Extrémités bayésiennes : analyse MCMC

Cette séance de cours couvre l'application des algorithmes de la chaîne Markov Monte Carlo (MCMC) aux techniques bayésiennes pour des problèmes de valeur extrême. Il examine les avantages du MCMC, comme l'inclusion d'information supplémentaire par des antécédents appropriés, la facilité d'inférence et l'élaboration d'inférences prédictives. La séance de cours examine également l'importance du choix de la distribution des propositions, des diagnostics de convergence et de l'utilisation du MCMC pour la modélisation bayésienne. Il met l'accent sur la nécessité de disposer d'une information préalable appropriée, d'obtenir des connaissances spécialisées et des défis à relever pour modéliser l'incertitude. La séance de cours se termine par une discussion sur l'utilisation des graphiques pour la vérification des modèles et la présentation des conclusions.