Advertisement

About this book

Introduction

Cet ouvrage expose de façon détaillée la pratique de l'approche statistique bayésienne à l'aide de nombreux exemples choisis pour leur intérêt pédagogique. 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.

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.

Keywords

Inférence bayésienne Simulation algorithms décision information modélisation statistique méthodes de Monte Carlo par Chaines de Markov risque

Authors and affiliations

  • Éric Parent
    • 1
  • Jacques Bernier
    • 2
  1. 1.AgroParisTech/ENGREFCedex 15Paris
  2. 2.Le Pech-de-BiaudSaint-Martial-de-Nabirat

Bibliographic information

  • DOI https://doi.org/10.1007/978-2-287-33907-3
  • Copyright Information Springer-Verlag France, Paris 2007
  • Publisher Name Springer, Paris
  • Print ISBN 978-2-287-33906-6
  • Online ISBN 978-2-287-33907-3
  • Buy this book on publisher's site