| Titre : |
Initiation à la statistique bayésienne : bases théoriques et applications en alimentation, environnement, épidémiologie et génétique |
| Type de document : |
texte imprimé |
| Auteurs : |
Collectif Biobayes, Auteur |
| Editeur : |
Paris : Ellipses |
| Année de publication : |
DL 2015 |
| Collection : |
Références sciences |
| ISBN/ISSN/EAN : |
978-2-340-00501-3 |
| Catégories : |
Mathématiques
Mathématiques:Mathématiques appliquées et probabilités
Mathématiques:Mathématiques appliquées et probabilités :Statistique mathématique
|
| Mots-clés : |
Statistique bayésienne |
| Index. décimale : |
519.5 Statistique mathématique |
| Résumé : |
Une formule mathématique élémentaire révolutionne la boîte à outils des chercheurs et des ingénieurs : friande de simulations, la formule de Bayes surfe sur les vagues successives du raz de marée informatique et aide à démêler les réseaux complexes de causes des défis scientifiques de ce début du troisième millénaire. Ce manuel d'initiation à la statistique bayésienne en montre la pertinence théorique et l'efficacité pratique.
L'approche bayésienne synthétise naturellement différentes sources d'information (données, modèles, expertises). C'est pourquoi elle intervient de manière décisive dans de nombreux domaines, dont l'analyse des risques. Adaptée à l'analyse quantitative des incertitudes de prédiction, on la rencontre de plus en plus dans l'élaboration des modèles mathématiques utilisés en biologie, épidémiologie, écologie et agronomie, domaines de référence des auteurs.
Accessible aux débutants, ce livre s'adresse en priorité aux professionnels des sciences du vivant et de l'environnement (ingénieurs, gestionnaires, chercheurs et étudiants) soucieux de la meilleure exploitation de leurs données au travers d'une démarche quantitative cohérente. La première partie de l'ouvrage présente les bases nécessaires à la statistique bayésienne : probabilités, démarche, modélisation graphique, algorithmes (y compris MCMC et ABC), évaluation des modèles, définition des lois a priori.
La seconde développe plusieurs exemples réels et propose des cas d'études. Glossaire et index complètent l'ouvrage. Les codes WinBUGS et données utilisés sont disponibles sur le site web de l'ouvrage. |
Initiation à la statistique bayésienne : bases théoriques et applications en alimentation, environnement, épidémiologie et génétique [texte imprimé] / Collectif Biobayes, Auteur . - Paris : Ellipses, DL 2015. - ( Références sciences) . ISBN : 978-2-340-00501-3
| Catégories : |
Mathématiques
Mathématiques:Mathématiques appliquées et probabilités
Mathématiques:Mathématiques appliquées et probabilités :Statistique mathématique
|
| Mots-clés : |
Statistique bayésienne |
| Index. décimale : |
519.5 Statistique mathématique |
| Résumé : |
Une formule mathématique élémentaire révolutionne la boîte à outils des chercheurs et des ingénieurs : friande de simulations, la formule de Bayes surfe sur les vagues successives du raz de marée informatique et aide à démêler les réseaux complexes de causes des défis scientifiques de ce début du troisième millénaire. Ce manuel d'initiation à la statistique bayésienne en montre la pertinence théorique et l'efficacité pratique.
L'approche bayésienne synthétise naturellement différentes sources d'information (données, modèles, expertises). C'est pourquoi elle intervient de manière décisive dans de nombreux domaines, dont l'analyse des risques. Adaptée à l'analyse quantitative des incertitudes de prédiction, on la rencontre de plus en plus dans l'élaboration des modèles mathématiques utilisés en biologie, épidémiologie, écologie et agronomie, domaines de référence des auteurs.
Accessible aux débutants, ce livre s'adresse en priorité aux professionnels des sciences du vivant et de l'environnement (ingénieurs, gestionnaires, chercheurs et étudiants) soucieux de la meilleure exploitation de leurs données au travers d'une démarche quantitative cohérente. La première partie de l'ouvrage présente les bases nécessaires à la statistique bayésienne : probabilités, démarche, modélisation graphique, algorithmes (y compris MCMC et ABC), évaluation des modèles, définition des lois a priori.
La seconde développe plusieurs exemples réels et propose des cas d'études. Glossaire et index complètent l'ouvrage. Les codes WinBUGS et données utilisés sont disponibles sur le site web de l'ouvrage. |
|  |
Affiner la recherche Interroger des sources externes
