CONTACT

Les statistiques bayésiennes : introduction et pratique

Les statistiques bayésiennes sont une manière différente de construire la connaissance par rapport aux statistiques conventionnelles :
elles offrent la possibilité de mettre à jour ce que nous savons déjà à la lumière de ce que nous apportent nos expérimentations et observations, le tout dans un calcul très intuitif.
Elles peuvent résoudre un grand nombre de problèmes rencontrés en statistiques classiques (hétérosedastiscité, multicolinéarité, petits échantillons, données manquantes, modèles très complexes…).
On s'attend à ce que ces méthodes remplacent les outils classiques d'inférence dans les années à venir.

Fiche formation

Description

Public concerné

Techniciens, ingénieurs ou chercheurs désirant

  • comprendre de manière intuitive le principe des statistiques bayesiénnes et les intérêts qu’elles présentent par rapport aux statistiques conventionnelles,
  • mettre en application les méthodes bayésiennes pour répondre à des problématiques plus ou moins complexes.

Prérequis

Avoir suivi la formation Notions fondamentales en statistiques OU savoir poser les hypothèses d'un test statistique et interpréter la p-value obtenue. Avoir suivi la formation Introduction au logiciel R OU savoir utiliser le logiciel R pour importer des données, les visualiser, gérer les packages nécessaires ; savoir modifier des lignes de codes ou savoir écrire ses propres lignes de codes. Un questionnaire préalable permettra leur évaluation.

Objectifs pédagogiques

  • Etre capable d'expliquer, de manière intuitive, le raisonnement et le calcul mis en jeu en statistiques bayésiennes (sans recours à des formules mathématiques complexes)
  • Etre capable d'énoncer les différences avec les statistiques inférentielles
  • Etre capable de construire ses connaissances a priori
  • Etre capable de mettre en pratique des modèles classiques (régression, ANOVA, etc.) dans un univers bayésien
  • Etre capable d'interpréter les résultats avec l'inférence bayésienne

Méthode

La formation consiste en des parties théoriques, puis dirigées (démonstration par l’exemple), puis de mise en situation lors d’applications pratiques (exercices en autonomie avec correction de groupe). Après une introduction théorique intuitive, ludique et presque dépourvue de formules mathématiques complexes, des modèles utilisés couramment en statistiques conventionnelles (régression, ANOVA, modèle mixte, etc.) sont mis en application dans un univers bayésien grâce aux logiciels R et JAGS. Des fichiers de lignes de code sont fournis avec explications détaillées, de manière à ce que les participants puissent les adapter à leurs propres problématiques à l’issue de la formation.

Évaluation  

L’évaluation se fait au travers de la réalisation d’exercices en autonomie et d’un questionnaire final de validation des acquis.

Durée et autres formalités

Durée : Trois jours

Interentreprises (Narbonne)

Nombre de stagiaires limité à 6. Dates : nous consulter

Intra-entreprise

Groupe de 12 personnes au plus. Dates : à définir avec le client.

Prix 2025 :

1625 €/personne interentreprises
4926 € intra-entreprise

Nos formations sont exonérées de TVA.

Programme de la formation

Théorie
  • Préambule et historique
  • Quelques problèmes rencontrés en statistiques classiques, apport des statistiques bayésiennes
  • Quand utiliser les statistiques classiques et quand utiliser les statistiques bayésiennes ?
  • Forme conceptuelle et intuitive du calcul bayésien
  • Forme mathématique du théorème de Bayes
  • Description d’une population : vision fréquentiste versus vision bayésienne
  • Limites du calcul analytique et utilité des algorithmes MCMC (Markov Chain Monte Carlo)
  • Illustration de la marche aléatoire de Metropolis
  • Construire sa connaissance a priori
  • Trois objectifs de l’inférence revus sous un angle bayésien : estimation, prédiction, comparaison
Applications JAGS (Just Another Gibbs Sampler)
  • Présentation/ installation
  • JAGS – quelques notes sur la syntaxe
  • Démarche systématique pour cette formation
  • Calcul de la densité d’espèces dans une pelouse calcaire
  • Régression linéaire simple
  • Analyse de Variance à un facteur
  • Analyse de Variance à deux facteurs
  • Modèle hiérarchique
  • Imputation de données manquantes
  • Régression logistique multiple

CONTACT