> ## Documentation Index
> Fetch the complete documentation index at: https://docs.kameleoon.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Bayesiano

> Conozca el método estadístico bayesiano en Kameleoon y cómo calcula la probabilidad de superar al original y la fiabilidad de los resultados.

## Acerca del método bayesiano

A diferencia del enfoque frecuentista, que trata los parámetros que desea estimar como constantes desconocidas, el enfoque bayesiano modela cada parámetro como una variable aleatoria. El método toma su nombre de la regla de Bayes, que le permite calcular cantidades que el marco frecuentista no puede ofrecer.

La regla de Bayes combina los resultados de su experimento con cualquier información previa disponible. Sin embargo, las pruebas A/B de Kameleoon utilizan priores no informativos por defecto. Al elegir la distribución a priori, puede aprovechar la distribución posterior resultante para calcular valores, como la probabilidad de que una variación mejore al original.

## Habilitar el método bayesiano

Cuando hace clic en **Results** en el panel, Kameleoon muestra la página de resultados clásica por defecto.

Para habilitar el método estadístico bayesiano en un experimento:

1. Abra el experimento y haga clic en la pestaña **Data** en la barra lateral.
2. En **Statistical methods**, haga clic en **Bayesian**.
3. Haga clic en **Apply**.

La página de resultados mostrará entonces los resultados generados por la estadística bayesiana en lugar del método clásico.

<Note>
  No puede acceder a la página de resultados bayesianos si desvía el 100 % del tráfico al original o si el experimento no tiene visitantes.
</Note>

## La página de resultados bayesianos

La página de informes bayesianos sigue la misma estructura que la página de resultados clásica, pero algunos elementos son diferentes:

* Aparecen nuevos indicadores, como la probabilidad de superar a la variación original y la fiabilidad del resultado según Bayes.
* Varios gráficos no aparecen en la página y solo se muestra la tasa de conversión.

## Definiciones

### Probabilidad de superar al original

Este valor representa la probabilidad de que una variación supere a la página original con una tasa de conversión más alta para un objetivo determinado.

Si asigna el 0 % del tráfico al original, las variaciones reciben el 100 % del tráfico y no compiten con el original. En ese caso, el indicador se convierte en la **Probabilidad de ser la variación ganadora**.

### Métricas continuas bayesianas

Cuando pasa el cursor sobre métricas no binomiales (como Revenue per visit/visitor o Average cart value), aparece una superposición.

<Frame>
  <img src="https://storage.googleapis.com/kameleoon-storage-documentation/user-manual/images/experiment-analytics/statistical-methods/bayesian/Capture-decran-2024-06-03-a-15.24.14.png" alt="Superposición que muestra las métricas continuas bayesianas al pasar el cursor sobre una métrica no binomial" width="65%" />
</Frame>

* **Improvement rate:** este valor indica la tasa de mejora para la métrica. Aparece en verde si es positivo y en rojo si es negativo, junto con un intervalo creíble.
* **Probability to win over reference:** este valor muestra la probabilidad de que la variación supere a la variación de control. Aparece en verde si es superior al umbral de fiabilidad establecido en la configuración; de lo contrario, aparece en rojo.
* **Credible interval table:** los valores mínimo y máximo definen los límites del intervalo creíble alrededor de la tasa de mejora. Hay un 95 % de probabilidad de que la tasa de mejora se encuentre entre esos valores. Los valores aparecen en verde si son positivos y en rojo si son negativos.

## Diferencias entre los resultados

Los métodos bayesiano y clásico (frecuentista) producen resultados equivalentes en principio, pero no garantizan una salida idéntica. Es posible observar diferencias entre ciertas tasas, y en algunos casos, ambos métodos pueden declarar variaciones distintas como ganadoras en el mismo experimento.

Antes de comparar los datos entre ambos métodos, asegúrese de que los niveles de confianza alcancen su máximo en los dos. Si están al máximo y persiste la duda, utilice los resultados del método clásico.

## Más información

Para obtener más detalles sobre el motor estadístico de Kameleoon, lea el [documento estadístico de Kameleoon](https://storage.googleapis.com/kameleoon-storage-documentation/user-manual/pdf/statistics-at-kameleoon.pdf).
