All a b c d e f g h i j k l m n o p q r s t u v w x y z Other

Page 1

Displaying 1 – 6 of 6

Showing per page

L'analyse implicative bayésienne, une méthode pour l'étude des dépendances orientées. II : modèle logique sur un tableau de contingence

Jean-Marc Bernard, Camilo Charron (1996)

Mathématiques et Sciences Humaines

Dans Bernard & Charron (1996), nous avons proposé une nouvelle méthode, l'Analyse Implicative Bayésienne (AIB), pour l'étude des dépendances orientées entre deux variables binaires, méthode qui permet de conclure en terme de quasi-implication entre modalités des variables. Nous étendons ici cette méthode au cas d'un tableau de contingence A × B quelconque avec le problème de la mesure du degré de quasi-adéquation des données à un modèle logique donné. Au niveau descriptif, la méthode repose...

L'analyse implicative bayésienne, une méthode pour l'étude des dépendances orientées. I : données binaires

Jean-Marc Bernard, Camilo Charron (1996)

Mathématiques et Sciences Humaines

La réussite à l'épreuve A implique-t-elle, approximativement, la réussite à l'épreuve B ? Parmi les indices descriptifs proposés pour mesurer de telles dépendances orientées, nous considérons l'indice H de Loevinger, qui s'exprime simplement en termes des taux de liaison entre modalités. A partir de cet indice, nous définissons les notions de quasi-implication, de quasi-équivalence et de quasi-indépendance dans un tableau de contingence 2 x 2. Cependant, les méthodes inductives correspondantes,...

Least squares approximation in Bayesian analysis.

Michel Mouchart, Léopold Simar (1980)

Trabajos de Estadística e Investigación Operativa

This paper presents in a simple and unified framework the Least-Squares approximation of posterior expectations. Particular structures of the sampling process and of the prior distribution are used to organize and to generalize previous results. The two basic structures are obtained by considering unbiased estimators and exchangeable processes. These ideas are applied to the estimation of the mean. Sufficient reduction of the data is analysed when only the Least-Squares approximation is involved....

Likelihood and the Bayes procedure.

Hirotugu Akaike (1980)

Trabajos de Estadística e Investigación Operativa

In this paper the likelihood function is considered to be the primary source of the objectivity of a Bayesian method. The necessity of using the expected behaviour of the likelihood function for the choice of the prior distribution is emphasized. Numerical examples, including seasonal adjustment of time series, are given to illustrate the practical utility of the common-sense approach to Bayesian statistics proposed in this paper.

Likelihood for random-effect models (with discussion).

Youngjo Lee, John A. Nelder (2005)

SORT

For inferences from random-effect models Lee and Nelder (1996) proposed to use hierarchical likelihood (h-likelihood). It allows influence from models that may include both fixed and random parameters. Because of the presence of unobserved random variables h-likelihood is not a likelihood in the Fisherian sense. The Fisher likelihood framework has advantages such as generality of application, statistical and computational efficiency. We introduce an extended likelihood framework and discuss why...

Currently displaying 1 – 6 of 6

Page 1