Random forest (RF) es una técnica ampliamente utilizada para la predicción de datos y la selección de variables. Sin embargo, el aspecto de selección de variables de RF puede volverse poco confiable cuando hay más variables irrelevantes que relevantes. En respuesta, introdujimos el método de bosque aleatorio bayesiano (BRF), específicamente diseñado para conjuntos de datos de alta dimensionalidad con una estructura de covariables dispersa. Nuestra investigación demuestra que BRF posee la propiedad del oráculo, lo que significa que logra una fuerte consistencia en la selección sin comprometer la eficiencia o el sesgo.