Analyse BayésienneOutils du Management de la Qualité 2 (ERE)

Maitriser : • Les notions de base de la théorie de décision bayésienne • Les méthodes classiques d’analyse et la classification de données • Notions d’apprentissage machine par les modèles bayésiens Connaitre : Les outils de la théorie bayésienne pour les appliquer à l’analyse de données

De l’inférence fréquentielle à l’inférence bayésienne • Inférence fréquentielle - Approche pré-expérimentale  Construction de l’intervalle de confiance  Test d’hypothèse • Inférence bayésienne - Approche post-expérimentale o Test d’hypothèse Principes de l’inférence bayésienne • Le théorème de Bayes en discret et en continu • Principe de la démarche bayésienne en sûreté de fonctionnement  Les différents types d’a priori - Construction de l’a priori  Interprétation de l’a posteriori Théorie de la décision de Bayes • Règles de décision • Erreurs sur les modèles • Fonctions coût et risque bayésien Fonctions de discrimination • Modèles univariés • Modèles multivariés • Fonctions de séparation linéaires et non linéaires Calcul des modèles Bayésiens • Méthode du maximum de vraisemblance • Estimateur bayésien Réseaux bayésiens • Modèles graphiques • Notions d’indépendance • Inférence dans les réseaux bayésiens

Contrôle sur table (Durée 1h)