Hierarchical Graphical Bayesian Models in Psychology

Autores
Campitelli, Guillermo Jorge; Macbeth, Guillermo Eduardo
Año de publicación
2014
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El mejoramiento de los métodos gráficos en la investigación en psicología puede promover su uso y una mejor compresión de su poder de expresión. La aplicación de modelos Bayesianos gráficos jerárquicos se ha vuelto más frecuente en la investigación en psicología. El objetivo de este trabajo es introducir sugerencias para el mejoramiento de los modelos Bayesianos gráficos jerárquicos en psicología. Este conjunto de sugerencias se apoya en la descripción y comparación entre los dos enfoques principales con el uso de notación y pictogramas de distribución. Se concluye que la combinación de los aspectos relevantes de ambos puede mejorar el uso de los modelos Bayesianos gráficos jerárquicos en psicología.
The improvement of graphical methods in psychological research can promote their use and a better comprehension of their expressive power. The application of hierarchical Bayesian graphical models has recently become more frequent in psychological research. The aim of this contribution is to introduce suggestions for the improvement of hierarchical Bayesian graphical models in psychology. This novel set of suggestions stems from the description and comparison between two main approaches concerned with the use of plate notation and distribution pictograms. It is concluded that the combination of relevant aspects of both models might improve the use of powerful hierarchical Bayesian graphical models in psychology.
Fil: Campitelli, Guillermo Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Edith Cowan University; Australia
Fil: Macbeth, Guillermo Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ciencias de la Educación; Argentina
Materia
Cognición estadística
Estadística Bayesiana
Estadística visual
Modelos gráficos
Modelos jerárquicos
Psicología
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/34595
Acceder
id CONICETDig_b252f732422e84bbeac847fd3f7c8daf
oai_identifier_str oai:ri.conicet.gov.ar:11336/34595
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Hierarchical Graphical Bayesian Models in PsychologyModelos Bayesianos gráficos jerárquicos en psicologíaCampitelli, Guillermo JorgeMacbeth, Guillermo EduardoCognición estadísticaEstadística BayesianaEstadística visualModelos gráficosModelos jerárquicosPsicologíahttps://purl.org/becyt/ford/1.1https://purl.org/becyt/ford/1El mejoramiento de los métodos gráficos en la investigación en psicología puede promover su uso y una mejor compresión de su poder de expresión. La aplicación de modelos Bayesianos gráficos jerárquicos se ha vuelto más frecuente en la investigación en psicología. El objetivo de este trabajo es introducir sugerencias para el mejoramiento de los modelos Bayesianos gráficos jerárquicos en psicología. Este conjunto de sugerencias se apoya en la descripción y comparación entre los dos enfoques principales con el uso de notación y pictogramas de distribución. Se concluye que la combinación de los aspectos relevantes de ambos puede mejorar el uso de los modelos Bayesianos gráficos jerárquicos en psicología.The improvement of graphical methods in psychological research can promote their use and a better comprehension of their expressive power. The application of hierarchical Bayesian graphical models has recently become more frequent in psychological research. The aim of this contribution is to introduce suggestions for the improvement of hierarchical Bayesian graphical models in psychology. This novel set of suggestions stems from the description and comparison between two main approaches concerned with the use of plate notation and distribution pictograms. It is concluded that the combination of relevant aspects of both models might improve the use of powerful hierarchical Bayesian graphical models in psychology.Fil: Campitelli, Guillermo Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Edith Cowan University; AustraliaFil: Macbeth, Guillermo Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ciencias de la Educación; ArgentinaUniversidad Nacional de Colombia. Facultad de Ciencias. Departamento de Estadística2014-09info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/34595Campitelli, Guillermo Jorge; Macbeth, Guillermo Eduardo; Hierarchical Graphical Bayesian Models in Psychology; Universidad Nacional de Colombia. Facultad de Ciencias. Departamento de Estadística; Revista Colombiana de Estadística; 37; 2; 9-2014; 319-3390120-17512389-8976CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://revistas.unal.edu.co/index.php/estad/article/view/47940info:eu-repo/semantics/altIdentifier/doi/10.15446/rce.v37n2spe.47940info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:49:53Zoai:ri.conicet.gov.ar:11336/34595instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:49:53.849CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Hierarchical Graphical Bayesian Models in Psychology
Modelos Bayesianos gráficos jerárquicos en psicología
title Hierarchical Graphical Bayesian Models in Psychology
spellingShingle Hierarchical Graphical Bayesian Models in Psychology
Campitelli, Guillermo Jorge
Cognición estadística
Estadística Bayesiana
Estadística visual
Modelos gráficos
Modelos jerárquicos
Psicología
title_short Hierarchical Graphical Bayesian Models in Psychology
title_full Hierarchical Graphical Bayesian Models in Psychology
title_fullStr Hierarchical Graphical Bayesian Models in Psychology
title_full_unstemmed Hierarchical Graphical Bayesian Models in Psychology
title_sort Hierarchical Graphical Bayesian Models in Psychology
dc.creator.none.fl_str_mv Campitelli, Guillermo Jorge
Macbeth, Guillermo Eduardo
author Campitelli, Guillermo Jorge
author_facet Campitelli, Guillermo Jorge
Macbeth, Guillermo Eduardo
author_role author
author2 Macbeth, Guillermo Eduardo
author2_role author
dc.subject.none.fl_str_mv Cognición estadística
Estadística Bayesiana
Estadística visual
Modelos gráficos
Modelos jerárquicos
Psicología
topic Cognición estadística
Estadística Bayesiana
Estadística visual
Modelos gráficos
Modelos jerárquicos
Psicología
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.1
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv El mejoramiento de los métodos gráficos en la investigación en psicología puede promover su uso y una mejor compresión de su poder de expresión. La aplicación de modelos Bayesianos gráficos jerárquicos se ha vuelto más frecuente en la investigación en psicología. El objetivo de este trabajo es introducir sugerencias para el mejoramiento de los modelos Bayesianos gráficos jerárquicos en psicología. Este conjunto de sugerencias se apoya en la descripción y comparación entre los dos enfoques principales con el uso de notación y pictogramas de distribución. Se concluye que la combinación de los aspectos relevantes de ambos puede mejorar el uso de los modelos Bayesianos gráficos jerárquicos en psicología.
The improvement of graphical methods in psychological research can promote their use and a better comprehension of their expressive power. The application of hierarchical Bayesian graphical models has recently become more frequent in psychological research. The aim of this contribution is to introduce suggestions for the improvement of hierarchical Bayesian graphical models in psychology. This novel set of suggestions stems from the description and comparison between two main approaches concerned with the use of plate notation and distribution pictograms. It is concluded that the combination of relevant aspects of both models might improve the use of powerful hierarchical Bayesian graphical models in psychology.
Fil: Campitelli, Guillermo Jorge. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Edith Cowan University; Australia
Fil: Macbeth, Guillermo Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Entre Ríos. Facultad de Ciencias de la Educación; Argentina
description El mejoramiento de los métodos gráficos en la investigación en psicología puede promover su uso y una mejor compresión de su poder de expresión. La aplicación de modelos Bayesianos gráficos jerárquicos se ha vuelto más frecuente en la investigación en psicología. El objetivo de este trabajo es introducir sugerencias para el mejoramiento de los modelos Bayesianos gráficos jerárquicos en psicología. Este conjunto de sugerencias se apoya en la descripción y comparación entre los dos enfoques principales con el uso de notación y pictogramas de distribución. Se concluye que la combinación de los aspectos relevantes de ambos puede mejorar el uso de los modelos Bayesianos gráficos jerárquicos en psicología.
publishDate 2014
dc.date.none.fl_str_mv 2014-09
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/34595
Campitelli, Guillermo Jorge; Macbeth, Guillermo Eduardo; Hierarchical Graphical Bayesian Models in Psychology; Universidad Nacional de Colombia. Facultad de Ciencias. Departamento de Estadística; Revista Colombiana de Estadística; 37; 2; 9-2014; 319-339
0120-1751
2389-8976
CONICET Digital
CONICET
url http://hdl.handle.net/11336/34595
identifier_str_mv Campitelli, Guillermo Jorge; Macbeth, Guillermo Eduardo; Hierarchical Graphical Bayesian Models in Psychology; Universidad Nacional de Colombia. Facultad de Ciencias. Departamento de Estadística; Revista Colombiana de Estadística; 37; 2; 9-2014; 319-339
0120-1751
2389-8976
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unal.edu.co/index.php/estad/article/view/47940
info:eu-repo/semantics/altIdentifier/doi/10.15446/rce.v37n2spe.47940
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Colombia. Facultad de Ciencias. Departamento de Estadística
publisher.none.fl_str_mv Universidad Nacional de Colombia. Facultad de Ciencias. Departamento de Estadística
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844613541065129984
score 13.069144

Publicaciones similares