Raisonnement Conditionnel Probabiliste ET Statistique Bayesienne

Cet ouvrage expose de facon detaillee la pratique de l'approche statistique bayesienne a l'aide de nombreux exemples choisis pour leur interet pedagogique. Il insiste particulierement sur l'emploi du raisonnement conditionnel qui fonde la coherence profonde des methodes de la modelisation et de l'inference statistique sous le paradigme bayesien.

La premiere partie donne les principes generaux de modelisation statistique permettant d'encadrer mais aussi de venir au secours de l'imagination de l'apprenti modelisateur. En examinant des exemples de difficulte croissante, le lecteur forge les cles pour construire son propre modele. La seconde partie presente les algorithmes de calcul les plus utiles pour estimer les inconnues du modele. Chaque methode d'inference est presentee et illustree par de nombreux cas d'applications. Si necessaire, un rappel de leur cadre theorique essentiel est presente sans demonstration.

Le livre cherche ainsi a degager les elements cles de la statistique bayesienne, en faisant l'hypothese que le lecteur possede les bases de la theorie des probabilites et s'est deja trouve confronte a des problemes ordinaires d'analyse statistique classique. Il peut servir de support a un cours de modelisation ou de statistique appliquee dans un programme de Master ou d'Ecole d'Ingenieurs. Il s'adresse egalement aux chercheurs et utilisateurs desireux de s'assurer de la pertinence des methodes qu'ils emploient. Le debutant, au prix d'un investissement intellectuel acceptable, aussi bien que le specialiste, pourront y trouver les informations fondamentales pour comprendre et mettre en oeuvre des modeles repondant a leurs besoins specifiques.