Inférence Bayésienne

La statistique bayésienne est une approche puissante et flexible permettant d’aborder des problématiques de modélisation variées. Cependant, la théorie sur laquelle elle repose demande une attention particulière. De plus, les outils méthodologiques permettant l’inférence bayésienne diffèrent de ceux classiquement utilisés en statistique fréquentiste.

Le premier objectif de cette formation est de présenter les bases nécessaires à la mobilisation du paradigme bayésien dans un projet statistique :

• Les méthodes d’inférence Markov chains Monte-Carlo
• La théorie de la statistique bayésienne
• L’importance des priors en statistiques bayésienne

• Évaluer l’intérêt de mobiliser le paradigme bayésien et les différences que cela implique par rapport au paradigme « classique » fréquentiste,
• Formuler le modèle, ses priors, ses hyperparamètres. S’interroger sur les priors d’un modèle bayésien,
• Utiliser Stan, un logiciel puissant, flexible et libre de droits pour mener à bien des analyses bayésiennes par MCMC,
• Diagnostiquer les principaux points d’attention associés à l’inférence MCMC,
• Aborder des problématiques de modélisation complexe, tester des hypothèses et évaluer des incertitudes par MCMC dans un cadre bayésien.

Pratique courante de la statistique, surtout du modèle linéaire (ANOVA), bonne connaissance et affinité pour la théorie du modèle linéaire, autonomie en R

Tout public

• Rappels des notions pré-requises,
• Algorithmes MCMC,
• Paradigme bayésien,
• MCMC pour l’inférence bayésienne,
• Exemples d’application.

Les formateurs de Seenovate sont des consultants expérimentés et certifiés. Ils appuient leur pédagogie sur leur expertise terrain en conseil et en réalisation de projet en statistique et data science.

Méthodes et moyens : 

• Une convention de formation
• Une enquête en amont sur les attentes des stagiaires
• Feuilles d’émargement signées à chaque session
• 1 vidéoprojecteur par salle / 1 poste de travail par stagiaire
• Explications théoriques suivies de pratiques guidées puis mises en autonomie

Méthode d’évaluation des acquis : 

• Quiz et exercices d’applications tout au long de la formation
• Evaluation de fin de stage
• Attestation de suivi de formation

Support stagiaire :  

• Support de cours électronique (dématérialisé) / En français