Methodes Bayesiennes En Statistique
Par : , ,Formats :
Définitivement indisponible
Cet article ne peut plus être commandé sur notre site (ouvrage épuisé ou plus commercialisé). Il se peut néanmoins que l'éditeur imprime une nouvelle édition de cet ouvrage à l'avenir. Nous vous invitons donc à revenir périodiquement sur notre site.
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay indisponible
- Retrait Click and Collect en magasin gratuit
- Réservation en ligne avec paiement en magasin :
- Indisponible pour réserver et payer en magasin
- Nombre de pages418
- PrésentationRelié
- Poids0.775 kg
- Dimensions16,7 cm × 24,8 cm × 2,5 cm
- ISBN2-7108-0813-7
- EAN9782710808138
- Date de parution16/05/2002
- ÉditeurTechnip (Editions)
Résumé
Cet ouvrage fait le point sur les méthodes bayésiennes et leurs applications, de plus en plus utilisées en fiabilité, économie et médecine, afin de mieux les appréhender, de stimuler leur usage ainsi que la recherche les concernant.
L'approche bayésienne (du nom du théorème de Bayes permettant de calculer des probabilités a posteriori) permet d'utiliser les connaissances que l'on peut avoir a priori sur un phénomène aléatoire dans un modèle statistique. Cette approche complète la démarche inférentielle classique où l'on utilise uniquement l'information apportée par les observations pour estimer ou tester les valeurs d'un paramètre, les connaissances a priori n'intervenant que dans le choix du modèle paramétrique.
Cet ouvrage fait le point sur les méthodes bayésiennes et leurs applications, de plus en plus utilisées en fiabilité, économie et médecine, afin de mieux les appréhender, de stimuler leur usage ainsi que la recherche les concernant.
L'approche bayésienne (du nom du théorème de Bayes permettant de calculer des probabilités a posteriori) permet d'utiliser les connaissances que l'on peut avoir a priori sur un phénomène aléatoire dans un modèle statistique. Cette approche complète la démarche inférentielle classique où l'on utilise uniquement l'information apportée par les observations pour estimer ou tester les valeurs d'un paramètre, les connaissances a priori n'intervenant que dans le choix du modèle paramétrique.