Code et crédits : MU5MAS03/5MS34, 3 ECTS
Responsable : Nicolas Bousquet (lien vers la page personnelle)
Contact : nicolas.bousquet@sorbonne-universite.fr
Objectif : présenter d’une part les
principales méthodologies de modélisation bayésienne appliquées
à des problèmes d’aide à la décision en univers risqué sur des
variables scalaires et fonctionnelles,
et d’autre part des méthodes avancées de calcul inférentiel
permettant l’enrichissement de l’information utile, en fonction
de l’emploi et de la nature des modèles.
Prérequis : notions fondamentales de probabilités et statistique, introduction aux statistiques bayésiennes, méthodes de Monte-Carlo, calcul scientifique en R ou/ et en Python
Les TPs sont faits simultanément en R et Python
(liens vers des aides pour
R et Python
3)
Voici un
document pour aider à l'installation des outils
Lien
vers le planning du M2 Stat
Les cours reprendront au S2 2022-2023
(janvier-mars)