Le raisonnement bayésien
Our Project :: Les facultés :: Mathématiques :: Cours
Page 1 sur 1
Le raisonnement bayésien
On nomme inférence bayésienne la démarche logique permettant de
calculer ou réviser la probabilité d'une hypothèse. Cette démarche est
régie par l'utilisation de règles strictes de combinaison des
probabilités, desquelles dérive le théorème de Bayes. Dans la perspective bayésienne, une probabilité
n'est pas interprétée comme le passage à la limite d'une fréquence,
mais plutôt comme la traduction numérique d'un état de connaissance (le
degré de confiance accordé à une hypothèse, par exemple.
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.
Écrit pour:
Enseignement
et recherche, 2e et 3e cycles des universités et établissements
d'enseignement supérieur, écoles d'ingénieurs, laboratoires de
recherche, services techniques des collectivités territoriales,
régionales, communales.
ICI
calculer ou réviser la probabilité d'une hypothèse. Cette démarche est
régie par l'utilisation de règles strictes de combinaison des
probabilités, desquelles dérive le théorème de Bayes. Dans la perspective bayésienne, une probabilité
n'est pas interprétée comme le passage à la limite d'une fréquence,
mais plutôt comme la traduction numérique d'un état de connaissance (le
degré de confiance accordé à une hypothèse, par exemple.
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.
Écrit pour:
Enseignement
et recherche, 2e et 3e cycles des universités et établissements
d'enseignement supérieur, écoles d'ingénieurs, laboratoires de
recherche, services techniques des collectivités territoriales,
régionales, communales.
ICI
Our Project :: Les facultés :: Mathématiques :: Cours
Page 1 sur 1
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum
|
|