ArviZ

ArviZ ( / ˈ ɑː r v ɪ z / AR -vees ) es un paquete de Python para el análisis exploratorio de modelos bayesianos . ^{[ 2 ] [ 3 ] [ 4 ] [ 5 ]} Está diseñado específicamente para trabajar con la salida de bibliotecas de programación probabilística como PyMC , Stan y otras, proporcionando un conjunto de herramientas para resumir y visualizar los resultados de la inferencia bayesiana de una manera conveniente e informativa. ArviZ también proporciona una estructura de datos común para manipular y almacenar datos que suelen surgir en el análisis bayesiano, como muestras posteriores o datos observados.

ArviZ es un proyecto de código abierto , desarrollado por la comunidad y afiliado a NumFOCUS . ^{[ 6 ]} Se ha utilizado para ayudar a interpretar problemas de inferencia en varios dominios científicos, incluyendo astronomía, ^{[ 7 ]} neurociencia, ^{[ 8 ]} física ^{[ 9 ]} y estadística. ^{[ 10 ] [ 11 ]}

El nombre ArviZ deriva de leer "rvs" (la forma abreviada de variables aleatorias ) como una palabra en lugar de escribirla completa, y también de usar la partícula "viz", que se usa habitualmente para abreviar visualización.

Al trabajar con modelos bayesianos, hay una serie de tareas relacionadas que deben abordarse además de la inferencia en sí:

• Diagnóstico de la calidad de la inferencia, esto es necesario cuando se utilizan métodos numéricos como las técnicas de Monte Carlo de cadena de Markov.
• Crítica del modelo, incluyendo evaluaciones tanto de los supuestos del modelo como de las predicciones del modelo.
• Comparación de modelos, incluyendo selección de modelos o promedio de modelos.
• Preparación de los resultados para una audiencia específica.

Todas estas tareas forman parte del enfoque de análisis exploratorio de modelos bayesianos, y su correcta realización es fundamental para el proceso de modelado iterativo e interactivo. Estas tareas requieren resúmenes tanto numéricos como visuales. ^{[ 12 ] [ 13 ] [ 14 ] [ 15 ]}

• Objeto InferenceData para la manipulación de datos bayesianos. Este objeto se basa en xarray.
• Gráficos que utilizan dos backends alternativos: matplotlib o bokeh.
• Resúmenes numéricos y diagnósticos para métodos de Monte Carlo de cadena de Markov .
• Integración con lenguajes de programación probabilística establecidos, incluyendo: CmdStanPy (la interfaz de Python de Stan ), PyMC , ^{[ 16 ]} Edward , ^{[ 17 ]} Pyro, ^{[ 18 ]} y fácil integración con análisis bayesianos novedosos o personalizados. ArviZ también está disponible en Julia , utilizando la interfaz ArviZ.jl.

• Bambi es una interfaz de alto nivel para la construcción de modelos bayesianos basada en PyMC.
• PyMC es un lenguaje de programación probabilística escrito en Python.
• Stan es un lenguaje de programación probabilística para inferencia estadística escrito en C++.

• Sitio web oficial
• arviz en GitHub
• arviz-devs .github .io /EABM /