| Property |
Value |
| dbo:abstract
|
- La statistique bayésienne est une approche statistique fondée sur l'inférence bayésienne, où la probabilité exprime un degré de croyance en un événement. Le degré initial de croyance peut être basé sur des connaissances a priori, telles que les résultats d'expériences antérieures, ou sur des croyances personnelles concernant l'événement. La perspective bayésienne diffère d'un certain nombre d'autres interprétations de la probabilité, comme l'interprétation fréquentiste qui considère la probabilité comme la limite de la fréquence relative d'un événement après de nombreux essais. Les méthodes statistiques bayésiennes reposent sur le théorème de Bayes pour calculer et mettre à jour les probabilités après l'obtention de nouvelles données. Le théorème de Bayes décrit la probabilité conditionnelle d'un événement basée sur des informations ou des croyances antérieures sur l'événement ou les conditions liées à l'événement. Par exemple, dans l'inférence bayésienne, le théorème de Bayes peut être utilisé pour estimer les paramètres d'une distribution de probabilité ou d'un modèle statistique. Puisque les statistiques bayésiennes traitent la probabilité comme un degré de croyance, le théorème de Bayes peut directement attribuer une distribution de probabilité qui quantifie la croyance au paramètre ou à l'ensemble de paramètres. Les statistiques bayésiennes ont été nommées d'après Thomas Bayes, qui a formulé un cas spécifique du théorème de Bayes dans son article publié en 1763, An Essay towards solving a Problem in the Doctrine of Chances. Dans plusieurs articles allant de la fin du 18e siècle au début du 19e siècle, Pierre-Simon de Laplace a développé l'interprétation bayésienne de la probabilité. Laplace a utilisé des méthodes qui seraient maintenant considérées comme bayésiennes pour résoudre un certain nombre de problèmes statistiques. De nombreuses méthodes bayésiennes ont été développées par des auteurs plus récents, mais le terme n'a pas été couramment utilisé pour décrire ces méthodes avant les années 1950. Pendant une grande partie du 20e siècle, les méthodes bayésiennes ont été jugées défavorables par de nombreux statisticiens en raison de considérations philosophiques et pratiques. De nombreuses méthodes bayésiennes nécessitent beaucoup de calculs pour être complétées. Avec l'avènement d'ordinateurs puissants et de nouvelles méthodes de simulation, les méthodes bayésiennes ont été de plus en plus utilisées dans les statistiques au 21e siècle. En statistique bayésienne :
* on interprète les probabilités comme un degré de croyance plutôt que comme la fréquence limite d'un phénomène ;
* on modélise les paramètres du modèle par des lois de probabilité ;
* on infère des paramètres devenant d'autant plus plausibles à mesure qu'on affine cette distribution de probabilité au fur et à mesure que sont connus de nouveaux résultats d'observation. (fr)
- La statistique bayésienne est une approche statistique fondée sur l'inférence bayésienne, où la probabilité exprime un degré de croyance en un événement. Le degré initial de croyance peut être basé sur des connaissances a priori, telles que les résultats d'expériences antérieures, ou sur des croyances personnelles concernant l'événement. La perspective bayésienne diffère d'un certain nombre d'autres interprétations de la probabilité, comme l'interprétation fréquentiste qui considère la probabilité comme la limite de la fréquence relative d'un événement après de nombreux essais. Les méthodes statistiques bayésiennes reposent sur le théorème de Bayes pour calculer et mettre à jour les probabilités après l'obtention de nouvelles données. Le théorème de Bayes décrit la probabilité conditionnelle d'un événement basée sur des informations ou des croyances antérieures sur l'événement ou les conditions liées à l'événement. Par exemple, dans l'inférence bayésienne, le théorème de Bayes peut être utilisé pour estimer les paramètres d'une distribution de probabilité ou d'un modèle statistique. Puisque les statistiques bayésiennes traitent la probabilité comme un degré de croyance, le théorème de Bayes peut directement attribuer une distribution de probabilité qui quantifie la croyance au paramètre ou à l'ensemble de paramètres. Les statistiques bayésiennes ont été nommées d'après Thomas Bayes, qui a formulé un cas spécifique du théorème de Bayes dans son article publié en 1763, An Essay towards solving a Problem in the Doctrine of Chances. Dans plusieurs articles allant de la fin du 18e siècle au début du 19e siècle, Pierre-Simon de Laplace a développé l'interprétation bayésienne de la probabilité. Laplace a utilisé des méthodes qui seraient maintenant considérées comme bayésiennes pour résoudre un certain nombre de problèmes statistiques. De nombreuses méthodes bayésiennes ont été développées par des auteurs plus récents, mais le terme n'a pas été couramment utilisé pour décrire ces méthodes avant les années 1950. Pendant une grande partie du 20e siècle, les méthodes bayésiennes ont été jugées défavorables par de nombreux statisticiens en raison de considérations philosophiques et pratiques. De nombreuses méthodes bayésiennes nécessitent beaucoup de calculs pour être complétées. Avec l'avènement d'ordinateurs puissants et de nouvelles méthodes de simulation, les méthodes bayésiennes ont été de plus en plus utilisées dans les statistiques au 21e siècle. En statistique bayésienne :
* on interprète les probabilités comme un degré de croyance plutôt que comme la fréquence limite d'un phénomène ;
* on modélise les paramètres du modèle par des lois de probabilité ;
* on infère des paramètres devenant d'autant plus plausibles à mesure qu'on affine cette distribution de probabilité au fur et à mesure que sont connus de nouveaux résultats d'observation. (fr)
|
| dbo:isPartOf
| |
| dbo:namedAfter
| |
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 9695 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| prop-fr:année
|
- 1965 (xsd:integer)
- 2001 (xsd:integer)
- 2005 (xsd:integer)
- 2007 (xsd:integer)
- 2009 (xsd:integer)
- 2013 (xsd:integer)
|
| prop-fr:annéePremièreÉdition
| |
| prop-fr:collection
|
- Statistiques et probabilités appliquées (fr)
- Statistiques et probabilités appliquées (fr)
|
| prop-fr:isbn
| |
| prop-fr:langue
|
- en (fr)
- fr (fr)
- en (fr)
- fr (fr)
|
| prop-fr:langueOriginale
| |
| prop-fr:lienAuteur
|
- Christian Robert (fr)
- Dennis Lindley (fr)
- Andrew Gelman (fr)
- Donald Rubin (fr)
- Christian Robert (fr)
- Dennis Lindley (fr)
- Andrew Gelman (fr)
- Donald Rubin (fr)
|
| prop-fr:lienPériodique
|
- Courrier des statistiques (fr)
- British Journal of Mathematical and Statistical Psychology (fr)
- Courrier des statistiques (fr)
- British Journal of Mathematical and Statistical Psychology (fr)
|
| prop-fr:lieu
|
- Cambridge (fr)
- Hoboken, New Jersey (fr)
- Paris/Berlin/Heidelberg etc. (fr)
- Cambridge (fr)
- Hoboken, New Jersey (fr)
- Paris/Berlin/Heidelberg etc. (fr)
|
| prop-fr:lireEnLigne
| |
| prop-fr:mois
| |
| prop-fr:nom
|
- Robert (fr)
- Gill (fr)
- Rubin (fr)
- Lindley (fr)
- Rossi (fr)
- Stern (fr)
- Jackman (fr)
- Carlin (fr)
- McCulloch (fr)
- Gelman (fr)
- Shalizi (fr)
- Allenby (fr)
- Robert (fr)
- Gill (fr)
- Rubin (fr)
- Lindley (fr)
- Rossi (fr)
- Stern (fr)
- Jackman (fr)
- Carlin (fr)
- McCulloch (fr)
- Gelman (fr)
- Shalizi (fr)
- Allenby (fr)
|
| prop-fr:numéroD'édition
|
- 2 (xsd:integer)
- 3 (xsd:integer)
|
| prop-fr:pages
| |
| prop-fr:pagesTotales
|
- 368 (xsd:integer)
- 658 (xsd:integer)
- 675 (xsd:integer)
|
| prop-fr:prénom
|
- Andrew (fr)
- Christian (fr)
- Rob (fr)
- Simon (fr)
- Peter E. (fr)
- Jeff (fr)
- Cosma (fr)
- Donald B (fr)
- Hal S (fr)
- John B (fr)
- Dennis Victor (fr)
- Greg M. (fr)
- Andrew (fr)
- Christian (fr)
- Rob (fr)
- Simon (fr)
- Peter E. (fr)
- Jeff (fr)
- Cosma (fr)
- Donald B (fr)
- Hal S (fr)
- John B (fr)
- Dennis Victor (fr)
- Greg M. (fr)
|
| prop-fr:périodique
|
- Courrier des statistiques (fr)
- British Journal of Mathematical and Statistical Psychology (fr)
- Courrier des statistiques (fr)
- British Journal of Mathematical and Statistical Psychology (fr)
|
| prop-fr:sousTitre
|
- A Social and Behavioral Approach (fr)
- A Social and Behavioral Approach (fr)
|
| prop-fr:titre
|
- Bayesian Data Analysis (fr)
- Bayesian Analysis for the Social Sciences (fr)
- Bayesian Methods (fr)
- Bayesian Statistics and Marketing (fr)
- L'Analyse statistique bayésienne (fr)
- Le Choix bayésien (fr)
- Philosophy and the practice of Bayesian statistics (fr)
- Introduction to probability and statistics from a Bayesian viewpoint (fr)
- Bayesian Data Analysis (fr)
- Bayesian Analysis for the Social Sciences (fr)
- Bayesian Methods (fr)
- Bayesian Statistics and Marketing (fr)
- L'Analyse statistique bayésienne (fr)
- Le Choix bayésien (fr)
- Philosophy and the practice of Bayesian statistics (fr)
- Introduction to probability and statistics from a Bayesian viewpoint (fr)
|
| prop-fr:urlTexte
| |
| prop-fr:volume
| |
| prop-fr:wikiPageUsesTemplate
| |
| prop-fr:éditeur
| |
| dct:subject
| |
| rdfs:comment
|
- La statistique bayésienne est une approche statistique fondée sur l'inférence bayésienne, où la probabilité exprime un degré de croyance en un événement. Le degré initial de croyance peut être basé sur des connaissances a priori, telles que les résultats d'expériences antérieures, ou sur des croyances personnelles concernant l'événement. La perspective bayésienne diffère d'un certain nombre d'autres interprétations de la probabilité, comme l'interprétation fréquentiste qui considère la probabilité comme la limite de la fréquence relative d'un événement après de nombreux essais. (fr)
- La statistique bayésienne est une approche statistique fondée sur l'inférence bayésienne, où la probabilité exprime un degré de croyance en un événement. Le degré initial de croyance peut être basé sur des connaissances a priori, telles que les résultats d'expériences antérieures, ou sur des croyances personnelles concernant l'événement. La perspective bayésienne diffère d'un certain nombre d'autres interprétations de la probabilité, comme l'interprétation fréquentiste qui considère la probabilité comme la limite de la fréquence relative d'un événement après de nombreux essais. (fr)
|
| rdfs:label
|
- Statistique bayésienne (fr)
- Bayesiaanse statistiek (nl)
- Bayesian statistics (en)
- Statistica bayesiana (it)
- Баєсова статистика (uk)
- إحصاء بايزي (ar)
- ベイズ統計学 (ja)
|
| rdfs:seeAlso
| |
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:domain
of | |
| is dbo:isPartOf
of | |
| is dbo:mainArticleForCategory
of | |
| is dbo:wikiPageDisambiguates
of | |
| is dbo:wikiPageRedirects
of | |
| is dbo:wikiPageWikiLink
of | |
| is prop-fr:champs
of | |
| is oa:hasTarget
of | |
| is foaf:primaryTopic
of | |
