Statistiques Bayésiennes - Initiation

Référence : STAT-N2-Bayes

La formation en quelques mots

Cette formation s'adresse à des personnes déjà spécialisées dans le domaine statistique à travers les méthodes classiques inférentielle. Elle vise à introduire les concepts de base de l'approche Bayésienne avec une approche de comparaisons vis-à-vis des méthodes classiques, permettant au passage une prise de recul sur ce que sous-tend le choix d’une méthode statistique. Ainsi, les avantages et les inconvénients des approches « Bayésienne » et « classique » seront présentés et discutés au fil de la formation.

Thèmes principaux

  • Théorème de Bayes
  • Loi à priori
  • Loi à postériori
  • Méthode MCMC
  • Estimations Bayésiennes

Outils logiciels

Cette formation n’est pas strictement dédiée à un logiciel mais des outils spécifiques seront nécessaires : le logiciel R, WinBUGS et JAGS qui sont tous trois des logiciel libres et multiplateformes.

Infos pratiques

  • Durée : 2 jours soit 14 heures
  • Population visée : Technicien – Employé – Cadre – Chercheur – Etudiant
  • Public concerné : Toute personne souhaitant appréhender l'approche Bayésienne et sa mise en œuvre.

Programme

Objectifs pédagogiques

A l’issue de cette formation, l’apprenant sera capable de :

  • Appréhender la méthode Bayésienne
  • Différencier l'approche avec l'inférence statistique classique
  • Comprendre la démarche et les prérequis
  • Connaitre les avantages et les inconvénients de l'approche

Pré-requis

Il est nécessaire que les participants connaissent les bases des statistiques traditionnelles (dites « fréquentistes »), en particulier en théorie des probabilités (variable aléatoire, loi de probabilité...), et soient à l’aise avec l’interprétation d’une p-value. Il est également souhaitable que les participants connaissent les bases du logiciel R. 

Objectifs opérationnels et contenu de la formation

Présentation de la démarche Bayésienne

  • Etat d’esprit de l’approche Bayésienne et principes généraux – Comparaison avec la statistique classique
  • Dans quels cas utiliser la statistique Bayésienne ?
  • Le théorème de Bayes 
  • Connaissance à priori / Vraisemblance / Connaissance à posteriori
  • Mise à jour de la connaissance 
  • Méthode MCMC (Markov Chain Monte Carlo) pour l’estimation
  • Fonction de perte et théorie de la décision
  • Les estimateurs 
  • Quid de la p-value ?
  • Estimation de l’erreur et Intervalles de crédibilité
  • Régression linéaire : sélection Bayésienne de variables

Les outils

  • WinBUGS (avec ou sans le logiciel R) 
  • JAGS 

Mise en œuvre de tests simples 

  • Chaînes de Markov par Monte-Carlo 
  • Comparer des moyennes
  • Estimer une proportion
  • Définir un modèle 

Méthodes et moyens

  • Explications théoriques suivies de pratiques guidées puis mises en autonomie
  • 1 vidéoprojecteur par salle
  • 1 ordinateur par stagiaire

Méthodes d’évaluation des acquis

  • Exercices de synthèse et d’évaluation
  • Evaluation de fin de stage

Profil formateur

Nos formateurs sont certifiés à l’issue d’un parcours organisé par nos soins. Ils bénéficient d’un suivi de compétences aussi bien au niveau technique que pédagogique.

Support stagiaire

  • Support papier ou électronique (dématérialisé)
  • Les exercices d’accompagnement peuvent être récupérés sur clef USB