Aims
By the end of the course, the student will be familiar with the principles
and the basic techniques in Bayesian statistics. He or she will be able to
use and to put forward the advantages and drawbacks of that paradigm in
standard problems.
Main themes
- The Bayesian model: basic principles.
- The likelihood function and its a priori specification.
- One-parameter models: choice of the a priori distribution, derivation of
the a posteriori distribution, summarizing the a posteriori distribution.
- Multi-parameter models: choice of the a priori distribution, derivation
of the a posteriori distribution, nuisance parameters. Special
cases: the multinomial and the multivariate Gaussian models.
- Large sample inference and connections with asymptotic frequentist
inference.
- Bayesian computation.
Content and teaching methods
- The Bayesian model: basic principles.
- The likelihood function and its a priori specification.
- One-parameter models: choice of the a priori distribution, derivation of
the a posteriori distribution, summarizing the a posteriori distribution.
- Multi-parameter models: choice of the a priori distribution, derivation
of the a posteriori distribution, nuisance parameters. Special
cases: the multinomial and the multivariate Gaussian models.
- Large sample inference and connections with asymptotic frequentist
inference.
- Bayesian computation.
Other information (prerequisite, evaluation (assessment methods), course materials recommended readings, ...)
References :
Congdon, P. (2001) Bayesian Statistical Modelling. Wiley.
Gelman, A., Carlin, J.B., Stern, H.S. and Rubin, D.B. (1995) Bayesian Data Analysis. Chapman and Hall.
Robert, C.P. (1992) L'Analyse Statistique Bayesienne. Paris: Economica.
Robert, C.P. (1994) The Bayesian Choice. New York: Springer-Verlag.
Spiegelhalter, D.J., Thomas, A. and Best, N.G. (1999) WinBUGS User Manual. MRC Biostatistics Unit.
Other credits in programs
FSA12BA
|
Deuxième année de bachelier en sciences de l'ingénieur, orientation ingénieur civil
|
(2.5 credits)
| |
STAT21MS/DM
|
Première année du master en statistique, orientation générale, à finalité spécialisée (data management et data mining)
|
(2.5 credits)
| |
STAT21MS/EA
|
Première année du master en statistique, orientation générale, à finalité sécialisée (économie et assurance)
|
(2.5 credits)
| |
STAT21MS/MM
|
Première année du master en statistique, orientation générale, à finalité spécialisée (méthodes mathématiques)
|
(2.5 credits)
| |
STAT21MS/MS
|
Première année du master en statistique, orientation générale, à finalité spécialisée (marketing et sondage)
|
(2.5 credits)
| |
STAT21MS/ST
|
Première année du master en statistique, orientation générale, à finalité spécialisée (sciences et technologie)
|
(2.5 credits)
| |
STAT22MS/DM
|
Deuxième année du master en statistique, orientation générale, à finalité spécialisée (data management et data mining)
|
(2.5 credits)
| |
STAT22MS/EA
|
Deuxième année du master en statistique, orientation générale, à finalité spécialisée (économie et assurance)
|
(2.5 credits)
| |
STAT22MS/MM
|
Deuxième année du master en statistique, orientation générale, à finalité spécialisée (méthodes mathématiques)
|
(2.5 credits)
| |
STAT22MS/MS
|
Deuxième année du master en statistique, orientation générale, à finalité spécialisée (marketing et sondage)
|
(2.5 credits)
| |
STAT22MS/ST
|
Deuxième année du master en statistique, orientation générale, à finalité spécialisée (sciences et technologie)
|
(2.5 credits)
| |
STAT3DA/B
|
diplôme d'études approfondies en statistique (biostatistique et épidémiologie)
|
(2.5 credits)
| |
STAT3DA/E
|
diplôme d'études approfondies en statistique (statistique et économétrie)
|
(2.5 credits)
| |
STAT3DA/M
|
Diplôme d'études approfondies en statistique (méthodologie de la statistique)
|
(2.5 credits)
| |
STAT3DA/P
|
diplôme d'études approfondies en statistique (pratique de la statistique)
|
(2.5 credits)
| |
|