Saltar al contenido
Volver a los resultados

Computación Bayesiana Aproximada — Inferencia sin Verosimilitud

Año
2002
Tipo
Simulation-based Bayesian inference

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

La Computación Bayesiana Aproximada (ABC, por sus siglas en inglés) es una familia de métodos de inferencia basados en simulación que estiman distribuciones posteriores sin requerir una función de verosimilitud analíticamente tratable.

Introducida por Beaumont, Zhang y Balding (2002) en el contexto de la genética de poblaciones, ABC reemplazó la verosimilitud intratable con simulación repetida del modelo y una comparación de estadísticas resumen entre los datos simulados y los observados.

La intuición detrás del método

La inferencia bayesiana clásica pregunta: dados los datos observados, ¿qué tan probables son los parámetros del modelo? Responder a esa pregunta normalmente requiere calcular la verosimilitud —la probabilidad de los datos bajo cada configuración de parámetros. Para muchos modelos realistas en biología, ecología y economía, ese cálculo es analíticamente imposible o computacionalmente prohibitivo. ABC lo evita por completo: en lugar de calcular la verosimilitud, simula datos del modelo, los comprime en unas pocas estadísticas resumen, y acepta una propuesta de parámetro solo cuando los resúmenes simulados son lo suficientemente cercanos a los resúmenes observados. Las propuestas aceptadas se acumulan para formar una posterior aproximada. La aproximación es exacta en el límite cuando el umbral de tolerancia se acerca a cero, y mejora constantemente a medida que ese umbral se ajusta, a costa de aceptar menos propuestas.

Historia

Los fundamentos de la inferencia sin verosimilitud se remontan a ideas de muestreo por rechazo utilizadas informalmente en genética de poblaciones, pero el método fue formalizado y nombrado por Beaumont, Zhang y Balding en su influyente artículo de 2002 en Genetics sobre la inferencia de la historia demográfica. Marjoram et al. (2003) introdujeron la variante ABC-MCMC para mejorar la eficiencia, y Sisson, Fan y Beaumont (2007) desarrollaron el marco de Monte Carlo secuencial (SMC-ABC) que reduce adaptativamente la tolerancia entre poblaciones. El Handbook of Approximate Bayesian Computation de 2018, editado por Sisson, Fan y Beaumont, consolida dos décadas de desarrollo metodológico. Más recientemente, se han propuesto estimadores de densidad neuronal e inferencia amortizada como formas de aprender la posterior directamente de las simulaciones, extendiendo ABC a la era del aprendizaje automático.

Cuándo usarlo

ABC es la opción correcta cuando el modelo se puede simular hacia adelante pero su función de verosimilitud no se puede evaluar analíticamente —una situación que surge con frecuencia en genética de poblaciones, epidemiología, ecología y modelado económico basado en agentes. Maneja variables de resultado continuas, binarias y de conteo, y no impone ningún requisito de normalidad a los datos. No hay un tamaño mínimo de muestra estricto, pero las estadísticas resumen deben transportar información adecuada sobre los parámetros. Cuando el presupuesto de simulación es grande y la tolerancia se puede establecer baja, ABC aproxima la posterior verdadera de cerca; cuando las simulaciones son costosas, son preferibles las variantes SMC-ABC o de estimación de posteriores neuronales. Si la verosimilitud es tratable, el MCMC estándar es más eficiente.

Limitaciones y consideraciones

  • El ABC ingenuo por rechazo requiere un número enorme de simulaciones para lograr un umbral de tolerancia bajo y una tasa de aceptación significativa, lo que lo hace computacionalmente costoso para espacios de parámetros de alta dimensionalidad.
  • La calidad de la aproximación posterior depende críticamente de la elección de las estadísticas resumen; resúmenes mal elegidos pueden producir una posterior sesgada o de alta varianza.
  • No hay garantía analítica de que las estadísticas resumen elegidas sean suficientes, por lo que generalmente se pierde información en relación con la verosimilitud completa.
  • Menos de aproximadamente 1000 propuestas aceptadas en total típicamente produce una aproximación posterior poco fiable; cuando el presupuesto de simulación es limitado, se debe considerar el MCMC estándar.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Opera sin una verosimilitud de forma cerrada, abriendo la inferencia bayesiana a modelos generativos complejos que son fáciles de simular pero difíciles de evaluar analíticamente.
  • Suficientemente flexible para manejar resultados continuos, binarios y de conteo bajo cualquier modelo estructural que el analista pueda codificar como un simulador.
  • Variantes como SMC-ABC y ABC-MCMC reducen sustancialmente el número de simulaciones necesarias en comparación con el muestreo por rechazo ingenuo.
  • La aproximación posterior converge a la posterior verdadera a medida que el umbral de tolerancia se acerca a cero.

Aplicaciones

  • Inferencia del tamaño poblacional, migración e historia de divergencia en genética de poblaciones a partir de datos de frecuencia alélica.
  • Estimación de tasas de transmisión y parámetros de contacto en modelos epidémicos donde la verosimilitud a nivel individual es intratable.
  • Calibración de modelos económicos basados en agentes a estadísticas observadas a nivel macro sin una verosimilitud de equilibrio de forma cerrada.
  • Ajuste de modelos ecológicos estocásticos —dinámica depredador-presa, propagación de especies— a resúmenes de observaciones de campo.
  • Estimación de parámetros en modelos de biología de sistemas donde las EDO mecanicistas son reemplazadas por simulaciones estocásticas.

Cómo funciona

Cómo funciona

1

El analista especifica una distribución previa sobre los parámetros del modelo, codificando lo que se sabe o se asume antes de ver los datos. Esta previa es la fuente de la cual se extraerán los valores de parámetros candidatos a lo largo del algoritmo, por lo que debe cubrir el rango plausible de los parámetros.

2

Se extrae una propuesta de parámetro de la previa (o, en variantes adaptativas, de una distribución de importancia). Luego, el modelo estocástico completo se ejecuta hacia adelante utilizando esa propuesta para generar un conjunto de datos sintético. Este paso de simulación es el núcleo computacional de ABC y puede ejecutarse miles o millones de veces.

3

Tanto el conjunto de datos sintético como el conjunto de datos observado se comprimen en un vector de estadísticas resumen —cantidades elegidas para transportar tanta información sobre los parámetros como sea posible. Idealmente, las estadísticas resumen son estadísticas suficientes, pero en la práctica se eligen basándose en el conocimiento del dominio y en comprobaciones de diagnóstico.

4

Se calcula la distancia entre las estadísticas resumen simuladas y las estadísticas resumen observadas bajo una métrica elegida. Si esa distancia cae dentro de un umbral de tolerancia preestablecido epsilon, la propuesta de parámetro se acepta; de lo contrario, se rechaza. Valores de epsilon más pequeños producen una aproximación posterior más precisa pero una tasa de aceptación menor.

5

La colección de propuestas de parámetros aceptadas forma una muestra de la distribución posterior aproximada. Esta muestra se puede utilizar para calcular medias posteriores, intervalos de credibilidad y distribuciones predictivas exactamente de la misma manera que una muestra posterior bayesiana estándar. En SMC-ABC, la tolerancia se reduce a través de una secuencia de poblaciones para mejorar la eficiencia.

Errores comunes

  • Establecer la tolerancia epsilon de forma demasiado laxa produce una aproximación que puede diferir sustancialmente de la posterior verdadera; siempre verifique que al ajustar epsilon se estabilice la posterior.
  • Las estadísticas resumen que no transportan información suficiente sobre los parámetros de interés sesgan la posterior hacia la previa; valide las estadísticas comprobando si cambian cuando el parámetro verdadero cambia.
  • Ejecutar menos de 1000 simulaciones produce una muestra posterior demasiado escasa para ser fiable; si el costo de la simulación impide alcanzar este umbral, cambie a MCMC o SMC-ABC.
  • La previa debe cubrir adecuadamente el espacio de parámetros plausible; una previa demasiado estrecha excluirá regiones de la posterior, mientras que una demasiado amplia desperdiciará presupuesto de simulación en regiones implausibles.

Preguntas frecuentes

¿Cómo se diferencia ABC del MCMC estándar?

Ambos métodos producen muestras de una distribución posterior, pero MCMC evalúa la verosimilitud en cada valor de parámetro propuesto, mientras que ABC reemplaza esa evaluación con una simulación hacia adelante y una comparación de estadísticas resumen. Use ABC cuando la verosimilitud sea intratable; use MCMC cuando se pueda calcular.

¿Cómo elijo las estadísticas resumen?

Las estadísticas resumen deben capturar tanta información como sea posible sobre los parámetros de interés. La práctica común es usar el conocimiento del dominio (por ejemplo, media, varianza, frecuencias alélicas) y validar las elecciones comprobando si las estadísticas cambian cuando el parámetro verdadero cambia. Las estadísticas suficientes solo existen para modelos de la familia exponencial; para otros modelos, es inevitable alguna pérdida de información.

¿Qué tan pequeño debe ser el epsilon de tolerancia?

No hay una regla universal. Un enfoque práctico es ajustar epsilon incrementalmente y comprobar si la forma posterior se estabiliza. La aproximación posterior mejora a medida que epsilon disminuye, pero la tasa de aceptación cae en consecuencia y se necesitan más simulaciones. SMC-ABC automatiza este compromiso reduciendo adaptativamente epsilon entre poblaciones.

¿Cuándo debería usar SMC-ABC en lugar de ABC por rechazo?

Cuando la simulación es costosa, el ABC ingenuo por rechazo desperdicia la mayoría de las simulaciones porque la tasa de aceptación puede ser extremadamente baja con una tolerancia ajustada. SMC-ABC utiliza una secuencia de umbrales de tolerancia intermedios y poblaciones ponderadas por importancia para concentrar las simulaciones cerca de la posterior, lo que lo hace mucho más eficiente para el mismo epsilon final.

Métodos relacionados

Fuentes

  1. Beaumont, M.A., Zhang, W. & Balding, D.J. (2002). Approximate Bayesian Computation in Population Genetics. Genetics, 162(4), 2025-2035.

    Abrir referencia DOI
    Copiado.
  2. Sisson, S.A., Fan, Y. & Beaumont, M.A. (Eds.) (2018). Handbook of Approximate Bayesian Computation. Chapman & Hall/CRC.

    Abrir referencia DOI
    Copiado.