En este trabajo se estudia la cuantificación de incertidumbre en parámetros de modelos no lineales mediante el enfoque bayesiano. Se parte del planteamiento clásico de problemas inversos, en los cuales los parámetros del modelo deben inferirse a partir de observaciones ruidosas y de un modelo directo formulado como un sistema de ecuaciones diferenciales. Dado que estos problemas suelen estar mal planteados, se introduce la inferencia bayesiana como estrategia de regularización, permitiendo incorporar información a priori y actualizarla con datos mediante la distribución a posteriori. Se presentan los fundamentos teóricos del enfoque bayesiano, así como su aplicación al caso particular del modelo de crecimiento logístico, destacando el uso de métodos computacionales para aproximar las distribuciones resultantes de los parámetros del modelo.
Abstract En este trabajo se estudia la cuantificación de incertidumbre en parámetros de modelos no lineales mediante el enfoque bayesiano. Se parte del planteamiento [...]
Cuantificación de incertidumbre sobre parámetros en modelos no lineales 
