Le raisonnement bayésien

Modélisation et inférence

Eric Parent, Jacques Bernier - Collection Statistique et probabilités appliquées

364 pages, parution le 03/08/2010

Ajouter à une liste

Indisponible

Résumé

Cet ouvrage expose de façon détaillée la pratique de l'approche statistique bayésienne à l'aide de nombreux exemples choisis pour leur intérêt pédagogique. Il insiste particulièrement sur l'emploi du raisonnement conditionnel qui fonde la cohérence profonde des méthodes de la modélisation et de l'inférence statistique sous le paradigme bayésien.

La première partie donne les principes généraux de modélisation statistique permettant d'encadrer mais aussi de venir au secours de l'imagination de l'apprenti modélisateur. En examinant des exemples de difficulté croissante, le lecteur forge les clés pour construire son propre modèle. La seconde partie présente les algorithmes de calcul les plus utiles pour estimer les inconnues du modèle. Chaque méthode d'inférence est présentée et illustrée par de nombreux cas d'applications. Si nécessaire, un rappel de leur cadre théorique essentiel est présenté sans démonstration.

Le livre cherche ainsi à dégager les éléments clés de la statistique bayésienne, en faisant l'hypothèse que le lecteur possède les bases de la théorie des probabilités et s'est déjà trouvé confronté à des problèmes ordinaires d'analyse statistique classique. Il peut servir de support à un cours de modélisation ou de statistique appliquée dans un programme de Master ou d'École d'Ingénieurs.

Il s'adresse également aux chercheurs et utilisateurs désireux de s'assurer de la pertinence des méthodes qu'ils emploient. Le débutant, au prix d'un investissement intellectuel acceptable, aussi bien que le spécialiste, pourront y trouver les informations fondamentales pour comprendre et mettre en oeuvre des modèles répondant à leurs besoins spécifiques.

L'auteur - Eric Parent

Autres livres de Eric Parent

Statistique pour l'environnement

Découvrir tous les livres de Eric Parent

Sommaire

La décision en présence d'information
Représentation probabiliste des connaissances
Risque et aide bayésienne à la décision
Comment construire un modèle ?
Construire un modèle brique par brique
Motivations du calcul bayésien
Méthodes exactes et modèles unidimensionnels
Représentations multidimensionnelles
Les méthodes asymptotiques
Simulation Monte Carlo avec indépendance
Chaînes de Markov et simulations Monte Carlo
Algorithme de Metropolis-Hastings
Algorithme de Gibbs
Algorithmes MCMC et par - delà
Conclusions

Voir tout

Replier

Caractéristiques techniques

	PAPIER
Éditeur(s)	Springer
Auteur(s)	Eric Parent, Jacques Bernier
Collection	Statistique et probabilités appliquées
Parution	03/08/2010
Nb. de pages	364
Format	15,5 x 23,5
Couverture	Broché
Poids	666g
Intérieur	Noir et Blanc
EAN13	9782287339066
ISBN13	978-2-287-33906-6