Contenus
1/ Théorie de l'inférence bayésienne
- Principe de l’inférence bayésienne
- Méthodes de l'inférence bayésienne : solutions explicites, algorithmes MCMC (Metropolis-Hastings et Gibbs sampling)
- Choix des lois a priori
- Estimation des paramètres d’un modèle
- Validation et comparaison de modèles
Chacune des parties sera illustrée par des des applications concrètes.
2/ Mise en œuvre avec les outils de type « BUGS »
- Formalisation d’un modèle sous la forme d’un graphe acyclique dirigé
- Introduction aux outils de type « BUGS »
- Prise en main du logiciel JAGS à partir d'exemples simples
3/ Quelques applications réelles
- Statistique bayésienne pour la méta-analyse de l’étude du lien entre concentration en anticorps et risque de grippe
- Statistique bayésienne en criminalistique
