Los resultados más relevantes que se pretenden alcanzar con el estudio de esta asignatura son los siguientes:
Comprender la importancia y utilidad de un modelado multi-nivel para datos con dependencias probabilísticas complejas y diferentes grupos de parámetros u observaciones.
Discriminar los diferentes escenarios en los que el modelado jerárquico ofrece ventajas respecto a los modelos planos.
Construir descripciones en forma de grafo de las relaciones de dependencia condicional entre observaciones, parámetros e hiperparámetros de un modelo.
Traducir dichos grafos a formulaciones matemáticas analíticas en términos de verosimilitudes y distribuciones a priori.
Seleccionar las técnicas de muestreo más apropiadas para un modelo dado.
Evaluar la bondad de un modelo dado (incluyendo su capacidad de predicción y las propiedades de convergencia de su muestreo de la probabilidad a posteriori en caso de ser necesario) y ser capaz de comparar y seleccionar modelos.