Santé environnementale : quelle place pour les statisticiens ?
Une procédure bayésienne de sélection/validation différentielle pour déterminer le domaine d'attraction des valeurs extrêmes
Modélisation bayésienne du vieillissement des compteurs d'eau par mélange de classes d'appareils de différents états de dégradation
Analyse bayésienne du modèle linéaire avec erreur autocorrélée par échantillonnage de Gibbs : application à la modélisation d'un procédé agroalimentaire à partir de données recueillies sur ligne
Inférence bayésienne de la taille d'une population de saumons par utilisation de sources multiples d'information
Investigations particulaires pour l’inférence statistique et l’optimisation de plan d’expériences
Les algorithmes particulaires sont des techniques de Monte-Carlo qui associent des étapes d’échantillonnage pondéré, de rééchantillonnage bootstrap, de régénérescence markovienne et de recuit simulé. Grâce à trois exemples de complexité croissante, nous décrivons leurs implémentations pour l’estimation du maximum de vraisemblance, l’évaluation de la distribution a posteriori pour un modèle à variables latentes et la recherche du plan d’expérience optimal. Les solutions de ces exemples pédagogiques...
Biodiversité et approches spatiales en environnement : introduction
Le rôle pivot des variables latentes pour le raisonnement statistique conditionnel. Exemples d'applications environnementales des processus ponctuels marqués
Page 1