Présentation de la démarche Bayésienne
- Etat d'esprit de l'approche Bayésienne et principes généraux – Comparaison avec la statistique classique
- Dans quels cas utiliser la statistique Bayésienne ?
- Le théorème de Bayes
- Connaissance à priori / Vraisemblance / Connaissance à posteriori
- Mise à jour de la connaissance
- Méthode MCMC (Markov Chain Monte Carlo) pour l'estimation
- Fonction de perte et théorie de la décision
- Les estimateurs
- Quid de la p-value ?
- Estimation de l'erreur et Intervalles de crédibilité
- Régression linéaire : sélection Bayésienne de variables
Â
Les outils
- WinBUGS (avec ou sans le logiciel R)
- JAGS
Mise en Å“uvre de tests simples
- Chaînes de Markov par Monte-Carlo
- Comparer des moyennes
- Estimer une proportion
- Définir un modèle