Introduction a la modelisation bayesienne et utilisation de OpenBugs BRugs

Marie-Pierre Etienne

Description

Introduction a la modelisation bayesienne et utilisation de OpenBugs/BRugs Marie-Pierre Etienne 8 avril 2008

• modele


• touche bayesienne


• differents elements du modele


• modele binomial en bayesien


• lien entre estimation classique


• modele binomial


• infor- mation contenu dans les donnees

Sujets

• Étienne
• Modèle
• Modèle binomial

Informations

• Publié par: pefav
• Publié le: 01 avril 2008
• Nombre de lectures: 58
• Langue: Français
• Poids de l'ouvrage: 1 Mo

Extrait

Introduction

a `

la

mode´lisationbaye´sienne OpenBugs/BRugs

Marie-Pierre Etienne

8 avril 2008

et

utilisation

de

2

Tabledesmatie`res

1Lemode`lebinomialenbaye´sien 1.1Lemode`lebinomial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . 1.2latouchebaye´sienne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3Misea`jourdel’information:inf´erencebaye´sienne. . . . . . . . . . . . . . . . . . . . 1.3.1D’unpointdevuethe´orique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2Unepremie`resolution:laconjugaison. . . . . . . . . . . . . . . . . . . . . . . 1.3.3Unedeuxie`mesolution:lesalgorithmesd’estimation. . . . . . . . . . . . . . . 1.4Quelquesremarquessurlelienentreestimationclassiqueetestimationbay´esienne. . 1.5 Mise en oeuvre du mod`le binomial sous BRUGS. . . . . . . . . . . . . . . . . . . . . e 1.5.1Quelquespre´liminairesdansR. . . . . . . . . . . . . . . . . . . . . . .. . . . 1.5.2Lesfichierspoursp´ecifierlemode`le. . . . . . . . . . . . . . . . . . . . . . . . . 1.5.3Lescriptpoursp´ecifierled`ele. . . . . . . . . . . . . . . . . . . . . . . . . . mo 1.6Traitementdesre´sultats. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . 1.6.1 Lancer les chaˆınes MCMC. . . . . . . . . . . . . . . . . . . . . . . . . .. . . . 1.6.2ObtenirleschaıˆnesMCMCsimul´ees. . . . . . . . . . . . . . . . . . . . .. . . 1.6.3 Graphiques utiles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . 2 Anova 2.1Lesrendementsdemaı ¨ s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2L’analysedelavariancea`deuxfacteursclassique. . . . . . . . . . . . . . . . . .. . . 2.3L’analysedelavariance`adeuxfacteursdanslecadrebay´esien. . . . . . . . . . . . . 2.4ANOVAbay´esiennedepuisR. . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . 2.5Constructiond’unprior`apartirdesdonn´eeshistoriques. . . . . . . . . . . . . . .. . 2.6Attention:prioreteffetal´eatoiren’ontpaslemˆemesens!!!. . . . . . . . . . . . . . 3 Annexes 3.1 Installer le package BRugs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 Avec une connexion internet. . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2Apartird’unr´epertoirelocal. . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2Rappelsurquelquesloisdeprobabilite´s. . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Lois continues. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . 3.2.2Loisdiscre`tes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . .

3

5 5 5 7 7 8 8 8 9 9 9 10 11 11 11 12 15 15 16 18 21 23 27 31 31 32 33 34 34 36