← Back to catalog
Statistique Bayésienne
Bayesian Statistics
Yaé Ulrich Gaba
M1
11 chapitres
FR + EN
Description
Ce cours présente le paradigme bayésien de l'inférence statistique. Des lois a priori conjuguées aux méthodes MCMC (Metropolis-Hastings, Gibbs), en passant par les modèles hiérarchiques, l'inférence variationnelle et les modèles non-paramétriques, il fournit les outils théoriques et computationnels de la statistique bayésienne moderne.
Table des matières
- Paradigme Bayésien
- Lois A Priori et A Posteriori — Conjugaison
- Estimation Bayésienne et Fonctions de Perte
- Tests d'Hypothèses Bayésiens
- Prédiction Bayésienne
- Modèles Hiérarchiques
- Méthodes MCMC — Metropolis-Hastings
- Algorithme de Gibbs
- Inférence Variationnelle
- Modèles Bayésiens Non-Paramétriques
- Applications
Prérequis
Probabilités et statistique mathématique, théorie de la mesure (notions).