∫ | operador | Integration over the sample space — operador integral |
| P(A|B) | variable | Conditional probability of A given B — conditional probability |
| P(B|A) | variable | Conditional probability of B given A — conditional probability |
| P(A) | variable | Marginal probability of A — probabilidad |
| P(B) | variable | Marginal probability of B — probabilidad |













