Inférence bayésienne

Maria Fernanda Gil

Bernardo Flores

Prof. Richard Nickl | Bayesian Inference for Non-linear Inverse Problems

Prof. Richard Nickl | Inférence bayésienne pour les problèmes inverses non linéaires

Andrew Gelman: Hierarchical modeling and prior information: an example from toxicology

Andrew Gelman : Modélisation hiérarchique et information a priori : un exemple en toxicologie

[ИАД, осень 2025] Байесовский выбор моделей. Лекция 5: Обоснованность, связь со стат. значимостью

[IAD, automne 2025] Sélection bayésienne de modèles. Leçon 5 : Validité, lien avec la significativité statistique

Inferencia Bayesiana Estructura Poblacional - Veronica Lia

Inférence bayésienne Structure de population - Veronica Lia

[ИАД, осень 2025] Байесовский выбор моделей. Лекция 1: Введение

[ИАД, automne 2025] Sélection bayésienne de modèles. Leçon 1 : Introduction

La Extraña Matemática Que Predice (Casi) Todo

Les étranges mathématiques qui prédisent (presque) tout

Initiation à la statistique bayésienne

Continuous version of Bayes rule

Version continue de la règle de Bayes

The basic idea of Bayesian Network

L'idée de base du réseau bayésien

Science, Bayes & NL

Science, Bayes et NL

Centered versus non-centered hierarchical models

Modèles hiérarchiques centrés versus non centrés

Bayes theorem, the geometry of changing beliefs

Théorème de Bayes, la géométrie du changement de croyances

What are divergent iterations and what to do about them?

Que sont les itérations divergentes et comment les gérer ?

How to write your first Stan program

Comment écrire votre premier programme Stan

Introducing Bayes factors and marginal likelihoods

Introduction aux facteurs de Bayes et aux vraisemblances marginales

Why we typically use dependent sampling to sample from the posterior

Pourquoi nous utilisons généralement un échantillonnage dépendant pour échantillonner à partir de la distribution a posteriori

What is a posterior predictive check and why is it useful?

Qu'est-ce qu'un contrôle prédictif postérieur et pourquoi est-il utile ?

The problems with using simple Monte Carlo to determine the marginal likelihood

Les problèmes liés à l'utilisation du Monte Carlo simple pour déterminer la vraisemblance marginale

The intuition behind the Hamiltonian Monte Carlo algorithm

L'intuition derrière l'algorithme Hamiltonian Monte Carlo

How to derive a Gibbs sampling routine in general

Comment dériver une routine d'échantillonnage de Gibbs en général

Estimating the posterior predictive distribution by sampling

Estimation de la distribution prédictive postérieure par échantillonnage

Constrained parameters? Use Metropolis-Hastings

Paramètres contraints ? Utilisez Metropolis-Hastings

An introduction to the Random Walk Metropolis algorithm

Une introduction à l'algorithme Random Walk Metropolis

An introduction to reference priors

Une introduction aux priorités de référence

An introduction to Jeffreys priors - 2

Introduction aux priors de Jeffrey - 2

The syllabus covered by the book and YouTube course

Le programme couvert par le livre et le cours YouTube

Théorème de Bayes

The Bayesian Trap

Le Piège Bayésien