El treball aborda de manera nova el problema de quantificar la incertesa que es té sobre els models estadístics utilitzats per a representar la realitat, i preveu la possibilitat que hi haja dades amb valors que manquen, una situació molt comuna en estudis científics i anàlisis de dades reals.

“Aquesta recerca suposa una fita, ja que incorpora de manera eficient totes les fonts d’incertesa que es generen quan es recullen dades de manera parcial o es perd part d’aquests en el procés. L’alternativa en moltes ocasions és eliminar per complet la mostra (per exemple, un pacient), que tenia aquesta informació perduda, possiblement, només en una de les variables recollides. La nostra metodologia permet, per tant, aprofitar millor la informació que sí que s’ha recollit i evitar així els biaixos que es puguen produir en eliminar-la per complet”, ha destacat Anabel Forte Deltell, investigadora del Departament d’Estadística i Investigació Operativa de la UV i signant de la recerca.

Davant de les estratègies habituals que impliquen la desestimació de dades amb valors que falten o que utilitzen mètodes de selecció de variables que llancen resultats amb falsos positius, es proposa una metodologia bayesiana objectiva que integra directament la incertesa sobre les dades que falten en el procés d’inferència.

Aquesta aproximació millora la robustesa dels models, evita errors comuns en la selecció de variables i permet obtenir resultats més fiables, fins i tot quan els conjunts de dades contenen grans proporcions de valors perduts.

L’article, “Model Uncertainty and Missing Data: An Objective Bayesian Perspective”, ha sigut seleccionat per a discussió pública per experts, una distinció reservada als treballs més rellevants, segons l’editor cap de la revista Bayesian Analysis. La discussió es defensarà en un webminar, el pròxim 5 de novembre.

Aquest treball ha estat realitzat per Anabel Forte Deltell i, a més, per Gonzalo García-Donato (Universitat de Castella-la Manxa), María Eugenia Castellanos (Universitat Rei Joan Carles), Stefano Cabras (Universitat Carles III de Madrid) i Alicia Quirós (Universitat de Lleó). La recerca ha sigut finançada pel Ministeri de Ciència, Innovació i Universitats i per l’Agència Espanyola d’Investigació, a través de les ajudes a projectes de Generació de Coneixement.

Referència: Gonzalo García-Donato. María Eugenia Castellanos. Stefano Cabras. Alicia Quirós. Anabel Forte. “Model Uncertainty and Missing Data: An Objective Bayesian Perspective”. Bayesian Anal. Advance Publication 1 - 73, 2025. https://doi.org/10.1214/25-BA1531