平特五不中

Event

Micha毛l Lalancette, Universit茅 de Montr茅al

Wednesday, November 2, 2016 12:30to13:30
Room Z-345, Pavillon Claire-McNIcoll, CA

La mod茅lisation de l'information a priori en statistique.

En probabilit茅, la r猫gle de Bayes est une formule tr猫s utile pour calculer des probabilit茅s conditionnelles. En statistique, elle peut 锚tre utilis茅e afin d'introduire de l'information a priori sur les param猫tres qui sont inconnus. La proc茅dure d'estimation de ces param猫tres, qui se fait en combinant l'information a priori et l'information contenue dans l'茅chantillon, devient beaucoup plus probabiliste. On obtient alors ce qu'on appelle le paradigme bay茅sien, ou simplement la statistique bay茅sienne. J'expliquerai, entre autre 脿 l'aide d'exemples simples, la "construction" de la statistique bay茅sienne ainsi que ses avantages par rapport 脿 la statistique dite "classique". Si le temps le permet, j'aborderai 茅galement les m茅thodes d'approximation qui deviennent essentielles en statistique bay茅sienne d没 脿 la complexit茅 des calculs 脿 effectuer.

Follow us on

Back to top