Simulación y comparación empírica de métodos de estimación para modelos 1PL: Máxima Verosimilitud (MLE) vs. Enfoque Bayesiano con prior de dificultad externa
Evaluar empíricamente si un modelo bayesiano 1PL con distribución prior para la dificultad del ítem basada en predicciones externas mejora la precisión de estimación frente al método tradicional de Máxima Verosimilitud (MLE).
Lenguaje principal para análisis estadístico y modelado
Framework para orquestar pipelines de datos reproducibles
Librería de programación probabilística para modelos bayesianos
Implementación de algoritmos de machine learning y MLE
Generar parámetros verdaderos para habilidades y dificultades
Crear distribución prior basada en predicciones externas
Generar respuestas sintéticas usando modelo 1PL
Máxima verosimilitud tradicional
PyMC con prior informativo
Evaluación de métricas de precisión y sesgo
Visualiza el flujo completo del análisis con Kedro-Viz. Explora los nodos, dependencias y resultados del pipeline de forma interactiva.
Accede a la visualización completa del pipeline generada con Kedro-Viz
Abrir Visualización del PipelineComparación de la precisión entre métodos MLE y Bayesiano bajo diferentes condiciones de calidad del prior.
Análisis de cómo el tamaño de la muestra afecta la efectividad de cada método de estimación.
Guías sobre cuándo usar cada método basadas en la calidad del prior y tamaño muestral disponible.