{"id":3734,"date":"2022-03-02T07:00:57","date_gmt":"2022-03-02T07:00:57","guid":{"rendered":"https:\/\/vwo.com\/glossary\/bayesian\/"},"modified":"2025-04-27T09:48:17","modified_gmt":"2025-04-27T09:48:17","slug":"bayesiano","status":"publish","type":"post","link":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/","title":{"rendered":"Bayesiano"},"content":{"rendered":"\n<h2 class=\"wp-block-heading\">\u00bfQu\u00e9 es el enfoque bayesiano?<\/h2>\n\n\n\n<p>El enfoque bayesiano es uno de los dos conjuntos mutuamente excluyentes de fundamentos estad\u00edsticos (el otro es la estad\u00edstica frecuentista) que pueden utilizarse para modelar cualquier problema estad\u00edstico. Los bayesianos consideran que el par\u00e1metro de inter\u00e9s es subjetivo (una distribuci\u00f3n de posibilidades) y lo describen mediante una distribuci\u00f3n de creencias que se actualiza al observar datos.&nbsp;<\/p>\n\n\n\n<p>Por otro lado, los frecuentistas consideran que el par\u00e1metro de inter\u00e9s es objetivo (una \u00fanica estimaci\u00f3n puntual verdadera) y se basan en m\u00faltiples muestras para acercarse al valor real del par\u00e1metro. Para entender y apreciar bien la diferencia entre estas dos escuelas de pensamiento, es necesario estudiar en detalle la estad\u00edstica bayesiana y la estad\u00edstica frecuentista.<\/p>\n\n\n\n<p>El enfoque bayesiano permite a un analista incorporar sus creencias en la investigaci\u00f3n al estimar un par\u00e1metro de inter\u00e9s. Proporciona un marco en el que el analista puede comenzar con una creencia previa y, a medida que se recopilan m\u00e1s datos, sus creencias se actualizan. La integraci\u00f3n de la creencia previa con los datos disponibles se realiza mediante el <a href=\"https:\/\/vwo.com\/blog\/thinking-like-a-bayesian\/\">teorema de Bayes<\/a>.<\/p>\n\n\n\n<p>Supongamos que desea estimar la altura promedio de una persona estadounidense. Un estad\u00edstico podr\u00eda tener la creencia previa de que la altura se encuentra entre 50 cm y 250 cm. El estudio consistir\u00eda en medir la altura de varias personas estadounidenses y, a medida que se incluyan m\u00e1s observaciones, esa distribuci\u00f3n se concentrar\u00eda en la media observada.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong><strong>La importancia de la metodolog\u00eda bayesiana<\/strong><\/strong><\/h2>\n\n\n\n<p>Las metodolog\u00edas bayesianas son \u00fatiles para la estimaci\u00f3n de par\u00e1metros cuando la recopilaci\u00f3n de datos es costosa para la construcci\u00f3n del modelo y las decisiones deben tomarse con datos limitados. Con tama\u00f1os de muestra extensos, las metodolog\u00edas bayesianas suelen ofrecer resultados similares a los producidos por los m\u00e9todos frecuentistas.&nbsp;<\/p>\n\n\n\n<p>En las pruebas de hip\u00f3tesis, los resultados obtenidos mediante el enfoque bayesiano son mucho m\u00e1s sencillos de interpretar en comparaci\u00f3n con su contraparte frecuentista. Desde la perspectiva bayesiana, trabajamos con un grado de certeza que es una probabilidad de que el valor real de un par\u00e1metro se encuentre dentro del rango estimado. Esta probabilidad combina nuestro conocimiento previo con los datos disponibles. Esta noci\u00f3n de probabilidad lo diferencia del enfoque frecuentista, en el cual ese grado de certeza es desconocido. Posteriormente, puede elegirse una hip\u00f3tesis tras una evaluaci\u00f3n de riesgos basada en este grado de certeza de la estimaci\u00f3n posterior.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong><strong>\u00bfQu\u00e9 es la inferencia bayesiana?<\/strong><\/strong><\/h2>\n\n\n\n<p>La inferencia bayesiana consiste en actualizar su conocimiento a medida que se incorporan nuevos datos. Como bayesiano, rara vez puede estar completamente seguro de un resultado. Pero puede tener confianza y, en funci\u00f3n del grado de confianza, puede tomar una decisi\u00f3n. Eso es todo.<\/p>\n\n\n\n<p>En la estad\u00edstica bayesiana, todos los par\u00e1metros observados y no observados de un modelo estad\u00edstico est\u00e1n asociados a distribuciones de probabilidad denominadas distribuci\u00f3n previa y distribuci\u00f3n de datos. El flujo de trabajo t\u00edpico en un enfoque bayesiano incluye los siguientes tres pasos principales:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Elegir una distribuci\u00f3n previa adecuada que refleje el conocimiento disponible sobre un par\u00e1metro en un modelo estad\u00edstico. Esta suele definirse antes del proceso de recopilaci\u00f3n de datos;\u00a0<\/li>\n\n\n\n<li>Seleccionar una funci\u00f3n de verosimilitud utilizando la informaci\u00f3n sobre los par\u00e1metros disponibles y los datos observados; y\u00a0<\/li>\n\n\n\n<li>Usar el teorema de Bayes para juntar la distribuci\u00f3n previa y la funci\u00f3n de verosimilitud y as\u00ed obtener la distribuci\u00f3n posterior de los par\u00e1metros.<\/li>\n<\/ul>\n\n\n\n<p>La distribuci\u00f3n posterior refleja el conocimiento actualizado, al combinar el conocimiento previo con los datos observados, y se utiliza posteriormente para realizar inferencias.<\/p>\n\n\n\n<p>En el caso de un <a href=\"https:\/\/vwo.com\/es\/ab-testing\/\">test A\/B<\/a>, al calcular la distribuci\u00f3n posterior de cada variante, podemos expresar la incertidumbre sobre nuestras creencias a trav\u00e9s de afirmaciones probabil\u00edsticas. Por ejemplo, podemos preguntar: \u00ab\u00bfCu\u00e1l es la probabilidad de que, para una m\u00e9trica determinada, la variante A tenga un valor superior al de la variante B?\u00bb. <a href=\"https:\/\/vwo.com\/blog\/bayesian-a-b-testing-a-powerful-reasoning-model\/\">Este tipo de resultados interpretables<\/a> ayuda a los analistas a desarrollar conocimientos valiosos y compartirlos con sus colegas para que puedan tomar decisiones \u00f3ptimas en escenarios empresariales complejos.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong><strong>Fortalezas del enfoque bayesiano<\/strong><\/strong><\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Ofrece una manera fundamentada y natural de combinar el conocimiento del dominio con los datos: se puede incorporar informaci\u00f3n de experimentos anteriores sobre un par\u00e1metro y formar una distribuci\u00f3n previa para experimentos futuros. Con nuevas observaciones, las distribuciones posteriores de experimentos pasados pueden funcionar como distribuciones previas para obtener nuevas distribuciones posteriores.<\/li>\n\n\n\n<li>Proporciona respuestas interpretables. Por ejemplo: \u00abExiste una probabilidad del 90 % de que el valor real del par\u00e1metro se encuentre dentro de un intervalo cre\u00edble del 90 %\u00bb.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Ofrece un marco natural para una amplia gama de modelos param\u00e9tricos, como los modelos jer\u00e1rquicos y los problemas con datos faltantes. Los m\u00e9todos MCMC, junto con otros m\u00e9todos num\u00e9ricos, permiten un dise\u00f1o computacional viable para todos los modelos param\u00e9tricos.<\/li>\n\n\n\n<li>No requiere un tama\u00f1o m\u00ednimo de muestra: a diferencia del enfoque frecuentista, no se necesita una cantidad m\u00ednima de datos para aplicar una metodolog\u00eda basada en estad\u00edstica bayesiana. Como el concepto de incertidumbre ya est\u00e1 integrado en el sistema bayesiano, las m\u00e9tricas obtenidas se mantienen v\u00e1lidas.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><strong><strong>Limitaciones del enfoque bayesiano<\/strong><\/strong><\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>La selecci\u00f3n de la distribuci\u00f3n previa no est\u00e1 estandarizada: no existe una forma universalmente definida para elegir una distribuci\u00f3n previa. Se requieren habilidades especializadas para traducir creencias previas subjetivas en una distribuci\u00f3n previa formulada matem\u00e1ticamente. Los resultados obtenidos pueden ser enga\u00f1osos si la distribuci\u00f3n previa seleccionada no tiene sentido.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Cuando hay pocos datos, las distribuciones posteriores se ven muy influenciadas por las distribuciones previas. Desde un punto de vista pr\u00e1ctico, esto puede generar debate si no hay consenso sobre la validez de la distribuci\u00f3n previa elegida.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Las metodolog\u00edas bayesianas suelen tener un alto costo computacional, especialmente cuando se manejan muchos par\u00e1metros. No obstante, con el paso del tiempo, han surgido metodolog\u00edas bayesianas m\u00e1s eficientes desde el punto de vista computacional para ciertos casos de uso. \u00a0<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\"><strong><strong>\u00bfC\u00f3mo utiliza VWO el enfoque bayesiano?<\/strong><\/strong><\/h2>\n\n\n<div class=\"wp-block-image\">\n<figure class=\"aligncenter size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"512\" height=\"343\" src=\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png\" alt=\"Vwo Uses Bayesian\" class=\"wp-image-653\" srcset=\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png 512w, https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png?tr=w-375 375w\" sizes=\"(max-width: 512px) 100vw, 512px\" \/><\/figure>\n<\/div>\n\n\n<p>VWO funciona con un motor de estad\u00edsticas bayesianas en el que los par\u00e1metros de cada variante en un test A\/B est\u00e1n vinculados a una distribuci\u00f3n de probabilidad. A medida que se observan los datos en la prueba, estas distribuciones se actualizan utilizando el teorema de Bayes, y las m\u00e9tricas de decisi\u00f3n que mostramos en nuestros informes se calculan a partir de estas distribuciones actualizadas. Consulte el <a href=\"https:\/\/vwo.com\/downloads\/VWO_SmartStats_technical_whitepaper.pdf\">whitepaper de VWO<\/a> para comprender las matem\u00e1ticas de nuestro modelo bayesiano. Tambi\u00e9n puede <a href=\"#free-trial\">solicitar una prueba gratuita de 30 d\u00edas para explorar nuestros informes en detalle<\/a>.<\/p>\n\n\n\n<p><\/p>\n","protected":false},"excerpt":{"rendered":"<p>El enfoque bayesiano es uno de los dos conjuntos mutuamente excluyentes de fundamentos estad\u00edsticos (el otro es la estad\u00edstica frecuentista) que pueden utilizarse para modelar cualquier problema estad\u00edstico. Los bayesianos consideran que el par\u00e1metro de inter\u00e9s es subjetivo (una distribuci\u00f3n de posibilidades) y lo describen mediante una distribuci\u00f3n de creencias que se actualiza al observar datos.<\/p>\n","protected":false},"author":565,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3734","post","type-post","status-publish","format-standard","hentry","category-unkategorisiert"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v26.9 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Bayesiano | VWO<\/title>\n<meta name=\"description\" content=\"El enfoque bayesiano es una teor\u00eda estad\u00edstica que puede usarse para modelar cualquier problema estad\u00edstico, basada en creencias actualizadas con datos observados. Los bayesianos consideran que el par\u00e1metro de inter\u00e9s es subjetivo (una distribuci\u00f3n de posibilidades) y lo describen mediante una distribuci\u00f3n de creencias que se actualiza al observar datos.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Bayesiano | VWO\" \/>\n<meta property=\"og:description\" content=\"El enfoque bayesiano es una teor\u00eda estad\u00edstica que puede usarse para modelar cualquier problema estad\u00edstico, basada en creencias actualizadas con datos observados. Los bayesianos consideran que el par\u00e1metro de inter\u00e9s es subjetivo (una distribuci\u00f3n de posibilidades) y lo describen mediante una distribuci\u00f3n de creencias que se actualiza al observar datos.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/\" \/>\n<meta property=\"og:site_name\" content=\"VWO Glossary\" \/>\n<meta property=\"article:published_time\" content=\"2022-03-02T07:00:57+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-04-27T09:48:17+00:00\" \/>\n<meta name=\"author\" content=\"avnishsharamav\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/\"},\"author\":{\"name\":\"avnishsharamav\",\"@id\":\"https:\/\/vwo.com\/glossary\/es\/#\/schema\/person\/620cb97e975598f02bdaf7e87d218044\"},\"headline\":\"Bayesiano\",\"datePublished\":\"2022-03-02T07:00:57+00:00\",\"dateModified\":\"2025-04-27T09:48:17+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/\"},\"wordCount\":1159,\"image\":{\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png\",\"articleSection\":[\"Unkategorisiert\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/\",\"url\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/\",\"name\":\"Bayesiano | VWO\",\"isPartOf\":{\"@id\":\"https:\/\/vwo.com\/glossary\/es\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png\",\"datePublished\":\"2022-03-02T07:00:57+00:00\",\"dateModified\":\"2025-04-27T09:48:17+00:00\",\"author\":{\"@id\":\"https:\/\/vwo.com\/glossary\/es\/#\/schema\/person\/620cb97e975598f02bdaf7e87d218044\"},\"description\":\"El enfoque bayesiano es una teor\u00eda estad\u00edstica que puede usarse para modelar cualquier problema estad\u00edstico, basada en creencias actualizadas con datos observados. Los bayesianos consideran que el par\u00e1metro de inter\u00e9s es subjetivo (una distribuci\u00f3n de posibilidades) y lo describen mediante una distribuci\u00f3n de creencias que se actualiza al observar datos.\",\"breadcrumb\":{\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#primaryimage\",\"url\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png\",\"contentUrl\":\"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/vwo.com\/glossary\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Bayesiano\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/vwo.com\/glossary\/es\/#website\",\"url\":\"https:\/\/vwo.com\/glossary\/es\/\",\"name\":\"VWO Glossary\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/vwo.com\/glossary\/es\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/vwo.com\/glossary\/es\/#\/schema\/person\/620cb97e975598f02bdaf7e87d218044\",\"name\":\"avnishsharamav\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/vwo.com\/glossary\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5b76ede4c1368d6104eaa4834bd018786dcfa0a69cd759ca31da38e37a39c1e7?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5b76ede4c1368d6104eaa4834bd018786dcfa0a69cd759ca31da38e37a39c1e7?s=96&d=mm&r=g\",\"caption\":\"avnishsharamav\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Bayesiano | VWO","description":"El enfoque bayesiano es una teor\u00eda estad\u00edstica que puede usarse para modelar cualquier problema estad\u00edstico, basada en creencias actualizadas con datos observados. Los bayesianos consideran que el par\u00e1metro de inter\u00e9s es subjetivo (una distribuci\u00f3n de posibilidades) y lo describen mediante una distribuci\u00f3n de creencias que se actualiza al observar datos.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/","og_locale":"es_ES","og_type":"article","og_title":"Bayesiano | VWO","og_description":"El enfoque bayesiano es una teor\u00eda estad\u00edstica que puede usarse para modelar cualquier problema estad\u00edstico, basada en creencias actualizadas con datos observados. Los bayesianos consideran que el par\u00e1metro de inter\u00e9s es subjetivo (una distribuci\u00f3n de posibilidades) y lo describen mediante una distribuci\u00f3n de creencias que se actualiza al observar datos.","og_url":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/","og_site_name":"VWO Glossary","article_published_time":"2022-03-02T07:00:57+00:00","article_modified_time":"2025-04-27T09:48:17+00:00","author":"avnishsharamav","twitter_card":"summary_large_image","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#article","isPartOf":{"@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/"},"author":{"name":"avnishsharamav","@id":"https:\/\/vwo.com\/glossary\/es\/#\/schema\/person\/620cb97e975598f02bdaf7e87d218044"},"headline":"Bayesiano","datePublished":"2022-03-02T07:00:57+00:00","dateModified":"2025-04-27T09:48:17+00:00","mainEntityOfPage":{"@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/"},"wordCount":1159,"image":{"@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#primaryimage"},"thumbnailUrl":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png","articleSection":["Unkategorisiert"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/","url":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/","name":"Bayesiano | VWO","isPartOf":{"@id":"https:\/\/vwo.com\/glossary\/es\/#website"},"primaryImageOfPage":{"@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#primaryimage"},"image":{"@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#primaryimage"},"thumbnailUrl":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png","datePublished":"2022-03-02T07:00:57+00:00","dateModified":"2025-04-27T09:48:17+00:00","author":{"@id":"https:\/\/vwo.com\/glossary\/es\/#\/schema\/person\/620cb97e975598f02bdaf7e87d218044"},"description":"El enfoque bayesiano es una teor\u00eda estad\u00edstica que puede usarse para modelar cualquier problema estad\u00edstico, basada en creencias actualizadas con datos observados. Los bayesianos consideran que el par\u00e1metro de inter\u00e9s es subjetivo (una distribuci\u00f3n de posibilidades) y lo describen mediante una distribuci\u00f3n de creencias que se actualiza al observar datos.","breadcrumb":{"@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/vwo.com\/glossary\/es\/bayesiano\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#primaryimage","url":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png","contentUrl":"https:\/\/static.wingify.com\/gcp\/uploads\/sites\/18\/2022\/03\/vwo-uses-bayesian.png"},{"@type":"BreadcrumbList","@id":"https:\/\/vwo.com\/glossary\/es\/bayesiano\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/vwo.com\/glossary\/es\/"},{"@type":"ListItem","position":2,"name":"Bayesiano"}]},{"@type":"WebSite","@id":"https:\/\/vwo.com\/glossary\/es\/#website","url":"https:\/\/vwo.com\/glossary\/es\/","name":"VWO Glossary","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/vwo.com\/glossary\/es\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/vwo.com\/glossary\/es\/#\/schema\/person\/620cb97e975598f02bdaf7e87d218044","name":"avnishsharamav","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/vwo.com\/glossary\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/5b76ede4c1368d6104eaa4834bd018786dcfa0a69cd759ca31da38e37a39c1e7?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5b76ede4c1368d6104eaa4834bd018786dcfa0a69cd759ca31da38e37a39c1e7?s=96&d=mm&r=g","caption":"avnishsharamav"}}]}},"_links":{"self":[{"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/posts\/3734","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/users\/565"}],"replies":[{"embeddable":true,"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/comments?post=3734"}],"version-history":[{"count":2,"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/posts\/3734\/revisions"}],"predecessor-version":[{"id":3737,"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/posts\/3734\/revisions\/3737"}],"wp:attachment":[{"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/media?parent=3734"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/categories?post=3734"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/vwo.com\/glossary\/es\/wp-json\/wp\/v2\/tags?post=3734"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}